[发明专利]基于局部标准差和Radon变换的目标检测方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及遥感应用和智能导航技术领域中的一种基于局部标准差和拉东Radon变换的目标检测方法。本发明应用于遥感应用和智能导航技术领域中可以更准确地检测空天及海天背景下单个或多个红外小目标。

背景技术

在遥感应用和智能导航技术领域中，为了提高图像目标的检测率，现有技术已经有多种方法。其中：

航天恒星科技有限公司申请的专利“一种红外图像序列中点目标检测方法”(公开号：CN103413138A，申请日：2013.07.18)中公开了一种红外图像序列中点目标检测方法。该目标检测方法的具体步骤包括：(1)估计当前帧图像噪声方差，采用双边滤波的方法对图像进行预处理；(2)采用基于模板中值的滤波方法对预处理图像进行滤波；(3)对图像进行二值化处理，标记图像中目标点，记录目标位置信息；(4)初始化管道滤波器的参数；(5)利用前三帧目标信息预测当前帧的目标位置，搜索目标，更新目标位置信息表中相关信息，并判断输出目标信息。该方法存在的不足之处是，该方法对小目标图像复杂背景的适应能力很弱，在点目标相对弱小时，容易在目标周围产生虚警点，而且要求图像序列必须配准，不适用于单帧图像目标检测。

秦翰林，李佳，周慧鑫，赖睿，刘上乾共同发表的论文“采用剪切波变换的红外弱小目标背景抑制”(《红外与毫米波学报》，2011年30卷(2期):P163-166)中提出了一种采用剪切波变换的红外弱小目标背景抑制方法。该目标检测方法的具体步骤包括：(1)对原始图像进行剪切波变换；(2)利用剪切波变换域模型估计各个子带系数，然后对子带中各个邻域利用贝叶斯估计计算预测的背景信号子带系数；(3)对低通子带采用局部去均值滤波法进行计算，以减少残留在低通子带中目标信号对预测背景的影响；(4)对滤波处理的低频子带和高频子带进行剪切波逆变换，得到估计的背景图像；(5)将背景图像与原始图像相减得到目标信号图像。该方法存在的不足之处是，剪切波算法本身比较复杂，算法复杂度太高，实用性不强。

发明内容

本发明针对现有的图像目标检测技术的不足，提出一种基于局部标准差和拉东Randon变换的目标检测方法。

实现本发明目的的具体思路是，首先，通过对红外小目标图像的灰度图像计算局部标准差，获得灰度图像的不同背景轮廓图像。其次，修正对含有噪点的小目标图像拉东Radon变换后的极大值曲线。最后，利用修正后的极大值曲线进行拉东Radon逆变换，实现图像目标检测，获得小目标，以解决现有目标检测技术中存在的算法复杂度太高，以及在点目标相对弱小时，容易在目标周围产生虚警点的缺陷，提高图像目标的检测率。

实现本发明目的的具体步骤如下：

(1)输入待检测彩色图像：

在计算机中应用matlab软件输入待检测的彩色图像；

(2)图像预处理：

用图像颜色空间转换方法，将待检测的彩色图像转换为灰度图像；

(3)获得不同灰度背景轮廓图像：

(3a)依次遍历灰度图像中的每一个像素，以灰度图像中每个像素为中心，构建一个7×7像素滤波模板，计算每个7×7像素滤波模板中所有像素的标准差；以该标准差替代灰度图像中该滤波模板的中心像素值，遍历灰度图像中每一个像素，得到含有小目标点的灰度背景轮廓图像f₁；

(3b)依次遍历灰度图像中的每一个像素，以灰度图像中每个像素为中心，构建一个7×7像素滤波模板，在7×7像素滤波模板中抠去以所遍历灰度图像中的该像素为中心的3×3像素，计算在7×7像素滤波模板中抠去3×3像素后剩余像素的标准差；以该标准差替代替代灰度图像中该滤波模板的中心像素值，遍历灰度图像中每一个像素，得到只含有小目标边缘的灰度背景轮廓图像f₂；

(4)差分运算：

按照下式，将含有小目标点的背景轮廓图像和只含有小目标边缘的背景轮廓图像做差分运算，得到含有噪点的小目标图像；

D＝f₁-f₂

其中，D表示含有噪点的小目标图像，f₁表示含有小目标点的背景轮廓图像，f₂表示只含有小目标边缘的背景轮廓图像；

(5)拉东Radon变换：

对含有噪点的小目标图像以1°为增量，进行0°-180°方向拉东Radon变换，得到各个方向极大值曲线集合；

(6)修正极大值曲线：