[發(fā)明專(zhuān)利]基于局部梯度三邊的圖域多尺度紅外弱小目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710391310.4
• 申請(qǐng)日: 2017-05-27
• 公開(kāi)（公告）號(hào): CN107403134B
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 秦翰林;曾慶杰;李佳;吳金莎;梁瑛;楊碩聞;延翔;王婉婷;程文雄;王春妹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06V10/80
• 分類(lèi)號(hào): G06V10/80;G06V10/26;G06K9/62
• 代理公司: 西安志帆知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61258
• 代理人: 侯峰;韓素蘭

1.一種基于局部梯度三邊的圖域多尺度紅外弱小目標(biāo)檢測(cè)方法，其特征在于，該方法為：將含弱小目標(biāo)的紅外圖像轉(zhuǎn)化成以節(jié)點(diǎn)和其邊權(quán)關(guān)系為表示方式的局部梯度三邊圖信號(hào)；其次，根據(jù)圖拉普拉斯矩陣的多尺度變換對(duì)局部梯度三邊圖信號(hào)進(jìn)行多尺度分解，獲得圖信號(hào)在不同尺度下的低高頻子帶；再次，根據(jù)圖信號(hào)的邊權(quán)關(guān)系對(duì)每個(gè)尺度的高頻子帶進(jìn)行局部加權(quán)，并取其中值作為新的中心節(jié)點(diǎn)系數(shù)，然后對(duì)局部加權(quán)后的高頻子帶作乘性融合；最后，對(duì)乘性融合后的高頻子帶進(jìn)行自適應(yīng)閾值分割，確定目標(biāo)空間位置，輸出檢測(cè)結(jié)果；所述將含弱小目標(biāo)的紅外圖像轉(zhuǎn)化成以節(jié)點(diǎn)和其邊權(quán)關(guān)系為表示方式的局部梯度三邊圖信號(hào)具體為：

(一)生成以局部平均梯度表示目標(biāo)和邊緣信息的節(jié)點(diǎn)

具體方法是在原始圖像的局部窗口內(nèi)計(jì)算中心像素對(duì)鄰域像素的平均梯度，并將該梯度像素點(diǎn)作為窗口的中心節(jié)點(diǎn)，按此方式遍歷整幅圖像，獲得表示目標(biāo)和邊緣信息的節(jié)點(diǎn)，

式中，Ω_k×k表示大小為k×k的局部窗口，I(i,j)和I(p,q)分別表示窗口內(nèi)中心位置(i,j)和位置(p,q)處的像素灰度，為窗口內(nèi)中心位置(i,j)的平均梯度，表示具有圖像位置(i,j)處梯度值s_ij的節(jié)點(diǎn)，共N個(gè)；

(二)生成基于局部三邊因子的節(jié)點(diǎn)間相鄰關(guān)系邊權(quán)

設(shè)計(jì)一個(gè)同時(shí)考慮強(qiáng)度、梯度和距離的三邊因子來(lái)衡量窗口內(nèi)中心節(jié)點(diǎn)與近鄰節(jié)點(diǎn)間的相似性，確定二者的邊權(quán)關(guān)系；而對(duì)于窗口外的節(jié)點(diǎn)則令邊權(quán)為零，

式中，表示中心節(jié)點(diǎn)與節(jié)點(diǎn)之間的邊權(quán)，表示大小為l×l的局部窗口，W_s、和W_d分別為三邊因子中強(qiáng)度、梯度和距離的貢獻(xiàn)權(quán)值，其具體表達(dá)式為

W_s＝exp(-|s_xy-s_mn|) (4)

W_d＝exp(-(|x-m|+|y-n|)) (6)

式中，|·|表示取絕對(duì)值，τ為預(yù)設(shè)的梯度閾值。

2.根據(jù)權(quán)利要求1所述的一種基于局部梯度三邊的圖域多尺度紅外弱小目標(biāo)檢測(cè)方法，其特征在于，所述根據(jù)圖拉普拉斯矩陣的多尺度變換對(duì)局部梯度三邊圖信號(hào)進(jìn)行多尺度分解，獲得圖信號(hào)在不同尺度下的低高頻子帶，具體為：

在圖的譜域內(nèi)，設(shè)計(jì)一族基于圖拉普拉斯矩陣的低通和帶通變換函數(shù)來(lái)實(shí)現(xiàn)對(duì)圖信號(hào)的多尺度分解，具體表達(dá)如下：

式中，為節(jié)點(diǎn)處的低通尺度函數(shù)，作用是在預(yù)設(shè)尺度下將圖信號(hào)中的低頻信息分離出來(lái)，具體通過(guò)一個(gè)對(duì)圖拉普拉斯矩陣作用的低通核h(·)實(shí)現(xiàn)，為尺度t下節(jié)點(diǎn)處的帶通函數(shù)，作用是對(duì)尺度t下圖信號(hào)的高頻信息進(jìn)行分解，具體通過(guò)一個(gè)對(duì)線性擴(kuò)大的圖拉普拉斯矩陣作用的帶通核g(·)實(shí)現(xiàn)，則表示在節(jié)點(diǎn)處其值為1，在其他節(jié)點(diǎn)處其值為0；

根據(jù)式(7)給出的圖的譜域多尺度變換函數(shù)，將所述生成的局部梯度三邊圖信號(hào)f進(jìn)行多尺度分解，獲得其變換系數(shù)，

式中，為圖信號(hào)f的低頻子帶系數(shù)，為圖信號(hào)f在尺度t下的高頻子帶系數(shù)，*，*為內(nèi)積算子。

3.根據(jù)權(quán)利要求2所述的一種基于局部梯度三邊的圖域多尺度紅外弱小目標(biāo)檢測(cè)方法，其特征在于，所述根據(jù)圖信號(hào)的邊權(quán)關(guān)系對(duì)每個(gè)尺度的高頻子帶進(jìn)行局部加權(quán)，并取其中值作為新的中心系數(shù)，然后對(duì)局部加權(quán)后的高頻子帶作乘性融合，具體為：

(一)對(duì)各個(gè)高頻子帶系數(shù)進(jìn)行修正，令其負(fù)系數(shù)值為零，以排除相應(yīng)背景成分的干擾；

式中，為尺度t下節(jié)點(diǎn)的高頻子帶系數(shù)，表示修正前后的系數(shù)；

(二)根據(jù)圖信號(hào)的邊權(quán)關(guān)系對(duì)高頻子帶H進(jìn)行局部加權(quán)，并取其中值作為新的中心系數(shù)，

式中，表示局部窗口的中心節(jié)點(diǎn)的融合后尺度t下新的高頻系數(shù)，median(·)為求取中值的函數(shù)，和w_xy-mn分別表示局部窗口中節(jié)點(diǎn)的高頻系數(shù)和與中心節(jié)點(diǎn)之間的邊權(quán)關(guān)系；

(三)對(duì)新的各尺度高頻子帶進(jìn)行乘性融合，達(dá)到增強(qiáng)目標(biāo)信息，抑制殘余高頻背景成分的目的：

式中，R_fused為融合增強(qiáng)后的結(jié)果，尺度t取{1,2,…,K}，表示共有K個(gè)高頻子帶。

4.根據(jù)權(quán)利要求3所述的一種基于局部梯度三邊的圖域多尺度紅外弱小目標(biāo)檢測(cè)方法，其特征在于，所述對(duì)乘性融合后的高頻子帶進(jìn)行自適應(yīng)閾值分割，確定目標(biāo)空間位置，輸出檢測(cè)結(jié)果，具體為

式中，R_out為輸出的二值化檢測(cè)結(jié)果，T為自適應(yīng)閾值，其選取規(guī)則為

T＝min(R_fused)+γ·(max(R_fused)-min(R_fused))γ∈[1/2,4/5] (13)

式中，γ為閾值的自適應(yīng)調(diào)節(jié)因子，并給出了其取值范圍，min(·)和max(·)分別為求取最小值和最大值函數(shù)。