[发明专利]一种利用方向导数构造熵对比度的红外弱小目标检测方法

摘要

本发明涉及一种利用方向导数构造熵对比度的红外弱小目标检测方法，它有四大步骤：首先，基于最小二乘曲面拟合，利用小面模型使用卷积操作快速求解出红外图像各像素点分别在4个方向的一阶导数；然后，由弱小目标的数学成像模型出发，基于方向导数特征并结合灰度分布信息，在小范围邻域内的中心区域重新设计了信息熵计算公式；随后，对小范围邻域的周围区域同样重新设计了信息熵计算公式，利用弱小目标中心区域与周围区域对比强烈的特点，构造了熵对比度，利用该度量在各个方向导数子图中对背景进行抑制，对目标进行增强；最后，对各个方向导数子图的熵对比度相乘融合，进一步抑制边缘杂波背景，突出弱小目标。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。

主权项

1.一种利用方向导数构造熵对比度的红外弱小目标检测方法，其特征在于：该方法具体步骤如下：/n步骤一：定义两个对称集合R＝{-2,-1,0,1,2}与C＝{-2,-1,0,1,2}，由小面模型可知，在集合R×C范围内的二元三次曲面函数可以由以下10组离散正交基构成：/n /n在该R×C范围内的对称邻域内，该曲面函数可表示如下：/n /n当前像素点，也就是该邻域中心点(0,0)的水平、垂直及α方向上的一阶导数为：/n /n /n /n对于k_i(i＝1,2,...10)，这十个系数均可由最小二乘法设计得到各自对应的卷积模板w_i(i＝1,2,...10)对图像进行卷积得到，每个卷积模板可由如下公式求解：/n /n /n其中，p_i表示第i个离散正交基，I(r,c)表示原图像在(r,c)的像素值；/n按照以上方式，求解原图分别在水平、竖直以及两个斜对角共4个方向上的方向导数图；/n步骤二：由弱小目标的数学成像模型出发，基于方向导数特征并结合灰度分布信息，在小范围邻域内的中心区域重新设计了信息熵计算公式；/n首先，将当前邻域划分为中心区域、边界区域与周围区域，然后将边界区域的灰度平均值作为基准灰度值I_b，用以量化中心区域与周围区域的灰度变化；弱小目标一般可由二维高斯模型来表示，其中心区域的方向导数在一般会先上升后下降，因此相对于基准灰度I_b有高有低；基于这个特点，将中心区域进一步划分为对称的上升与下降两部分，分别用c1与c2表示，这两部分的信息熵E_c1与E_c2可以修正如下：/n /n /n其中，I_i表示第i个灰度级，在中心区域c₁和c₂内分别共有m₁和m₂个灰度值，p_i表示I_i的分布概率，最后的灰度项中系数取三次方是为了放大灰度变化信息的同时保持正负性，中心区域的信息熵E_c最终为：/nE_c＝E_c1+E_c2/n在上述计算过程中，对于目标区域无论是E_c1还是E_c2，(I_i-I_b)³和(I_b-I_i)³幅值较大且几乎都为正数，因此最后相加的信息熵E_c会得到进一步增强；对于背景区域来说则没有上述规律，两部分幅值均较小且接近，相对于基准灰度值也可能有正有负，因此相加后会在一定程度上互相抵消，最后的信息熵E_c会被进一步抑制；/n步骤三：对小范围邻域的周围区域同样重新设计了信息熵计算公式，利用弱小目标中心区域与周围区域对比强烈的特点，构造了熵对比度，利用该熵对比度在各个方向导数子图中对背景进行抑制，对目标进行增强；/n在背景区域，所计算的信息熵中的灰度系数采用相似的形式，由于不需要正负信息，因此对修正后的信息熵取绝对值，如下表示：/n /n最终，当前区域的对比度EC定义如下：/nEC＝E_c/E_b/n对于每个方向导数图，均按以上方式求取所有像素的对比度，对比度较大的为目标的可能性高，对比度低的为背景的可能性高，以此增强目标和抑制背景；/n步骤四：对个各方向上的结果进行相乘融合，进一步在抑制边缘杂波背景，突出弱小目标：设在前三个步骤中已得到各方向上的增强图f₀,f₄₅,f₉₀,f₁₃₅，最后的结果图f_result可表示为：/nf_result＝f₀·f₄₅·f₉₀·f₁₃₅。/n