本发明专利技术公开了一种基于谱残差与模糊聚类的红外弱小目标检测方法,本方法实现步骤包括输入原始红外图像并对红外图像进行归一化;对归一化后的红外图像滤波;通过谱残差的方法得到红外图像的显著性图;利用局部直觉模糊c均值聚类对红外图像进行聚类分割;将显著性图像与聚类之后的图像进行相加,得到拟合之后的图像;拟合图像与原始红外图像相减得目标的显著性图;在该图中找到灰度值最大的点即为红外弱小目标所在位置。本发明专利技术将红外图像的时域信息和频域信息进行了有效的结合,并通过图像的拟合与差分避免了阈值的设定,提高了图像检测的精度。
【技术实现步骤摘要】
基于谱残差与模糊聚类的红外弱小目标检测方法
本专利技术属于图像处理
,具体涉及复杂背景下红外图像处理领域中的一种基于谱残差和模糊聚类的弱小目标检测方法。本专利技术可用于对红外图像中的弱小目标进行检测,能有效的提高红外图像中小目标的检测精度。
技术介绍
随着各国国防科研实力的不断增强,在红外制导、天机预警和目标监视等国防领域中,红外图像中的弱小目标检测技术一直是国内外学者关注和研究的热点。但由于红外图像成像距离远,背景噪声大,成像环境复杂,目标运动轨迹不定等等原因,使得该项研究也一直是一个难点。西北工业大学拥有的专利技术“基于联合显著性的红外目标分割方法”(专利申请号:CN201310323539.6,授权公告号:CN103413303A)中提出了一种基于联合显著性的红外小目标检测方法。该专利技术的主要步骤为:(1)输入一幅红外图像,使用Mean-Shift聚类方法将原始图像分割成同质的N个像素块;(2)对图像中的每个像素块进行区域对比度显著性计算;(3)对图像中的每个像素块使用sobel边缘检测算子,得到像素块边界上每一个像素的梯度绝对值;(4)计算图像中每一个像素块的联合显著性;(5)选择固定阈值,对联合显著性映射图进行二值化处理;(6)对于候选目标区域进行相似滤波处理,去除候选目标区域中的非目标部分,并对二值化结果中为1的区域进行8邻域的连通域标记。该专利技术虽然解决了基于现有显著性模型的可见光图像目标分割方法适应性差的技术问题,对红外图像中弱小目标的检测效果更佳;但是仍存在不足的是,该专利中所采用的红外图像的特征信息依赖于时域,当处理的红外图像背景较为复杂时,提取的特征信息不够充分,就会使得处理结果欠佳。
技术实现思路
本专利技术的目的在于针对以上现有技术的不足,提出一种基于谱残差与模糊聚类的红外弱小目标检测方法,以提高检测精度。实现本专利技术的技术思路是:首先,对红外图像进行归一化处理;其次,对红外图像进行滤波;然后,通过谱残差的方法得到红外图像的显著性图;之后,利用局部直觉模糊c均值聚类对红外图像进行聚类分割;接着,将显著性图像与聚类之后的图像进行相加,得到拟合之后的图像;最后,拟合图像与原始红外图像相减后的图像即为目标的显著性图,在该图中找到灰度值最大的点即为红外弱小目标所在位置。本专利技术技术方案为:所述一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:包括以下步骤:步骤1:对待检测的红外图像进行归一化处理,并对归一化处理后的图像Iorig进行滤波,得到滤波之后的红外图像Ix;步骤2:采用以下步骤进行显著性图计算:步骤2.1:对滤波之后的红外图像Ix进行傅里叶变换,然后提取傅里叶变换之后的红外图像的幅度谱和相位谱;步骤2.2:对步骤2.1得到的幅度谱进行对数变换,再对对数变换之后的幅度谱进行平滑,得到图像中的冗余部分;步骤2.3:用对数变换之后的幅度谱减去图像中的冗余部分,得到幅度谱的残差;步骤2.4:将步骤2.3得到的幅度谱的残差与步骤2.1中的相位谱相加之后进行傅里叶逆变换,得到红外图像的显著性图sx;步骤3:采用以下步骤进行红外图像聚类:步骤3.1:获取步骤1得到的滤波之后的红外图像Ix,并设置局部直觉模糊c均值聚类参数的初始值,包括聚类中心vi的初始值以及聚类数c的初始值,i=1,2…,c;步骤3.2:采用模糊c均值聚类算法的目标函数进行隶属度函数uij的更新,i=1,…,c;j=1;…,N,N为红外图像Ix的大小,Ix=(x1,x2,…,xN),xj则表示红外图像Ix中的第j个像素,uij表示属于第i个聚类中心的像素xj的值;步骤3.3:计算犹豫度πij以及直觉模糊隶属度uij′;步骤3.4:根据红外图像Ix的邻域信息,计算空间函数hij;步骤3.5:利用公式修正隶属度:其中p和q分别表示隶属度和空间函数的相对权重;步骤3.6:令uij=uij″,根据公式更新聚类中心:m为根据模糊度设定的常数;步骤3.7:判断是否满足停止循环条件,若满足则输出图像聚类分割的结果,否则返回步骤3.2循环计算;步骤3.8:根据图像聚类分割的结果,将聚类中心映射到图像信息中,得到聚类之后的图像Icluster;步骤4:将步骤2得到的红外图像的显著性图sx与步骤3得到的图像Icluster相加,得到拟合图像Ifit;将红外图像Ix与拟合图像Ifit进行差分,得到目标的显著性图像Is,找到显著性图像Is中像素值最大点的位置,即为红外小目标所在的位置。进一步的优选方案,所述一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:步骤1中,采用Gabor滤波器对归一化处理后的图像进行滤波,滤波方法为:步骤1.1:根据Gabor滤波器的表达式均匀取θ为0到360度中的K个方向,其他取值相同,对归一化处理后的图像进行滤波,得到K张滤波的图像;其中x′=xcosθ+ysinθ;y′=-xsinθ+ycosθ,x,y表示图像中像素的位置;λ为波长,θ表示Gabor函数并行条纹的方向,为相位偏移,γ为空间纵横比;σ为标准差;步骤1.2:对K张滤波的图像进行取均值运算步骤1.3:用归一化处理后的图像减去滤波之后的红外图像,就得到特征加强之后的红外图像Ix=Iorig-Iorig*gabv。进一步的优选方案,所述一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:步骤2中计算显著性图的过程为:步骤2.1:对滤波之后的红外图像Ix进行傅里叶变换If=F(Ix)然后提取傅里叶变换之后的红外图像的幅度谱和相位谱;Af=Rangle(F(Ix))Pf=Angle(F(Ix))步骤2.2:对步骤2.1得到的幅度谱进行对数变换Lf=log(Af),再对对数变换之后的幅度谱进行平滑,得到图像中的冗余部分Ll_f=hn_f*Lf;其中Lf为对数变换之后的幅度谱,所采用的平滑滤波器为:n为滤波器中的窗口大小;步骤2.3:用对数变换之后的幅度谱减去图像中的冗余部分,得到幅度谱的残差Rf=Lf-Ll_f;步骤2.4:将步骤2.3得到的幅度谱的残差与步骤2.1中的相位谱相加之后进行傅里叶逆变换,得到红外图像的显著性图sx;Sx=gx*F-1[exp(Rf+Pf)]2其中F-1表示傅里叶逆变换,gx表示高斯滤波器。进一步的优选方案,所述一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:步骤3中进行红外图像聚类的过程为:步骤3.1:获取步骤1得到的滤波之后的红外图像Ix,并设置局部直觉模糊c均值聚类参数的初始值,包括聚类中心vi的初始值以及聚类数c的初始值,i=1,2…,c;步骤3.2:采用模糊c均值聚类算法的目标函数进行隶属度函数uij的更新:其中i=1,…,c;j=1,…,N,N为红外图像Ix的大小,Ix=(x1,x2,…,xN),xj表示红外图像Ix中的第j个像素,uij表示属于第i个聚类中心的像素xj的值;||·||表示欧氏距离,m为根据模糊度设定的常数;vi和vk表示两个不同的聚类中心;步骤3.3:计算犹豫度πij以及直觉模糊隶属度uij′;其中χ为大于0的常数,uij′=uij+πij;步骤3.4:根据红外图像Ix的邻域信息,计算空间函数hij;NB(xj)表示xj的邻域像素;步骤3.5:利用公式修正隶属度:本文档来自技高网...
【技术保护点】
一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:包括以下步骤:步骤1:对待检测的红外图像进行归一化处理,并对归一化处理后的图像I
【技术特征摘要】
1.一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:包括以下步骤:步骤1:对待检测的红外图像进行归一化处理,并对归一化处理后的图像Iorig进行滤波,得到滤波之后的红外图像Ix;步骤2:采用以下步骤进行显著性图计算:步骤2.1:对滤波之后的红外图像Ix进行傅里叶变换,然后提取傅里叶变换之后的红外图像的幅度谱和相位谱;步骤2.2:对步骤2.1得到的幅度谱进行对数变换,再对对数变换之后的幅度谱进行平滑,得到图像中的冗余部分;步骤2.3:用对数变换之后的幅度谱减去图像中的冗余部分,得到幅度谱的残差;步骤2.4:将步骤2.3得到的幅度谱的残差与步骤2.1中的相位谱相加之后进行傅里叶逆变换,得到红外图像的显著性图sx;步骤3:采用以下步骤进行红外图像聚类:步骤3.1:获取步骤1得到的滤波之后的红外图像Ix,并设置局部直觉模糊c均值聚类参数的初始值,包括聚类中心vi的初始值以及聚类数c的初始值,i=1,2…,c;步骤3.2:采用模糊c均值聚类算法的目标函数进行隶属度函数uij的更新,i=1,…,c;j=1;…,N,N为红外图像Ix的大小,Ix=(x1,x2,…,xN),xj则表示红外图像Ix中的第j个像素,uij表示属于第i个聚类中心的像素xj的值;步骤3.3:计算犹豫度πij以及直觉模糊隶属度uij′;步骤3.4:根据红外图像Ix的邻域信息,计算空间函数hij;步骤3.5:利用公式修正隶属度:其中p和q分别表示隶属度和空间函数的相对权重;步骤3.6:令uij=uij″,根据公式更新聚类中心:m为根据模糊度设定的常数;步骤3.7:判断是否满足停止循环,若满足则输出图像聚类分割的结果,否则返回步骤3.2循环计算;步骤3.8:根据图像聚类分割的结果,将聚类中心映射到图像信息中,得到聚类之后的图像Icluster;步骤4:将步骤2得到的红外图像的显著性图sx与步骤3得到的图像Icluster相加,得到拟合图像Ifit;将红外图像Ix与拟合图像Ifit进行差分,得到目标的显著性图像Is,找到显著性图像Is中像素值最大点的位置,即为红外小目标所在的位置。2.根据权利要求1所述一种基于谱残差与模糊聚类的红外弱小目标检测方法,其特征在于:步骤1中,采用Gabor滤波器对归一化处理后的图像进行滤波,滤波方法为:步骤1.1:根据Gabor滤波器的表达式均匀取θ为0到360度中的K个方向,其他取值相同,对归一化处理后的图像进行滤波,得到K张滤波的图像;其中x′=xcosθ+ysinθ;y′=-xsinθ+ycosθ,x,y表示图像中像素的位置;λ为波长,θ表示Ga...
【专利技术属性】
技术研发人员:武斌,李鹏,周伟,秦国栋,蔡晶晶,鲍丹,刘高高,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。