آشكارسازي اهداف كوچك در تصاوير مادون قرمز مبتني بر الگوريتم بهينه سازي ازدحام ذرات

Infrared small target detection based on the Particle swarm optimization algorithm

يكي از مهم ترين اجزاي سامانه هاي جستجوگر و ردياب مادون قرمز، بخش پردازش تصوير است كه وظيفه آن آشكارسازي اهداف مدنظر در تصاوير مادون قرمز است. در اين مقاله يك روش جديد آشكارسازي اهداف كوچك در تصاوير مادون قرمز ارايه شده است. در روش پيشنهادي، از الگوريتم هاي بهينه سازي ابتكاري براي يافتن اهداف كوچك در تصاوير مادون قرمز استفاده مي شود. ويژگي منحصربه فرد اين روش، يافتن اهداف كوچك با استفاده از الگوريتم هاي بهينه سازي و بدون دخالت ساير روش هاي آشكارسازي اهداف است. به اين منظور، الگوريتم بهينه سازي ازدحام ذرات به عنوان يكي از بهترين الگوريتم هاي بهينه سازي ابتكاري استفاده شده است.عملكرد الگوريتم پيشنهادي با استفاده از تصاوير مادون قرمز واقعي و شبيه سازي شده ارزيابي شده است. اين تصاوير شامل انواع منابع خطا همچون پس زمينه ابري پيچيده، پس زمينه آسمان دريا و لبه هاي با شدت روشنايي زياد است. نتايج به دست آمده از عملكرد روش پيشنهادي در يافتن اهداف كوچك و مدت زمان اجراي آن با چهار روش متداول مقايسه شده اند كه نشان دهنده كارايي مناسب روش پيشنهادي است.

One of the most important parts of infrared search and tracking systems is image processing, which detects the targets in infrared images. In this paper, a new infrared small target detection algorithm is proposed. The proposed method uses heuristic optimization algorithms to find small targets in infrared images. In this way, the particle swarm optimization algorithm is used as one of the best heuristic optimization algorithms. The performance of the proposed algorithm is evaluated using real and simulated infrared images. These images include a variety of false response sources like high-intensity edges, cloudy background, complex sea-sky background, and a target close to high-intensity background clutter. The experimental results are compared with the four common methods of infrared small target detection. The experimental results show the effectiveness and performance of the proposed algorithm. Also, the runtime of the proposed method is comparable to other commonly used methods, and this makes it usable in real-time programs.