[发明专利]基于离散分数布朗随机场的云天背景下红外弱小目标检测方法

摘要

本发明提出一种基于离散分数布朗随机场的云天背景下红外弱小目标检测方法，首先使用形态学和高斯滤波对红外图像进行预处理；其次对预处理后的结果，计算多尺度Hurst指数图；然后通过比较不同尺度下的Hurst指数，并进行图像的反转和显著性增强，得到最终的Hurst指数图；之后利用改进的类间方差来进一步去除噪声，增强目标显著性；最后在图中找到灰度值最大的点即为红外弱小目标所在位置。本发明利用Hurst参数能表征同一图像区域的自相似性(即灰度表面的均匀程度)的特性，结合多尺度，提高了检测鲁棒性。

主权项

1.一种基于离散分数布朗随机场的云天背景下红外弱小目标检测方法，其特征在于：包括以下步骤：步骤1：输入一幅待检测的红外图像Iorig；步骤2：对输入的图像进行预处理，预处理后的图像为Ipre：步骤2.1：对红外图像Iorig进行数学形态学的膨胀运算；步骤2.2：对膨胀后的图像进行高斯滤波处理；步骤3：采用以下步骤进行Hurst指数计算：步骤3.1：设置m个窗口尺度参数si，i＝1...m，si表示第i个尺度参数；步骤3.2：在某一尺度参数si下，采用滑动窗口模型按照顺序遍历整张预处理后的图像Ipre；步骤3.3：对窗口的每个中心位置(x0,y0)的像素点，采用以下公式计算Hurst指数值：其中N_γ表示窗口区域中到中心位置(x₀,y₀)的像素距离为γ个像素的像素点个数；N_γ+1表示窗口区域中到中心位置(x₀,y₀)的像素距离为γ+1个像素的像素点个数，γ+1大小与窗口边缘到窗口中心的距离一致；表示窗口区域中到(x₀,y₀)的像素距离为γ个像素的所有像素点的灰度值I(x_γ,y_γ)的绝对值之和，表示窗口区域中到(x₀,y₀)的像素距离为γ+1个像素的所有像素点的灰度值I(x_γ+1,y_γ+1)的绝对值之和；步骤3.4：重复步骤步骤3.2和步骤3.3，得到图像Ipre中各点在所有设定的尺度参数下Hurst指数值；并取每个点各自Hurst指数值的最小值组成最小Hurst指数图Hmin，其中取每个点的各自Hurst指数值的最小值作为在Hmin中的灰度值；步骤3.5：计算最小Husrt指数图中所有点的灰度值的最大值：max val＝max(Hmin)步骤3.6：对于Hmin中的每个点，采用最大值maxval减去该点的灰度值，得到最终的Hurst指数图IH＝max val‑Hmin；步骤4：计算改进类间方差图：步骤4.1：对于步骤3得到的Hurst指数图IH，采用嵌套双窗口按照顺序遍历整张图像；步骤4.2：对每组嵌套双窗口，分别计算中心窗口内各点的灰度均值μt以及外围背景窗口的灰度均值μs；步骤4.3：计算整个窗口的像素点个数N，其中中心窗口的像素点个数为N_t，外围背景窗口的像素点个数为N_s；得到中心窗口像素点个数和外围背景窗口像素点个数占整个窗口的比例步骤4.4：计算中心窗口的中心位置像素点的类间方差值：g＝ωs×ωt×(μt‑μs)2步骤4.5：重复步骤4.2～步骤4.4，计算每个像素点的类间方差，得到改进的类间方差图，其中取每个像素点的类间方差值作为在改进的类间方差图中的灰度值；步骤5：找到改进的类间方差图中灰度值最大的点，即为红外目标所在点。