[发明专利]基于多尺度形态学融合的加权局部熵红外小目标检测方法

摘要

本发明提出一种基于多尺度形态学图像融合的加权局部熵红外小目标检测方法，首先，对红外图像进行转换至灰度域进行处理；其次，对红外图像进行多尺度形态学Top‑Hat图像分割处理，在相邻尺度的Top‑Hat的基础上求图像差异，得到最小差异图，再将最小差异图与经Top‑Hat变换的图像的最小均值图做融合，得到背景抑制后的图像；然后，通过计算初始图像的局部熵，得到局部熵信息图；之后，对背景抑制后的图像与局部熵信息图进行点乘，并归一化，得到红外小目标的显著图；最后，利用阈值分割技术对红外小目标显著图滤波并二值化，得到处理后图像，其中的二值化为1的区域就是红外小目标。本发明适合于红外小目标检测领域，能够有效的提高红外小目标检测的准确率，并且有效的降低虚警率。

主权项

1.一种基于多尺度形态学融合的加权局部熵红外小目标检测方法，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Img，图像大小为m*n；步骤2：将输入的图像Img转换为灰度图像，得到图像Img_in；步骤3：采用以下步骤进行背景抑制：步骤3.1：设定I个形态学预处理结构单元m_i，1≤i≤I，其中I取大于零的整数，且形态学预处理结构单元尺度随i增大而增大；步骤3.2：选择形态学预处理结构单元m_i对图像Img_in进行Top‑Hat形态学图像预处理，得预处理后的图像，记为WTHS_i；步骤3.3：重复步骤3.2，直到所有设定的形态学预处理结构单元全部与图像Img_in完成Top‑Hat形态学图像预处理，得到多尺度Top‑Hat预处理图像集WTHS；步骤3.4：对多尺度Top‑Hat预处理图像集WTHS中相邻两幅图像对应像素点的灰度值作差，得到差异图：WTHS_{Top_Hat(i+1)}＝WTHS_i+1‑WTHS_i，1≤i≤I‑1步骤3.5：重复步骤3.4，得到多尺度Top‑Hat预处理图像集WTHS中I‑1组相邻两幅图像之间的差异图组成的差异图集WTHS_{Top_Hat}；步骤3.6：对差异图集WTHS_Top‑Hat进行元素灰度值最小融合，得到融合图像WTHS_{Top‑Hat‑min}；计算多尺度Top‑Hat预处理图像集WTHS中每个图像的灰度均值，取其中的最小均值图WTHS_mean(min)；步骤3.7：将图像WTHS_{Top_Hat_min}与最小均值图WTHS_mean(min)中对应像素点灰度值相加，得到背景抑制后的融合图Img_WTH；步骤4：计算图像Img_in的图像局部灰度的信息熵：步骤4.1：选取半径为M的信息熵计算窗口对图像Img_in从上到下、从左到右进行局部灰度信息熵运算：信息熵计算窗口的中心从图像Img_in的(M+1,M+1)位置开始滑动，同时计算该窗口下的局部信息熵，直到最后滑到图像Img_in的(m‑M,n‑M)位置为止，图像Im_gin的边缘信息熵填充为0，得局部灰度信息熵图记为Img_entropy；步骤4.2：将局部灰度信息熵图Img_entropy与融合图Img_WTH对应像素点的像素值相乘，并归一化后得到加权局部灰度信息熵图Img_L‑entropy作为红外小目标显著图；步骤5：计算灰度信息熵自适应阈值：步骤5.1：计算红外小目标显著图Img_{L_entropy}的像素值均值Mean和像素值方差Var，并找出其中像素值的最大值H_max；步骤5.2：计算阈值T＝α(H_max‑Mean)+βMean²+εVar，其中α、β、ε为设定的正常数；步骤6：利用步骤5得到的阈值T对红外小目标显著图Img_{L_entropy}进行二值化处理，图中像素值低于T的置为0，不低于T的置为1；得到红外小目标显著图的二值化结果Img_{L_entropy_B}作为最终红外小目标分布检测图，其中二值化为1的区域就是红外小目标。