[发明专利]一种基于最大值背景预测的红外弱目标提取方法

说明书

本发明涉及一种基于最大值背景预测的红外弱目标提取方法，方法包括以下步骤：一是建立基于背景预测的弱小目标检测方法，首先建立背景模型，然后得到阵中的背景点到预测点的几何距离的选取权值；二是利用最大值背景预测算法提取红外弱目标，将预测点周围的背景像素点以自身为中心划分为4个区域，以4个区域中的像素点分别对该点进行背景预测，然后取四个值其中的最大值作为最终的预测值。本发明提出了一中提取红外弱目标的方法，解决了复杂背景条件下，远距离对红外弱目标的识别的难题，具有较强的应用价值。

技术领域

本发明涉及一种基于最大值背景预测的红外弱目标提取方法。属于光学测量领域。

背景技术

任何物体，只要其温度高于绝对零度，就能产生红外辐射，因此，可以通过接收物体的红外辐射对物体进行探测和测量，这种方法具有主动探测、全天候，虚警率低等优 点，红外探测技术有着很广泛的应用。由于各种客观条件限制，大多数情况下需要在尽 可能远的距离对目标进行识别、跟踪，远距离的红外弱目标提取是目前的难点。

目前常用的方法有以下，一是阈值分割算法，但是对于典型红外弱小目标图像，即使采用自适应阈值，也难以彻底将目标与图像四周的高亮区域的噪声图像分离出来；二 是传统的背景预测方法，该方法对于单一背景的图像是有效的，但是对于背景存在强烈 变化的图像处理效果并不好。

发明内容

本发明所要解决的技术问题是针对上述现有技术提供一种基于最大值背景预测的 红外弱目标提取方法，实现复杂背景条件下的红外弱目标提取。

本发明解决上述问题所采用的技术方案为：

一种基于最大值背景预测的红外弱目标提取方法，所述方法包括以下步骤：

步骤一、基于背景预测的弱小目标检测

1、基本的背景模型预测公式如下所示：

式中X₀是输入图像；Y(m,n)为预测图像，m和n为预测点中心位置坐标；s_j为区 域背景选取点的范围，l和k为区域背景内坐标；W为权重矩阵；k为权重矩阵的分 母系数。

2、预测图像与输入图像之间的残差图像为:

Z(m,n)＝X(m,n)-Y(m,n) (2)

式中X(m,n)为输入图像，Y(m,n)是背景预测灰度值。

3、选取权值的公式如下：

W_j(l,k)＝r(l,k)/∑∑r(l,k) (3)

式中r(l,k)为矩阵中的背景点到预测点的几何距离。

步骤二、最大值背景预测算法

1、将预测点周围的背景像素点以自身为中心划分为4个区域，这4个区域的背景预测值分别是：

2、以4个区域中的像素点分别对该点进行背景预测，然后取四个值其中的最大值作为最终的预测值，即:

Y_max＝max{Y₁(m,n),Y₂(m,n),Y₃(m,n),Y₄(m,n)} (5)

这样可以保证背景中的灰度较高区域或灰度较低区域任何一个方向的边界上的点 都是利用它周围的较亮背景来预测，这样可以大大降低亮暗背景交界处检测的虚警概率， 从而提高算法的检测性能。