[发明专利]一种结合时空域的弱小目标能量累积增强方法

权利要求书

1.一种结合时空域的弱小目标能量累积增强方法，其特征在于包括如下步骤：

步骤一、各向异性背景预测：采用各向异性微分算法对待处理图像进行背景抑制，剔除背景杂波对目标的干扰,得到去背景图像；

步骤二、对步骤一中的去背景图像，结合多帧图像邻域内目标运动特性，采用高阶累积增强法对弱小目标进行能量增强；

步骤三、采用步骤二中的高阶累积增强法获取多帧图像邻域内的能量极大值，实现运动目标能量的有效累积，达到增强的目的，得到增强后的系列图像；

步骤四、采用恒虚警假设检测验法对步骤三中获取的增强后的系列图像进行分割提取，突显出目标，得到系列图像的目标点。

2.根据权利要求1所述的结合时空域的弱小目标能量累积增强方法，其特征在于：所述步骤一中，采用各向异性微分算法对待处理图像进行背景抑制包括以下三个步骤：

(11)定义边缘停止函数：

(12)分别求取待处理图像中某个像素点四个方向的边缘停止函数值，并选择最小的两个边缘停止函数值作为两个平滑系数：

(13)根据两个平滑系数，构建滤波模板对图像进行滤波获得去背景图像：

通过以上三步操作，就获取去背景后的图像。

3.根据权利要求1所述的结合时空域的弱小目标能量累积增强方法，其特征在于：所述步骤二中，结合多帧图像邻域内目标运动特性，采用高阶累积增强法对弱小目标进行能量增强步骤如下：

(21)定义单帧目标的运动能量累积：

$f_p(x,y)=\underset{m=-r,n=-r}{\overset{m=r,n=r}{\Σ}}{t}_p(x,y)\·F_0(x+m,y+n,k)$

$P_0(x,y)=\arg \underset{p}{max}{f}_p(x,y)$

式中，x为候选目标的横坐标值，y为候选目标纵坐标值，m为候选目标在邻域内的坐标序号，r为邻域范围大小，k为时刻数，p为候选目标的运动模式，t_p为目标邻域运动模板，F₀为去背景时域序列图像，f_p(x,y)代表横纵坐标处于(x,y)处的候选目标在某种运动模式下的邻域能量值，P₀(x,y)代表求取所有运动模式下的邻域能量的最大值；

(22)定义多帧高阶累积量，公式如下：

$C=E\{P_0(x,y,\frac{1-M}{2})+P_0(x,y,\frac{3-M}{2})+...+P_0(x,y,\frac{M-1}{2})\}$

式中，M为前后累积帧数，为所有运动模式下当前帧邻域能量的最大值，为所有运动模式下前一帧邻域能量的最大值，为所有运动模式下后一帧邻域能量的最大值，E{ }表示求取前后累积帧的均值，C表示多帧高阶累积量。