一种基于边界分维数的红外图像卷云检测方法技术

本发明专利技术公开了一种基于边界分维数的红外图像卷云检测方法，涉及红外图像处理中的目标及虚警源检测领域；其包括步骤1：输入待处理的红外图像后，对其进行形态学重建获取重建图像；步骤2：对重建图像进行K均值聚类获取剔除背景区域保留云所在区域的图像；步骤3：将步骤2获取的图像分块获取图像块；步骤4：提取图像块边缘，并计算图像块边缘的分形维数；步骤5：根据设定的阈值对图像块边缘的分形维数进行筛选，获取卷云所在图像块，完成检测；本发明专利技术利用了卷云边缘固有的较大分形维数的特性，通过提取图像边缘，计算边缘的分形维数进行检测，提供一种快速计算、高效率的全新卷云检测方法，避免了现有方法中人工提取特征的不确定性。

An Infrared Image Cirrus Detection Method Based on Fractal Dimension of Boundary

The invention discloses an infrared image cirrus detection method based on boundary fractal dimension, which relates to the detection field of targets and false alarm sources in infrared image processing. It includes steps 1: after inputting the infrared image to be processed, morphological reconstruction is carried out to obtain the reconstructed image; step 2: K-means clustering is applied to the reconstructed image to obtain the image of the area in which the background area is removed and the cloud is retained; Step 3: Segmenting the image acquired in step 2 to obtain the image block; Step 4: extracting the edge of the image block and calculating the fractal dimension of the edge of the image block; Step 5: Screening the fractal dimension of the edge of the image block according to the set threshold, obtaining the image block where the cirrus cloud is located, and completing the detection; The invention utilizes the characteristics of the larger fractal dimension inherent in the cirrus cloud edge, and extracts the image edge by extracting the Edge, calculating the fractal dimension of the edge for detection, provides a fast and efficient new cirrus detection method, avoids the uncertainty of artificial feature extraction in the existing methods.

【技术实现步骤摘要】
一种基于边界分维数的红外图像卷云检测方法
本专利技术涉及红外图像处理中的目标及虚警源检测领域，尤其是一种基于边界分维数的红外图像卷云检测方法。
技术介绍
红外图像在军事中有着极为广泛的应用，如安防监控、目标追踪等，由此对于红外图像中不同种类的目标进行提取成为了近年来的研究热点。红外弱小目标检测中经常会有干扰检测的场景，卷云即为其中一种，故对红外图像中的卷云进行提取可有效地减少干扰。目前针对红外图像中的卷云检测方法较少，且由于红外图像成像距离远、分辨率较低，因此红外图像中的卷云容易与背景等其他干扰信息混淆，使检测难度增大。目前图像中的云检测方法主要利用阈值法和机器学习两种方法。Zhong等人2017年提出了用不同的阈值获得不同置信度图像从而检测云；Zhan等人2017年提出了使用卷积神经网络(Convolutionalneuralnetworks，CNN)进行特征提取的检测方法；Yuan等人2018年利用深度神经网络(Deepneuralnetworks，DNN)将边缘检测和云分割合并为多任务，由此检测出了云；Gomez-Chova等人2017年手工提取一些特征后使用不同的分类器对检测本文档来自技高网...

【技术保护点】
1.一种基于边界分维数的红外图像卷云检测方法，其特征在于：包括如下步骤：步骤1：输入待处理的红外图像后，对其进行形态学重建获取重建图像；步骤2：对重建图像进行K均值聚类获取剔除背景区域保留云所在区域的图像；步骤3：将步骤2获取的图像分块获取图像块；步骤4：提取图像块边缘，并计算图像块边缘的分形维数；步骤5：根据设定的阈值对图像块边缘的分形维数进行筛选，获取卷云所在图像块，完成检测。

【技术特征摘要】
1.一种基于边界分维数的红外图像卷云检测方法，其特征在于：包括如下步骤：步骤1：输入待处理的红外图像后，对其进行形态学重建获取重建图像；步骤2：对重建图像进行K均值聚类获取剔除背景区域保留云所在区域的图像；步骤3：将步骤2获取的图像分块获取图像块；步骤4：提取图像块边缘，并计算图像块边缘的分形维数；步骤5：根据设定的阈值对图像块边缘的分形维数进行筛选，获取卷云所在图像块，完成检测。2.根据权利要求1所述的一种基于边界分维数的红外图像卷云检测方法，其特征在于：所述步骤1包括如下步骤：步骤1.1：输入待处理的红外图像后，对红外图像进行高斯低通滤波获取去噪红外图像；步骤1.2：对去噪红外图像进行连续膨胀直至该图像中的物体轮廓与待处理的红外图像匹配，获取重建图像。3.根据权利要求1或者2所述的一种基于边界分维数的红外图像卷云检测方法，其特征在于：所述步骤2包括如下步骤：步骤2.1：定义类别数；步骤2.2：根据类别数对重建图像进行K均值聚类获取剔除部分背景区域并保留云所在区域的图像。4.根据权利要求1所述的一种基于边界分维数的红外图像卷云检测方法，其特征在于：所述步骤3包括如下步骤：步骤3.1：将步骤2获取的图像进行分块，计算公式如下：其中，M表示图像行数，N表示图像列数，k...

【专利技术属性】
技术研发人员：刘雨菡，吕昱霄，张鹏飞，宋立，彭真明，曹思颖，王光慧，曹兆洋，蒲恬，赵学功，杨春平，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51