[发明专利]一种基于图像几何分离的红外弱小目标增强方法

说明书

技术领域

本发明属于红外图像处理领域，具体涉及一种复杂背景中红外弱小目标的增强方法。

背景技术

在红外技术应用领域，弱小目标检测是红外跟踪识别系统、红外预警系统以及精确制导系统中一项非常关键的技术。由于红外成像环境的复杂恶劣性和探测器硬件条件的局限性，获得的红外图像对比度和信噪比都很低，加之目标距离红外检测系统相对远时，目标在探测器上成像面积较小，基本呈现点状，因此目标很容易被强烈起伏的背景杂波淹没。

目前，针对红外弱小目标检测这一技术难题，国内外科研学者开展了许多研究工作，并取得了一些进展。常用的经典方法有最大均值/中值滤波，其结构设计容易，实现过程相对简单，背景抑制效果良好，困难之处在于滤波窗口大小的选择上；形态学Top-Hat滤波是又一常用的弱小目标增强方法，具有较强的实用性，能够有效抑制背景，但找出合适的结构元素是此方法的难点所在；二维最小均方误差滤波(TDLMS)方法是一种典型的自适应线性背景预测方法，其结构简单，速度较快，然而对于非平稳背景(如云层)抑制效果会变差。

针对上述基于背景预测的检测方法对弱小目标检测能力上的不足，有些文献将信号稀疏表示理论用于对红外弱小目标的检测中。在已公开的发明专利《一种基于剪切波变换的红外弱小目标检测方法》(授权号：CN 102324021 B，发明人：彭真明，魏芳，彭凌冰等)中采用剪切波稀疏表示红外图像，然后利用弱小目标处在高频信息图这一特点，对高频信息图进行背景抑制和弱小目标增强的处理，最后采用阈值分割提取弱小目标，取得良好的检测效果，但对于一些存在强边缘轮廓特征的复杂背景，处理后高频信息图中会存在较多的背景杂波成分，抑制效果略显不足；而在文献《基于形态成分稀疏表示的红外弱小目标检测》(见《弹箭与制导学报》，2013年33卷(4期)：P29-32，作者：李正周，王会改，刘梅，丁浩，金钢)中提出了一种基于图像形态成分分析理论的自适应信号稀疏表示的弱小目标检测方法。该方法首先对红外图像进行K聚类奇异值分解(K_SVD)， 训练出自适应的稀疏表示字典，然后采用阈值函数区分出表示目标和背景成分的两种子字典，最后对目标子字典的稀疏系数进行阈值判断确定出目标所在区域，完成对弱小目标的检测。该方法在表示目标和背景成分的两种子字典的选择上是对同一稀疏字典利用阈值函数来区分开的，因此二者的相关性很大，同时文中设定的红外图像背景是变化缓慢，不具有复杂边缘和纹理细节的单一背景环境(如深空)，这些因素导致该方法对复杂背景环境的适应性较差，对弱小目标的检测能力有限。

发明内容

本发明的目的在于针对现有红外弱小目标检测方法的不足，提供一种基于图像几何分离的红外弱小目标增强方法。该方法将信号稀疏表示中图像几何分离理论应用于红外弱小目标增强，从而实现在复杂背景下红外弱小目标的增强，有效抑制背景杂波。

本发明的解决方案是首先根据红外图像中弱小目标和背景杂波分布特点，对图像中弱小目标和背景杂波成分分别采用谱图小波变换和非下采样的剪切波变换字典进行稀疏表示；然后将这两个互不相关的稀疏字典引入到图像几何分离框架中，并利用全变分惩罚因子来获得更多背景杂波成分信息，使其得到更有效的分离，从而达到增强弱小目标信号的目的。

本发明方法的步骤具体描述如下：

(1)红外图像分离建模并初始化；

a.红外图像分离建模表达式为

b.初始化X_B＝X和X_T＝X-X_B；

(2)对红外图像进行几何分离；

a.固定X_T，更新X_B；

——对X_B的进行NSST变换：

——对系数α_B用软阈值方法得到

——重构

b.增加惩罚因子TV；

——进行TV校正：

c.固定X_B，更新X_T；

——对X_T的进行SGWT变换：

——对系数α_T用软阈值方法得到

——重构

(3)输出增强后弱小目标图像。