[发明专利]基于小波变换和导向滤波的单帧红外小目标检测方法在审

专利信息
申请号: 201711401987.8 申请日: 2017-12-22
公开(公告)号: CN108198198A 公开(公告)日: 2018-06-22
发明(设计)人: 陈蓉 申请(专利权)人: 湖南源信光电科技股份有限公司
主分类号: G06T7/136 分类号: G06T7/136;G06T7/168;G06T7/187
代理公司: 长沙国科天河知识产权代理有限公司 43225 代理人: 董惠文
地址: 410000 湖南省长沙市高新开发*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 高频子带系数 小波变换 红外小目标检测 滤波处理 小波分解 小目标 有效地 残差 单帧 滤波 计算机视觉领域 低频子带系数 红外背景图像 原始红外图像 多尺度分解 逆小波变换 红外图像 监控过程 目标聚类 图像分割 再利用 自适应 预测 剔除 检测 发现
【权利要求书】:

1.一种基于小波变换和导向滤波的单帧红外小目标检测方法,其特征在于,包括以下步骤:

S1结合小波变换和导向滤波进行红外图像背景预测;

S1.1利用小波变换对输入的原始红外图像进行多尺度分解;

S1.2利用自适应特性的导向滤波处理步骤S1.1中小波分解后的高频子带系数;

S1.3将步骤S1.1中小波分解后得到的低频子带系数和经S1.2处理后的高频子带系数进行小波逆变换,即可获得预测的红外背景图像;

S2获取目标残差图;

将输入的原始红外图像与步骤S1得到的预测的红外背景图像进行做差操作求得目标残差图D(x,y),即可消除原始红外图像的背景同时增强原始红外图像的小目标信号,即获得背景抑制结果;

S3对目标残差图进行自适应阈值分割,并对自适应分割后的结果进行目标聚类,获得最终的小目标检测结果。

2.根据权利要求1所述的基于小波变换和导向滤波的单帧红外小目标检测方法,其特征在于,S1.1中对输入原始红外图像利用小波变换对其进行3层小波分解;每一级小波分解可得到4个频带系数,其中包括3个高频子带系数和1个低频子带系数;3个高频子带系数分别为:水平方向上高频子带系数HL,垂直方向高频子带系数LH和对角方向上高频子带系数HH;1个低频子带系数为:图像近似系数即低频子带系数LL。

3.根据权利要求2所述的基于小波变换和导向滤波的单帧红外小目标检测方法,其特征在于,S1.2的实现方法如下:假设小波分解的第l级,第m方向上的高频子带系数为Cl,m(i),Cl,m(i)的导向滤波结果Sl,m(i)满足:

式中,ak和bk是在领域wk内的线性系数,Il,m(i)为引导系数,i为小波分解的第l级,第m方向上的高频子带系数坐标;

通过公式(2)拟合了Cl,m(i)滤波前和滤波后结果Sl,m(i)之间的最小距离,即:

采用最小二乘法求解公式(2),求得系数:

式中,μk和为Il,m(i)为在邻域wk内的均值和方差;|w|为wk内引导系数的数目;是高频子带系数在wk内的均值;ε是导向滤波的一个可调函数;

利用自适应特性的引导滤波对小波分解的不同方向的高频子带系数进行滤波,得到了小目标信号被抑制的高频子带系数。

4.根据权利要求2所述的基于小波变换和导向滤波的单帧红外小目标检测方法,其特征在于,S3中,对步骤S2中获得的目标残差图进行自适应阈值分割的方法如下:

自适应阈值分割的公式为:

其中,T=ID+K×σD (6)

式中,f(x,y)为二值化的目标检测的结果图像;T为分割自适应阈值;D(x,y)为步骤S2中获得的目标残差图;ID和σD为目标残差图D(x,y)的均值和标准差,K取值3-10。

5.根据权利要求4所述的基于小波变换和导向滤波的单帧红外小目标检测方法,其特征在于,S3中对自适应分割后的结果进行目标聚类,方法如下:

(1)孤立噪声剔除;

(i)遍历整个自适应分割后的结果图像,当像素灰度值为0时,继续遍历;否者,进行第(ii)步条件检查;

(ii)统计当前像素点的8邻域不为0的像素个数;当前像素点的8邻域不为0的像素个数为1时,判定当前像素为孤立噪声点,将当前像素灰度置0;否者,当前像素点属于目标信息,保留当前像素点的灰度,继续第(i)步的图像遍历;

(2)目标聚类;

利用8邻域的连通域标记法对(1)中的结果进行聚类,获得最终的小目标检测结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南源信光电科技股份有限公司,未经湖南源信光电科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711401987.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top