[發明專利]基于變分貝葉斯模型的紅外弱小目標圖像背景抑制方法

有效

• 申請號: 201710207017.8
• 申請日: 2017-03-31
• 公開（公告）號: CN108665420B
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 秦翰林;呂恩龍;延翔;李佳;周慧鑫;曾慶杰;孫永麗;王婉婷;吳金莎;梁瑛;王春妹
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06V10/762;G06V10/764
• 代理公司: 西安志帆知識產權代理事務所(普通合伙) 61258
• 代理人: 侯峰;韓素蘭

1.一種基于變分貝葉斯模型的紅外弱小目標圖像背景抑制方法，其特征在于，該方法為：根據滑動窗口對紅外圖像進行分解，獲得若干個相同大小且相互重疊的圖像塊，之后，根據kNN方法對所述獲得的若干個相同大小且相互重疊的圖像塊進行聚類處理，獲得若干個不同的紅外圖像塊聚類，再根據變分貝葉斯理論模型抑制所述獲得的紅外圖像塊聚類中的背景成分，最后對經背景抑制的紅外圖像塊聚類進行重構獲得背景抑制后的圖像；

所述根據變分貝葉斯理論模型抑制所述獲得的紅外圖像塊聚類中的背景成分，具體為：

步驟一：求得每個聚類T_y中所包含所有t個圖像塊p_i的均值，根據均值去除法去除聚類中所包含的背景成分，獲得抑制掉背景后的聚類T′_y；

步驟二：從聚類T′_y中求得原始圖像F中第i行j列的f_i,j像素的灰度候選值f′_i,j在所有候選值中的期望概率；

上式中T_k表示包含的聚類(k＝1，2，```，s表示不同的聚類，s表示該類聚類的總數)，p(T_k|f_i,j)根據下式進行求解

其中，H為常數，z＝1,2,3,…,M用來區分不同的灰度級；對于p(_zf′_i,j|f_i,j)，由于在構造圖像塊時引入了人工邊界，所以對于所有的參考值，位于圖像塊內部的灰度候選值要比位于圖像塊邊緣的候選值具有更重要的參考意義；

采用一個二維貝塞爾窗來代替p(_zf′_i,j|f_i,j)，如下式：

上式中，為像素在圖像塊中的位置；I₀(·)為零階修正貝塞爾函數，則(3)式中c_k可表示為：

將(5)式帶入(4)式可以得到：

p(f′_i，j|f_i，j)＝∑_kc_k·p(f′_i，j|T_k) (6)

步驟三：求解背景抑制后每個像素候選值的期望概率，根據最大似然函數選取期望概率最大的候選值f″_i,j，即得最優背景抑制像素值，將所述最優背景抑制像素值替換原始像素值；

步驟四：根據最大似然函數將經過背景抑制后的圖像塊重新聚類；

步驟五：根據圖像塊重新聚類確定前后迭代的能量泛函差，并且根據差值判斷是否達到結束條件；

ΔF＝|F_R(f″_i,j,T)-F_R-1(f″_i,j,T)|＜t (9)

上式中，F_R-1(f″_i,j,T)表示前一次迭代圖像能量泛函值，F_R(f″_i,j,T)表示這次的圖像能量泛函值，t為常數；若上式不成立則重復步驟一至步驟五，否則結束該過程。

2.根據權利要求1所述的基于變分貝葉斯模型的紅外弱小目標圖像背景抑制方法，其特征在于，所述根據滑動窗口對紅外圖像進行分解，具體為：選取大小為m×n的窗口，將窗口在大小為M×N的紅外圖像矩陣中滑動，通過窗口所覆蓋的數據獲得若干個大小相同且相互重疊的圖像塊。

3.根據權利要求1或2所述的基于變分貝葉斯模型的紅外弱小目標圖像背景抑制方法，其特征在于，所述根據kNN方法對所述獲得的若干個相同大小且相互重疊的圖像塊進行聚類處理，具體為：隨機選取k個圖像塊作為聚類的中心，根據kNN方法和歐氏距離最近原則將所有圖像塊根據分為k個聚類。

4.根據權利要求3所述的基于變分貝葉斯模型的紅外弱小目標圖像背景抑制方法，其特征在于，所述對經背景抑制的紅外圖像塊聚類進行重構獲得背景抑制后的圖像，具體為：將圖像塊中的像素值恢復到原始圖像的位置。