一種複雜環境下低空紅外目標檢測算法
2023-07-22 13:01:01 1
一種複雜環境下低空紅外目標檢測算法
【專利摘要】本發明屬於圖像處理【技術領域】，具體涉及一種複雜環境下低空紅外目標檢測算法。本發明首先利用小波包對圖像進行多尺度分解，與小波分解不同的是，小波包不僅能對低頻信號進行分解，而且能將小波變換沒有細分的高頻分量進一步分解，從而提高了高頻段的解析度；然後基於高階統計量的抗高斯幹擾特性，提出了一個高斯判別準則，用於自適應選擇相應的頻帶，使之與目標頻譜相匹配，最終達到滿意的檢測效果。本發明提出的基於小波包和高階統計量的算法能有效檢測出單幀紅外圖像中的弱小目標，與經典的基於小波變換的目標檢測算法比較，檢測概率較高，且抑制噪聲能力較強。
【專利說明】一種複雜環境下低空紅外目標檢測算法
【技術領域】
[0001]本發明屬於圖像處理【技術領域】，具體涉及一種複雜環境下低空紅外目標檢測算法。
【背景技術】
[0002]在低空環境下，由於受到人造建築物、樹木、地面篝火、電廠煙囪等背景的影響，紅外探測器受到的幹擾嚴重。而且地面背景的紅外輻射強度較高，與目標的紅外輻射強度相差較小，目標容易被背景幹擾物湮沒，增加了目標檢測的難度。
[0003]對單幀紅外圖像進行目標檢測的最直接方法就是閾值分割，它計算簡單且計算量小，但實際應用中並不實用。當目標處於複雜背景中時，直接進行閾值分割往往得不到正確的目標。
[0004]考慮到目標在圖像中主要為高頻分量而背景對應低頻成分這一特點，可以將目標和背景進行分離，這就是常說的基於背景抑制的檢測技術。常用的背景抑制方法有中值濾波器、匹配濾波器、高通濾波器以及一些組合形式的濾波器等。中值濾波器結構簡單、運行速度快，但它只能濾除噪聲，無法處理背景中的雜波幹擾。空間匹配濾波器需要根據目標形狀設定濾波模板，當目標先驗信息未知時，檢測性能將受影響。高通濾波器對於變化緩慢的背景濾除作用明顯，但通常只適用於點目標的檢測。
[0005]基於形態學的濾波器由於其獨特的非線性濾波性能，目前已成為紅外目標檢測和識別的一個有力工具，它包含形態學算子的設計和結構元素的選擇這兩個關鍵技術。目前，針對紅外目標檢測問題，大多採用的是Top-Hat這一高通濾波算子。以往利用Top-Hat算子進行紅外目標檢測時，僅採用單一結構元素對圖像進行處理，這對某種特定圖像模型具有較好的性能，然而當目標圖像較為複雜時，檢測性能將有所下降。
[0006]基於小波變換的方法是一類常用的紅外目標檢測算法，其主要思想是將目標看做圖像中的高頻分量，利用小波多尺度分解提取圖像中的高頻信息，然後通過選取合適的閾值消除噪聲的影響，從而實現目標的檢測。但是，傳統的小波變換目標檢測方法魯棒性不強，無法實現複雜背景下目標的準確檢測。
[0007]近年來，高階統計量由於對高斯噪聲具有良好的抑制能力而被廣泛應用於信號處理領域。在分析紅外目標特性的基礎上，國內一些學者提出了基於高階統計量的目標檢測算法，它根據高階累積量對高斯隨機過程「盲」的原理，設計了一個基於高階累積量的自適應濾波器來檢測紅外圖像中的目標。這類方法具有抗噪聲幹擾能力強，易於硬體實現等優點。但是，算法必須首先要為高階統計判據簡歷一個不相關的高斯北京，這就需要一系列的預處理，以至降低了檢測的效率。
[0008]複雜背景下低空紅外圖像中的弱小目標檢測是圖像處理和目標檢測領域一個非常重要的研究分支，也是軍事防禦的重要手段。但是由於紅外弱小目標自身的特點，使得檢測工作變得十分困難:首先，弱小目標成像的距離一般較遠，目標在圖像中僅佔很少的幾個像素；其次，成像系統內的噪聲和雜波幹擾較強，使得目標信號相對很弱，容易被強噪聲背景所淹沒；最後，由於弱小目標缺乏有效的形狀信息和紋理結構，導致可以提供給檢測系統的信息很少。因此，紅外弱小目標的檢測一直以來都是一個具有挑戰性的課題。
[0009]複雜背景中紅外圖像目標檢測技術正在不斷深入發展和研究，雖然各國利用此技術產生的型號不少，但從軍方使用的要求而言，還不盡人意。雖然各國投入大量的人力和財力來研究這一技術，也取得了很多開創性的成果和提出了很多新穎的算法，但是大部分算法由於其複雜性，在理論上可以達到很好的效果，但在實際應用中卻不能應用，因為其計算量太大，以目前的硬體發展的水平根本沒有辦法滿足其要求。
【發明內容】
[0010]本發明的目的在於提供一種複雜環境下低空紅外目標檢測算法，以解決複雜背景下低空紅外圖像中的弱小目標檢測問題。
[0011]為達到上述目的，本發明所採取的技術方案為:
[0012]一種複雜環境下低空紅外目標檢測算法，包括以下步驟:
[0013]步驟一:將原始紅外圖像進行L = 4級Daubechies-8小波包分解,則所有係數都保存在一個小波包分解樹上，且每一層上所有小波包係數構成原始圖像的一個完備集，可以完全重構原始圖像；
[0014]步驟二:計算分解樹上第N(NSL)層所有頻帶的峰度:
[0015]
【權利要求】
1.一種複雜環境下低空紅外目標檢測算法，其特徵在於:該算法包括以下步驟: 步驟一:將原始紅外圖像進行L = 4級Daubechies-8小波包分解，則所有係數都保存在一個小波包分解樹上，且每一層上所有小波包係數構成原始圖像的一個完備集，可以完全重構原始圖像； 步驟二:計算分解樹上第N(NSL)層所有頻帶的峰度:
其中Cu是第i個頻帶的小波包係數矩陣，m是係數矩陣的元素個數； 步驟三:當四個相鄰頻帶的峰度滿足高斯判別準則:
、 則將該四個相鄰頻帶的小波包係數合併；其中σ表示小波包係數服從理想高斯分布的置信度； 步驟四:N = Ν-1，當N > O時，轉到步驟二，否則執行步驟五； 步驟五:計算最終所有頻帶的峰度，將滿足高斯判別準則和最低頻帶上的小波包係數置零，僅保留非高斯性小波包係數，利用新的小波包係數重建真正的目標圖像； 步驟六:對重建目標圖像，進行閾值分割，得到目標。
2.根據權利要求1所述的複雜環境下低空紅外目標檢測算法，其特徵在於:所述的步驟六採用自適應閾值對檢測到的目標圖像進行二值化分割，閾值V的選取公式為:
V= m+C ο (3) 其中，m為圖像的均值，σ為圖像的標準差，C是常數，取值在[3，10]。
【文檔編號】G06T7/00GK104166975SQ201310182331
【公開日】2014年11月26日 申請日期:2013年5月17日 優先權日:2013年5月17日
【發明者】周鳴, 朱振福, 劉峰, 王鵬飛 申請人:中國航天科工集團第二研究院二〇七所