[發明專利]基于改進多尺度分形增強的紅外小目標檢測方法

有效

• 申請號: 201711403183.1
• 申請日: 2017-12-22
• 公開（公告）號: CN108038856B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 谷雨;彭冬亮;馮秋晨;劉俊;陳華杰
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.基于改進多尺度分形增強的紅外小目標檢測方法，其特征在于該方法的具體步驟是：

步驟(1)、獲取原始紅外圖像I’中每點像素的多尺度分形特征向量；

步驟(2)、基于多尺度分形特征向量計算每點像素的顯著性，根據公式(1)得到增強后圖像E(x,y)；

E(x,y)＝mean(t(x,y,:))²-std(t(x,y,:))² 式(1)

其中mean()和std()分別為求均值和標準差的函數，(x,y)為原紅外圖像I’中的像素坐標；t(x,y,:)表示像素坐標(x,y)的多尺度分形特征向量；

步驟(3)、基于增強后圖像，采用自適應閾值分割算法進行目標分割，根據公式(2)-(6)得到檢測后的目標；

μ＝mean(E(2×ε_max+1:rows-2×ε_max,2×ε_max+1:cols-2×ε_max)) 式(2)

δ＝std(E(2×ε_max+1:rows-2×ε_max,2×ε_max+1:cols-2×ε_max)) 式(3)

PSR＝(255-μ)/δ 式(4)

T＝c×PSR×δ+μ 式(5)

D(x,y)＝E(x,y)≥T 式(6)

其中，μ為增強后圖像去除邊緣區域后的像素均值，δ為增強后圖像去除邊界后像素分布的標準差；PSR為峰值旁瓣比；c表示小目標分割系數；rows和cols分別為原始紅外圖像I’的高度和寬度；T為用于目標檢測的閾值；D為檢測到屬于目標的像素；

步驟(1)具體是：

依據分形幾何理論，推導出：當度量尺度為ε時，其對應的D維面積K(x,y,ε)可表示為

其中A(x,y,ε)表示在尺度ε下的圖像灰度表面的表面積測度；

利用地毯覆蓋法計算A(x,y,ε)時，有

其中，V(x,y,ε)為尺度ε下坐標(x,y)處的體積，計算公式如式(9)所示，U(x,y,ε)和B(x,y,ε)分別為該尺度下坐標(x,y)處鄰域范圍內像素的最大值和最小值；

將式(8)代入式(7)，得到

式(9)和式(10)分析可知，在不同尺度下，齊次背景區域每點像素的體積V小，接近0；而在非齊次背景區域，雖然V值較大，但是由于背景的起伏，故不同尺度下其變化率也相對較大，即式(10)中第二部分絕對值大，故K值降低；在目標區域，無論是亮目標還是暗目標，其局部區域的最大值或最小值固定，V最大，且其變化率小，故在目標區域K值最大；

基于以上分析，若忽略式(10)中的后兩部分，則有K(x,y,ε)＝V(x,y,ε-1)，此時可用一個區域內像素的最大值和最小值的差值的累加和作為以坐標點(x,y)為中心的區域的顯著性度量；

基于以上分析，設尺度為ε＝2…ε_max，當ε＝1時為原始紅外圖像，ε_max為最大尺度；原紅外圖像I’中一點的像素坐標為(x,y)，通過式(11)計算尺度ε下該坐標點鄰域范圍內像素值最大值與最小值的差值，作為該點像素在尺度ε下的對比度，得到對比度圖像I；為消除不同尺度帶來的累積效應的影響，通過式(12)計算每點像素在尺度ε下的平均對比度，得到尺度ε下的分形特征向量；進而以尺度ε為變量，獲取多尺度分形特征向量t(x,y,:)；

2.如權利要求1所述的方法，其特征在于將公式(5)中分割系數c調整為大目標分割系數。

3.如權利要求1或2所述的方法，其特征在于將原始圖像由紅外圖像替換成SAR圖像，且公式(5)中分割系數c調整為SAR圖像小目標分割系數。

4.如權利要求1或2所述的方法，其特征在于將原始圖像由紅外圖像替換成SAR圖像，且公式(5)中分割系數c調整為SAR圖像大目標分割系數。