[发明专利]基于时域信息特征空间背景建模方法

说明书

本发明旨在提供一种基于时域信息特征空间背景建模方法，包括以下步骤：A、对多帧数的待检测图像进行读取；B、构建多个方向的空间邻域梯度滤波函数，计算得到各个像素点的多个方向的梯度滤波函数值；C、对多帧数的待检测图像进行滤波，得到多帧数的滤波图像；D、将多帧数的待检测图像构建训练样本矩阵，之后对该训练样本矩阵进行去中心化处理、协方差的求取以及奇异分解后构建特征空间矩阵；利用特征空间矩阵进行矩阵重构，分别得到各帧数的待检测图像各自对应的背景建模图像。该方法克服现有技术缺陷，具有小目标能量增强明显、检测准确度高的特点。该方法克服现有技术缺陷，具有对比度高、相联性高的特点。

技术领域

本发明涉及图像处理领域，具体涉及一种基于时域信息特征空间背景建模方法。

背景技术

现有的弱小目标检测方法，特别是针对高空小目标的检测方法，存在缺陷与不足，由于此类目标经常埋没在各种噪声噪点和大气云层流动之中，特别是大气云层的流动的情况下，光照不足使图像形成的背景边缘轮廓十分明显，且单独采用时域信息进行的背景建模的方法无法解决此类问题，进而降低目标检测的准确率；传统的背景建模算法是对小目标进行抑制或者是对背景进行抑制，进而构造背景模型得到差分图，该方法在针对包含各种差异干扰噪声噪点和具有较大背景边缘轮廓的图像中难以准确检测出小目标。

发明内容

本发明旨在提供一种基于时域信息特征空间背景建模方法，该方法克服现有技术缺陷，具有对比度高、相联性高的特点。

本发明的技术方案如下：

一种基于时域信息特征空间背景建模方法，包括以下步骤：

A、对多帧数的待检测图像进行读取；

B、构建多个方向的空间邻域梯度滤波函数，得到分别以待检测图像各像素点为中心像素点的多个方向的梯度差，进而计算得到各个像素点的多个方向的梯度滤波函数值；

C、对多帧数的待检测图像进行滤波，得到多帧数的滤波图像；即：对于各个像素点，取其多个方向的梯度滤波函数值中的两个最小值的均值，作为该像素点的滤波值，各个像素点的滤波值构成滤波图像；

D、将多帧数的待检测图像构建训练样本矩阵，之后对该训练样本矩阵进行去中心化处理，得到去中心化矩阵，再对去中心化矩阵进行协方差的求取得到协方差矩阵，之后对协方差矩阵奇异分解后求取特征值和特征向量并且去掉多个最大的特征值后构建特征空间矩阵；将各帧数的待检测图像分别投影于特征空间矩阵上进行矩阵重构，分别得到各帧数的待检测图像各自对应的背景建模图像。

优选地，步骤B中所述的梯度差如下：

其中，f(i,j)为待检测图像的各像素点的像素值；Δf_U，Δf_D，Δf_L和Δf_R是指以像素点f(i,j)为中心的上、下、左和右四个方向的梯度差；t代表两个像素点间的步长；k为梯度扩散系数；

Δf_U·|f(i,j)-f(i-t,j)|；Δf_D·|f(i,j)-f(i+t,j)|；Δf_L·|f(i,j)-f(i,j-t)|；Δf_R·|f(i,j)-f(i,j+t)|分别表示在中心点上、下、左、右方向的梯度滤波函数值。

优选地，所述的步骤C中的各个像素点的滤波值如下：

[min₁,min₂]＝sort_min{Δf_U·|f(i,j)-f(i-t,j)|,Δf_D·|f(i,j)-f(i+t,j)|,Δf_L·|f(i,j)-f(i,j-t)|,Δf_R·|f(i,j)-f(i,j+t)|}；