一种基于非下采样轮廓波变换的红外空中小目标检测方法技术

技术编号:9991496 阅读:190 留言:0更新日期:2014-05-02 05:57
一种基于非下采样轮廓波变换的红外空中小目标检测方法。包括以下步骤:S1.非下采样轮廓波变换:对红外小目标图像进行非下采样轮廓波一级分解,其中带通子带分解为四个高频方向;S2.背景抑制:去掉低频影响,对高频部分进行阈值化处理;S3.系数映射:将四个高频方向子带遗留下的系数线性映射到灰度空间;S4.高频图像分割:将四个方向高频子带图像分割成二值化图像;S5.二值高频图像降噪:消除二值高频图像中的亮小噪声点;S6.尺度内相关性小目标检测:四个方向高频图像相与得到小目标单帧检测结果;S7.小目标序列检测:通过多帧图像综合表决截获小目标。本发明专利技术解决了红外复杂背景下的空中小目标检测问题。

【技术实现步骤摘要】
【专利摘要】。包括以下步骤:S1.非下采样轮廓波变换:对红外小目标图像进行非下采样轮廓波一级分解,其中带通子带分解为四个高频方向;S2.背景抑制:去掉低频影响,对高频部分进行阈值化处理;S3.系数映射:将四个高频方向子带遗留下的系数线性映射到灰度空间;S4.高频图像分割:将四个方向高频子带图像分割成二值化图像;S5.二值高频图像降噪:消除二值高频图像中的亮小噪声点;S6.尺度内相关性小目标检测:四个方向高频图像相与得到小目标单帧检测结果;S7.小目标序列检测:通过多帧图像综合表决截获小目标。本专利技术解决了红外复杂背景下的空中小目标检测问题。【专利说明】
本专利技术涉及一种红外小目标检测技术,特别涉及一种红外复杂背景条件下的空中小目标检测方法。
技术介绍
对于实际应用系统而言,如何充分发挥红外目标检测技术的优势,争取在最有力的时机获取来袭目标的相关信息已成了决定现代战争胜负的重要因素。于是,尽可能提高目标的检测距离成了各国研究人员都非常关注的问题。距离越远,目标在检测器件上的成像面积越小,且目标遭受杂波和背景影响的可能性就会增大,因而检测难度也会加大。在远距离跟踪阶段,目标在成像系统中所成的像只是孤点或几个象素组成的斑点,在视场中存在的时间很长,信号强度弱且易被杂波淹没。战场环境一般包括海、天和地面。在现实的战场环境中,由于烟雾,云层,地表的山脉、纹理、大型建筑群以及海空地的交界面均会使背景复杂化。这些复杂的背景都会对运动目标的识别产生极大的干扰。在红外远距离空中探测所生成的红外图像中,小目标的亮度通常高于背景亮度,而且目标面积小,亮度变化也较小。天空背景主要由云层、雨、雾等构成,而噪声则主要是红外系统内部的干扰。红外小目标图像背景干扰面积大,信噪比较低,它的这种空间特性使得传统的利用目标大小、形状以及特征的图像处理检测技术无法得以应用。如何在红外复杂背景环境中准确识别空中信号弱小的目标成为一个亟待解决的难题,该问题的解决对于增大作战距离和增加反应时间,提高己方的生存概率具有重要的意义。
技术实现思路
本专利技术的目的就是提供,克服红外复杂背景和噪声的影响,解决复杂背景条件下的红外空中小目标检测问题。本专利技术为解决上述技术问题的不足`而采用的技术方案是: : 步骤一、非下采样轮廓波变换:对红外空中小目标图像进行非下采样轮廓波一级分解,将图像分解为低频部分和高频部分,其中高频带通子带分解为四个方向; 步骤二、背景抑制:去掉低频部分的影响,计算高频子带的噪声和背景抑制阈值,对高频部分系数进行阈值化处理; 步骤三、系数映射:将高频保留下的系数取绝对值,线性映射到灰度空间,得到四个方向的闻频图像; 步骤四、高频图像分割:利用阈值法分割高频图像,将四个方向高频子带图像分割成二值化图像; 步骤五、二值高频图像降噪:利用数学形态学开运算滤除二值化高频图像中的若干亮点噪声; 步骤六、尺度内相关性小目标检测:四个方向高频图像相与得到小目标单帧检测结果; 步骤七、小目标序列检测:利用小目标在相邻帧间位置的相关性,通过多帧图像综合表决,实现红外空中小目标截获。所述的低频部分为背景信息,高频部分为小目标信息、噪声和少量的背景信息。所述的高频部分系数进行阈值化处理方法为,对步骤一中得到的高频部分进行小波变换,小波变换后的系数分为两类:第一类小波系数仅仅由噪声变换后得到,幅值小而数目较多;第二类小波系数由小目标信息和少量的背景信息信号变换获得,幅值大且数目较少。在小目标图像中,目标信号的系数处于第二类系数中。这样,通过小波系数幅值上的差异可以构造一种降噪方法。设置一个阈值,大于这个阈值的小波系数属于第二类系数,可以保留;而小于这个阈值的小波系数就是第一类系数,可以去除。Donoho提出的阈值表达式为:其中,N表示图像像素数.σ表示噪声系数标准差。该阈值法可推广到非下采样轮廓波变换降噪。所述的步骤七为利用目标在相邻帧间位置的相关性,通过多帧图像综合表决以获得包含最终目标的图像。管道滤波多帧检测方法根据目标运动的连续性,在序列图像的空间位置上以疑似目标为中心建立的一个空间管道,随后计算管道窗口中属于疑似目标的像素个数并与给定阈值相比较,从而判断出管道内一帧图像是否包含目标并确定位置。所述的小目标序列检测的具体实现步骤为, 步骤一、按照设定的管道长度建立管道。对于即将进入管道的每一帧图像,都要同已存在于管道内的经过形态学膨胀处理的前一帧图像进行相与运算,以进一步滤除噪声。管道建立后,类似与流水线结构,每新进入一帧图像,完成检测的图像就流出管道,其余图像依次流动。步骤二、管道建立后,对于最先进入管道的单帧二值图像,标识其中的8连通区域,以此作为候选目标区域。步骤三、对于每一候选目标区域,计算其质心,以其作为管道中心,按(5)式在整个管道中计算可疑目标像素的个数:【权利要求】1.: 步骤一、非下采样轮廓波变换:对红外空中小目标图像进行非下采样轮廓波一级分解,将图像分解为低频部分和高频部分,其中高频带通子带分解为四个方向; 步骤二、背景抑制:去掉低频部分的影响,计算高频子带的噪声和背景抑制阈值,对高频部分系数进行阈值化处理; 步骤三、系数映射:将高频保留下的系数取绝对值,线性映射到灰度空间,得到四个方向的闻频图像; 步骤四、高频图像分割:利用阈值法分割高频图像,将四个方向高频子带图像分割成二值化图像; 步骤五、二值高频图像降噪:利用数学形态学开运算滤除二值化高频图像中的若干亮点噪声; 步骤六、尺度内相关性小目标检测:四个方向高频图像相与得到小目标单帧检测结果; 步骤七、小目标序列检测:利用小目标在相邻帧间位置的相关性,通过多帧图像综合表决,实现红外空中小目标截获。2.如权利要求1所述的,其特征在于:所述的低频部分为背景信息,高频部分为小目标信息、噪声和少量的背景信息。3.如权利要求2所述的,其特征在于:所述的高频部分系数进行阈值化处理方法为,对步骤一中得到的高频部分进行小波变换,小波变换后的系数分`为两类:第一类小波系数仅仅由噪声变换后得到,幅值小而数目较多;第二类小波系数由小目标信息和少量的背景信息信号变换获得,幅值大且数目较少,在小目标图像中,目标信号的系数处于第二类系数中,通过小波系数幅值上的差异可以构造一种降噪方法,设置一个阈值,大于这个阈值的小波系数属于第二类系数,可以保留;而小于这个阈值的小波系数就是第一类系数,可以去除,阈值表达式为:,其中,N表示图像像素数.σ表示噪声系数标准差。4.如权利要求1所述的,其特征在于:所述的步骤七为利用目标在相邻帧间位置的相关性,通过多帧图像综合表决以获得包含最终目标的图像,管道滤波多帧检测方法根据目标运动的连续性,在序列图像的空间位置上以疑似目标为中心建立的一个空间管道,随后计算管道窗口中属于疑似目标的像素个数并与给定阈值相比较,从而判断出管道内一帧图像是否包含目标并确定位置。5.如权利要求4所述的,其特征在于:所述的小目标序列检测的具体实现步骤为, 步骤一、按照设定的管道长度建立管道,对于即将进入管道的每一帧图像,都要同已存在于管道内的经过形态学膨胀处理的前一帧图像进行相与运算,以进一步滤除噪声,管道建立后,类似与流水线结构,每新进入一帧图像,完成检本文档来自技高网
...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员:刘刚范波张森张丹张倩茜王俊岭赵旭辉
申请(专利权)人:河南科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1