چکیده:
بهبود اهداف کوچک در تصاویر مادونقرمز یکی از مهمترین مسائل در سامانههای آشکارسازی و ردیابی اهداف میباشد. الگوریتمهای بهبود اهداف، امکان تفکیک دقیقتر بین پیکسلهای نواحی پسزمینه و اهداف را در تصاویر مادونقرمز فراهم میآورد. در این مقاله، روش جدید آنتروپی وزندار آماری جهت تضعیف کلاترهای پسزمینه و افزایش کنتراست بین اهداف و کلاتر پسزمینه پیشنهاد شده است. از بهترین راهها برای بیان مشخصات شدت روشنایی تصویر، استفاده از آنتروپی محلی است. در نتیجه، آنتروپی وزندار آماری مطابق با این واقعیت طراحی شده است که پیکسلهای شامل اهداف کوچک، باعث تغییرات عمدهای در مقدار آنتروپی وزندار آماری در پنجرههای محلی تصویر مادونقرمز میگردد و براحتی میتوان پیکسلهای هدف و پسزمینه را از هم تفکیک نمود. در مرحله اول، آنتروپی وزندار آماری هر پنجره محلی متناظر با هر پیکسل از تصویر محاسبه میشود. در پایان این مرحله، شدت روشنایی کلاترهای پسزمینه تا حد زیادی تضعیف گردیده و پیکسلهای هدف بهبود مییابند. در مرحله بعد، از یک ضریب بهبود خودکار به منظور برجستهتر شدن اهداف و ایجاد کنتراست بیشتر بین ناحیه هدف و کلاترهای پسزمینه، استفاده میشود. به منظور ارزیابی کیفی و کمی، الگوریتم پیشنهادی بر روی مجموعهای از تصاویر مادونقرمز شامل 30 تصویر با پسزمینههای مختلف و پیچیده، مورد آزمایش قرار گرفت. نتایج نشان میدهد که روش پیشنهادی بخوبی میتواند با تضعیف کلاتر پسزمینه، باعث بهبود ناحیه هدف گردد و در نتیجه احتمال آشکارسازی و ردیابی اهداف را بیشتر نماید.
خلاصه ماشینی:
در نتیجه، آنتروپی وزندار آماری مطابق با این واقعیت طراحی شده است که پیکسلهای شامل اهداف کوچک، باعث تغییرات عمدهای در مقدار آنتروپی وزندار آماری در پنجرههای محلی تصویر مادونقرمز میگردد و براحتی میتوان پیکسلهای هدف و پسزمینه را از هم تفکیک نمود.
از اینرو، در این مقاله تمرکز بر روی جنبه دوم از روشهای بهبود تصویر مادونقرمز است که منجر به برجستهتر شدن اهداف و تضعیف کلاترهای پسزمینه میشود که نتیجه آن افزایش کنتراست بین اهداف کوچک و کلاتر پسزمینه میباشد.
همچنین، در سالهای اخیر جهت تضعیف پیکسلهای پسزمینه شامل اهداف کوچک در تصاویر مادونقرمز، از توصیفگر آنتروپی محلی جهت بهبود ناحیه هدف استفاده شده است [15-14].
از اینرو، در روش پیشنهادی این مقاله از روش نوینی به نام آنتروپی وزندار آماری جهت برجستهتر نمودن پیکسلهای هدف و تضعیف پیکسلهای پسزمینه که شامل کلاترهای سنگین و نویز میباشد، استفاده شده است.
پس از محاسبه و اعمال وزن آنتروپی (w)، با جایگزینی مقادیر آنتروپی وزندار آماری پنجرههای کل تصویر با پیکسلهای متناظرش، اختلاف مقادیر سطح روشنایی نواحی مربوط به هدف و پسزمینه بهخوبی قابل درک برای دید بصری انسان میشود و سامانههای خودکار ردیابی بخوبی میتوانند توانایی آشکارسازی و تمایز بین این دو ناحیه را داشته باشند.
با توجه به مشخصات آماری نواحی مختلف تصویر مادونقرمز و علیالخصوص ویژگیهای پنجرههای شامل نقاط هدف، از جمله میزان بالا بودن درجه تناوب مقادیر سطح روشنایی، و بیشتر بودن میانگین و انحراف معیار شدت روشنایی نسبت به سایر نواحی، میبایست وزن رابطه (3) را به نحوی طراحی نمود که توصیفگر مناسبی برای برجستهتر نمودن ناحیه هدف باشد.