[发明专利]一种基于前景加权局部对比度的红外微弱目标检测方法

说明书

本发明公开了一种基于前景加权局部对比度的红外微弱目标检测方法，包括：根据目标的红外成像特性提出新的局部对比度测度，采用邻域结构模板在图像内从上到下、从左到右逐像素进行滑窗，根据局部对比度测度计算每个像素的局部对比度值，进而得到图像的局部对比度图，实现了对强杂波边缘的抑制；然后引入像素的前景概率估计并将其作为局部对比度的加权因子，得到图像的加权局部对比度图，从而实现对强杂波边缘的进一步抑制；最后，通过简单的阈值分割即可实现微弱目标检测，并提供了一种前景加权局部对比度的加速算法，检测率高、虚警率低，计算速度快。

技术领域

本发明涉及图像处理领域，尤其涉及一种红外微弱目标检测处理方法。

背景技术

当前，红外成像和探测技术广泛应用于军事和民用领域，尤其在军事监视、瞄准、侦查、导航以及靶场测试中具有不可替代的先天优势，是各国武器装备研制、发展的主要技术方向之一。作为红外探测技术中的核心和难点，红外弱小目标检测技术的研究对象是远距离的飞机、导弹、舰船以及炮弹等，对军事预警、远程侦查、精确打击以及靶场测试具有重要意义。因此，红外弱小目标检测技术具有极高的军事价值，已成为当今世界高技术领域的热门研究课题，引起了各国学术界和军方的高度重视。

红外弱小目标检测算法一般分为基于视频序列图像的检测前跟踪算法(Trackbefore Detect，TBD)和基于单帧图像的跟踪前检测算法(Detect before Track，DBT)。TBD算法首先根据目标运动规律的先验知识对序列图像进行搜索，然后根据一定的准则获取疑似的目标运动轨迹，最后根据新输入的序列图像进行真实目标运动轨迹的确认。TBD算法一般要求静态背景或者目标在相邻帧内的表观一致，而且该类算法一般需要事先假设目标的运动方向、轨迹以及位置等先验信息。但是，在实际应用场景中，红外检测平台可能高速运动(如机载、弹载)、待检测的目标运动方式也可能为机动运动，从而导致视频中的图像背景快速变化、目标甚至处于相对静止的状态。因此TBD算法的实战应用性一般比较差。

DBT算法一般在单帧图像内进行目标检测。DBT算法可以粗略地分为三类，第一类DBT算法重在估计图像背景，然后利用原始图像与估计的图像背景之间的差异来实现目标检测。第二类DBT算法利用图像背景块的非局部相关属性，假定背景块是低秩的、且所有的背景块都来自单一的子空间或者几个低秩子空间的组合，同时假定目标图像块是稀疏的，然后利用低秩矩阵的复原技术来实现目标和背景的分离。第三类DBT算法则模拟人类视觉系统(HVS)的注意机制，直接利用图像中的局部对比度设计滤波器，通过对原始图像进行滤波变换来实现目标检测。

现有DBT算法主要利用红外目标突出于其周围邻域以及图像背景的一致性来检测目标。因此，当图像背景单一且目标强度较高时，现有DBT算法都能实现比较好的检测结果。但是，当目标强度较弱、尺寸较小且背景杂波较强时，这些算法的检测性能下降明显，而且其中的虚警主要来自于图像中强杂波的边缘。

发明内容

本发明首先依据目标的红外成像特性提出新的局部对比度测度，并引入像素的前景概率估计作为前景加权因子，基于提出的局部对比度测度和前景加权因子即可将原始图像转换为加权的局部对比度图，从而实现对背景强杂波边缘的较强抑制，检测率高、虚警率低，计算速度快。

本发明提供的技术方案为：

一种基于前景加权局部对比度的红外微弱目标检测方法，包括：

步骤一、采用邻域结构模板在原始图像内从上到下、从左到右逐像素进行滑窗；其中，邻域结构模板包括位于中心的目标区域和周围区域，所述目标区域为方形，包含一个或多个像素；

步骤二、逐个计算像素的局部对比度；

步骤三、比较目标区域最外层像素与其四邻域的周围像素灰度值的大小，记录满足周围区域内像素的灰度值大于等于对应目标区域最外层像素的灰度值的像素对的个数，计算目标区域内像素属于目标的概率；