[发明专利]基于时域经验模态分解的红外弱小目标检测方法

摘要

本发明提出一种基于时域经验模态分解的红外弱小目标检测方法，首先，对红外序列图像的每个像素的时域进行分片方差判定是否需要EMD分解；其次，对于需要分解的时域信号做EMD分解；然后，将分解得到的本征模态函数合成；之后，再利用图像中目标经过时像素点灰度值有起伏变化这一特点，将其看作是一种非高斯弱瞬态信号，根据虚警率设置滤波门限进行检测；最后，对滤波后的图像进行二值化处理，即得到最后的红外弱小目标检测结果。本发明针对复杂云层、低信杂比的检测情况，通过对红外序列图像进行处理解决了单帧图像不能达到检测要求的问题。

主权项

一种基于时域经验模态分解的红外弱小目标检测方法，其特征在于：包括以下步骤：步骤1：输入待检测的红外序列图像Forig(i,j,k)，其中(i,j)表示红外图像中的像素点的位置，k表示序列图像的帧号，k＝1,2,…,N，N为待检测的红外序列图像中的帧数；步骤2：取待检测的红外序列图像在同一位置像素点上灰度值形成的时域信号为F(i,j)(k)，k＝1,2,…,N，通过以下步骤判断每个位置的时域信号F(i,j)(k)是否需要分解：步骤2.1：将时域信号F(i,j)(k)分成n片，并分别求各片时域信号的标准差σ1,σ2,...,σn；步骤2.2：将步骤2.1中得到的n个标准差做归一化处理；步骤2.3：对归一化处理后的n个标准差求方差将与设定值λ作比较，如果大于设定值λ，则对时域信号F(i,j)(k)进行下一步分解，否则将时域信号F(i,j)(k)的每个值设为零值；步骤3：采用以下步骤对需要进行分解的时域信号F(i,j)(k)进行经验模态分解，其中采用x(k)表示时域信号F(i,j)(k)；步骤3.1：找出时域信号x(k)的所有极值点；步骤3.2：将时域信号x(k)的极大值点和极小值点分别进行曲线拟合，得到x(k)的上包络线xup(k)和下包络线xlow(k)；步骤3.3：逐点计算上包络线和下包络线的局部均值m(k)＝(xup(k)+xlow(k))/2；步骤3.4：采用时域信号x(k)减去局部均值得到d(k)＝x(k)‑m(k)；步骤3.5：判断d(k)是否是基本模式分量，如果d(k)是基本模式分量，则取c1＝d(k)，并用时域信号x(k)减去c1得到剩余信号r1(k)，再令x(k)＝r1(k)，然后返回步骤3.1；如果d(k)不是基本模式分量，则令x(k)＝r1(k)，然后返回步骤3.1；经过上述循环后，得到基本模式分量c1,c2,...，,cm，并得到原始时域信号F(i,j)(k)的余项rm(k)；步骤4：采用步骤3得到的基本模式分量c1,c2,...，,cm合成为新的信号G(i,j)(k)：G(i,j)(k)=Σt=1mct(k)]]>步骤5：采用以下步骤进行目标检测：步骤5.1：计算G(i,j)(k)的均值μ和均方差σ；步骤5.2：求得满足的信号步骤5.3：计算的均值μg和方差σg；步骤5.4：从序列图像Forig(i,j,k)中选择一帧图像Forig(i,j)，给Forig(i,j)的每个像素点设置相应的量度值步骤5.5：将每个像素点的量度值与检测门限T进行比较，量度值大于T的像素点灰度值置1，否则置0，得到二值化图像根据二值化图像得到红外弱小目标所在的位置。