[发明专利]复杂背景下多尺度时空联合滤波的红外小目标检测方法

权利要求书

1.复杂背景下多尺度时空联合滤波的红外小目标检测方法，其特征在于，包括下述步骤：

步骤一、依据金字塔变换和双边滤波技术构建双边多尺度时域高通滤波的非均匀性校正模型，采用非均匀性校正模型处理红外小目标图像序列信号，获得红外校正图像；

步骤二、依据空域复杂度因子和香农熵准则构建空域复杂度的加权信息熵模型，采用加权信息熵模型增强红外图像中潜在目标，抑制杂波和噪声，获得红外小目标增强图像；

步骤三、依据多尺度低通滤波和像素级融合技术构建多尺度时空联合滤波模型，采用多尺度时空联合滤波模型检测不同尺度的红外小目标。

2.根据权利要求1所述的红外小目标检测方法，其特征在于，步骤一的具体过程如下：

(1)将获取的红外小目标图像序列信号经过金字塔分解成两部分：近似信号与细节信号；采用双边多尺度分解将输入的红外序列图像I分解成滤波序列图像I^j，使之保存了输入序列图像I的强边缘，其中j表示金字塔分解尺度等级，若j＝0，则I⁰＝I；根据j的尺度等级不同，通过式(1)可以得到相应的滤波序列图像：

Ipj+1=1kΣq∈Ωgσs,j(||p-q||)·gσr,j(Ipj-Iqj)·Iqj---(1)]]>

式中p与q表示像素坐标，Ω表示图像坐标域，g_σ(x)表示为高斯核函数，k表示高斯核函数权值和，σ_s,j与σ_r,j分别表示为高斯核函数的空域与灰度平滑尺度，I^j(n)表示第n帧图像经多尺度j分解后所得到的滤波序列图像；

(2)双边滤波的残差图像中仍然有较多的场景以及边缘信息，引入与残差图像相关的非均匀校正矩阵；如果某一像素处在场景边缘上，则该像素点所对应的非均匀校正矩阵系数变小，采用下述描述减少该边缘像素点对校正累积的影响；

D^j(n)＝I^j(n)-I^j-1(n) (2)

Wj(n)=11+|▿D(n)α|---(3)]]>

式中D^j(n)表示相邻两个尺度的残差图像，W^j(n)表示非均匀校正矩阵，表示图像梯度矩阵，α表示抑制因子，取值越大对残差图像中边缘的抑制作用越强；

(3)双边多尺度时域高通非均匀性校正:

y(n)＝I(n)-f(n) (4)

fj(n)=Wj(n)1MjDj(n)+{1+Wj(n)1Mj}fj(n-1)---(5)]]>

f(n)=Σj=1mfj(n)---(6)]]>

当j＝0时，I⁰(n)＝I(n)；式中I(n)表示输入的第n帧图像，f(n)表示第n帧的低通滤波器的输出图像，y(n)表示经过非均匀性校正的第n帧图像，M^j表示对应的尺度时间常数，m表示金字塔多尺度分解等级最大值。