[发明专利]一种基于边缘检测增强的对空地、地面背景小目标检测方法

权利要求书

1.一种基于边缘检测增强的对空地、地面背景小目标检测方法，该方法包括：

步骤1：采用高斯滤波器对原图像进行降噪处理；

高斯滤波器使用的高斯核是具有x和y两个维度的高斯函数，且两个维度上标准差相同，形式为：

其中，σ表示方差；

步骤2：计算像素梯度；

使用算子S_x和S_y计算像素梯度，S_x前者用于计算图像x方向像素梯度矩阵G_x，S_y用于计算图像y方向像素梯度矩阵G_y；具体形式为：

G_x＝S_x*I (2)

G_y＝S_y*I (3)

其中，I为灰度图像矩阵，*表示互相关运算，图像矩阵坐标系原点在左上角，且x正方向为从左到右，y正方向为从上到下；则由式(4)可计算得到梯度强度矩阵G_xy；

其中，g_xy(i,j)表示G_xy中第(i,j)位置处的元素，g_x(i,j)表示G_x中第(i,j)位置处的元素，g_y(i,j)表示G_y中第(i,j)位置处的元素；

步骤3：根据梯度方向角对梯度幅值进行非极大值抑制；

检查各像素是否为其邻域中沿梯度的局部最大值，如果是，则认为该点为边缘，否则不是边缘；

步骤4：用双阈值算法检测，设定高阈值和低阈值；

如果某一像素灰度值梯度大于等于高阈值，则该像素被为边缘像素；

如果某一像素灰度值梯度小于等于低阈值，则该像素被不为边缘像素；

如果某一像素灰度值梯度在两个阈值之间，那么只有当它相邻像素的灰度值梯度高于高阈值时才为边缘像素；

步骤5：将边缘检测得到的边缘图像与原灰度图像叠加，生成边缘增强后的灰度图像；

步骤6：对步骤5得到的灰度图像进行检测；

步骤6.1：采用Facet模型快速获得多向导数子带，即采用双变量的立方函数拟合邻域S_5×5；构造二维离散正交切比雪夫多项式φ_i(r,c)；

其中，r和c是邻域S_5×5的行坐标和列坐标；

步骤6.2：建立邻域S_5×5中的像素表面函数f(r,c)；

其中，b_i为拟合系数，I(r,c)为图像像素值；

步骤6.3：如果α为水平方向的角度，f(r,c)的一阶方向导数为f_α'；

步骤6.4：对图像进行区域划分，对每个区域采用一阶方向导数为f_α'捕捉目标的导数特性，构建一个新的局部对比度图；再将所有导数子带构建的局部对比度图整合；再通过自适应阈值分割方法提取小目标；自适应阈值T为：T＝μ+k×σ，其中μ和σ分别表示多向梯度局部对比度值的坐标系的平均值和方差，k是给定的参数。

2.如权利要求1所述的一种基于边缘检测增强的对空地、地面背景小目标检测方法，其特征在于，所述步骤2中

3.如权利要求1所述的一种基于边缘检测增强的对空地、地面背景小目标检测方法，其特征在于，所述步骤6.4中k的范围为0.4到0.8。