[发明专利]一种结合时空域的弱小目标能量累积增强方法

说明书

技术领域

本发明涉及一种弱小目标增强方法，特点是结合时空域的弱小目标能量累积增强方法，用于图像处理、计算机视觉和目标检测定位。属于光电捕获跟踪系统中目标探测技术领域。

背景技术

成像系统获得的图像，由于成像距离远，加上各种背景杂波的干扰，目标的能量强度非常弱，即使经过抑制背景处理后对红外图像中弱小目标的有效分割提取仍然有不小的难度。

目前，许多学者在弱小目标能量增强方面做了大量的研究工作。单帧的目标增强方法在增强目标的同时往往会增强噪声，甚至噪声的增强幅度更为明显，反而会产生大量的虚警，不利于目标的后续检测。联合时空域的多帧目标能量累积增强的方法越来越受到重视，这类方法能够累积弱目标的时域能量，在增强目标的同时还能对噪声有一定的抑制作用，较好地适应当前工程应用需求。

发明内容

本发明技术解决问题：针对现有技术的不足，提供一种结合时空域的弱小目标能量累积增强方法，该方法充分考虑了对目标运动邻域内能量的累积，取得较好的增强效果，显著提高图像的信噪比。

为实现这样的目的，本发明的技术方案：一种结合时空域的弱小目标能量累积增强方法包含以下步骤：

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，有效剔除背景杂波的干扰，本发明采用各向异性微分算法对背景进行抑制，背景抑制包括以下三个步骤：

(1.1)定义边缘停止函数：

(1.1.1)

其中u为灰度图像，为梯度，k为大于0的常数，为边缘停止函数。

(1.2)分别求取某个像素点四个方向的边缘停止函数值，并选择最小的两个作为平滑系数：

(1.2.1)

其中min₁和min₂分别为当前像素点四个方向的边缘停止函数值中最小的两个值。c(f(i,j))为中心像素点(i,j)灰度值对应的边缘停止函数值，c(f(i-step,j))为中心像素点(i,j)往纵轴负向移动步长为step的灰度值对应的边缘停止函数值，c(f(i+step,j))为中心像素点(i,j)往纵轴正向移动步长为step的灰度值对应的边缘停止函数值，c(f(i,j-step))为中心像素点(i,j)往横轴负向移动步长为step的灰度值对应的边缘停止函数值，c(f(i,j+step))为中心像素点(i,j)往横轴正向移动步长为step的灰度值对应的边缘停止函数值。

(1.3)构建滤波模板对图像进行滤波获得去背景图像：

(1.3.1)

其中，c(f(i-step,j))为中心像素点(i,j)往纵轴负向移动步长为step的灰度值对应的边缘停止函数值，c(f(i+step,j))为中心像素点(i,j)往纵轴正向移动步长为step的灰度值对应的边缘停止函数值，c(f(i,j-step))为中心像素点(i,j)往横轴负向移动步长为step的灰度值对应的边缘停止函数值，c(f(i,j+step))为中心像素点(i,j)往横轴正向移动步长为step的灰度值对应的边缘停止函数值，min₁和min₂分别为中心像素点(i,j)四个方向中最小的两个边缘停止函数值。

通过以上三步操作，就可获取去背景后的图像。

步骤二、对步骤一中得到的去背景图像，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，恒虚警假设检测验法具体步骤如下：

(41)实际场景中序列图像中噪声视为高斯噪声，对于去背景图像采用如下假设：

式中，x为候选目标的横坐标值，y为候选目标纵坐标值，k为时刻数，F₀(x,y,k)表示去背景图像，N(x,y,k)表示图像中高斯噪声部分，F_T(x,y,k)表示图像中目标部分，H₀代表非目标所在像素，H₁代表目标所经过的像素；

(42)定义去背景后图像当前帧前后累积帧的均值的大小，具体表达式如下：