[发明专利]红外弱小目标检测方法

权利要求书

1.红外弱小目标检测方法，其特征在于，包括以下步骤：

步骤一，基于各向异性边缘停止函数的背景抑制：根据红外图像的边缘停止函数，考虑弱小目标与背景的差异，构建各向异性背景抑制方案；

步骤二，基于时空高阶累积量方法的目标增强：基于传统的高阶累积量，考虑空域特性，利用弱小目标的运动能量来建立一种时空高阶累积量方案；

步骤三，基于改进的管道滤波的弱小目标检测：引入尺度空间理论，计算弱小目标的直径，改进管道滤波方案。

2.根据权利要求1所述的红外弱小目标检测方法，其特征在于，所述步骤一具体为：

各向异性特征不仅可以平滑与稳定背景区域，还可以保持背景的边缘细节和突变区域，各向异性的扩散函数为式(1)所示：

其中，u为灰度图像；是图像u的梯度；为边缘停止函数；div为散度算子；

在式(1)中的边缘停止函数如式(2)所示，根据不同方向的梯度关系来计算平滑因子：

其中，k是一个常量；

若红外图像的梯度为f(i，j)，其真实目标所在的局部区域的梯度算子为式(3)所示：

其中，Up_Grad，Down_Grad，Left_Grad，Right_Grad分别是图像f(i，j)的上、下、左和右梯度；

采用滤波函数对f(i，j)进行滤波处理，相应的滤波函数为式(4)所示：

将式(2)代入到式(3)中，则基于式(4)，可计算不同方向上的2个最小参数Min1，Min2的均值，以完成红图像的滤波操作，获取背景抑制结果。

3.根据权利要求2所述的红外弱小目标检测方法，其特征在于，所述步骤二具体为：

高阶累积量可以在时间域和空间域上有效积累目标能量，能较好地增强红外弱小目标，传统的M帧的高阶累积量模型为式(5)所示：

C_Mf＝E{F₀(x，y，t₁)+F₀(x，y，t₂)+…F₀(x，y，t_M)} (5)

其中，F₀(x，y，t₁)是背景抑制结果；t_{1＝1，2，...M}代表红外图像的帧数；M是图像累积帧的数量；

在相邻帧的弱小目标的运动利用12模式来描述；前5帧是水平运动，中间5帧是垂直运动，最后2帧是对角线运动；

无论方向如何，目标总是在相邻帧邻域上不断地移动；因此，运动目标的能量累积通过在运动邻域中累加M连续图像帧的最大能量值来实现；弱小目标的运动能量累积可描述为式(6)-(7)所示：

其中，T_P是弱小目标的运动模式；r是累积窗口的半径；f_p(x，y，t_M)是背景抑制后的序列图像；P₀(x，y，t_M)代表12种模式的t_M帧的最大值；

结合式(5)～式(7)，则改进的M帧高阶累积量为式(8)所示：

C_Mf＝E{P₀(x，y，t₁)+P₀(x，y，t₂)+…P₀(x，y，t_M)} (8)

背景抑制结果中的所有目标的对比度均得到有效提高。