基于视觉感受野的自适应背景抑制方法

摘要

在河流水面成像测速的应用中,表现为弱小目标的水流示踪物易受倒影、耀光等复杂背景噪声的干扰而引起较大的位移估计误差。对此,首先分析了近红外河流水面图像中目标、背景及噪声的分布及统计特性并建立数学模型。然后在生物侧抑制现象的启发下提出了一种基于视觉感受野双高斯差(DOG)模型的自适应背景抑制方法。利用水面图像中目标和噪声灰度分布的先验知识以及兴奋性与抑制性作用相抵的约束关系选取模型参数,以达到局部最优的增强效果。实验表明,DOG模型作为一个带通滤波器,在增强目标、抑制背景和滤除噪声的综合性能方面优于传统的空域高通滤波器。获得的图像不仅具有良好的视觉效果,同时满足了后续运动矢量估计对相关运算信噪比的需求。