[發(fā)明專(zhuān)利]基于小波變換和導(dǎo)向?yàn)V波的單幀紅外小目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711401987.8
• 申請(qǐng)日: 2017-12-22
• 公開(kāi)（公告）號(hào): CN108198198A
• 公開(kāi)（公告）日: 2018-06-22
• 發(fā)明（設(shè)計(jì)）人: 陳蓉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 湖南源信光電科技股份有限公司
• 主分類(lèi)號(hào): G06T7/136
• 分類(lèi)號(hào): G06T7/136;G06T7/168;G06T7/187
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 董惠文

1.一種基于小波變換和導(dǎo)向?yàn)V波的單幀紅外小目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

S1結(jié)合小波變換和導(dǎo)向?yàn)V波進(jìn)行紅外圖像背景預(yù)測(cè)；

S1.1利用小波變換對(duì)輸入的原始紅外圖像進(jìn)行多尺度分解；

S1.2利用自適應(yīng)特性的導(dǎo)向?yàn)V波處理步驟S1.1中小波分解后的高頻子帶系數(shù)；

S1.3將步驟S1.1中小波分解后得到的低頻子帶系數(shù)和經(jīng)S1.2處理后的高頻子帶系數(shù)進(jìn)行小波逆變換，即可獲得預(yù)測(cè)的紅外背景圖像；

S2獲取目標(biāo)殘差圖；

將輸入的原始紅外圖像與步驟S1得到的預(yù)測(cè)的紅外背景圖像進(jìn)行做差操作求得目標(biāo)殘差圖D(x,y)，即可消除原始紅外圖像的背景同時(shí)增強(qiáng)原始紅外圖像的小目標(biāo)信號(hào)，即獲得背景抑制結(jié)果；

S3對(duì)目標(biāo)殘差圖進(jìn)行自適應(yīng)閾值分割，并對(duì)自適應(yīng)分割后的結(jié)果進(jìn)行目標(biāo)聚類(lèi)，獲得最終的小目標(biāo)檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于小波變換和導(dǎo)向?yàn)V波的單幀紅外小目標(biāo)檢測(cè)方法，其特征在于，S1.1中對(duì)輸入原始紅外圖像利用小波變換對(duì)其進(jìn)行3層小波分解；每一級(jí)小波分解可得到4個(gè)頻帶系數(shù)，其中包括3個(gè)高頻子帶系數(shù)和1個(gè)低頻子帶系數(shù)；3個(gè)高頻子帶系數(shù)分別為：水平方向上高頻子帶系數(shù)HL，垂直方向高頻子帶系數(shù)LH和對(duì)角方向上高頻子帶系數(shù)HH；1個(gè)低頻子帶系數(shù)為：圖像近似系數(shù)即低頻子帶系數(shù)LL。

3.根據(jù)權(quán)利要求2所述的基于小波變換和導(dǎo)向?yàn)V波的單幀紅外小目標(biāo)檢測(cè)方法，其特征在于，S1.2的實(shí)現(xiàn)方法如下：假設(shè)小波分解的第l級(jí)，第m方向上的高頻子帶系數(shù)為C_l,m(i)，C_l,m(i)的導(dǎo)向?yàn)V波結(jié)果S_l,m(i)滿(mǎn)足：

式中，a_k和b_k是在領(lǐng)域w_k內(nèi)的線(xiàn)性系數(shù)，I_l,m(i)為引導(dǎo)系數(shù)，i為小波分解的第l級(jí)，第m方向上的高頻子帶系數(shù)坐標(biāo)；

通過(guò)公式(2)擬合了C_l,m(i)濾波前和濾波后結(jié)果S_l,m(i)之間的最小距離，即：

采用最小二乘法求解公式(2)，求得系數(shù)：

式中，μ_k和為I_l,m(i)為在鄰域w_k內(nèi)的均值和方差；|w|為w_k內(nèi)引導(dǎo)系數(shù)的數(shù)目；是高頻子帶系數(shù)在w_k內(nèi)的均值；ε是導(dǎo)向?yàn)V波的一個(gè)可調(diào)函數(shù)；

利用自適應(yīng)特性的引導(dǎo)濾波對(duì)小波分解的不同方向的高頻子帶系數(shù)進(jìn)行濾波，得到了小目標(biāo)信號(hào)被抑制的高頻子帶系數(shù)。

4.根據(jù)權(quán)利要求2所述的基于小波變換和導(dǎo)向?yàn)V波的單幀紅外小目標(biāo)檢測(cè)方法，其特征在于，S3中，對(duì)步驟S2中獲得的目標(biāo)殘差圖進(jìn)行自適應(yīng)閾值分割的方法如下：

自適應(yīng)閾值分割的公式為：

其中，T＝I_D+K×σ_D (6)

式中，f(x,y)為二值化的目標(biāo)檢測(cè)的結(jié)果圖像；T為分割自適應(yīng)閾值；D(x,y)為步驟S2中獲得的目標(biāo)殘差圖；I_D和σ_D為目標(biāo)殘差圖D(x,y)的均值和標(biāo)準(zhǔn)差，K取值3-10。

5.根據(jù)權(quán)利要求4所述的基于小波變換和導(dǎo)向?yàn)V波的單幀紅外小目標(biāo)檢測(cè)方法，其特征在于，S3中對(duì)自適應(yīng)分割后的結(jié)果進(jìn)行目標(biāo)聚類(lèi)，方法如下：

(1)孤立噪聲剔除；

(i)遍歷整個(gè)自適應(yīng)分割后的結(jié)果圖像，當(dāng)像素灰度值為0時(shí)，繼續(xù)遍歷；否者，進(jìn)行第(ii)步條件檢查；

(ii)統(tǒng)計(jì)當(dāng)前像素點(diǎn)的8鄰域不為0的像素個(gè)數(shù)；當(dāng)前像素點(diǎn)的8鄰域不為0的像素個(gè)數(shù)為1時(shí)，判定當(dāng)前像素為孤立噪聲點(diǎn)，將當(dāng)前像素灰度置0；否者，當(dāng)前像素點(diǎn)屬于目標(biāo)信息，保留當(dāng)前像素點(diǎn)的灰度，繼續(xù)第(i)步的圖像遍歷；

(2)目標(biāo)聚類(lèi)；

利用8鄰域的連通域標(biāo)記法對(duì)(1)中的結(jié)果進(jìn)行聚類(lèi)，獲得最終的小目標(biāo)檢測(cè)結(jié)果。