[发明专利]一种单帧红外图像中多形态暗弱小目标检测方法

权利要求书

1.一种单帧红外图像中多形态暗弱小目标检测方法，其特征在于，包括：

步骤一、从原始红外图像中分解出稀疏图像；针对稀疏图像中的每个像元，计算像元邻域均值和整幅图像均值的比值作为稀疏度信噪比ε，将稀疏度信噪比ε大于稀疏度信噪比阈值E的点确定为候选点；

步骤二、采用恒虚警检测筛选候选点，获得目标检测结果。

2.如权利要求1所述的方法，其特征在于，步骤一所述从原始红外图像中分解出稀疏图像利用鲁棒主成分分析RPCA算法分割实现。

3.如权利要求1所述的方法，其特征在于，所述稀疏度信噪比阈值E＝3。

4.如权利要求1所述的方法，其特征在于，步骤一计算像元邻域均值所使用的邻域窗口尺寸大于多形态小目标理论尺寸。

5.如权利要求1所述的方法，其特征在于，所述步骤二采用多点恒虚警检测方法筛选候选点，包括如下步骤：

步骤21、根据设定的目标检测虚警率，得到恒虚警阈值TNR；

步骤22、设定矩形滑窗，矩形滑窗划分为中部的目标区以及目标区周围的背景区；将矩形滑窗逐一作用于原始红外图像的各候选点位置；

针对每个候选点(x，y)：计算背景区的灰度均值μ_b和标准差σ，然后针对目标区的每个像元l，计算像元和灰度均值μ_b之差与标准差σ之间的比值，并记录该比值大于TNR的像元个数m_l；

步骤23、判断m_l是否大于或等于设定阈值M，如果是，则将当前候选点(x，y)确定为目标点。

6.如权利要求5所述的方法，其特征在于，所述矩形滑窗为7×7大小，目标区为矩形滑窗中心2×3大小区域，其他区域为背景区。

7.如权利要求5所述的方法，其特征在于，所述目标检测虚警率为0.04，则TNR为1.8。

8.如权利要求5所述的方法，其特征在于，阈值M为3。