[发明专利]基于高斯模型的红外弱小目标图像仿真方法

权利要求书

1.一种基于高斯模型的红外弱小目标图像仿真方法，其特征在于包括如下步骤：

(1)获取红外背景图像序列：

(11)使用红外热像仪对真实红外背景进行连续采集，得到原始红外背景图像序列；

(12)对得到的原始红外背景图像序列进行裁剪；

(13)对经过裁剪的原始红外背景图像序列的边缘进行镜像扩展，使该图像序列的边缘处也可以产生精确的仿真目标；

(2)获取仿真的红外弱小目标模型：

(21)设置仿真的红外弱小目标参数，包括仿真的红外弱小目标大小和信噪比SNR；

(22)计算仿真的红外弱小目标的像素峰值s，即

s＝SNR×σ+μ

其中，SNR表示仿真的红外弱小目标信噪比，σ和μ分别表示以仿真的红外弱小目标的像素峰值为中心的局部邻域的标准差和均值；

(23)通过对二维连续高斯函数离散化得到二维离散高斯分布，与仿真的红外弱小目标相同大小的高斯模型的矩阵可以表示为：

M(i,j)=12πσ′2exp(-(i-z-1)2+(j-z-1)22σ′2)]]>

其中，M(i，j)表示高斯模型的矩阵，(i，j)表示高斯模型的矩阵中的坐标位置信息，exp(·)表示以自然常数e为底的指数操作，z为表征仿真的红外弱小目标大小的常数，并规定

z＝(tar-1)/2

其中tar表示仿真的红外弱小目标大小；

(24)根据步骤(22)获得的仿真的红外弱小目标的像素峰值和步骤(23)中的高斯模型的矩阵，获得仿真的红外弱小目标模型为：

T(i,j)=M(i,j)Mmax-Mmin(s-μ)+μ]]>

其中，T(i，j)表示仿真的红外弱小目标模型，(i，j)表示仿真的红外弱小目标模型中的坐标位置信息，M_max是高斯模型的矩阵M(i,j)中的最大值，M_min是高斯模型矩阵M(i,j)中的最小值，s表示仿真的红外弱小目标的像素峰值，μ表示以仿真的红外弱小目标峰值像素为中心的局部邻域的均值；

(3)获取仿真的红外弱小目标运动航迹：

(31)选定仿真的红外弱小目标运动航迹模型；

(32)设置仿真的红外弱小目标运动航迹参数，包括设置的仿真的红外弱小目标运动速度和运动起始位置；

(33)根据选定仿真的红外弱小目标运动航迹模型和设置的仿真的红外弱小目标运动航迹参数，获取仿真的红外弱小目标运动航迹；

(4)获取仿真的红外弱小目标图像序列：

(41)设置仿真的红外弱小目标图像序列的总帧数；

(42)对获取的红外背景图像序列、仿真的红外弱小目标模型和仿真的红外弱小目标运动航迹进行合成，获得仿真的红外弱小目标图像序列。