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...

【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