[發(fā)明專(zhuān)利]基于離散分?jǐn)?shù)布朗隨機(jī)場(chǎng)的云天背景下紅外弱小目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810363724.0
• 申請(qǐng)日: 2018-04-22
• 公開(kāi)（公告）號(hào): CN108573236B
• 公開(kāi)（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 武斌;薛國(guó)姣;李鵬;高翔;牟蕾;侯敏;吳瓊;陳森森
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/40
• 代理公司: 西北工業(yè)大學(xué)專(zhuān)利中心 61204
• 代理人: 陳星

1.一種基于離散分?jǐn)?shù)布朗隨機(jī)場(chǎng)的云天背景下紅外弱小目標(biāo)檢測(cè)方法，其特征在于：包括以下步驟：

步驟1：輸入一幅待檢測(cè)的紅外圖像I_orig；

步驟2：對(duì)輸入的圖像進(jìn)行預(yù)處理，預(yù)處理后的圖像為I_pre：

步驟2.1：對(duì)紅外圖像I_orig進(jìn)行數(shù)學(xué)形態(tài)學(xué)的膨脹運(yùn)算；

步驟2.2：對(duì)膨脹后的圖像進(jìn)行高斯濾波處理；

步驟3：采用以下步驟進(jìn)行Hurst指數(shù)計(jì)算：

步驟3.1：設(shè)置m個(gè)窗口尺度參數(shù)s_i，i＝1...m，s_i表示第i個(gè)尺度參數(shù)；

步驟3.2：在某一尺度參數(shù)s_i下，采用滑動(dòng)窗口模型按照順序遍歷整張預(yù)處理后的圖像I_pre；

步驟3.3：對(duì)窗口的每個(gè)中心位置(x₀,y₀)的像素點(diǎn)，采用以下公式計(jì)算Hurst指數(shù)值：

其中N_γ表示窗口區(qū)域中到中心位置(x₀,y₀)的像素距離為γ個(gè)像素的像素點(diǎn)個(gè)數(shù)；N_γ+1表示窗口區(qū)域中到中心位置(x₀,y₀)的像素距離為γ+1個(gè)像素的像素點(diǎn)個(gè)數(shù)，γ+1大小與窗口邊緣到窗口中心的距離一致；表示窗口區(qū)域中到(x₀,y₀)的像素距離為γ個(gè)像素的所有像素點(diǎn)的灰度值I(x_γ,y_γ)的絕對(duì)值之和，表示窗口區(qū)域中到(x₀,y₀)的像素距離為γ+1個(gè)像素的所有像素點(diǎn)的灰度值I(x_γ+1,y_γ+1)的絕對(duì)值之和；

步驟3.4：重復(fù)步驟步驟3.2和步驟3.3，得到圖像I_pre中各點(diǎn)在所有設(shè)定的尺度參數(shù)下Hurst指數(shù)值；并取每個(gè)點(diǎn)各自Hurst指數(shù)值的最小值組成最小Hurst指數(shù)圖H_min，其中取每個(gè)點(diǎn)的各自Hurst指數(shù)值的最小值作為在H_min中的灰度值；

步驟3.5：計(jì)算最小Husrt指數(shù)圖中所有點(diǎn)的灰度值的最大值：

max val＝max(H_min)

步驟3.6：對(duì)于H_min中的每個(gè)點(diǎn)，采用最大值maxval減去該點(diǎn)的灰度值，得到最終的Hurst指數(shù)圖I_H＝max val-H_min；

步驟4：計(jì)算改進(jìn)類(lèi)間方差圖：

步驟4.1：對(duì)于步驟3得到的Hurst指數(shù)圖I_H，采用嵌套雙窗口按照順序遍歷整張圖像；

步驟4.2：對(duì)每組嵌套雙窗口，分別計(jì)算中心窗口內(nèi)各點(diǎn)的灰度均值μ_t以及外圍背景窗口的灰度均值μ_s；

步驟4.3：計(jì)算整個(gè)窗口的像素點(diǎn)個(gè)數(shù)N，其中中心窗口的像素點(diǎn)個(gè)數(shù)為N_t，外圍背景窗口的像素點(diǎn)個(gè)數(shù)為N_s；得到中心窗口像素點(diǎn)個(gè)數(shù)和外圍背景窗口像素點(diǎn)個(gè)數(shù)占整個(gè)窗口的比例

步驟4.4：計(jì)算中心窗口的中心位置像素點(diǎn)的類(lèi)間方差值：

g＝ω_s×ω_t×(μ_t-μ_s)²

步驟4.5：重復(fù)步驟4.2～步驟4.4，計(jì)算每個(gè)像素點(diǎn)的類(lèi)間方差，得到改進(jìn)的類(lèi)間方差圖，其中取每個(gè)像素點(diǎn)的類(lèi)間方差值作為在改進(jìn)的類(lèi)間方差圖中的灰度值；

步驟5：找到改進(jìn)的類(lèi)間方差圖中灰度值最大的點(diǎn)，即為紅外目標(biāo)所在點(diǎn)。

2.根據(jù)權(quán)利要求1所述一種基于離散分?jǐn)?shù)布朗隨機(jī)場(chǎng)的云天背景下紅外弱小目標(biāo)檢測(cè)方法，其特征在于：步驟2中對(duì)紅外圖像I_orig進(jìn)行數(shù)學(xué)形態(tài)學(xué)的膨脹運(yùn)算的定義為：設(shè)f(x,y)是原始灰度圖像，B(p,q)為結(jié)構(gòu)元素；則原始灰度圖像f(x,y)被結(jié)構(gòu)元素B(p,q)膨脹的定義如下：

而對(duì)膨脹后的圖像進(jìn)行高斯濾波處理中采用的高斯二維函數(shù)分布為：

其中σ為函數(shù)分布參數(shù)。