[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

说明书

本发明公开了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，其涉及计算机视觉领域。该方法首先利用小波变换进行多尺度分解，再利用自适应特性的导向滤波处理小波分解获得的高频子带系数，尽可能地剔除了小目标的高频子带系数，最后根据小波分解得到低频子带系数和导向滤波处理后的高频子带系数进行逆小波变换有效地完成了对红外背景图像的预测；再通过原始红外图像和红外图像的预测背景进行做差操作获得了目标残差图，最后对目标残差进行图像分割和目标聚类操作，从而有效地检测出了小目标，这有助于在监控过程中尽早发现目标。

技术领域

本发明涉及计算机视觉领域，特指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。

背景技术

红外成像系统具有隐蔽性好，可全天候工作，抗干扰能力强等诸多优点，为了尽早发现目标，在目标距离很远时，就需对其进行准确检测跟踪。

远距离获得的目标在图像中的像素尺寸较小，其信噪比和对比度较低，且没有可用于识别的形状信息和结构信息，同时具有不同复杂程度的背景，并存在噪声干扰，这些造成红外图像中小目标检测成为一个难点问题，需将目标从背景中检测出来的同时与噪声区分开。

目前单帧图像的红外小目标检测方法主要有：中值滤波法、空时域结合方法、形态学滤波法以及背景预测等方法。

由于红外图像中小目标在整幅图像中占用非常小的比例，而绝大部分是背景，因此背景预测法具有合理性。红外小目标背景抑制的方法主要有基于空域的方法和基于变换域的方法。其中，基于空域的方法包括Top-hat变换方法、中值滤波以及匹配算法等，该方法在平稳背景下有较好的效果，且具有较小的运算量，但是无法在复杂环境下将目标信号与图像边缘等细节加以区分，使得背景抑制结果存在较多的背景泄露，抑制漏检和虚警。基于变换域的方法，主要有基于小波变化和基于轮廓波的方法等，该方法主要通过将图像分解在不同的子带系数中，再根据实际需要对各子带系数分别进行处理，是一类灵活有效的背景抑制方法。若在变换域方法中，直接将变换域获得的高频系数置零来去掉目标和噪声信号，从而获得背景预测图像，这样进一步得到的残差图像中将同时存在目标及噪声信号，容易造成目标的误检。

发明内容

针对现有技术存在的缺陷，本发明提出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。该方法首先利用小波变换进行多尺度分解，再利用自适应特性的导向滤波处理小波分解获得的高频子带系数，尽可能地剔除了小目标的高频子带系数，最后根据小波分解得到低频子带系数和导向滤波处理后的高频子带系数进行逆小波变换有效地完成了对红外背景图像的预测；再通过原始红外图像和红外图像的预测背景进行做差操作获得了目标残差图，最后对目标残差进行图像分割和目标聚类操作，从而有效地检测出了小目标，这有助于在监控过程中尽早发现目标。

为实现上述技术目的，本发明的技术方案是：

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，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。