【技术实现步骤摘要】
一种基于分数熵的红外弱小目标检测方法
一种基于分数熵的红外弱小目标检测方法，用于红外弱小目标检测，属于原始红外图像处理及目标检测领域。
技术介绍
随着科技的进步，成像武器系统受到越来越多的国家的重视与发展，应用于多个方面，如：导弹预警、导弹拦截、火控系统、灾后监控系统等，而红外检测由于其全天候工作的特性，在成像武器系统中受到青睐。成像武器系统通常使用红外远距离探测，因此其探测的目标往往具有成像面积小，辐射能量弱，目标边缘模糊不清，信噪比较低等特点，将其准确地检测出来具有较大地难度。目前的红外弱小目标检测有：先检测后跟踪(DBT)、先跟踪后检测(TBD)、单帧图像检测。其中，DBT算法用于信噪比较高的情况下，当信噪比较低时，其检测效果不理想。TBD算法在信噪比低时具有较好地检测效果，但是该算法计算繁琐，需要进行多次地全局遍历，很难在硬件上大量应用。单帧图像检测方法有频域类算法、空域类算法。频域类方法要求目标具有较高地频域而背景具有较低地频域，但是实际场所中背景杂波也会有较高地频域，常常造成误检。空域类方法主要利用灰度特性来进行...
【技术保护点】
1.一种基于分数熵的红外弱小目标检测方法，其特征在于，包括如下步骤：/nS1、在获取的待检测的原始红外图像上建立滑动窗口，根据滑动窗口、给定的滑动窗口的滑动步长和原始红外图像得到备用熵值图像；/nS2、基于滑动窗口的滑动步长，按照从左往右、从上往下的方式在原始红外图像上滑动一次，得到一个ROI区域，计算ROI区域的分数熵并将其赋值给备用熵值图像对应的像素；/nS3、判断滑动窗口是否遍历完整幅原始红外图像，若是，得到分数熵图像，将分数熵图像中的像素值映射到空间[0，255]内，得到映射后的熵值图像，若否，转到步骤S2继续滑动滑动窗口；/nS4、将映射后的熵值图像进行形态学滤波...
【技术特征摘要】
1.一种基于分数熵的红外弱小目标检测方法，其特征在于，包括如下步骤：
S1、在获取的待检测的原始红外图像上建立滑动窗口，根据滑动窗口、给定的滑动窗口的滑动步长和原始红外图像得到备用熵值图像；
S2、基于滑动窗口的滑动步长，按照从左往右、从上往下的方式在原始红外图像上滑动一次，得到一个ROI区域，计算ROI区域的分数熵并将其赋值给备用熵值图像对应的像素；
S3、判断滑动窗口是否遍历完整幅原始红外图像，若是，得到分数熵图像，将分数熵图像中的像素值映射到空间[0，255]内，得到映射后的熵值图像，若否，转到步骤S2继续滑动滑动窗口；
S4、将映射后的熵值图像进行形态学滤波处理后，得到目标的位置与大小，基于目标的位置与大小在原始红外图像上进行重定位确定目标，最终得到检测结果。
2.根据权利要求1所述的一种基于分数熵的红外弱小目标检测方法，其特征在于，所述步骤S1的具体步骤为：
S1.1、在获取的待检测的原始红外图像上建立滑动窗口，给定滑动窗口的滑动步长；
S1.2、根据滑动窗口、滑动窗口的滑动步长和原始红外图像得到备用熵值图像大小，具体公式为：
其中，I2.cols和I2.rows为备用熵值图像I2的像素列数和行数，floor()表示向下取整数，N为原始红外图像的像素列数，M为原始红外图像的像素行数，n为滑动窗口的像素列数，m为滑动窗口的像素行数，w为水平方向的滑动步长，h为竖直方向的滑动步长；
S1.3、基于备用熵值图像大小，直接创建备用熵值图像。
3.根据权利要求2所述的一种基于分数熵的红外弱小目标检测方法，其特征在于，所述滑动窗口的大小为6*6，水平方向和竖直方向的滑动步长都为1。
4.根据权利要求1所述的一种基于分数熵的红外弱小目标检测方法，其特征在于，所述步骤S2的具体步骤为：
S2.1、基于滑动窗口的滑动步长，按照从左往右、从上往下的方式在原始红外图像上滑动一次，得到一个ROI区域；
S2.2、基于梯度为M的量化，对ROI区域内的像素灰度值进行量化，用初始化为0的一维数组a[]统计量化后ROI区域的灰度值的分布情况，其中，a[0]对应ROI区域内灰度值为0的像素个数，a[1]对应ROI区域内量化后的灰度值为M的像素个数，依次类推a[k]对应ROI区域内量化后的灰度值为k*M的像素个数，最后得到ROI区域内的像素灰度值分布情况，根据分布情况得到像素总数为：
S2.3、计算a[]中每一个灰度值占像素总数的比例，并将其对应存储在数组b[]...
【专利技术属性】
技术研发人员：彭真明，刘对虹，张鹏飞，胡峻崧，龙鸿峰，魏月露，王俊，杨春平，蒲恬，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
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。