[发明专利]基于改进多尺度分形增强的红外小目标检测方法

摘要

本发明涉及基于改进多尺度分形增强的红外小目标检测方法。传统基于分形特征增强的红外小目标检测算法具有计算复杂度高的问题。本发明利用多尺度区域内像素的最大值与最小值的差作为一种度量，然后采用其区域平均值获得每点像素的多尺度分形特征向量，通过定义的新的显著性度量准则来评价每点像素的显著性，最后基于增强后的图像通过自适应阈值分割算法进行目标检测。本发明提出的方法降低了算法的计算量，提高了检测速度。

主权项

1.基于改进多尺度分形增强的红外小目标检测方法，其特征在于该方法的具体步骤是：步骤(1)、获取原始红外图像I’中每点像素的多尺度分形特征向量；步骤(2)、基于多尺度分形特征向量计算每点像素的显著性，根据公式(1)得到增强后图像E(x,y)；E(x,y)＝mean(t(x,y,:))2-std(t(x,y,:))2 式(1)其中mean()和std()分别为求均值和标准差的函数，(x,y)为原红外图像I’中的像素坐标；t(x,y,:)表示像素坐标(x,y)的多尺度分形特征向量；步骤(3)、基于增强后图像，采用自适应阈值分割算法进行目标分割，根据公式(2)-(6)得到检测后的目标；μ＝mean(E(2×εmax+1:rows-2×εmax,2×εmax+1:cols-2×εmax)) 式(2)δ＝std(E(2×εmax+1:rows-2×εmax,2×εmax+1:cols-2×εmax)) 式(3)PSR＝(255-μ)/δ 式(4)T＝c×PSR×δ+μ 式(5)D(x,y)＝E(x,y)≥T 式(6)其中，μ为增强后图像去除边缘区域后的像素均值，δ为增强后图像去除边界后像素分布的标准差；PSR为峰值旁瓣比；c表示小目标分割系数；rows和cols分别为原始红外图像I’的高度和宽度；T为用于目标检测的阈值；D为检测到属于目标的像素。