[发明专利]一种单帧红外图像弱小目标检测和定位方法

摘要

本发明涉及一种基于形态学带通滤波和尺度空间理论的单帧红外图像弱小目标检测和定位方法。基本思想是：首先对预处理后的红外图像进行形态学带通滤波，检测出红外弱小目标的潜在区域；然后利用DoG算子对预处理后的红外图像进行多尺度空间变换，并在目标的潜在区域通过尺度空间的极大值检测获得候选目标的位置和尺度；最后通过对候选目标的信杂比进行阈值化实现红外弱小目标的精确检测和定位。利用本发明方法，可以从复杂背景下的单帧红外图像中检测并定位出弱小目标。本发明具有很高的检测精度和较低的虚警率，同时具有较小的运算量，利于硬件系统实现。

主权项

1.一种单帧红外图像弱小目标检测和定位方法，其特征在于步骤如下：步骤1预处理：采用加权平均法对输入红外图像的RGB三个分量进行加权平均得到灰度图像，然后利用灰度线性变换函数将灰度图像的灰度范围映射到[I_min,I_max]的灰度区间，得到预处理后的图像I；其中：加权平均法计算公式为f(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，f(x,y)为加权平均法得到的灰度图像在像素点(x,y)的灰度值，R(x,y)、G(x,y)和B(x,y)分别为输入红外图像在像素点(x,y)的RGB三个分量值；灰度线性变换函数为I(x,y)为f(x,y)经过灰度线性变换后的灰度值，f_min、f_max分别为灰度线性变换前的灰度图像的最小灰度值和最大灰度值；步骤2形态学带通滤波检测目标潜在区域：采用大小为S₁×S₁的正方形结构元素对图像I进行开运算得到图像I₁，采用大小为S₂×S₂的正方形结构元素对图像I进行开运算得到图像I₂，计算I₂和I₁的差分图像I_D＝I₂-I₁，然后对差分图像I_D采用阈值Th₁进行二值化，得到二值化图像I_BW中像素值为1的像素点的集合为目标的潜在区域其中，S₁是取值范围为6～12之间的整数；S₂是取值范围为1～2之间的整数；阈值Th₁的取值范围为0.15～0.30；步骤3生成DoG多尺度空间：计算图像I与不同尺度因子的DoG算子的卷积得到DoG多尺度空间{D_σ|σ＝σ₁,…,σ_N}；其中：σ为尺度因子，σ_n＝σ₀·k^n-1，σ₀是一个取值范围为0.5～0.65之间的常数，k是一个取值范围为1.15～1.25之间的常数；下标和上标n表示尺度空间的标号，1≤n≤N，N为DoG多尺度空间的总层数，N的取值范围为10～12之间的整数；D_σ表示尺度因子为σ的DoG算子对应的DoG空间；DoG(x,y,σ)表示尺度因子为σ的DoG算子，DoG(x,y,σ)＝G(x,y,σ)-G(x,y,kσ)；G(x,y,σ)为高斯核函数， G(x,y,σ)＝(1/2πσ²)exp(-(x²+y²)/2σ²)；*表示卷积运算；步骤4候选目标检测和定位：将中像素点对应的像素值分别和它的8个相邻点、上一尺度中的9个相邻点以及下一尺度中的9个相邻点共26个像素点的值进行比较，如果为极大值，则像素点为候选目标坐标点，σ_m为候选目标尺度，且候选目标大小d和候选目标尺度σ_m的关系为由此可以得到一些列的候选目标其中：下标m表示尺度空间的标号，2≤m≤N-1；表示第j个候选目标，它的坐标为尺度为下标j表示候选目标的标号，1≤j≤J，J表示候选目标的总个数；步骤5目标验证：计算每个候选目标的局部信杂比并通过对局部信杂比进行阈值化得到最终的目标检测结果；其中：表示尺度因子为的DoG算子对应的DoG空间中像素点的像素值；σ_j为第j个候选目标的背景区域的灰度标准差，μ_j为第j个候选目标的背景区域的灰度均值，C_j表示第j个候选目标的背景区域，M_j表示C_j中的元素个数，A_j表示第j个候选目标区域，B_j表示第j个候选目标和背景的总区域，阈值Th₂的取值范围为3～5。