基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置制造方法及图纸

本发明专利技术涉及红外图像处理领域，公开了一种基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置。包括：(1)构建局部加权信息熵算子，获得原始红外图像的局部加权信息熵图像；(2)利用加权信息熵图像和结构张量理论，构造背景先验和目标先验，获得局部显著性先验；(3)利用原始热红外图像设计局部对比度系数，获得多尺度局部对比度图像；(4)利用多尺度局部对比度图像和对应的结构张量，设计信息过滤器；(5)融合局部显著性先验和信息过滤器，实现红外小目标的检测。本发明专利技术综合利用了加权图像熵算子、多尺度局部对比度量以及结构张量理论，能够有效抑制背景，增强目标，提升红外小目标的检测性能。目标的检测性能。目标的检测性能。

【技术实现步骤摘要】
基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置


[0001]本专利技术涉及图像处理领域，尤其涉及一种基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置。

技术介绍

[0002]近年来，红外搜索与跟踪系统(IRST)在许多民用和军事领域中得到了广泛应用。作为红外搜索与跟踪系统的重要部分，红外小目标检测在预警、精确制导、远程目标探测中发挥着重要作用。由于远距离成像使得小目标通常缺乏具体的形状、纹理细节和其他结构信息，呈现出点状特征，并且在整个图像中像素空间占比小。同时，受到复杂背景、杂波和大气辐射等影响，背景中会出现类目标物体，容易形成算法误检，并且图像信杂比较低，目标甚至被背景淹没，并且建筑物等干扰也会对红外小目标检测产生不良影响。因此，如何在复杂背景下抑制杂波，增强目标，实现红外弱小目标的精确检测是当前面临的挑战。
[0003]自20世纪80年代以来，国内外学者提出了许多红外小目标检测与跟踪方法，可划分为两大类：检测前跟踪(Track Before Detect，TBD)和跟踪前检测(Detect Before Track，DBT)。DBT方法是以单帧图像作为处理对象，获得单帧图像的目标检测结果，再结合时域信息预测并跟踪目标的运动轨迹，故DBT算法又可称为单帧检测算法。基于DBT的检测方法大致可分为三类：基于背景抑制，基于人类视觉系统(human visual system
‑
based,HVS)模型和基于低秩稀疏表示的方法。DBT方法能以较低的计算复杂度、较高的检测精度增强单帧图像中的小目标，实现小目标检测。然而，DBT方法忽略了图像序列中的时间信息，仅使用图像空间信息较难区分复杂背景中的目标和非目标。随着红外成像技术的发展，研究人员开始关注红外图像序列中携带的潜在信息，如时间特征，越来越多的DBT方法被提出。与DBT的检测策略不同，TBD假设目标的运动轨迹具有连续性，由目标的运动特性来预测所有潜在目标的当前运动状态，并利用某种判别条件和当前帧中的目标状态，判决潜在轨迹的可靠性，由此完成所有图像帧上的小目标检测，常见的TBD方法包括粒子滤波、动态规划等，但是基于多帧的检测算法计算复杂度较高、硬件需求大。
[0004]随着深度学习的快速发展，越来越多的研究人员提出了基于深度学习的红外小目标检测模型。与传统的检测方法不同，基于深度学习的检测方法以数据驱动的方式学习红外小目标表示，可以分为基于检测的方法和基于像素级分割的方法。作为一种数据驱动的方法，大量的训练数据对于特征提取和学习至关重要。然而，大批量红外图像数据的标注成本过高。此外，尽管算法性能不断提高，但深层特征损失的现象仍然存在，导致算法对不断变化的场景的鲁棒性较差，跨层融合甚至可能降低检测性能。目前依旧缺乏在复杂背景和低信噪比条件下取得较好检测效果的基于深度学习的红外小目标检测算法。

技术实现思路

[0005]针对现有技术中的不足，本专利技术的目的是提供一种基于图像信息熵和多尺度局部
对比度量的红外小目标检测方法及装置，充分利用图像信息熵可以反映灰度分布空间特征的特点，并且信息熵图像能突出原图中信息量丰富的区域，抑制信息量单一的区域，通过红外图像的信息熵图像而非原始红外图像，更有效地提取红外图像中局部显著性先验。考虑到局部对比度度量可以突显差异对比较强的区域，尤其是目标区域和线性边缘区域等显著区域，通过设计多尺度局部对比度图像，在此基础上构造信息过滤器，用于滤除局部显著性先验的无效信息，增强有效的目标先验，实现红外小目标检测。
[0006]为实现上述目的，本专利技术提供了如下技术方案：
[0007]本专利技术一方面公开了基于图像信息熵和多尺度局部对比度量的红外小目标检测方法，其特征在于，包括如下步骤：
[0008]步骤1)：构建局部加权信息熵算子E(
·
)，获取能反映热红外图像信息量的局部加权信息熵图像E；
[0009]步骤2)：利用原始热红外图像的局部加权信息熵图像E，计算结构张量J
ι
，并构造背景先验w
bp
和目标先验w
tp
，通过目标先验和背景先验的调和平均完成局部显著性先验W
l
的构造；
[0010]步骤3)：利用原始热红外图像，通过以像素点(x,y)为中心的邻域和与该邻域相邻的方形环区域的像素平均值，计算局部对比度系数c(x,y)，获得多尺度局部对比度图像F(x,y)；
[0011]步骤4)：利用多尺度局部对比度图像和对应的结构张量，构造边缘加权矩阵W
edge
和点加权矩阵W
point
，设计信息过滤器W
filter
；
[0012]步骤5)：融合局部显著性先验W
l
和信息过滤器W
filter
，对红外小目标进行检测。
[0013]本专利技术还公开了一种实施所述方法的基于图像信息熵和多尺度局部对比度量的红外小目标检测装置，其包括：
[0014]局部加权信息熵算子构建模块，用于获取原热红外图像的局部加权信息熵图像，所述局部加权信息熵图像用于局部显著性先验生成模块中图像特征区域提取；
[0015]局部显著性先验生成模块，用于图像特征区域提取并构建目标先验和背景先验，利用目标先验和背景先验的调和平均获得红外图像的局部显著性先验；
[0016]多尺度局部对比度图像生成模块，用于局部对比度系数设计，获得的多尺度局部对比度图像用于信息过滤器构建模块中信息过滤器的构造；
[0017]信息过滤器构建模块，利用多尺度局部对比度图像，构造边缘加权矩阵和点加权矩阵，进而构造信息过滤器用于过滤局部显著性先验的无效信息；
[0018]目标检测模块，用于融合局部显著性先验和信息过滤器，进行红外小目标检测；
[0019]目标检测结果输出模块，用于输出红外小目标检测结果图。
[0020]本专利技术的有益效果在于：
[0021]1)本专利技术充分利用小目标的结构特性以及图像信息熵可以反映图像中灰度分布空间特征的优势，设计了改进的加权图像信息熵算子。获得的加权信息熵图像可以突出原图中信息量丰富的区域(如，角点和边缘区域)，抑制信息量单一的区域(如，平面区域)。进而，通过加权信息熵图像的结构张量区分图像中的平坦区域、边缘区域与角点区域，提取得到局部显著性先验，且优于利用原图提取得到的局部显著性先验。
[0022]2)本专利技术充分考虑了局部对比度度量可以突显差异对比较强的区域，尤其是目标
区域和线性边缘区域等显著区域，设计了多尺度局部对比度图像。为了进一步抑制局部显著性先验中因为强边缘等结构产生的无效显著性先验，利用多尺度局部对比度图像构造了高效的信息过滤器，在抑制由背景中强边缘等线性结构产生的无效先验的同时，增强了有效的目标先验，提高了检测器的背景抑制能力和目标增强能力。
附图说明
[0023]图1为本专利技术热红外图像小目标检测方法实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像信息熵和多尺度局部对比度量的红外小目标检测方法，其特征在于，包括如下步骤：步骤1)：构建局部加权信息熵算子E(
·
)，获取能反映热红外图像信息量的局部加权信息熵图像E；步骤2)：利用原始热红外图像的局部加权信息熵图像E，计算结构张量J
ι
，并构造背景先验w
bp
和目标先验w
tp
，通过目标先验和背景先验的调和平均完成局部显著性先验W
l
的构造；步骤3)：利用原始热红外图像，通过以像素点(x,y)为中心的邻域和与该邻域相邻的方形环区域的像素平均值，计算局部对比度系数c(x,y)，获得多尺度局部对比度图像F(x,y)；步骤4)：利用多尺度局部对比度图像和对应的结构张量，构造边缘加权矩阵W
edge
和点加权矩阵W
point
，设计信息过滤器W
filter
；步骤5)：融合局部显著性先验W
l
和信息过滤器W
filter
，对红外小目标进行检测。2.根据权利要求1所述的基于图像信息熵和多尺度局部对比度量的红外小目标检测方法，其特征在于，所述的步骤1)具体为：对于以(x,y)为中心的N
×
N大小的邻域M，其含有m种不同的灰度值f
i
,i＝1,2,
…
,m，对应的概率密度函数为P
i
,i＝1,2,
…
,m，将邻域M中的灰度值差异量|f
i
‑
f(x,y)|
n
作为权值，n表示所定义的指数系数，对以(x,y)为中心的邻域M的信息熵进行加权，该加权信息熵算子e(
·
)为：通过引入局部标准偏差σ
std
(x,y)来衡量邻域M中图像纹理的均匀程度，增强目标显著性并抑制边缘结构，最终设计的局部加权信息熵算子E(
·
)如下：其中，f(i,j)表示位置(i,j)处的灰度值，ε1为正常数，防止分母为零；由此获取能反映热红外图像信息量的局部加权信息熵图像E。3.根据权利要求1所述的基于图像信息熵和多尺度局部对比度量的红外小目标检测方法，其特征在于，所述的步骤2)具体为：计算局部加权信息熵图像E的结构张量J
ι
如下：其中，G
ι
是方差为ι的高斯核函数，E
σ
是方差为σ的高斯平滑过滤器，“*”是二维卷积算子，是克罗内克积，是梯度算子，并且局部加权信息熵图像E的结构张量J
ι
含有两个特征值λ1和λ2，可用于刻画E中的图像结构特征：i)边缘，λ1＞＞λ2≈0；ii)角点，λ1≥λ2＞＞0；iii)平面，λ1≈λ2≈0；进而构造背景先
验w
bp
＝max(λ1,λ2)和目标先验通过目标先验和背景先验的调和平均获得局部显著性先验W
l
′
，并对其进行归一化：，并对其进行归一化：其中，ε2和ε3为正常数，防止分母为零，w
min
和w
max
分别为W
l
′
的最小值和最大值。4.根据权利要求1所述的基于图像信息熵和多尺度局部对比度量的红外小目标检测方法，其特征在于，所述的步骤3)具体为：定义邻域Ω
g
为以像素点(x,y)为中心，大小为(2g+1)
×
(2g+1)的邻域，计算公式为：Ω
g
＝{(u,v)|max(|u
‑
x|,|v
‑
y|)≤g}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，g表示邻域边长系数；得到像素点(x,y)处的邻...

【专利技术属性】
技术研发人员：厉小润，骆源，陈淑涵，
申请(专利权)人：浙江大学，
类型：发明
国别省市：