基于时域滤波的序列图像弱小目标检测方法技术
【技术实现步骤摘要】
基于时域滤波的序列图像弱小目标检测方法
本专利技术属于图像中弱小目标检测
，具体涉及一种基于图像序列时域滤波的弱小目标检测技术。
技术介绍
在一些预警系统中，图像中弱小目标的检测起着决定性的作用。但是在成像过程中，因为一些干扰因素的作用，导致远距离目标在成像结果上的信噪比很低，而且复杂的背景也会干扰目标的检测。这些因素都对弱小目标的检测带来了挑战。弱小目标检测算法可以分为两类：第一类是基于单帧图像的跟踪前检测算法(DetectbeforeTrack，简记为DBT)，第二类是基于序列图像的检测前跟踪算法(TrackbeforeDetect，简记为TBD)。跟踪前检测算法的基本思想是：首先对序列图像中的每幅图像都进行预处理、分割，获得众多疑似目标，然后根据目标运动规律的先验知识和灰度分布形式对目标进行确认。此算法逻辑清晰，实现简单。检测前跟踪算法的基本思想是：首先根据目标运动规律的先验知识对序列图像进行搜索，然后根据判定准则获取疑似目标运动轨迹，最后根据新输入的序列图像进行真实目标运动轨迹确认。YangL.(Yang,J.Yang,K.Yang,Adaptive...
【技术保护点】
基于时域滤波的序列图像弱小目标检测方法，首先对序列图像的时域剖面进行预处理，然后将所有的时域剖面一维信号都变换到一维频谱上，之后对这些一维频谱取相同的频率变量，得到一幅特征图像，完成三维空间到二维图像的投影变换，其特征在于，当频率变量值取0到1上某值时，目标信噪比达到最大，该值通过数值方法求解，只分析频率变量取0或1两种条件下特征图像上的目标信噪比，选取信噪比高的二维响应图进行阈值分割及目标检测，包括以下步骤：步骤1：在输入红外序列图像的每个像素点上提取时序信号f(x,y,n)，其中，x＝0,1,...,W‑1，y＝0,1,...,H‑1，n＝0,1,...,T‑1，W和H...
【技术特征摘要】
1.基于时域滤波的序列图像弱小目标检测方法，首先对序列图像的时域剖面进行预处理，然后将所有的时域剖面一维信号都变换到一维频谱上，之后对这些一维频谱取相同的频率变量，得到一幅特征图像，完成三维空间到二维图像的投影变换，其特征在于，当频率变量值取0到1上某值时，目标信噪比达到最大，该值通过数值方法求解，只分析频率变量取0或1两种条件下特征图像上的目标信噪比，选取信噪比高的二维响应图进行阈值分割及目标检测，包括以下步骤：步骤1：在输入红外序列图像的每个像素点上提取时序信号f(x,y,n)，其中，x＝0,1,...,W-1，y＝0,1,...,H-1，n＝0,1,...,T-1，W和H为图像的宽度和长度，T为图像帧数；步骤2：对步骤1中提取的时序信号进行预处理；步骤3：计算步骤2中预处理后时序信号的频谱幅值|F(x,y,n)|；步骤4：针对步骤3得到的频谱幅值|F(x,y,n)|，分别令u＝0,1，得到二维响应函数|F(x,y,0)|和|F(x,y,1)|；步骤5：比较步骤4计算出的两幅二维响应图，选取目标信噪比高的一幅图像作为二维特征图像，最后进行Hough变换以检测目标轨迹。2.根据权利要求1所述的基于时域滤波的序列图像弱小目标检测方法，其特征在于，所述步骤2中，采用基于图像序列闪烁去除的时域剖面归一化方法对获取的时序信号进行处理，信号预处理的表达式为：f(Norm)(r,k)＝f(r,k)-mf+I0(1)其中f(r,k)为第k帧图像，r表示图像上某像素点的二维坐标，I0为初始时刻第0帧图像的平均灰度值，mf为第k帧图像的平均灰度值，计算公式为：其中Ω为第k帧图像的面积。3.根据权利要求1所述的基于时域滤波的序列图像弱小目标检测方法方法，其特征在于，所述步骤5中，目标信噪比定义为频谱幅值的与噪声频谱幅值方差的比值，计算公式为：其中，FBl(u)、分别为信号频谱和噪声频谱；Fs(u)为目标分布fS(t)的傅里叶变换结果，其中fS(t)的表达式为：其中，AS为目标的强度系数，σS为目标在时域剖面的分布系数，ts为位置参数；对目标时域公式进行傅里叶变换，得到Fs(u)的表达式为：求Fs(u)的幅值函数，可得：假设背景噪声为高斯白噪声，均值为0，标准差为σB，则背景的表达式为：其中，A为背景的强度值，ξ为噪声，σB为噪声标准差，σs为信号标准差；对背景表达式求傅...
【专利技术属性】
技术研发人员：起峰，侯旺，雷志辉，张小虎，尚洋，张文龙，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。