[发明专利]基于多尺度滚动引导滤波平滑的红外弱小目标背景抑制方法

说明书

本发明公开了一种基于多尺度滚动引导滤波平滑的红外弱小目标背景抑制方法，包括以下步骤：对待处理图像先基于多尺度RGF构造图像数据立方体，再基于核PCA进行图像数据立方体的降维及主成分提取，然后基于双窗马氏距离进行异常点检测，实现基于多尺度滚动引导滤波平滑的红外弱小目标背景抑制，该方法对红外弱小目标背景的抑制效果较好。

技术领域

本发明涉及一种背景抑制方法，具体涉及一种基于多尺度滚动引导滤波平滑的红外弱小目标背景抑制方法。

背景技术

在红外预警和搜索跟踪系统中，由于目标距探测器较远、大气衰减等原因，探测器上得到的红外图像往往具有对比度低、图像细节模糊、在图像中所占像素点少、信噪比低等特点，这就给弱小目标的自动检测带来了困难。因此，要想提高检测概率，必须在检测之前对原始的红外图像进行预处理，以抑制背景杂波，增强目标。背景抑制是预处理的一个关键环节，其目的就是为了抑制图像中起伏的背景，提高图像的信噪比。背景抑制结果的优劣会直接影响到后续目标检测方法的性能，因此，近些年来许多学者对背景抑制的方法进行了深入的研究。

目前背景抑制方法主要有时域、空域、频域、形态学等滤波方法和统计回归的方法。例如：基于时域轮廓线的下驻点滤波的方法在时域上抑制背景杂波，检测运动的红外弱小目标，对于背景变化剧烈、目标运动速度缓慢的红外序列图像效果较差；将最大中值/均值滤波应用于弱小目标检测的方法，在空域上对图像进行处理，增大了计算量，且在窗口选择过大时会导致对背景杂波抑制效果变差，且容易在目标点周期产生虚假轮廓，定位精度较差；基于形态学top-hat变换的弱小目标检测方法，这种方法对背景杂波的抑制效果与结构元素的选择有非常密切的联系，并且对小于结构元素的背景杂波无法很好地抑制；利用二维最小均方误差滤波(TDLMS)的自适应线性预测方法，在预测过程中采用了最小均方误差准则，当原始红外图像中含有强相关的噪声时，利用杂波的相关性，可以从滤波器的输入信号中预测到杂波分量并将其消除，在滤波器的残差中得到目标信号分量，该方法对于非平稳背景反而可能会导致信噪比的降低。

除以上几种背景抑制方法外，目前针对红外弱小目标图像的背景抑制方法多种多样，但都具有各自的局限性，特别当图像包含较高灰度级，起伏剧烈的复杂背景时，许多方法无法得到良好的抑制效果。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于多尺度滚动引导滤波平滑的红外弱小目标背景抑制方法，该方法对红外弱小目标背景的抑制效果较好。

为达到上述目的，本发明所述的基于多尺度滚动引导滤波(RGF)平滑的红外弱小目标背景抑制方法包括以下步骤：对待处理图像先基于多尺度RGF构造图像数据立方体，再基于核PCA进行图像数据立方体的降维及主成分提取，然后基于双滑窗马氏距离(DWMD)算法进行异常检测，实现基于多尺度滚动引导滤波平滑的红外弱小目标背景抑制。

基于多尺度RGF构造图像数据立方体的过程中，通过调整灰度标准差来控制对图像中不同尺度细小细节的平滑滤波，得到一组相关的红外图像数据，其中，利用f_RGF(A,σ_s,σ_r,t)来表示RGF平滑操作，则平滑滤波结果为：

f_out＝f_RGF(A,σ_s,σ_r,t)      (11)

其中，σ_r决定滤波器能够滤除细小纹理的尺度，通过固定距离标准差σ_s及迭代次数t，调整σ_r得不同平滑尺度下的图像，再利用不同平滑尺度下的图像构建多尺度红外数据立方体，多尺度红外数据立方体可表示为：

双窗RX算法的表达式为：

双滑窗RX算法可以表示为：