【技术实现步骤摘要】
一种基于局部对比度的红外弱小目标检测方法及装置
[0001]本专利技术属于目标检测领域，尤其涉及一种基于局部对比度的红外弱小目标检测方法及装置。
技术介绍
[0002]随着红外成像技术的发展，红外成像处理系统已得到广泛使用，红外目标检测作为其中的一项关键技术，近年来得到了快速发展。目标在远距离成像时，若目标面积小、强度弱，噪声干扰较大，会导致图像的信噪比低，因此复杂背景下的红外弱小目标检测是一个具有极大挑战的研究课题。检测的目的就是要剔除虚假目标，保留真实目标。
[0003]目前，红外弱小目标检测算法一般可分为两类：单帧检测算法和多帧检测算法。单帧检测算法主要是利用单帧图像中目标位置和背景位置对应灰度值之间的差异，对目标进行增强以及对背景进行抑制，提取出可疑目标，进而检测出真实目标，该方法耗时长，虚警率高；单帧检测算法包括峰值检测法、全局门限法、纹理分析法、形态学法、小波分析法等。多帧检测算法主要是利用序列图像中目标运动时域空间的特性以及目标运动的连续性和一致性，来实现对弱小目标的检测。多帧检测算法主要包括差分法、多...
【技术保护点】
【技术特征摘要】
1.一种基于局部对比度的红外弱小目标检测方法，其特征在于，所述方法包括以下步骤：步骤S101：设置一个尺寸为n
×
n的滑动窗口，n为奇数；由该滑动窗口从左至右、自上而下遍历图像I(x,y)，将图像I(x,y)划分为Num个彼此不重叠的图像块I
block
，1≤block≤Num，x为图像I(x,y)水平X方向的像素坐标，y为图像I(x,y)垂直Y方向的像素坐标，G(x,y)为图像在(x,y)坐标的灰度值；计算各图像块I
block
的均值，由该图像块的均值作为该图像块的响应值m
num
；步骤S102：计算图像I(x,y)中每个像素点的对比度，将所述图像I(x,y)中的每个像素点的灰度值替换为对比度，得到对比度图C(x,y)；步骤S103：基于所述对比度图C(x,y)，获取显著图S(x,y)，S(x,y)＝C(x,y)
‑
I(x,y)；步骤S104：获取目标检测阈值Th，Th＝μ
s
+k
×
σ
s
，其中，μ
s
是显著度图S(x,y)的均值，σ
s
是显著度图S(x,y)的标准差；k为分割系数；步骤S105：基于所述目标检测阈值Th，将所述显著图S(x,y)转化为二值图像B(x,y)，并从二值图像中获得原始点集points，points＝{(x
i
,y
i
)|i＝0,1,2,...,N
‑
1}，所述原始点为二值图像B(x,y)中非零像素点，x
i
为原始点集points中第i个原始点水平X方向的坐标，y
i
为原始点集points中第i个原始点垂直Y方向的坐标，N为原始点集points的个数；步骤S106：对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸。2.如权利要求1所述的基于局部对比度的红外弱小目标检测方法，其特征在于，所述步骤S104：获取目标检测阈值Th，Th＝μ
s
+k
×
σ
s
，其中，μ
s
是显著度图S(x,y)的均值，σ
s
是显著度图S(x,y)的标准差；k为分割系数，取值为3
‑
5。3.如权利要求2所述的基于局部对比度的红外弱小目标检测方法，其特征在于，所述步骤S106：对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸，所述聚类分析的步骤包括：步骤S1061：遍历points集合中的所有点，计算每个点的邻域密度，邻域范围为n
×
n，记为density＝{d
s
}，1≤s≤pnum，其中d
s
为points集合中第s个点的邻域密度，pnum为points集合中点的数目；其中，p、q分别为二值图像B中像素水平方向和垂直方向的坐标，(p0,q0)为集合points中第s个点的坐标。步骤S1062：若points集合中的点不为空，进入步骤S1063；否则，形成一个新的类簇集合L＝{l
t
|t＝0,1,2,...,L
n
‑
1}，其中t为第t个类簇，L
n
为集合L中类簇的个数；l
t
为第t个类簇的分类结果，进入步骤S1064；步骤S1063：将points集合中的点作为候选点，任意选取一个候选点，遍历points集合
中的所有点，计算points集合中各点与选取的所述候选点的欧式距离，...
【专利技术属性】
技术研发人员：陈延真，井世丽，成妍妍，王禄禄，吴盼良，
申请(专利权)人：河北汉光重工有限责任公司，
类型：发明
国别省市：
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。