[發(fā)明專利]一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710452091.6
• 申請(qǐng)日: 2017-06-15
• 公開（公告）號(hào): CN107392095A
• 公開（公告）日: 2017-11-24
• 發(fā)明（設(shè)計(jì)）人: 金明
• 申請(qǐng)（專利權(quán)）人: 杭州紅輝電子科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/136
• 代理公司: 成都新驅(qū)科為知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)51251
• 代理人: 成實(shí)

1.一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法，其特征在于，包括以下步驟：

(1)輸入原紅外圖像；

(2)計(jì)算原紅外圖像的掩碼圖像；

(3)結(jié)合掩碼圖像對(duì)原紅外圖像進(jìn)行濾波處理，得到背景圖像；

(4)計(jì)算含有點(diǎn)目標(biāo)的殘差圖像；

(5)濾除殘差圖像的噪聲，完成對(duì)點(diǎn)目標(biāo)的檢測。

2.根據(jù)權(quán)利要求1所述的一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法，其特征在于，所述步驟(2)中計(jì)算原紅外圖像的掩碼圖像包括以下步驟：

①在原紅外圖像中選取目標(biāo)區(qū)域A；

②計(jì)算目標(biāo)區(qū)域A的掩碼圖像，其計(jì)算公式為：

其中，Mask(i，j)為掩碼圖像座標(biāo)為(i，j)的像素，f(i，j)為原紅外圖像座標(biāo)為(i，j)的像素，N×N為掩碼圖像的大小，α為閾值；閾值α＝σ_f·SNR，σ_f＝std(A)為灰度標(biāo)準(zhǔn)差，SNR為信噪比；通過恒虛警概率來計(jì)算信噪比SNR，計(jì)算公式為其中P_f為給定的恒虛警概率，

3.根據(jù)權(quán)利要求2所述的一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法，其特征在于，所述步驟(3)中結(jié)合掩碼圖像采用形態(tài)學(xué)開運(yùn)算對(duì)原紅外圖像進(jìn)行濾波處理，得到背景圖像；形態(tài)學(xué)開運(yùn)算的表達(dá)式為：

其中，f(x,y)為原紅外圖像座標(biāo)為(x，y)的像素，Mask(x,y)為掩碼圖像座標(biāo)為(x，y)的像素，B(x,y)為背景圖像座標(biāo)為(x，y)的像素，b為形態(tài)學(xué)濾波的結(jié)構(gòu)體。

4.根據(jù)權(quán)利要求3所述的一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法，其特征在于，所述步驟(4)中采用原紅外圖像減去背景圖像得到含有點(diǎn)目標(biāo)的殘差圖像，計(jì)算公式為：G(x,y)＝f(x,y)-B(x,y)，G(x,y)為殘差圖像座標(biāo)為(x，y)的像素。

5.根據(jù)權(quán)利要求4所述的一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法，其特征在于，所述步驟(5)中采用自適應(yīng)閾值分割處理對(duì)殘差圖像的噪聲進(jìn)行濾除，從而完成對(duì)點(diǎn)目標(biāo)的檢測，自適應(yīng)閾值分割處理的表達(dá)式為：其中，R(i,j)為自適應(yīng)閾值分割處理后圖像的座標(biāo)為(i，j)的像素，T為分割閾值，G(i，j)為殘差圖像座標(biāo)為(i，j)的像素。

6.根據(jù)權(quán)利要求5所述的一種基于掩碼圖像的紅外弱小目標(biāo)檢測算法，其特征在于，所述自適應(yīng)閾值的計(jì)算公式為：T＝m+kσ，其中，

m為局部區(qū)域的均值，σ為局部區(qū)域標(biāo)準(zhǔn)差，T為分割閾值，k為常系數(shù)，N1和N2分別表示子圖像區(qū)域的大小。