[发明专利]基于局部梯度三边的图域多尺度红外弱小目标检测方法

权利要求书

1.一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，其特征在于，该方法为：将含弱小目标的红外图像转化成以节点和其边权关系为表示方式的局部梯度三边图信号；其次，根据图拉普拉斯矩阵的多尺度变换对局部梯度三边图信号进行多尺度分解，获得图信号在不同尺度下的低高频子带；再次，根据图信号的边权关系对每个尺度的高频子带进行局部加权，并取其中值作为新的中心节点系数，然后对局部加权后的高频子带作乘性融合；最后，对乘性融合后的高频子带进行自适应阈值分割，确定目标空间位置，输出检测结果；所述将含弱小目标的红外图像转化成以节点和其边权关系为表示方式的局部梯度三边图信号具体为：

(一)生成以局部平均梯度表示目标和边缘信息的节点

具体方法是在原始图像的局部窗口内计算中心像素对邻域像素的平均梯度，并将该梯度像素点作为窗口的中心节点，按此方式遍历整幅图像，获得表示目标和边缘信息的节点，

式中，Ω_k×k表示大小为k×k的局部窗口，I(i,j)和I(p,q)分别表示窗口内中心位置(i,j)和位置(p,q)处的像素灰度，为窗口内中心位置(i,j)的平均梯度，表示具有图像位置(i,j)处梯度值s_ij的节点，共N个；

(二)生成基于局部三边因子的节点间相邻关系边权

设计一个同时考虑强度、梯度和距离的三边因子来衡量窗口内中心节点与近邻节点间的相似性，确定二者的边权关系；而对于窗口外的节点则令边权为零，

式中，表示中心节点与节点之间的边权，表示大小为l×l的局部窗口，W_s、和W_d分别为三边因子中强度、梯度和距离的贡献权值，其具体表达式为

W_s＝exp(-|s_xy-s_mn|) (4)

W_d＝exp(-(|x-m|+|y-n|)) (6)

式中，|·|表示取绝对值，τ为预设的梯度阈值。

2.根据权利要求1所述的一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，其特征在于，所述根据图拉普拉斯矩阵的多尺度变换对局部梯度三边图信号进行多尺度分解，获得图信号在不同尺度下的低高频子带，具体为：

在图的谱域内，设计一族基于图拉普拉斯矩阵的低通和带通变换函数来实现对图信号的多尺度分解，具体表达如下：

式中，为节点处的低通尺度函数，作用是在预设尺度下将图信号中的低频信息分离出来，具体通过一个对图拉普拉斯矩阵作用的低通核h(·)实现，为尺度t下节点处的带通函数，作用是对尺度t下图信号的高频信息进行分解，具体通过一个对线性扩大的图拉普拉斯矩阵作用的带通核g(·)实现，则表示在节点处其值为1，在其他节点处其值为0；

根据式(7)给出的图的谱域多尺度变换函数，将所述生成的局部梯度三边图信号f进行多尺度分解，获得其变换系数，

式中，为图信号f的低频子带系数，为图信号f在尺度t下的高频子带系数，*，*为内积算子。

3.根据权利要求2所述的一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，其特征在于，所述根据图信号的边权关系对每个尺度的高频子带进行局部加权，并取其中值作为新的中心系数，然后对局部加权后的高频子带作乘性融合，具体为：

(一)对各个高频子带系数进行修正，令其负系数值为零，以排除相应背景成分的干扰；

式中，为尺度t下节点的高频子带系数，表示修正前后的系数；

(二)根据图信号的边权关系对高频子带H进行局部加权，并取其中值作为新的中心系数，

式中，表示局部窗口的中心节点的融合后尺度t下新的高频系数，median(·)为求取中值的函数，和w_xy-mn分别表示局部窗口中节点的高频系数和与中心节点之间的边权关系；

(三)对新的各尺度高频子带进行乘性融合，达到增强目标信息，抑制残余高频背景成分的目的：

式中，R_fused为融合增强后的结果，尺度t取{1,2,…,K}，表示共有K个高频子带。

4.根据权利要求3所述的一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，其特征在于，所述对乘性融合后的高频子带进行自适应阈值分割，确定目标空间位置，输出检测结果，具体为

式中，R_out为输出的二值化检测结果，T为自适应阈值，其选取规则为

T＝min(R_fused)+γ·(max(R_fused)-min(R_fused))γ∈[1/2,4/5] (13)

式中，γ为阈值的自适应调节因子，并给出了其取值范围，min(·)和max(·)分别为求取最小值和最大值函数。