[發明專利]基于離散分數布朗隨機場的云天背景下紅外弱小目標檢測方法

有效

• 申請號: 201810363724.0
• 申請日: 2018-04-22
• 公開（公告）號: CN108573236B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 武斌;薛國姣;李鵬;高翔;牟蕾;侯敏;吳瓊;陳森森
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 陳星

本發明提出一種基于離散分數布朗隨機場的云天背景下紅外弱小目標檢測方法，首先使用形態學和高斯濾波對紅外圖像進行預處理；其次對預處理后的結果，計算多尺度Hurst指數圖；然后通過比較不同尺度下的Hurst指數，并進行圖像的反轉和顯著性增強，得到最終的Hurst指數圖；之后利用改進的類間方差來進一步去除噪聲，增強目標顯著性；最后在圖中找到灰度值最大的點即為紅外弱小目標所在位置。本發明利用Hurst參數能表征同一圖像區域的自相似性(即灰度表面的均勻程度)的特性，結合多尺度，提高了檢測魯棒性。

技術領域

本發明屬于圖像處理技術領域，具體為一種基于離散分數布朗隨機場的云天背景下紅外弱小目標檢測方法。

背景技術

隨著各國國防科研實力的不斷增強，在紅外制導、天機預警和目標監視等國防領域中，紅外圖像中的弱小目標檢測技術一直是國內外學者關注和研究的熱點。但由于紅外圖像成像距離遠，背景噪聲大，成像環境復雜，目標運動軌跡不定等等原因，使得該項研究也一直是一個難點。

分數布朗運動(FBM)是H.B.Mandelbrot于1965年首先提出的，用于模擬各種具有分形特征的噪聲，可以很好的描述分形信號，它是連續不可導的一種非平穩隨機過程，對尺度變化具有相似性，現己成為一個能反映廣泛的自然物體性質的數學模型，離散分數布朗隨機場(DFBR)是對布朗運動概念的擴展。

分形是對沒有特征長度，但具有自相似性和標度不變性特征的圖形和結構的總稱。自然界中大多數景物表面是空間各自同性的分形。一幅圖像同一區域內相同灰度具有統計意義上的自相似性。而紅外小目標相對于周圍的背景來講，由于其灰度值與周圍背景存在一定的對比度，使得小目標在各個尺度上成為區域內的奇異點。目前，在紅外小目標檢測領域，大多數利用分形理論中的分形維數來檢測目標，常用的算法有盒子計數法，曲線擬合等，這些算法復雜度較高，運行時間長，對于復雜背景下的紅外小目標檢測，檢測概率低，容易出現虛警，魯棒性不強。

發明內容

為解決現有技術存在的問題，本發明提出一種基于離散分數布朗隨機場的云天背景下紅外弱小目標檢測方法，利用Hurst參數能表征同一圖像區域的自相似性(即灰度表面的均勻程度)的特性，結合多尺度，提高檢測魯棒性。

實現本發明的技術思路是：首先使用形態學和高斯濾波對紅外圖像進行預處理；其次對預處理后的結果，計算多尺度Hurst指數圖；然后通過比較不同尺度下的Hurst指數，并進行圖像的反轉和顯著性增強，得到最終的Hurst指數圖；之后利用改進的類間方差來進一步去除噪聲，增強目標顯著性；最后在圖中找到灰度值最大的點即為紅外弱小目標所在位置。

本發明的技術方案為：

所述一種基于離散分數布朗隨機場的云天背景下紅外弱小目標檢測方法，其特征在于：包括以下步驟：

步驟1：輸入一幅待檢測的紅外圖像I_orig；

步驟2：對輸入的圖像進行預處理，預處理后的圖像為I_pre：

步驟2.1：對紅外圖像I_orig進行數學形態學的膨脹運算；

步驟2.2：對膨脹后的圖像進行高斯濾波處理；

步驟3：采用以下步驟進行Hurst指數計算：

步驟3.1：設置m個窗口尺度參數s_i，i＝1...m，s_i表示第i個尺度參數；

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

步驟3.3：對窗口的每個中心位置(x₀,y₀)的像素點，采用以下公式計算Hurst指數值：