[發明專利]基于多尺度稀疏字典的紅外小弱目標檢測方法

無效

• 申請號: 201210330313.4
• 申請日: 2012-09-10
• 公開（公告）號: CN102842047A
• 公開（公告）日: 2012-12-26
• 發明（設計）人: 李正周;劉梅;王會改;唐嵐;沈美容
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種基于多尺度字典的紅外小弱目標檢測方法，是圖像處理技術領域的新方法，在光電成像搜索與跟蹤系統、精確制導系統、目標監視系統、衛星遙感系統、安全檢查系統等中均可有廣泛的應用。

背景技術

紅外成像技術因其良好的隱蔽性、較強的抗干擾性能、較遠的作用距離和可晝夜工作等已廣泛應用于紅外精確制導、預警、搜索和跟蹤等多種軍事及民用領域。目標檢測與跟蹤作為上述領域中的一項重要技術，在現代防御系統中具有非常顯著的地位。當作用距離遠時，目標在成像上表現為只占據幾個像素點的小弱目標，沒有形狀紋理等其他可用于檢測的重要特征，并且通常都隱藏在各種雜波背景和強噪聲中。紅外小弱目標的檢測是一項富有挑戰性的課題。

圖像多尺度理論在小弱目標檢測研究活躍，主要體現在包括提出了各種基于小波理論的小弱目標檢測方法，contourlet以及curvelet等各種非自適應多尺度幾何變換檢測小弱目標的方法。這些方法將圖像經過多尺度幾何變換，得到不同層的系數，分析高低頻系數產生的圖像內容通過閾值函數進行抑制背景提高信噪比。基于小波理論的小弱目標檢測方法將低頻系數對應為圖像中緩慢變化的背景，抑制高頻系數得到圖像的背景，將原圖像和背景相減得到去除背景，信噪比提高的目標圖像。但小波方法對于處理二維信號本身有方向性限制的局限性，使得對于背景的紋理特征提取不完整，存在殘留；而contourlet、curvelet變換主要是針對二維奇異性而產生的，具有很好的方向性和各向異性。對圖像進行多尺度分解提取不同尺度的系數，通過閾值函數提取產生目標的系數，進而檢測到小弱目標。

發明內容

本發明的目的在于克服上述小波變換難以處理二維信號，以及contourlet、curvelet變換對于背景抑制的不完整的缺點，提供一種基于圖像內容的多尺度超完備稀疏字典的構造方法。該多尺度字典能夠從整體到局部挖掘圖像信息，并且比單尺度字典有更稀疏的表示。本發明將圖像本身作為訓練樣本庫，利用四叉樹構造多尺度超完備稀疏字典；將子圖像在多尺度稀疏字典下的稀疏分解系數采用指數函數進行擬合表示；最后根據噪聲圖像塊和含有目標的圖像塊的聯合稀疏系數與指數函數擬合存在差異來檢測小弱目標。

為實現這一目的，本發明的技術方案將目標和背景噪聲在多尺度稀疏字典下的稀疏系數統計直方圖與指數函數擬合存在差異作為切入點。本發明采用以下技術方案：

一種基于多尺度稀疏字典的紅外小弱目標檢測方法，其特征在于，所述檢測方法包括如下步驟：

1）?采用四叉樹構造原圖像的多尺度超完備稀疏字典；

2）?將原圖像劃分為不同尺度大小的子圖像，分別對每個子圖像在其相應的多尺度子字典中進行稀疏分解，提取其在子字典中的稀疏表示系數；

3）?將每個圖像子塊的多層稀疏分解系數級聯起來形成聯合稀疏系數，利用指數函數擬合聯合的稀疏系數的統計直方圖；

4）?當擬合參數大于閾值時確定該子圖像存在目標，并根據聯合稀疏系數具有和四叉樹一樣的方位性這一特征，最終確定目標所在的具體位置。

附圖說明

圖1是實施例的測試圖像1，包含小弱目標的深空圖像；

圖2是實施例的測試圖像2，包含小弱目標的云層圖像；

圖3是實施例測試圖像1的第一層子字典；

圖4是實施例測試圖像1的第二層子字典；

圖5是實施例圖像1中包含目標的圖像塊在多尺度字典下稀疏系數直方圖與指數函數的擬合；

圖6是實施例圖像1中包含噪聲的圖像塊在多尺度字典下稀疏系數直方圖與指數函數的擬合；

圖7是實施例圖像1中背景的圖像塊在多尺度字典下稀疏系數直方圖與指數函數的擬合；

圖8是實施例圖像1中目標處于圖像塊左上角位置的稀疏系數分布情況；

圖9是實施例圖像1中目標處于圖像塊左下角位置的稀疏系數分布情況；

圖10是實施例圖像1中目標處于圖像塊右上角位置的稀疏系數分布情況；

圖11是實施例圖像1中目標處于圖像塊右下角位置的稀疏系數分布情況；

圖12是實施例圖像1中噪聲圖像塊的稀疏系數分布情況；

圖13是實施例圖像1中背景圖像塊的稀疏系數分布情況；

圖14是實施例圖像1的檢測結果圖；；

圖15是實施例圖像2的檢測結果圖。

具體實施方式

本實施方式是以本發明技術方案為前提進行實施，下面結合附圖對本發明的具體實施方式做詳細說明：