[发明专利]一种复杂背景下的红外弱小目标检测方法

权利要求书

1.一种复杂背景下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：输入一幅大小为M×N的待检测红外图像I_in；

步骤2：将图像I_in转换为灰度图像I；

步骤3.1：以灰度图像I中的一点p₀为中心构建一个N×N的滑动窗口，该窗口分为多个单元，中心单元称为cell₀，其周围的单元cell_i是局部背景区域；

步骤3.2：降序排列中心单元的像素值后计算前K个灰度值的均值，即显著亮度mMax；

步骤3.3：计算所有单元的池化亮度，即单元内所有像素灰度的均值；

步骤3.4：构建相接邻域集合，并计算中心单元每个相接邻域的灰度均值；

步骤3.5：构建相隔邻域集合，并计算中心单元每个相隔邻域的灰度均值；

步骤4.1：相接邻域显著图提取：将中心单元的显著亮度mMax和其相接邻域的灰度均值进行差分平方计算，再将计算结果乘以判断函数来抑制洞状背景，将多个差分结果的最小值作为相接邻域显著图在该点的最终输出值，逐像素移动滑动窗口，重复步骤3.1～3.5得到显著图I_ANSM；

步骤4.2：相隔邻域显著图提取：将中心单元的显著亮度mMax和其相隔邻域的灰度均值进行差分平方计算，再将计算结果乘以判断函数来抑制洞状背景，将多个差分结果的最小值作为相隔邻域显著图在该点的最终输出值，逐像素移动滑动窗口，重复步骤3.1～3.5得到显著图I_SNSM；

步骤5：将步骤4.2和4.3得到的显著图进行点乘操作，以抑制复杂背景并增强弱小目标，得到最终显著图I_o；

步骤6：利用公式计算出分割阈值Th，从而自适应提取目标，得到弱小目标在红外图像中的具体位置，

Th＝μ+λ×σ

其中，μ和σ为最终显著图的均值和标准差，λ为固定参数；

步骤7：根据步骤6求出的阈值对最终显著图I_o进行分割，得到最终的检测结果图I_out。

2.根据权利要求1所述的一种复杂背景下的红外弱小目标检测方法，其特征在于：该N×N的滑动窗口分为9个单元，每个单元的大小为n×n，故N＝3n，n＝3；N＝9，周围单元cell_1～8。

3.根据权利要求1或2所述的一种复杂背景下的红外弱小目标检测方法，其特征在于：降序排列中心单元的像素值后计算前K个灰度值的均值，即显著亮度mMax，具体求法为：

其中，(s,t)代表滑动窗口的中心像素点位置，即cell₀的中心位置，这里表示向上取整，G^j代表cell₀的第j大灰度值，j＝1,2,...,K，用中心单元的前K个最大值的均值表征中心单元有利于突出弱目标亮度。

4.根据权利要求2所述的一种复杂背景下的红外弱小目标检测方法，其特征在于：提出了相接邻域与相隔邻域的概念，定义了滑动窗口中心单元相接邻域集合Ψ和相隔邻域集合Ω，