[发明专利]基于离散分数布朗随机场的云天背景下红外弱小目标检测方法

权利要求书

1.一种基于离散分数布朗随机场的云天背景下红外弱小目标检测方法，其特征在于：包括以下步骤：

步骤1：输入一幅待检测的红外图像I_orig；

步骤2：对输入的图像进行预处理，预处理后的图像为I_pre：

步骤2.1：对红外图像I_orig进行数学形态学的膨胀运算；

步骤2.2：对膨胀后的图像进行高斯滤波处理；

步骤3：采用以下步骤进行Hurst指数计算：

步骤3.1：设置m个窗口尺度参数s_i，i＝1...m，s_i表示第i个尺度参数；

步骤3.2：在某一尺度参数s_i下，采用滑动窗口模型按照顺序遍历整张预处理后的图像I_pre；

步骤3.3：对窗口的每个中心位置(x₀,y₀)的像素点，采用以下公式计算Hurst指数值：

其中N_γ表示窗口区域中到中心位置(x₀,y₀)的像素距离为γ个像素的像素点个数；N_γ+1表示窗口区域中到中心位置(x₀,y₀)的像素距离为γ+1个像素的像素点个数，γ+1大小与窗口边缘到窗口中心的距离一致；表示窗口区域中到(x₀,y₀)的像素距离为γ个像素的所有像素点的灰度值I(x_γ,y_γ)的绝对值之和，表示窗口区域中到(x₀,y₀)的像素距离为γ+1个像素的所有像素点的灰度值I(x_γ+1,y_γ+1)的绝对值之和；

步骤3.4：重复步骤步骤3.2和步骤3.3，得到图像I_pre中各点在所有设定的尺度参数下Hurst指数值；并取每个点各自Hurst指数值的最小值组成最小Hurst指数图H_min，其中取每个点的各自Hurst指数值的最小值作为在H_min中的灰度值；

步骤3.5：计算最小Husrt指数图中所有点的灰度值的最大值：

max val＝max(H_min)

步骤3.6：对于H_min中的每个点，采用最大值maxval减去该点的灰度值，得到最终的Hurst指数图I_H＝max val-H_min；

步骤4：计算改进类间方差图：

步骤4.1：对于步骤3得到的Hurst指数图I_H，采用嵌套双窗口按照顺序遍历整张图像；

步骤4.2：对每组嵌套双窗口，分别计算中心窗口内各点的灰度均值μ_t以及外围背景窗口的灰度均值μ_s；

步骤4.3：计算整个窗口的像素点个数N，其中中心窗口的像素点个数为N_t，外围背景窗口的像素点个数为N_s；得到中心窗口像素点个数和外围背景窗口像素点个数占整个窗口的比例

步骤4.4：计算中心窗口的中心位置像素点的类间方差值：

g＝ω_s×ω_t×(μ_t-μ_s)²

步骤4.5：重复步骤4.2～步骤4.4，计算每个像素点的类间方差，得到改进的类间方差图，其中取每个像素点的类间方差值作为在改进的类间方差图中的灰度值；

步骤5：找到改进的类间方差图中灰度值最大的点，即为红外目标所在点。

2.根据权利要求1所述一种基于离散分数布朗随机场的云天背景下红外弱小目标检测方法，其特征在于：步骤2中对红外图像I_orig进行数学形态学的膨胀运算的定义为：设f(x,y)是原始灰度图像，B(p,q)为结构元素；则原始灰度图像f(x,y)被结构元素B(p,q)膨胀的定义如下：

而对膨胀后的图像进行高斯滤波处理中采用的高斯二维函数分布为：

其中σ为函数分布参数。