[发明专利]一种基于局部信息的复杂背景下红外弱小目标检测方法

说明书

本发明公开了一种基于局部信息的复杂背景下红外弱小目标检测方法，属于计算机视觉图像技术领域。本发明以待测图像中一点v₀为中心构建滤波结构，滤波结构包括保护框和滤波窗口；再找出以点v₀为中心，指向滤波窗口的多个方向，多个方向平均分布，分别计算多个方向上保护框到滤波窗口的加权灰度值，所得结果和点v₀灰度值最接近的值作为点v₀的背景估计值，在待测图像中滑动滤波窗口，得到所有点的背景估计值，构成背景估计图像；将背景估计图像和红外待测图像进行差分，得到差分图像；最后对差分图像做目标分割提取，得到目标检测结果。本发明方法能有效抑制复杂背景中边缘信息，边缘交叉处等杂波干扰，能够适应亮暗目标，有效提高目标检测效果。

技术领域

本发明属于计算机视觉图像技术领域，更具体地，涉及一种基于局部信息的复杂背景下红外弱小目标检测方法。

背景技术

随着红外技术的快速发展，红外图像中的目标检测在精确制导与远程预警等许多方面都有应用。而随着技术进一步发展，提高检测系统的检测距离红外检测算法的重要因素，红外小目标检测方法作为远距离目标检测的关键技术受到重点研究。

当目标与红外探测器距离较远的时候，目标在红外图像中往往表现为小目标，由于目标在红外图像中所占像素数目过少，缺乏有效的特征(纹理、颜色、形状等特征)来建立有效的目标检测模型；同时目标的辐射能量在长距离传播中逐渐减弱，红外图像中小目标信杂比通常相对较低，目标与其周围环境杂波缺乏稳定的特征差异。

目前提出的小目标检测算法主要可以分为两类：第一类方法是利用红外小目标与其周围背景存在的灰度局部对比度特征，其代表性方法如基于Top-Hat算子的红外弱小目标检测方法，基于图像显著性的红外弱小目标检测方法，基于局部信息熵的红外小目标检测方法等；第二类方法是利用背景中局部像素之间具有关联性，进行对红外背景图像的估计，之后将原始红外图像和所获得的背景估计图像进行差分，从而有效地抑制红外背景干扰，实现对红外小目标的检测，其代表性方法如基于稀疏表达的红外小目标检测算法，基于二维的最小二乘滤波(Two Dimension LMS Filter,TDLMS)的红外小目标检测算法，基于核回归模型的红外小目标检测方法，基于环形最大中值滤波的红外小目标检测方法等。

现有的两类主要方法各有不足之处。第一类利用红外小目标与其周围背景存在的灰度局部对比度特征来检测小目标，但是其只适用于较为平坦的区域，复杂背景条件下所具有的边缘、边缘交叉处等信息同样会被检测出来；第二类利用利用背景中局部像素之间具有关联性，进行对红外背景图像的估计；但是目前所提出的方法中，基于二维的最小二乘滤波的红外小目标检测算法需要依靠边缘方向进行边缘背景的估计，无法有效应用于存在弯曲边缘的场景中，基于核回归模型的红外小目标检测方法难以保留图像中的边缘交叉处的信息，基于环形最大中值滤波的背景估计方法对于亮边缘与边缘交叉处有较好的背景保留效果，但是在暗边缘处会引入杂波，导致暗目标检测难以有较好的效果。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于局部信息的复杂背景下红外弱小目标检测方法，其目的在于构建一种滤波结构，能够尽可能保留背景图像中的边缘与边缘交叉处的同时，避免引入杂波干扰，能够同时适应亮暗小目标的检测任务。利用提出的滤波结构预测背景估计图像，将背景估计图像和红外待测图像进行差分，得到差分图像；最后对差分图像做目标分割提取，得到目标检测结果。由此解决现有技术中红外弱小目标预测对复杂背景处理不准确的问题。

为实现上述目的，本发明提供了一种基于局部信息的复杂背景下红外弱小目标检测方法，所述方法包括：

(1)以待测图像中一点v₀为中心构建滤波结构，滤波结构包括保护框和滤波窗口，保护框大小为N×N，滤波窗口大小为M×M，N＝d+x，M≈2N，其中，d为目标尺寸，x为设定的保护阈值，x的取值范围为[0，2]，优选取值1；