[发明专利]一种变尺寸的红外弱小目标检测方法

权利要求书

1.一种变尺寸的红外弱小目标检测方法，其特征在于，包括以下步骤：

步骤(1)：对输入视频的每一帧图像进行预处理；

步骤(2)：对步骤(1)预处理后的图像进行多尺度局部对比度算法处理，而后对图像进行自适应阈值分割，并提取出疑似目标集P；

步骤(3)：对步骤(1)预处理后的图像进行TopHat变换处理，而后对图像进行自适应阈值分割，并提取出疑似目标集Q；

步骤(4):确定两种算法共同检测出的目标集R、仅由多尺度局部对比度算法检测出的目标集合P’、仅TopHat变换检测出的目标集Q’，目标集R、P’、Q’定义为待选目标集；

步骤(5)：根据前几帧的目标检测位置预测当前帧目标所在的位置；

步骤(6)：根据当前帧目标预测位置，从待选目标集中确定当前帧检测目标；

所述步骤(1)中，采用3*3的模板W对图像进行中值滤波降噪处理，设初始图像坐标为(x,y)的像素的灰度为f(x,y)，中值滤波后的该像素的灰度为g(x,y)，med为取模板所在邻域内所有灰度点的中值的操作，则：

g(x,y)＝med{f(x-k,y-l),(k,l∈W)} (1)

所述步骤(1)中，对中值滤波后图像进行线性拉伸处理，使得中值滤波后图像最小灰度值minvalue拉伸后变为灰度0、最大灰度值maxvalue拉伸后变为灰度255，则拉伸后的图像d(x,y)表示为：

d(x,y)＝(255*g(x,y)-255*minvalue)/(maxvalue-minvalue) (2)

所述步骤(2)中，多尺度局部对比度算法首先计算预处理后图像的局部对比度算子用来抑制背景，而后利用图像金字塔的概念改进算法以适应目标的尺度变化，提取出疑似目标集P；

所述步骤(2)中，以坐标(x，y)为中心、尺度为w的讨论区和其周围第i个邻域的对比度c_i(x,y,w)，表示为

c_i(x，y，w)＝L(x，y，w)/m_i(x，y，w) i＝1,2,…,8 (3)

其中，L(x,y,w)表示讨论区的最大灰度值，m_i(x,y,w)表示第i个邻域灰度的均值；讨论区的局部对比度c(x,y,w)是由其最大邻域灰度决定的，即

c(x，y，w)＝min c_i(x，y，w)＝L(x，y，w)/max(m_i(x，y，w)) i＝1,2,…,8 (4)

将局部对比度的定义乘上讨论区的最大灰度值，改写(4)式为

c`(x，y，w)＝L(x，y，w)min c_i(x，y，w)＝L(x，y，w)²/max(m_i(x，y，w)) i＝1,2,…,8 (5)

当讨论区刚好在目标所在位置且该讨论区的大小与目标的实际尺寸一致时，该尺度下的局部对比度值最大，至此，定义某一坐标(x,y)的多尺度局部对比度C(x,y)为：

C(x，y)＝max c`(x，y，w)

w＝j+1，j+2...，j+n (6)

其中j+1,j+2...,j+n为目标所有可能的尺度，j+1为最小目标尺度，j+n为最大目标尺度；

利用公式(6)计算预处理后图像d(x,y)每个坐标点的多尺度局部对比度，即得到图像e(x,y)，而后设置一个自适应阈值thresh,

thresh＝μ×(maxgray-mingray)+mingray (7)

其中maxgray为e(x,y)的最大灰度值，mingray为e(x,y)的最小灰度值，μ的取值范围为区间[0.7,0.9]；

再对经多尺度局部对比度计算后的图像e(x,y)进行二值化处理，即

对二值化图像中灰度为1的像素点进行联通域提取，所有在小目标尺寸范围内的联通域即为多尺度局部对比度算法检测到的目标，定义为目标集P。

2.如权利要求1所述的变尺寸的红外弱小目标检测方法，其特征在于，所述步骤(3)中，TopHat变换选择5*5灰度为1的矩形作为结构元素，经TopHat变换后的图像h(x,y)，再利用公式(7)、(8)对图像h(x,y)进行自适应阈值分割和联通域提取即可得到TopHat变换检测到的目标集Q。