一种天基背景下暗弱小目标检测方法技术

本发明专利技术是一种天基背景下暗弱小目标检测方法。本发明专利技术涉及目标探测技术领域，本发明专利技术对原始天基暗弱小目标图像进行金字塔分解，得到分解图像，对分解图像进行加权融合，得到图像金字塔加权融合结果图；对图像金字塔加权融合结果图采用自适应阈值分割，确定天基暗弱小目标候选点；设置检验条件，确定真实目标点。本发明专利技术采用图像金字塔对图像进行多尺度缩放，以此实现数据集的增加和分辨率多元化的目的，对多尺度图像进行融合，扩展图动态范围，提高图像整体清晰度、对比度和灰度方差等性能指标，提升图像质量，为目标检测提供更多信息。为目标检测提供更多信息。为目标检测提供更多信息。

【技术实现步骤摘要】
一种天基背景下暗弱小目标检测方法


[0001]本专利技术涉及目标探测
，是一种天基背景下暗弱小目标检测方法。

技术介绍

[0002]空间目标天基监视系统是太空资产安全的保障，是基础性国家战略设施、同时也是未来空间态势感知的重要发展方向，如今已成为空间探测领域的前沿性技术，对国家航天任务的有效执行乃至国家安全体系的维护都具有重要战略意义。
[0003]目前，天基空间目标探测系统包括雷达探测、红外探测以及可见光探测。其中，雷达探测利用无线电磁波或激光对目标进行探测，其优点是抗干扰能力强、定位精度高，可以捕捉到小尺寸、远距离的空间目标。但其缺点是雷达探测设备质量较大，对天基平台的负载要求较高；红外探测利用红外成像技术对空间阴影区的目标进行探测，但存在探测距离短、探测到的目标信号弱、信噪比低、受到背景起伏变化影响较大等问题。背景噪声有时甚至会将天基目标淹没，难以对空间目标进行探测。天基可见光探测与前两者相比，其优势在于：（1）对于运行在非阴影区域的空间目标，由于受到太阳照射，可见光特征明显，易于探测。同时，可见光探测技术成熟，利用可见光波段探测，可以满足对卫星、空间碎片、助推火箭、保护罩等多种类空间目标进行探测的需求；（2）可见光探测可以获取高分辨率图像，在每帧图像上获取大量信息，且探测距离远，具备同时对多个目标的探测能力；（3）可见光图像处理系统相对来说成本较低，体积小，空间小型化问题便于解决，易于搭载在天基平台上。
[0004]天基可见光目标监视系统可以实时掌握和感知空间目标态势，必要时对危险目标及时作出反应。研究天基空间目标检测技术的重要性和意义在于：抑制在天基环境拍摄下图像中复杂的非均匀性噪声背景，实现对不同轨道、低信噪比小目标的快速、有效检测以及高精度的定位，可以提高空间目标监视系统的探测能力，大大提升空间目标监视水平。

技术实现思路

[0005]本专利技术为克服现有技术的不足，本专利技术提供一种天基背景下暗弱小目标检测方法，解决杂散光、噪声等对星图中空间目标检测的影响，在此基础上，提高图像整体清晰度、对比度和灰度方差的性能指标，提升图像质量。开展适用于天基图像背景噪声抑制方法，在于如何消除星图中的复杂背景噪声干扰同时保留空间目标信息。
[0006]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0007]本专利技术提供了一种天基背景下暗弱小目标检测方法，本专利技术提供了以下技术方案：
一种天基背景下暗弱小目标检测方法，所述方法包括以下步骤：步骤1：对原始天基暗弱小目标图像进行金字塔分解，将权重图和原始图像分别进行高斯金字塔和拉普拉斯金字塔分解，得到分解图像；步骤2：通过拉普拉斯金字塔结合图像对比度、熵、曝光量三个信息测度因子对分解图像进行加权融合，在不同分辨率下分别计算每幅图像的权重金字塔后，获得不同尺度的图像内容与图像细节，得到图像金字塔加权融合结果图；步骤3：对图像金字塔加权融合结果图采用自适应阈值分割，使用局部阈值分割方法分别计算不同区域的分割阈值，将整体与局部相结合，确定天基暗弱小目标候选点；步骤4：设置检验条件，将阈值分割后得到的天基暗弱小目标候选点建立为树形结构，对树形结构的各个节点进行运动轨迹剪枝；输出真实轨迹，保留各帧图像上构成真实轨迹的所有候选点，确定真实目标点。
[0008]优选地，所述步骤1具体为：对原始天基暗弱小目标图像进行金字塔分解，将权重图和原始图像分别进行高斯金字塔和拉普拉斯金字塔分解，高斯金字塔由低层下采样获得高层图像，第０层为原始数据图像，之后对每一层进行高斯模糊后再降２采样获得，高斯金字塔的每层图像尺寸都是下层图像的四分之一大小，通过下式进行高斯金字塔分解后的图像：（1）其中，G
l
为高斯金字塔的第层图像，C
l
、R
l
为第层图像的总行数与总列数，为高斯滤波模板的第m行n列数值，取5
×
5大小，l
ev
表示高斯金字塔层数，为高斯金字塔分解图像的第行列的数值；引入拉普拉斯金字塔保留图像细节，在图像重建融合后恢复原图的细节信息，拉普拉斯金字塔分解方法为：对第层原始图像数据进行高斯模糊和下采样，得到G
l+1
，对G
l+1
进行上采样扩展，可得到拉普拉斯金字塔分解图像I
l*
：（2）其中，Z表示正整数，图像I
l*
与l层大小相同，之后将第l层图像G
l
与I
l*
相减，得到包含细节信息的第l层图像L
l
：（3）
其中，为高斯滤波模板第x行y列，G
l
’
为对G
l
求导数，G
Lev
为第L
ev
层高斯模糊函数，Z为正整数。
[0009]优选地，所述步骤2具体为：通过对原始天基暗弱小目标图像进行拉普拉斯滤波，并对滤波响应得到的系数取绝对值，得到的绝对值响应系数反应各像素处的对比度信息，滤波用的拉普拉斯算子二阶偏导数的离散形式通过下式表示：（4）式中，表示图像灰度值，为一阶偏导数，为二阶偏导数；在灰度图像评估中熵作为一项指标来评估图像所含信息量的多和少，通过下式表示灰度图像评估中熵e：（5）其中，表示图像直方图，L表示图像灰度值，i为第i个图像直方图；测定天基暗弱小目标图像曝光量，选择曝光良好处像素点通过下式表示E(x, y)：（6）其中，V(x, y)为表示图像像素；图像对比度、熵、曝光量三信息测度因子线性结合通过下式表示：（7）其中，为图像序列号，C，S，P为对比度、熵、适度曝光量，为常数项，为总权重值，为对比度权重，为熵值权重，为曝光权重值；分别计算所有序列图像的对应权重图将权重图中每一个像素进行累加计算，使得所有权重图空间位置权重和为１，即（8）其中，Ｎ为输入图像数目。
[0010]优选地，所述步骤3具体为：阈值分割过程采用局部和全局阈值分割相互结合的方法进行弱小目标的确定，全局阈值分割是对整体图像采用的自适应阈值分割T
G
，通过下式表示T
G
：
（9）（10）其中，σ是图像的灰度标准差，t是大于3的奇数，是滤波处理后的图像灰度值；通过公式(10)得到全局阈值分割后的图像；局部阈值分割将图像划分为个区域N
×
N，分别计算不同区域的第个分割阈值：（11）（12）其中，是不同区域的第个分割阈值，σ
i
是第个分割区域的标准差，= 1,2,3,
ꢀ…ꢀ
, N
×
N，是第个分割区域的平均值；通过公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天基背景下暗弱小目标检测方法，其特征是：所述方法包括以下步骤：步骤1：对原始天基暗弱小目标图像进行金字塔分解，将权重图和原始图像分别进行高斯金字塔和拉普拉斯金字塔分解，得到分解图像；步骤2：通过拉普拉斯金字塔结合图像对比度、熵、曝光量三个信息测度因子对分解图像进行加权融合，在不同分辨率下分别计算每幅图像的权重金字塔后，获得不同尺度的图像内容与图像细节，得到图像金字塔加权融合结果图；步骤3：对图像金字塔加权融合结果图采用自适应阈值分割，使用局部阈值分割方法分别计算不同区域的分割阈值，将整体与局部相结合，确定天基暗弱小目标候选点；步骤4：设置检验条件，将阈值分割后得到的天基暗弱小目标候选点建立为树形结构，对树形结构的各个节点进行运动轨迹剪枝；输出真实轨迹，保留各帧图像上构成真实轨迹的所有候选点，确定真实目标点。2.根据权利要求1所述的一种天基背景下暗弱小目标检测方法，其特征是：所述步骤1具体为：对原始天基暗弱小目标图像进行金字塔分解，将权重图和原始图像分别进行高斯金字塔和拉普拉斯金字塔分解，高斯金字塔由低层下采样获得高层图像，第０层为原始数据图像，之后对每一层进行高斯模糊后再降２采样获得，高斯金字塔的每层图像尺寸都是下层图像的四分之一大小，通过下式进行高斯金字塔分解后的图像：（1）其中，为高斯金字塔的第层图像，、为第层图像的总行数与总列数，为高斯滤波模板的第行列数值，取5
×
5大小，表示高斯金字塔层数，为高斯金字塔分解图像的第行列的数值；引入拉普拉斯金字塔保留图像细节，在图像重建融合后恢复原图的细节信息，拉普拉斯金字塔分解方法为：对第层原始图像数据进行高斯模糊和下采样，得到，对进行上采样扩展，得到拉普拉斯金字塔分解图像：（2）其中，Z表示正整数，图像与层大小相同，之后将第层图像与相减，得到包含细节信息的第层图像：（3）
其中，为高斯滤波模板第x行y列，为对求导数，为第层高斯模糊函数，Z为正整数。3.根据权利要求2所述的一种天基背景下暗弱小目标检测方法，其特征是：所述步骤2具体为：通过对原始天基暗弱小目标图像进行拉普拉斯滤波，并对滤波响应得到的系数取绝对值，得到的绝对值响应系数反应各像素处的对比度信息，滤波用的拉普拉斯算子二阶偏导数的离散形式通过下式表示：（4）式中，表示图像灰度值，为一阶偏导数，为二阶偏导数；在灰度图像评估中熵作为一项指标来评估图像所含信息量的多和少，通过下式表示灰度图像评估中熵e：（5）其中，表示图像直方图，表示图像灰度值，为第个图像直方图；测定天基暗弱小目标图像曝光量，选择曝光良好处像素点通过下式表示：（6）其中，为表示图像像素；图像对比度、熵、曝光量三信息测度因子线性结合通过下式表示：（7）其中，为图像序列号，C，S，P为对比度、熵、适度曝光量，为常数项，为总权重值，为对比度权重，为熵值权重，为曝光权重值；分别计算所有序列图像的对应权重图将权重图中每一个像素进行累加计算，使得所有权重图空间位置权重和为1，即（8）其中，Ｎ为输入图像数目。4.根据权利要求1所述的一种天基背景下暗弱小目标检测方法，其特征是：所述步骤3具体为：阈值分割过程采用局部和全局阈值分割相互结合的方法进行弱小目标的确定，全局阈值分割是对整体图像采用的自适应阈值分割，通过下式表示：（9）
（10）其中，是图像的灰度标准差，是大于3的奇数，是滤波处理后的图像灰度值，为高斯滤波模板行数值；通过公式(10)得到全局阈值分割后的图像；局部阈值分割将图像划分为个区域，分别计算不同区域的第个分割阈值：（11）（12）其中，是不同区域的第个分割阈值，是第个分割区域的标准差，= 1,2,3,
ꢀ…ꢀ
, ，是第个分割区域的平均值；通过公式(12)得到局部阈值分割后的图像；在公式...

【专利技术属性】
技术研发人员：付强，朱瑞，刘壮，王超，史浩东，李英超，姜会林，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：