[发明专利]基于共生滤波形态学和局部熵的小目标检测方法

说明书

本发明公开了一种基于共生滤波形态学和局部熵的小目标检测方法，该方法包括如下步骤：步骤1：提取原图像共生矩阵；步骤2：图像进行共生滤波形态学腐蚀，使用带局部熵的自适应结构元素进行取最小值操作；步骤3：提取腐蚀后图像共生矩阵；步骤4：对腐蚀后图像进行共生滤波形态学膨胀，使用带局部熵的自适应结构元素进行取最大值操作；步骤5：将原图像矩阵减去膨胀之后的图像，得到原图像Top‑Hat变换后的滤波图像；步骤6：将滤波灰度图像转换为双精度，提升显示效果，显示目标图像。本发明解决了现有方法中目标突出效果不明显，以及对噪声敏感的问题。

技术领域

本发明涉及一种基于共生滤波形态学和局部熵的小目标检测方法，属于图像处理领域。

背景技术

近几年来，随着红外热成像技术越来越被广泛地应用于各个领域，红外小目标检测也在红外搜索与跟踪系统、红外警告系统和精制导系统等领域中起着关键作用。当然，对这样的一项新兴技术应用地最多的就是军事领域了，在现代化的高技术战争中，武器系统应具备极快的反应速度和良好的隐身性能，远距离的红外目标探测技术能很好地满足这一条件，它能及时地发现、跟踪目标，实现迅速有效的攻击，是机载武器系统发展的一个趋势。如现代防御武器系统越来越注重通过目标所产生的红外辐射来探测、识别和跟踪目标，为了尽可能早的发现目标，使武器具有足够的反应时间，要求目标必须在很远处被检测到，对于远距离目标，在视场中常常是以小目标的形态出现，且目标的对比度一般都很低，要保证可靠、稳定地检测并跟踪目标是很困难的。此外，红外小目标检测器性能将直接决定末制导系统的有效作用距离及设备的复杂程度。由于目标和其周围环境存在着热交换，空气对热辐射有散射和吸收作用，战场环境复杂和探测器的内部噪声等因素的影响等因素，致使在红外图像 中，目标的图像只占有一个或几个像素的面积，目标和背景的对比度较差，边缘模糊，几乎淹没在杂波背景中，不具有形状和结构信息，有时甚至可能丢失目标。而可利用的信息主要为“面”信息以及灰度和运动信息，给小目标检测带来了很大的难度，由此可见研究红外图像中小目标的检测问题尤为重要。

发明内容

本发明设计了一种基于共生滤波形态学和局部熵的小目标检测算法，通过提取图像的共生滤波矩阵，即纹理特征，并通过对形态学结构元素的自适应来实现对图像的滤波，提出了一种基于共生滤波算子的图像滤波的新思路。解决了现有方法中目标突出效果不明显，以及对噪声敏感的问题。

本发明解决其技术问题所采取的技术方案是：一种基于共生滤波形态学和局部熵的小目标检测算法，该方法的具体步骤如下：

步骤1：提取原图像共生矩阵。

步骤2：原图像进行共生滤波形态学腐蚀，使用带局部熵的自适应结构元素进行取最小值操作。

步骤3：提取腐蚀后图像共生矩阵。

步骤4：对腐蚀后图像进行共生滤波形态学膨胀，使用带局部熵的自适应结构元素进行取最大值操作。

步骤5：将原图像矩阵减去膨胀之后的图像，得到原图像顶帽变换(Top-Hat变换)后的滤波图像。

步骤6：将滤波灰度图像转换为双精度，提升显示效果，输出目标图像。

本发明采用上述技术方案，能产生如下技术效果：

本发明提出的算法充分利用了图像的纹理信息，可以实现图像中小目标的检测。其技术效果包括：第一，针对当前形态学算法的不足，充分利用图像的纹理信息，使形态学结构元素具有基于纹理的自适应性；第二，将共生滤波与形态学有机地结合在一起，使非线性形态学滤波地特性和线性共生滤波地特性结合，更加有效的通过图像地纹理信息来检测小目标；第三，在形态学腐蚀和膨胀操作时，在其中的自适应环节，加上了局部熵，增强了小目标检测的效果，对与背景差值较大的目标有很好的增强作用。

综上所述可以看出本发明提出的基于共生滤波形态学和局部熵的小目标检测方法具有更高的准确性。并且复杂程度低，实现简单，具有较快的计算速度。

附图说明