[发明专利]基于时域经验模态分解的红外弱小目标检测方法

权利要求书

1.一种基于时域经验模态分解的红外弱小目标检测方法，其特征在于：包括以下步骤：

步骤1：输入待检测的红外序列图像F_orig(i,j,k)，其中(i,j)表示红外图像中的像素点的位置，k表示序列图像的帧号，k＝1,2,…,N，N为待检测的红外序列图像中的帧数；

步骤2：取待检测的红外序列图像在同一位置像素点上灰度值形成的时域信号为F_(i,j)(k)，k＝1,2,…,N，通过以下步骤判断每个位置的时域信号F_(i,j)(k)是否需要分解：

步骤2.1：将时域信号F_(i,j)(k)分成n片，并分别求各片时域信号的标准差σ₁,σ₂,...,σ_n；

步骤2.2：将步骤2.1中得到的n个标准差做归一化处理；

步骤2.3：对归一化处理后的n个标准差求方差将与设定值λ作比较，如果大于设定值λ，则对时域信号F_(i,j)(k)进行下一步分解，否则将时域信号F_(i,j)(k)的每个值设为零值；

步骤3：采用以下步骤对需要进行分解的时域信号F_(i,j)(k)进行经验模态分解，其中采用x(k)表示时域信号F_(i,j)(k)；

步骤3.1：找出时域信号x(k)的所有极值点；

步骤3.2：将时域信号x(k)的极大值点和极小值点分别进行曲线拟合，得到x(k)的上包络线x_up(k)和下包络线x_low(k)；

步骤3.3：逐点计算上包络线和下包络线的局部均值m(k)＝(x_up(k)+x_low(k))/2；

步骤3.4：采用时域信号x(k)减去局部均值得到d(k)＝x(k)-m(k)；

步骤3.5：判断d(k)是否是基本模式分量，如果d(k)是基本模式分量，则取c₁＝d(k)，并用时域信号x(k)减去c₁得到剩余信号r₁(k)，再令x(k)＝r₁(k)，然后返回步骤3.1；如果d(k)不是基本模式分量，则令x(k)＝r₁(k)，然后返回步骤3.1；

经过上述循环后，得到基本模式分量c₁,c₂,...，,c_m，并得到原始时域信号F_(i,j)(k)的余项r_m(k)；

步骤4：采用步骤3得到的基本模式分量c₁,c₂,...，,c_m合成为新的信号G_(i,j)(k)：

G(i,j)(k)=Σt=1mct(k)]]>

步骤5：采用以下步骤进行目标检测：

步骤5.1：计算G_(i,j)(k)的均值μ和均方差σ；

步骤5.2：求得满足的信号

步骤5.3：计算的均值μ_g和方差σ_g；

步骤5.4：从序列图像F_orig(i,j,k)中选择一帧图像F_orig(i,j)，给F_orig(i,j)的每个像素点设置相应的量度值

步骤5.5：将每个像素点的量度值与检测门限T进行比较，量度值大于T的像素点灰度值置1，否则置0，得到二值化图像根据二值化图像得到红外弱小目标所在的位置。