【技术实现步骤摘要】
一种基于内在推导机制的图像背景杂波度量方法
本专利技术涉及图像处理
，涉及一种可见光图像背景杂波度量方法，尤其是涉及一种基于内在推导机制的图像背景杂波度量方法，主要用于光电成像系统目标获取性能评估影响、伪装图案的设计和评估、定量评估杂波对目标探测识别的影响等。
技术介绍
随着探测器技术水平提升以及生产工艺的进步，光电成像系统的灵敏度和分辨率得到了很大的提高，已达到或接近背景极限，这使得背景因素成为限制光电成像系统目标获取性能的一个重要因素。因此，如何准确度量背景因素对目标获取的影响已经成为精确预测和评估光电成像系统性能的关键。人在回路系统光电成像目标获取过程中，一般将场景中分散观察者注意力、干扰目标探测识别的背景因素称为杂波。研究者们提出了很多度量背景杂波的方法，这些方法可分为：1、基于数学统计杂波度量，如统计方差及其改进方法，这类方法是基于图像中目标与背景像素值的统计信息对背景杂波进行度量，计算简单且适用于自然场景。但是，由于这类方法仅仅考虑了像素值的大小并以统计值来衡量目标与背景的相似性，忽略了包括目标形状...
【技术保护点】
1.一种基于内在推导机制的图像背景杂波度量方法，其特征是：其包括以下步骤：/nS1、图像分解：采用自回归模型模拟大脑的内在推导机制，将目标图像分解为有序部分和无序部分；/nS2、有序部分杂波度量：对于步骤S1中所得到的有序部分，利用结构相似性度量目标图像与背景杂波图像所对应的有序部分之间的差异；/nS3、无序部分杂波度量：对于步骤S1中所得到的无序部分，采用亮度自适应局部二进制模式分析其结构的不确定性，并利用ILBP熵计算其结构不确定度，然后在ILBP熵空间中度量目标图像与背景杂波图像所对应的无序部分之间的差异；/nS4、标准方差加权合并杂波度量：采用标准方差加权合并策略对...
【技术特征摘要】
1.一种基于内在推导机制的图像背景杂波度量方法，其特征是：其包括以下步骤：
S1、图像分解：采用自回归模型模拟大脑的内在推导机制，将目标图像分解为有序部分和无序部分；
S2、有序部分杂波度量：对于步骤S1中所得到的有序部分，利用结构相似性度量目标图像与背景杂波图像所对应的有序部分之间的差异；
S3、无序部分杂波度量：对于步骤S1中所得到的无序部分，采用亮度自适应局部二进制模式分析其结构的不确定性，并利用ILBP熵计算其结构不确定度，然后在ILBP熵空间中度量目标图像与背景杂波图像所对应的无序部分之间的差异；
S4、标准方差加权合并杂波度量：采用标准方差加权合并策略对步骤S2中所得到的有序部分杂波度量与步骤S3中所得到的无序部分杂波度量合并，得到最终的图像背景杂波度量值。
2.根据权利要求1所述的基于内在推导机制的图像背景杂波度量方法，其特征是：其步骤S1中，图像分解步骤，具体为：通过分析中心像素x与其邻域像素xi的相关性，计算各邻域像素xi与中心像素x的相关性系数；根据邻域像素xi的值，利用自回归模型来预测中心像素x的值；利用中心像素x与其邻域像素xi间的互信息I(x；xi)作为自回归模型的系数，计算方法如下
其中，I'(x)为利用邻域像素所预测出来的像素值，作为中心像素的预测值，ci为归一化系数，ε为随机噪声，I(x；xi)为中心像素x与其邻域像素xi间的互信息，将图像经过预测后得到的I'(x)作为有序部分，记为Io，将预测后所残余的部分作为无序部分，记为Id，计算如下
Id＝I-Io(3)。
3.根据权利要求1所述的基于内在推导机制的图像背景杂波度量方法，其特征是：其步骤S2中，所述结构相似性SSIM由三部分组成：亮度信息度量l、对比度信息度量c、结构信息度量s，具体表达式为
SSIM(To,Co)＝[l(To,Co)]α·[c(To,Co)]β·[s(To,Co)]γ(4)
s(To,Co)＝(σTC+ε3)/(σTσC+ε3)(7)
其中，SSIM(To,Co)为目标图像与背景杂波图像对应的有序部分之间的结构差异，To与Co分别为目标图像的有序部分、背景杂波图像的有序部分，α、β、γ分别是描述亮度信息度量l、对比度信息度量c、结构信息度量s的重要性因子，μT、μC、σT、σC、σTC分别为To的均值、Co的均值、To的标准差、Co的标准差、协方差，ε1、ε2、ε3是防止分母为零...
【专利技术属性】
技术研发人员：苗锡奎，张恒伟，王非，康大勇，康华超，李武周，侯兆飞，刘小虎，陈育斌，
申请(专利权)人：苗锡奎，中国人民解放军六三八九一部队，
类型：发明
国别省市：河南;41
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。