[发明专利]一种基于均衡化结构纹理表征的序列红外图像目标检测方法

权利要求书

1.一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：所述方法包括如下步骤：

步骤1：将原始的红外图像进行预处理，包括将RGB图像转换为灰度图像，并将序列图片构建成时空张量；

步骤2：将红外图片按照滑动窗口n×n的大小分片，计算红外图像的局部强度值I；

步骤3：以目标图像块为中心建立极坐标，计算目标图像的梯度值G；并将强度值I与梯度值G结合，形成均衡化结构纹理表征；

步骤4：将步骤1所得的图像和步骤3所得的均衡化结构纹理表征一起输入截断核范数张量模型，通过交替方向乘子法进行迭代，得到红外图像中检测出的小目标信息。

2.根据权利要求1所述的一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：所述步骤1中的图像预处理具体实现步骤如下：对于输入的RGB图像，通过matlab的函数rgb2gray将图像转变为灰度图像，并且保留图像的信息；对于m张L×H大小序列红外图像，其中L、H分别为红外图像的长和宽，m表示红外图像的帧数，构建成三维L×H×m的时空张量。

3.根据权利要求1所述的一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：所述步骤2中计算红外图像的局部强度值I具体实现步骤如下：

对于给定大小的n×n的图像块，其周围区域的平均值为：

其中N_m表示图像块中的像素数，v_ij表示该图像块中第i行第j列位置的像素具体值，其中v₀表示中心像素的值；通过公式(1)得出图像块的局部强度值I：

4.根据权利要求1所述的一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：所述步骤3中计算红外图像的梯度值G的具体实现步骤如下：

首先在图像块的中心建立极坐标系(r,θ_i)，将图像块分成4部分，每个部分表示为：

其中p_i表示图像的每一个部分，i＝1、2、3、4；使用一个约束制定朝向中心的梯度：

其中表示满足区域p_i约束的梯度集合，是集合中的一个梯度元，m和a分别是其大小和方向；然后，在每个区域中，计算的均方G_i：

其中N_j(j＝1,2,…,N)是集合中的数量；当计算出四个部分的梯度值后，得出该图像块的局部梯度值：

其中，k为常数，G_max和G_min分别代表最大梯度均方和最小梯度均方。

5.根据权利要求1所述的一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：所述步骤3中计算红外图像的均衡化结构纹理表征的具体实现步骤如下：

综合分析红外图像，结合局部强度图和局部梯度图提出了均衡化结构纹理表征来降低模型的虚警率：

其中，IG_ij，I_ij，G_ij分别表示均衡化结构纹理表征、强度图和梯度图中像素值；强度图和梯度图的权重通过调整平衡因子α来适应各种场景；当α＝1时，梯度图和强度图具有同等影响力；当α1时，梯度图占据更高权重；而当α1时强度图更重要。

6.根据权利要求1所述的一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：所述步骤4中，给定一个序列红外图像，通过计算得到图像的均衡化结构纹理表征以突出目标区域的像素，同时利用红外图像张量的低秩性与稀疏性，将张量看成稀疏张量和低秩张量的结合，通过截断核范数张量模型，将低秩张量恢复成背景，稀疏张量恢复成目标。

7.根据权利要求6所述的一种基于均衡化结构纹理表征的序列红外图像目标检测方法，其特征在于：截断核范数张量模型中，在模型中采用截断核范数来快速逼近低秩张量的秩，同时使用均衡化纹理结构表征来增强稀疏张量的值，最终实现将低秩张量恢复成背景，稀疏张量恢复成目标。