[发明专利]一种基于空时偏微分方程的弱小目标检测方法

说明书

本发明公开了一种基于空时偏微分方程的弱小目标检测方法，该方法包括：(1)读入待处理图像序列的相邻三帧图像；(2)初始化参数w并计算图像的空时梯度(3)利用空时偏微分方程对图像进行背景预测；(4)对当前帧的图像和背景预测的结果进行差分，得到弱小目标的检测结果。本发明通过利用空时偏微分方程模型对远距离红外图像进行背景预测，使得算法能够对弱小目标进行检测，该方法为成像制导、安全监控、空间监测等方面提供了技术支撑，具有较强的实用价值。

技术领域

本发明涉及一种基于空时偏微分方程的弱小目标检测方法，属于计算机视觉与航空航天技术领域。

背景技术

目前，弱小目标检测是成像制导、安全监控、空间监测技术中应值得重点研究的一个关键问题。随着现代科技的发展，人们希望在目标与成像传感器的距离很远的时候，即所谓的弱小目标阶段就能高可靠性的检测到目标。然而，由于自然气象条件(天气、风速、风向、气温、太阳辐射等)、目标背景环境(天空、地面、海面)以及目标结构等因素的影响，由于目标距离较远时，通常它的尺寸比较小，强度比较低。目标几何尺寸小，缺乏形状纹理信息，且目标强度弱，对比度小，也比较容易被噪声所淹没，因此，红外图象中的弱小目标检测成为成像目标检测与识别的一个难点。但是，鲁棒的弱小目标自动检测技术尚未完全突破，是当今世界高技术领域的热门研究课题，也是近年来信息处理技术中的研究热点之一。

目前，对弱小目标进行检测的方法主要可分为三大类：基于空域的检测方法、基于时域的检测。空域检测的方法包括：基于Butterworth高通滤波(BHPF)的检测方法(见文献L.Yang,J.Yang,K.Yang,“Adaptive detection for infrared small target under sea-sky complex background”,Electronics Letters,vol.40,no.17,pp.1083-1085,2004)和去最大-均值(Max-Mean)及最大-中值滤波(Max-Median)方法(见文献S.D.Deshpande,M.H.Er,V.Ronda,P.Chan,“Max-Mean and Max-Median filters for detection ofsmall-targets”,Proc.SPIE,vol.3809,pp.74-83,1999)。最大-中值滤波检测方法在处理单调背景的图像中表现良好，而Butterworth高通滤波在结构性杂波背景的弱小目标检测方面具有优势。除了空域处理之外，也有一些方法是基于时域的，如Caefer等人提出的基于小波变换和三项时域滤波(见文献C.E.Caefer,J.Silverman,J.M.Mooney,S.DiSalvo,R.W.Taylor,“Temporal filtering for point target detection in staring IRimagery:I.Damped sinusoid filters”,Proceedings of SPIE,vol.3373,pp.111-122,1998)，该方法基于时域的滤波方法在目标亚像素级运动中，具有很好的表现，但是上述现有技术在复杂背景下弱小目标检测率低，而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提供了一种基于空时偏微分方程的弱小目标检测方法，该方法能够使弱小目标增强，解决了由于弱小目标几何尺寸小、强度弱、容易被噪声所淹没导致很难被检测的问题。

本发明解决其技术问题所采取的技术方案是：本发明提供了一种基于空时偏微分方程进行复杂背景预测，该方法能在有效对复杂背景中的结构性纹理进行有效的预测，能够为成像制导、安全监控、空间监测技术等方面的应用提供技术支撑。

方法流程：

步骤1：读取图像序列I_n,n∈[1,N]，其中，n为图像序列的帧号，N为图像序列的总帧数。为了更好地进行预测，本发明将每连续的三帧图像组合在一起视为一个三维图像。每个像素点的坐标为(x,y,z)(x,y表示图像像素空间位置，z表示时间维上的位置)。因此，本发明对红外弱小目标场景图像模型进行建模为