[發明專利]一種基于分級LCM的快速小目標檢測方法

有效

• 申請號: 201910371192.X
• 申請日: 2019-05-06
• 公開（公告）號: CN110135312B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 李曉峰;葉正;趙開開;傅志中;周寧
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/30;G06T7/10;G06T7/187
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周劉英

1.一種基于分級LCM的快速小目標檢測方法，其特征在于，包括下列步驟：

步驟1：將輸入的待檢測原始圖像轉換成灰度圖像I，并通過小尺寸中值濾波，對灰度圖像I進行噪聲濾除處理，得到去噪圖像I'；其中小尺寸定義為小于待檢測小目標面積的尺寸；

步驟2：對去噪圖像I'進行子塊劃分，得到以圖像塊為單位的圖像塊集合In；

步驟3：采用LCM算法對圖像塊集合In進行第一級濾波，得到圖像塊集合In中的每個圖像塊的濾波結果，基于所有圖像塊的濾波結果得到突出度矩陣SM；

步驟4：基于預設的第一級閾值T1，根據突出度矩陣SM，將圖像塊集合In劃分為可疑目標區塊TB和背景區塊BB：若當前圖像塊的濾波結果大于第一級閾值T1，則將該圖像塊作為可疑目標區塊TB；否則作為背景區塊BB；

其中第一級閾值T1的取值范圍在突出度矩陣SM的最大值和最小值之間；

步驟5：對所有的可疑目標區塊TB，采用改進的多尺度LCM算法進行第二級濾波處理，得到使目標區域增強的進一步圖像eTB；

其中第二級濾波處理具體為：

以每個可疑目標區塊TB的每個像素點為中心點，依次向外擴展N個矩形邊框；

在每一個矩形邊框中，計算當前矩形邊框中每個像素點的灰度值和中心點的灰度值的比值，并選出當前矩形邊框中比值最小的結果；

依次遍歷N個矩形邊框，得到N次比值最小的選擇結果，選取其中最大值作為中心點的中間響應結果；

對中心點的中間響應結果做非線性變換：當中間響應結果大于1時，將中間響應結果乘以中心點的原灰度值作為增強值輸出，即最終響應結果；否則，將中心點的原灰度值作為最終響應結果；

步驟6：將目標區域增強圖像eTB與可疑目標區塊TB進行差分處理，得到差分圖像Diff；

步驟7：設定第二級閾值T2，對差分圖像Diff進行二值劃分得到二值圖像BW：若當前像素值小于第二級閾值T2，則設置為0；否則設置為1；

步驟8：對二值圖像BW進行連通域標記，將所有值為1的連通域作為小目標區域。

2.如權利要求1所述的方法，其特征在于，步驟2中，子塊劃分為：每個子塊邊長為待檢測小目標最大尺度邊長的兩倍，每次劃分的移動步長為子塊邊長的一半。

3.如權利要求1所述的方法，其特征在于，步驟7中，第二級閾值T2具體設置為：T2＝μ_d+kσ_d，其中μ_d和σ_d分別為差分圖像Diff的均值和標準差，k為預設的自選經驗參數。

4.如權利要求3所述的方法，其特征在于，參數k的取值范圍為3～5。

5.如權利要求1所述的方法，其特征在于，步驟5中，依次向外擴展3個矩形邊框。

6.如權利要求1所述的方法，其特征在于，步驟1中，對灰度圖像I進行噪聲濾除處理具體為：

基于所設置的小尺寸濾波器的矩形結構元，首先選定中心點：若矩形結構元存在中心像素點，則以其為矩形結構元的中心點，否則從矩形結構元靠近中心位置處選定一個像素點作為其中心點；

然后再對矩形結構元包括的所有像素點的灰度值進行升序或者降序排序，若像素點個數為奇數，則選取排序后中間位置灰度值作為其中心點的灰度值，否則選取排序后中間位置的兩個灰度值的均值作為其中心點的灰度值。