基于改进Pixel分割的红外弱小目标检测算法制造技术

本发明专利技术公开了基于改进Pixel分割的红外弱小目标检测算法，涉及图像处理技术领域，针对目前算法中如何能有效分割出目标而不带来虚警的问题，现提出如下方案，根据对空红外图像的目标、噪点及背景的成像差异特性，充分利用目标局部成像灰度特征，采用改进Pixel分割方法，对输入图像各个像素取半径不同的内外滑动模板，计算模板上下左右四个方向的均值及方差，通过对四个方向的均值及方差比较，计算滑动窗口中心点对应的分割阈值，生成的阈值矩阵对滤波后的图像进行分割，可以有效地将云层边缘目标，复杂场景中弱小目标完整分割出来，再通过虚警抑制判据，可以准确地检出低信噪比目标。

【技术实现步骤摘要】
基于改进Pixel分割的红外弱小目标检测算法
本专利技术涉及图像处理
，具体为基于改进Pixel分割的红外弱小目标检测算法。
技术介绍
远距离获取的红外图像，大体可以分为目标、背景和噪声三种成分。由于红外系统探测距离较远，而目标处在运动状态，所以，目标尺寸不固定，通常占有的像元很少，所占的面积很小，缺乏颜色、形状、纹理等方面的有效信息。针对这个难题，已有许多学者及研究机构进行了深入的研究，从图像滤波的角度提出了许多算法，如时域滤波、频域滤波、匹配滤波、概率神经网络等等，这些算法在信噪比较高时检测效果不错，但是当目标运动在云层边缘或者场景中出现强杂波等的干扰时，通常会导致检测失败。因此在低信噪比条件下，探求一种既能去除虚警，同时能保证目标检出的方法是亟待解决的难题。本专利技术首先采用非局部均值滤波方法对获取图像进行滤波，同时利用目标在局部区域灰度呈现较大的特点，使用改进Pixel分割的算法，对目标进行精准分割，最终提取出目标。图像分割是通过一定的算法将图像细分为若干特定区域，这些区域对应图像中的不同目标，然后对感兴趣的区域进行描述与研究，最终提取出所需要的目标，图像分割的好坏直接影响后续目标的检测结果。根据门限值，大于阈值的被判别为目标，小于阈值的视为背景。但是在实际图像中背景特性曲线与目标特性曲线存在交集，这就导致了漏警与虚警的产生。小于阈值的被认为是背景，这就是漏检；对背景噪声来说，大于阈值的被认为是目标，这就是虚警。在目前的算法中，对于整幅图像通常只有一个分割阈值。但是实际中，由于目标在持续的运动中，目标周围的场景也在不断的变化，当目标处于整幅图都是干净的背景，全局阈值与局部阈值计算相当；但是当目标处于复杂的场景中，则整幅图像计算的阈值将会抬高，当目标随着距离增加时，可能会导致目标漏检，如果不断降低阈值，则可能导致虚警增加。如何能有效分割出目标而不带来虚警是值得研究的问题。为此，我们提出基于改进Pixel分割的红外弱小目标检测算法。
技术实现思路
本专利技术的目的在于提供基于改进Pixel分割的红外弱小目标检测算法，以解决上述
技术介绍
提出的目前的算法中如何能有效分割出目标而不带来虚警的问题。为实现上述目的，本专利技术提供如下技术方案：基于改进Pixel分割的红外弱小目标检测算法，该算法适用于matlab或者VS平台开发运行；具体步骤如下：S1：读取输入图像image，高为height，宽为width；S2：采用非局部均值滤波方法对原图像进行滤波，得到滤波图像Filterimage；S3：计算滤波图像的均值mm及方差var，计算图像全局分割阈值即Thread，Thread=tk*mm，tk为经验值，可取10；S4：构造阈值分割数组MultiThread,尺寸与输入图像保持一致，且各个元素值为0；S5：构建滑动窗口，内窗口为Inside,半径为ds,元素值为0；外窗口为Outside,半径为DS,元素值为1；S6：设置列数增量column步长为1,行数增量row步长为1；S7：若column或row值小余DS或者大于width–DS,height–DS,将Thread值直接赋予当前遍历像素坐标对应MultiThread；否则执行步骤8；S8：若column或row值大余DS或者小于width–DS,height–DS,外窗口与原图像进行点乘，获得当前块为CurrentMode；S9：取CurrentMode内尺寸与Inside窗口点乘，得到Local_Pixel矩阵；S10：计算Local_Pixel矩阵上下左右四个方向的均值，mean_top,mean_bottom,mean_left,mean_right及四个方向的方差；S11：比较上下、左右两个方向的均值，将较小值的像素进行重组，生成bkgray；其中，bkgray为数组，存放的为按照从小到大排序的上下左右四个方向的灰度均值；S12：计算bkgray的方差，与系数相乘得出结果赋给当前遍历中心对应数组MultiThread；其中，MultiThread为构造的阈值分割数组，尺寸与输入图像保持一致；S13：利用MultiThread对滤波图像Filterimage进行阈值分割，得到候选目标图像；S14：虚警抑制，上报目标信息。优选的，选取一幅大小为612×294的图像，将其进行非局部均值滤波，得到滤波图像Filterimage，计算出全局均值及方差，得到全局阈值Thread，阈值系数为10；构建一个大小为15×15的外窗口，即DS取为7；内窗口为5×5，即ds取为3；对原始图像进行遍历，判断遍历模板中心像素周围四个方向的均值及方差，比较上下，左右两个方向的均值；将较小的值进行重组，生成bkgray；对bkgray数组计算方差，得出该像素点对应的阈值；最后将得到的MultiThread数组对滤波后的Filterimage进行分割及候选目标提取，虚警抑制后上报目标信息。与现有技术相比，本专利技术的有益效果是：本专利技术根据红外图像中弱小目标的局部灰度特性，充分利用目标在局部区域灰度较亮的特性，设计出一种改进Pixel分割的红外弱小目标检测算法，保证目标的完整检出，同时较好地抑制虚警；本专利技术是通过以下方法步骤达到既可较好去除高斯白噪声、云层边缘等干扰，又可较好保证目标的完整检出，具有较好的工程实用价值；本专利技术充分利用了图像中目标区域成像的特点，通过Pixel级分割矩阵对全图各个点进行分割，可以有效地将云层边缘附近目标，或者强干扰图像中的弱小目标有效地检测，同时有效地抑制虚警。附图说明图1为本专利技术实施例一的原图像示意图。图2为本专利技术实施例一的滤波后图像示意图。图3为本专利技术实施例一的检出图像示意图。图4为本专利技术实施例二的原图像示意图。图5为本专利技术实施例二的滤波后图像示意图。图6为本专利技术实施例二的检出图像示意图。图7为本专利技术实施例三的原图像示意图。图8为本专利技术实施例三的滤波后图像示意图。图9为本专利技术实施例三的检出图像示意图。图10为本专利技术的程序流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。请参阅图1-图10，本专利技术提供一种技术方案：基于改进Pixel分割的红外弱小目标检测算法，具体步骤如下：S1：读取输入图像image，高为height，宽为width；S2：采用非局部均值滤波方法对原图像进行滤波，得到滤波图像Filterimage；S3：计算滤波图像的均值mm及方差var，计算图像全局分割阈值，Thread=tk*mm，tk为经验值，可取10；S4：构造阈值分割数组MultiThread,尺寸与输入图像保持一致，且各个元素值为0；S5：构建滑动窗本文档来自技高网...

【技术保护点】
1.基于改进Pixel分割的红外弱小目标检测算法，该算法适用于matlab或者VS平台开发运行；其特征在于：具体步骤如下：/nS1：读取输入图像image，高为height，宽为width；/nS2：采用非局部均值滤波方法对原图像进行滤波，得到滤波图像Filterimage；/nS3：计算滤波图像的均值mm及方差var，计算图像全局分割阈值即Thread，Thread=tk*mm，tk为经验值，可取10；/nS4：构造阈值分割数组MultiThread,尺寸与输入图像保持一致，且各个元素值为0；/nS5：构建滑动窗口，内窗口为Inside,半径为ds,元素值为0；外窗口为Outside,半径为DS,元素值为1；/nS6：设置列数增量column步长为1,行数增量row步长为1；/nS7：若column或row值小余DS或者大于width–DS,height–DS,将Thread值直接赋予当前遍历像素坐标对应MultiThread；否则执行步骤8；/nS8：若column或row值大余DS或者小于width–DS,height–DS,外窗口与原图像进行点乘，获得当前块为CurrentMode；/nS9：取CurrentMode内尺寸与Inside窗口点乘，得到Local_Pixel矩阵；/nS10：计算Local_Pixel矩阵上下左右四个方向的均值，mean_top,mean_bottom,mean_left,mean_right及四个方向的方差；/nS11：比较上下、左右两个方向的均值，将较小值的像素进行重组，生成bkgray；其中，bkgray为数组，存放的为按照从小到大排序的上下左右四个方向的灰度均值；/nS12：计算bkgray的方差，与系数相乘得出结果赋给当前遍历中心对应数组MultiThread；其中，MultiThread为构造的阈值分割数组，尺寸与输入图像保持一致；/nS13：利用MultiThread对滤波图像Filterimage进行阈值分割，得到候选目标图像；/nS14：虚警抑制，上报目标信息。/n...

【技术特征摘要】
1.基于改进Pixel分割的红外弱小目标检测算法，该算法适用于matlab或者VS平台开发运行；其特征在于：具体步骤如下：
S1：读取输入图像image，高为height，宽为width；
S2：采用非局部均值滤波方法对原图像进行滤波，得到滤波图像Filterimage；
S3：计算滤波图像的均值mm及方差var，计算图像全局分割阈值即Thread，Thread=tk*mm，tk为经验值，可取10；
S4：构造阈值分割数组MultiThread,尺寸与输入图像保持一致，且各个元素值为0；
S5：构建滑动窗口，内窗口为Inside,半径为ds,元素值为0；外窗口为Outside,半径为DS,元素值为1；
S6：设置列数增量column步长为1,行数增量row步长为1；
S7：若column或row值小余DS或者大于width–DS,height–DS,将Thread值直接赋予当前遍历像素坐标对应MultiThread；否则执行步骤8；
S8：若column或row值大余DS或者小于width–DS,height–DS,外窗口与原图像进行点乘，获得当前块为CurrentMode；
S9：取CurrentMode内尺寸与Inside窗口点乘，得到Local_Pixel矩阵；
S10：计算Local_Pixel矩阵上下左右四个方向的均值，mean_top,mean_bo...

【专利技术属性】
技术研发人员：丁云，张春景，陈旭彤，李国强，
申请(专利权)人：洛阳伟信电子科技有限公司，
类型：发明
国别省市：河南;41