[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

说明书

本发明提供了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，属于红外小目标检测领域，包括：获取原始红外图像；为原始红外图像计算多尺度比差联合局部对比度MRDLCM；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；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；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。该方法在检测率和误报率上具有有效性和鲁棒性，且具有并行处理能力，对于提高检测速度非常有效。

技术领域

本发明属于红外小目标检测技术领域，具体涉及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。

背景技术

具有高检测率、低虚警率和高检测速度的单帧红外小目标检测是一项艰巨 的任务，因为目标通常很小且暗淡，并且存在不同类型的干扰，例如高亮背景， 复杂的背景边缘和高亮度像素级的噪声点(PNHB)。现有算法如比值型和差 值型的局部对比度算法，不能有效增强真实目标的同时抑制所有干扰，浪费了 可用于进一步抑制复杂背景的局部多样性信息。

红外小目标检测在精确制导，预警和海上目标搜索等方面起着重要作用。 特别由于目标通常在实际应用中移动非常快，因此在单帧内的实时检测显得更 重要。然而，通常在单帧内实现具有高检测率和低虚警率的实时红外小目标检 测是非常困难的，这是由于以下事实：a)在获得的红外图像中，由于目标和红 外探测器之间的距离很长，目标通常只占据少数几个具有暗灰色级别的像素， 并且无法利用形状或纹理信息，这导致检测率较低，b)一些背景区域可能比实 际目标具有更高的亮度，这会导致较高的虚警率，c)可能会错误地将复杂的背 景边缘检测为目标，这也会导致较高的虚警率，d)高亮度像素的点噪声(PNHB) 可能会产生严重的干扰，这将进一步降低检测性能。

已经提出了许多用于检测单帧红外小目标的算法，包括空域算法，频域算 法，形态学算法，背景估计算法等。还研究了基于学习的算法，包括有监督类 型和无监督类型。然而，在复杂背景下检测红外小目标仍然是一个待解决的问 题。

近年来，强大的人类视觉系统(HVS)已被引入红外小目标检测领域。根 据HVS的对比度机制，在我们的视觉系统中，对比度是最重要的部分，而不是 亮度。这个事实对于红外小目标的检测具有重要价值，因为即使小目标也不是 整个图像中最亮的部分(即存在高亮背景区域)，它通常比其邻近区域更亮且 有较小的局部对比度。因此，基于HVS的单帧检测算法通常可以实现比传统算 法更好的性能。但是，对于基于HVS的算法，如何定义局部对比度的公式是关 键问题之一，直接决定算法的性能。

到目前为止，研究人员尚未就如何定义局部对比度达成共识，并且已经提 出了许多局部对比度定义。通常，现有算法可以分为两类：局部对比的差值和 局部对比的比值。但现有的定义都无法达到在抑制所有干扰(包括高亮度背景， 复杂背景边缘和PNHB)的同时增强真实目标的目的。

差值型的局部对比度算法，例如高斯的Laplacian(LoG)滤波器，高斯的 差值(DoG)滤波器，改进的Gabor差值滤波器(IDoGb)，累积的中心-周围 差值对比度(ACSDM)和基于多尺度的局部对比度(MPCM)等，计算中心区 域与周围区域之间的差值，以便可以消除高亮度背景。此外，它们中的某些算 法(例如IDoGb，ACSDM和MPCM)考虑了方向信息以更好地抑制复杂的背 景边缘，因为通常将真实的小目标假定为没有各向异性和主导方向的粗糙圆， 而背景边缘通常会分布在局部小区域沿特定方向行驶。然而，这些算法不能有 效地增强小目标。