[发明专利]一种单帧红外图像弱小目标检测和定位方法

权利要求书

1.一种单帧红外图像弱小目标检测和定位方法，其特征在于步骤如下：

步骤1预处理：采用加权平均法对输入红外图像的RGB三个分量进行加权平均得到灰度图像，然后利用灰度线性变换函数将灰度图像的灰度范围映射到[I_min,I_max]的灰度区间，得到预处理后的图像I；

其中：加权平均法计算公式为f(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，f(x,y)为加权平均法得到的灰度图像在像素点(x,y)的灰度值，R(x,y)、G(x,y)和B(x,y)分别为输入红外图像在像素点(x,y)的RGB三个分量值；灰度线性变换函数为 I(x,y)为f(x,y)经过灰度线性变换后的灰度值，f_min、f_max分别为灰度线性变换前的灰度图像的最小灰度值和最大灰度值；

步骤2形态学带通滤波检测目标潜在区域：采用大小为S₁×S₁的正方形结构元素对图像I进行开运算得到图像I₁，采用大小为S₂×S₂的正方形结构元素对图像I进行开运算得到图像I₂，计算I₂和I₁的差分图像I_D＝I₂-I₁，然后对差分图像I_D采用阈值Th₁进行二值化，得到二值化图像I_BW中像素值为1的像素点的集合为目标的潜在区域 其中，S₁是取值范围为6～12之间的整数；S₂是取值范围为1～2之间的整数；阈值Th₁的取值范围为0.15～0.30；

步骤3生成DoG多尺度空间：计算图像I与不同尺度因子的DoG算子的卷积 得到DoG多尺度空间{D_σ|σ＝σ₁,…,σ_N}；其中：σ为尺度因子，σ_n＝σ₀·k^n-1，σ₀是一个取值范围为0.5～0.65之间的常数，k是一个取值范围为1.15～1.25之间的常数；下标和上标n表示尺度空间的标号，1≤n≤N，N为DoG多尺度空间的总层数，N的取值范围为10～12之间的整数；D_σ表示尺度因子为σ的DoG算子对应的DoG空间；DoG(x,y,σ)表示尺度因子为σ的DoG算子，DoG(x,y,σ)＝G(x,y,σ)-G(x,y,kσ)；G(x,y,σ)为高斯核函数， G(x,y,σ)＝(1/2πσ²)exp(-(x²+y²)/2σ²)；*表示卷积运算；

步骤4候选目标检测和定位：将 中像素点 对应的像素值 分别和它的8个相邻点、上一尺度 中的9个相邻点以及下一尺度 中的9个相邻点共26个像素点的值进行比较，如果 为极大值，则像素点 为候选目标坐标点，σ_m为候选目标尺度，且候选目标大小d和候选目标尺度σ_m的关系为 由此可以得到一些列的候选目标 其中：下标m表示尺度空间的标号，2≤m≤N-1； 表示第j个候选目标，它的坐标为 尺度为 下标j表示候选目标的标号，1≤j≤J，J表示候选目标的总个数；

步骤5目标验证：计算每个候选目标 的局部信杂比 并通过对局部信杂比进行阈值化 得到最终的目标检测结果；其中：

表示尺度因子为 的DoG算子对应的DoG空间中像素点 的像素值；

σ_j为第j个候选目标 的背景区域的灰度标准差， μ_j为第j个候选目标的背景区域的灰度均值，C_j表示第j个候选目标的背景区域，M_j表示C_j中的元素个数， A_j表示第j个候选目标区域， B_j表示第j个候选目标和背景的总区域， 阈值Th₂的取值范围为3～5。