[发明专利]一种面向复杂场景的红外小目标检测方法

说明书

本发明属于无人机检测技术领域，具体的说是一种面向复杂场景的红外小目标检测方法。本发明通过利用一种改进的形态学滤波抑制大量背景，分离出背景。提出了一种结合分数阶微分的显著性检测算法，采用了一个八方向的分数阶微分算子来增强目标灰度，同时能小幅抑制背景噪声，接着采用谱残差进行显著性目标检测，提取目标，这比单一的直接利用谱残差法来检测的效果更好，得到的目标显著性更强，达到在多种场景中均能对视野内的红外弱小目标进行高检测率和低虚警率检测的目的。

技术领域

本发明属于无人机检测技术领域，具体的说是一种面向复杂场景的红外小目标检测方法。

背景技术

目前，大部分红外小目标检测算法仅能针对天空背景有良好的检测效果，多数算法在地空背景不能适用，在复杂背景下的检测率较低和虚警率较高，针对复杂的地空背景还是比较困难的问题。

发明内容

本发明的目的，就是针对上述问题，通过利用一种改进的形态学滤波，结合分数阶微分算子和一种显著性检测方法，解决多种复杂背景下的红外小目标高精度检测的目的。

本发明的技术方案为：

一种面向复杂场景的红外小目标检测方法，其特征在于，包括以下步骤：

S1、通过形态学滤波进行背景抑制：

灰值形态学滤波算法就是在二值形态学滤波上扩展出来的一种针对灰度值图像的滤波处理算法。由于红外图像本质上是一副多像素级的灰度图像。因此可直接利用灰度形态学算法处理中，利用灰度形态学处理图像计算量较小，多数情况能达到满意的滤波效果。

1.灰度值膨胀运算定义如下：

通过膨胀运算可使中心点像素灰度值替换为给定结构元素对应区域的灰度最大值。

2.腐蚀是膨胀的一种对偶运算。灰度值腐蚀运算定义如下：

同样通过腐蚀运算可使中心点像素灰度值替换为给定结构元素区域的灰度最小值。

其中F为原始图像，B为对应运算的结构元素。

软形态学运算公式为：

其中，F为原始图像，g(x,y)为G中坐标为(x,y)的像素点的灰度值，h(x,y)为背景抑制后的图像H坐标为(x,y)的像素点的灰度值；

S2、对背景抑制后的图像，进行分数阶目标增强：

设定图像I(x,y)在X、Y轴两个方向的分数阶微分在一定条件下是可分离的，同时由于弱小目标的灰度高斯分布特性，对图像的八个方向利用分数阶微分算子进行处理，将图像信号I(x,y)的持续期[a,t]按单位间隔h＝1等分，得到G-L定义下的分数阶微分算子沿X和Y轴方向的数值计算表达式如下：

S3、显著性目标提取：

采用谱残差法，利用如下公式的傅里叶变换将图像I(x)从空间域映射到频域，提取其幅度谱p(f)，保持相位譜不变：

A(f)＝|F[I(x)]| (5)

L(f)＝log[A(f)] (7)

Q(f)＝L(f)*n(f) (8)

D(f)＝L(f)-Q(f)(10)