[发明专利]一种基于广义S变换的微弱目标检测方法

摘要

一种基于广义S变换的微弱目标检测方法，属于图像处理领域，尤其涉及应用图像的二维广义S变换进行微弱目标的检测方法。本发明首先对原始图像I(x′，y′)，进行二维广义S变换，得到广义S变换结果S(x，y，k_x，k_y)；然后根据广义S变换结果S(x，y，k_x，k_y)对图像中的微弱目标进行检测；通过固定空间频率k_x或k_y的值，使四维S变换结果S(x，y，k_x，k_y)降为三维数据，计算沿x或y方向每一个取值下所对应的垂直切面图像(y，k_y)或(x，k_x)的频率成分能量之合并与阈值进行比较，从而确定微弱目标在原始图像中所在的列和行的位置。本发明通过对原始图像进行广义S变换，在广义S变换的结果上通过降维可视化处理，利用S变换域的信息来检测微弱目标，可以有效克服空间域中噪声、杂波及云层等遮拦物的影响。

主权项

1、一种基于广义S变换的微弱目标检测方法，包括如下步骤：步骤1：对一幅大小为M×N的原始图像I(x′，y′)，(x′＝1，2，…，M；y′＝1，2，…，N)进行二维广义S变换，具体包括以下几个步骤：步骤1-1：对原始图像I(x′，y′)进行快速傅立叶变换：I(x′，y′)→F(α，β)，F(α，β)为图像的快速傅立叶变换结果，α，β为频率域变量；步骤1-2：对所有空间频率点(k_x，k_y)，k_x＝1，2，…，M，表示x方向上的空间频率点，k_y＝1，2，…，N，表示y方向上的空间频率点，进行第步骤1-3-步骤1-6的操作：步骤1-3：在空间频率点(k_x，k_y)，对高斯局部化窗函数进行傅立叶变换，得到它的傅立叶频谱W(α，β)，高斯窗函数中的μ和η为取值范围为正数的调节参数，其定义为σ_x＝μ/k_x，σ_y＝η/k_y，σ_x，σ_y是尺度因子；步骤1-4：移动傅立叶频谱：F(α，β)→F(α+k_x，β+k_y)；步骤1-5：计算F(α+k_x，β+k_y)与W(α，β)的点积，表示为；步骤1-6：计算的傅立叶反变换得到原始图像I(x，y)的广义S变换结果S(x，y，k_x，k_y)；步骤2：根据步骤1所得的原始图像I(x′，y′)的广义S变换结果S(x，y，k_x，k_y)对图像中的微弱目标进行检测，固定空间频率k_y的值，使四维S变换结果S(x，y，k_x，k_y)降为三维数据，计算沿y方向每一个取值下所对应的垂直切面图像(x，k_x)的频率成分能量之和P_x(i)，(i＝0，1，2，…，M)平均值P‾x=1MΣi=1MPx(i)]]>作为阈值T₁，比较P_x(i)与T₁的大小，其中P_x(i)大于T₁的行就是微弱目标所在行的位置；步骤3：根据步骤1所得的原始图像I(x′，y′)的广义S变换结果S(x，y，k_x，k_y)对图像中的微弱目标进行检测，固定空间频率k_x的值，使四维S变换结果S(x，y，k_x，k_y)降为另一组三维数据，计算沿x方向每一个取值下所对应的垂直切面图像(y，k_y)的频率成分能量之和P_y(j)，(j＝0，1，2，…，N)平均值P‾y=1MΣj=1MPy(j)]]>作为阈值T₂，比较P_y(j)与T₂的大小，其中P_y(j)大子T₂的列就是微弱目标所在列的位置；步骤4：因S变换用一个窗函数与原始图像信号相乘，相当于截取了原始图像h(x′，y′)在(x，y)位置的局部信息，变换后的(x，y)位置能反映原始图像的空间位置信息；所以步骤3、4所确定的微弱目标所在行和列的位置就是该目标在原始图像中的行列位置。