[发明专利]一种基于分级LCM的快速小目标检测方法

摘要

本发明公开了一种基于分级LCM的快速小目标检测方法，属于图像处理中的小目标检测技术领域。本发明的具体实现步骤为：首先针对待检测图像进行预处理，然后以图像块为基础进行第一级LCM滤波处理，筛选出可疑目标区块，其次以改进的多尺度LCM算法进行第二级滤波处理，实现对可疑目标区块的目标增强，最后根据自适应阈值划分，提取出待检测小目标。本发明可以用于视频序列中的小目标检测与跟踪系统中。

主权项

1.一种基于分级LCM的快速小目标检测方法，其特征在于，包括下列步骤：步骤1：将输入的待检测原始图像转换成灰度图像I，并通过小尺寸中值滤波，对灰度图像I进行噪声滤除处理，得到去噪图像I'；其中小尺寸定义为小于待检测小目标面积的尺寸；步骤2：对去噪图像I'进行子块划分，得到以图像块为单位的图像块集合In；步骤3：采用LCM算法对图像块集合In进行第一级滤波，得到图像块集合In中的每个图像块的滤波结果，基于所有图像块的滤波结果得到突出度矩阵SM；步骤4：基于预设的第一级阈值T1，根据突出度矩阵SM，将图像块集合In划分为可疑目标区块TB和背景区块BB：若当前图像块的滤波结果大于第一级阈值T1，则将该图像块作为可疑目标区块TB；否则作为背景区块BB；其中第一级阈值T1的取值范围在突出度矩阵SM的最大值和最小值之间；步骤5：对所有的可疑目标区块TB，采用改进的多尺度LCM算法进行第二级滤波处理，得到使目标区域增强的进一步图像eTB；其中第二级滤波处理具体为：以每个可疑目标区块TB的每个像素点为中心点，依次向外扩展N个矩形边框；在每一个矩形边框中，计算当前矩形边框中每个像素点的灰度值和中心点的灰度值的比值，并选出当前矩形边框中比值最小的结果；依次遍历N个矩形边框，得到N次比值最小的选择结果，选取其中最大值作为中心点的中间响应结果；对中心点的中间响应结果做非线性变换：当中间响应结果大于1时，将中间响应结果乘以中心点的原灰度值作为增强值输出，即最终响应结果；否则，将中心点的原灰度值作为最终响应结果；步骤6：将目标区域增强图像eTB与可疑目标区块TB进行差分处理，得到差分图像Diff；步骤7：设定第二级阈值T2，对差分图像Diff进行二值划分得到二值图像BW：若当前像素值小于第二级阈值T2，则设置为0；否则设置为1；步骤8：对二值图像BW进行连通域标记，将所有值为1的连通域作为小目标区域。