[发明专利]一种红外弱小目标检测方法及检测系统

权利要求书

1.一种红外弱小目标检测方法，其特征在于，包括下述步骤：

计算原始图像的Facet方向导数特征；

在所述Facet方向导数特征图的局部内，沿着当前方向计算相对极差对比度显著图；

将各个方向上的所述相对极差对比度显著图进行融合得到显著性图像；提取所述显著性图像的目标；

在计算原图像的Facet方向导数特征的步骤中，包括下述步骤：

基于Facet模型，在原始图像的5x5邻域内灰度强度曲面拟合一个二元三次多项式f(r,c)的表达式，所述表达式如下，其中，r,c为5x5邻域内的行列坐标，K_i是拟合系数：

0度方向、90度方向以及任意α度方向导数特征计算公式为：

其中K_i可以由原图像I与卷积核w_i的卷积快速计算，w_i如下：

通过所述表达式计算原图像的Facet方向导数特征；

在所述Facet方向导数特征图的局部内，沿着当前方向计算相对极差对比度显著图的步骤中，具体包括：

设Facet_α为沿α方向的一阶导数图像，Facet_α(r,c)为位置中心点p(r,c)上的灰度值，D_R为距离p(r,c)为R的邻域图像；

记沿着α方向且过p(r,c)的直线上的灰度值集合为Line(D_R,α)，并设frontLine(D_R,α)为沿α方向线且在点p(r,c)之前截取到的D_R内灰度值集合，12为沿α方向线且在点p(r,c)之后截取到的D_R内灰度值集合；

分别计算集合frontLine(D_R,α)内的最大值MaxVar(D_R,α)和backLine(D_R,α)内的最小值MinVar(D_R,α)以及集合Line(D_R,α)内所有灰度的均值MeanVar(D_R,α)，则在中心点p(r,c)位置上的局部沿α方向的相对极差为：

定义显著性度量公式如下：

C(p,D_R,α)＝exp(RR(p,D_R,α))；

对局部沿α方向的相对极差公式进行近似为：

其中mean[·]表示求集合·的灰度均值；

设M_(range,α)为由mean[frontLine(D_R,α)]-mean[backLine(D_R,α)]值构成的图像，则M_(range,α)可以由下面的卷积公式求得：

M_(range,α)＝Facet_αek_(range,α)；

其中，k_(range,α)只在沿α方向的前半部分为1，后半部分为-1，其余元素全为0，其余的以此类推；

M_(mean,α)可以由下面的卷积公式求得：

M_(mean,α)＝Facet_αek_(mean,α)；

k_(range,α)只在沿α方向全为1，其余元素全为0，其余的以此类推；

将M_(range,α)与M_(mean,α)逐像素相除并做自然指数拉伸得到对应像素的显著度值。

2.如权利要求1所述的红外弱小目标检测方法，其特征在于，在将各个方向上的所述相对极差对比度显著图进行融合得到显著性图像的步骤中，具体为：

采用下述公式将各个方向上的相对极差对比度显著图进行融合得到显著性图像，

3.如权利要求1所述的红外弱小目标检测方法，其特征在于，在提取所述显著性图像的目标的步骤中，具体包括：

对所述显著性图像用高斯平滑滤波以及阈值分割提取目标。