[发明专利]基于加权的多尺度比差联合对比度红外小目标检测方法

权利要求书

1.一种基于加权的多尺度比差联合对比度红外小目标检测方法，其特征在于，包括以下步骤：

步骤1、获取原始红外图像；

步骤2、为原始红外图像计算多尺度比差联合局部对比度MRDLCM；

步骤3、为原始红外图像计算反向局部多样性权重函数RLD，通过反向局部多样性权重函数RLD来进一步抑制复杂背景；

步骤4、将基于反向局部多样性的权重函数RLD的计算结果作为多尺度比差联合局部对比度MRDLCM的权重函数，然后计算基于加权的多尺度比差联合局部对比度MRDLCM_RLD；

步骤5、在基于权重函数的多尺度比差联合局部对比度MRDLCM_RLD计算之后，真正的小目标将在图中最显著，再通过自适应阈值Th运算来提取目标。

2.根据权利要求1所述的基于加权的多尺度比差联合对比度红外小目标检测方法，其特征在于，所述步骤2中，原始红外图像的多尺度比差联合局部对比度MRDLCM计算包括以下步骤：

步骤2.1、用局部小图像块来捕捉真实目标，局部小图像块包含9个单元，每个单元的大小N设置为9*9，N约等于小目标占整个图像的最大像素数，中心单元用cell(0)表示，其他方向上的单元用cell(i)表示；

步骤2.2、在原始红外图像中用步骤2.1中的图像块从左到右、从上到下遍历；

步骤2.3、在每个像素，根据下面公式(1)，(7)和(9)，(12)计算它的比值型局部对比度RFLCM和差值型局部对比度DFLCM；

cell(0)中心像素在第i方向的比值型局部对比度RFLCM为：

其中Imean₀表示cell(0)中K个最大像素值的平均灰度值，Imean_i表示cell(i) 中K个最大像素值的平均灰度值，i表示9个单元除了中心之外其他的单元，如式(2)和(3)所示；

其中k为所涉及的最大灰度值的个数，和为cell(0)和cell(i)的第j个最大灰度值；

为了抑制复杂的背景边缘，利用方向信息将RFLCM最终定义为

RFLCM＝min(RFLCM_i),i＝1,2,...,8 (7)

在cell(0)中第i个方向的差值型局部对比度DFLCM中心像素值的定义为：

DFLCM_i＝Imean₀-Imean_i,i＝1,2,...,8 (9)

与RFLCM相似，最终DFLCM定义为

DFLCM＝min(DFLCM_i),i＝1,2,...,8 (12)

计算完整个图像后，分别形成比值型局部对比度RFLCM和差值型局部对比度DFLCM两个新矩阵，即公式(7)和公式(12)；

步骤2.4、将比值型局部对比度RFLCM中的元素归一化为(0,1)的范围；

步骤2.5、用比值型局部对比度RFLCM和差值型局部对比度DFLCM的哈达玛积计算原始红外图像的比差联合局部对比度RDLCM：

步骤2.6、在每个像素处，输出L尺度的最大RDLCM值作为最终多尺度比差联合局部对比度MRDLCM值，即：

MRDLCM(i,j)＝max(RDLCM_s(i,j)),s＝1,2,...,L (16)

其中(i，j)是每个像素的坐标。