[發(fā)明專利]一種基于掩碼圖像的紅外弱小目標(biāo)檢測(cè)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)

技術(shù)領(lǐng)域

本發(fā)明涉及紅外圖像處理技術(shù)領(lǐng)域，具體涉及一種基于掩碼圖像的紅外弱小目標(biāo)檢測(cè)算法。

背景技術(shù)

近年來(lái)，紅外熱成像技術(shù)迅速發(fā)展，基于紅外圖像檢測(cè)的產(chǎn)品應(yīng)用也越來(lái)越多。在復(fù)雜背景環(huán)境下，紅外背景圖像中可能含有亮的云團(tuán)、建筑物和大片的樹木，這些亮度往往大于或與目標(biāo)接近，這對(duì)目標(biāo)檢測(cè)帶來(lái)很大的干擾。同時(shí)紅外制導(dǎo)中的目標(biāo)一般只有幾個(gè)像素，缺乏目標(biāo)的紋理、尺寸以及結(jié)構(gòu)信息可資利用，再加上環(huán)境等因素的影響，都有可能隨時(shí)使弱小的目標(biāo)信息淹沒在噪聲中，從而給紅外弱小目標(biāo)的檢測(cè)帶來(lái)了很大的困難。針對(duì)弱小目標(biāo)檢測(cè)，現(xiàn)有的濾波算法如中值濾波、形態(tài)學(xué)濾波，一般在抑制背景的同時(shí)，造成背景高頻點(diǎn)的泄露。為避免高灰度量級(jí)的背景對(duì)目標(biāo)檢測(cè)造成影響，當(dāng)對(duì)背景進(jìn)行抑制時(shí)，需盡量保持這些背景區(qū)域不變，即不需對(duì)其進(jìn)行背景預(yù)測(cè)，直接判斷為背景。而一般的濾波方法是對(duì)整幅圖進(jìn)行濾波處理，不可避免的影響了這些背景區(qū)域，降低了弱小目標(biāo)檢測(cè)的準(zhǔn)確性和可靠性。因此，在復(fù)雜背景下，如何提高弱小目標(biāo)檢測(cè)的準(zhǔn)確性和可靠性是國(guó)內(nèi)外普遍關(guān)注與重點(diǎn)研究的課題之一。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服目前在復(fù)雜背景下，對(duì)弱小目標(biāo)檢測(cè)的準(zhǔn)確性和可靠性低的缺陷，提供一種基于掩碼圖像的紅外弱小目標(biāo)檢測(cè)算法。

本發(fā)明的目的通過(guò)下述技術(shù)方案現(xiàn)實(shí)：一種基于掩碼圖像的紅外弱小目標(biāo)檢測(cè)算法，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(cè)。

進(jìn)一步的，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(guò)恒虛警概率來(lái)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，

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。

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。

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(cè)，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。

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。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)及有益效果：

(1)本發(fā)明的基于掩碼圖像的紅外弱小目標(biāo)檢測(cè)算法在復(fù)雜背景下，尤其是圖像中含有大片和目標(biāo)亮度相近的區(qū)域時(shí)，其對(duì)背景噪聲的抑制效果更好，紅外背景圖像的估計(jì)更為準(zhǔn)確，并具有較高的檢測(cè)概率和比較低的虛警率，能夠更加有效的實(shí)現(xiàn)紅外弱小目標(biāo)的檢測(cè)。

附圖說(shuō)明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例對(duì)本發(fā)明作進(jìn)一步地詳細(xì)說(shuō)明，但本發(fā)明的實(shí)施方式并不限于此。

實(shí)施例

如圖1所示，本發(fā)明公開的基于掩碼圖像的紅外弱小目標(biāo)檢測(cè)算法，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；其具體步驟為：

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：