【技术实现步骤摘要】
一种多向多尺度能量聚合的弱小目标增强及分割方法
[0001]本专利技术涉及红外目标检测的计算机视觉
，具体为一种多向多尺度能量聚合的弱小目标增强及分割方法。
技术介绍
[0002]红外探测器具有全天候，抗干扰能力强，分辨率高的特性。目前国内外学者针对红外目标检测算法进行了一系列的研究并取得了较出色的研究成果。但由于目标在经过检测模型的背景建模后目标的能量被削弱严重，这对后期进行目标的辨别，跟踪等研究造成困难，因此在进行红外目标检测时，对目标信号和背景信息进行研究对提高目标的检测率，降低检测虚警有重要意义。
[0003]为此，我们提出一种多向多尺度能量聚合的弱小目标增强及分割方法。
技术实现思路
[0004]本专利技术的目的在于提供一种多向多尺度能量聚合的弱小目标增强及分割方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种多向多尺度能量聚合的弱小目标增强及分割方法，包括以下步骤：
[0006]步骤一：定义能量聚合填充分析模型；
【技术保护点】
【技术特征摘要】
1.一种多向多尺度能量聚合的弱小目标增强及分割方法，其特征在于：包括以下步骤：步骤一：定义能量聚合填充分析模型；步骤二：定义填充策略模型；步骤三：结合能量聚合填充分析模型构建相应数学运算函数；步骤四：构建二次能量增强数学模型；步骤五：结合目标在弱小目标成像中目标信号分布不均匀的特性，通过调整不同的尺度大小来对目标进行目标分割，将目标在多个方向的信息都进行保留，提高目标的注意力；步骤六：结合多向多尺度分析模型；步骤七：定义分割模型。2.根据权利要求1所述的一种多向多尺度能量聚合的弱小目标增强及分割方法，其特征在于：所述步骤一中以中心色块3x3像元块分别向上，下，左，右构建像元的邻域3x3区域组成能量聚合模型，利用该模型对图像进行灰度能量聚合预处理来提高目标在图像中的对比度，达到增强目标信号的目的。3.根据权利要求1所述的一种多向多尺度能量聚合的弱小目标增强及分割方法，其特征在于：所述步骤二中定义了3种不同的能量聚合模式，当聚合模型中间色块区域块像元均值处于最大值时，表明该区域属于含有目标在内候选区域，则将该区域中最大灰度值提取并组成一个3x3的最大灰度值矩阵，将最大灰度值矩阵像元赋值到模型中的色块像元区域，模型中4个方向的区域块则用自身的像元灰度均值填充，达到增强目标信号的目的；聚合模式A，当聚合模型中间色块区域块像元均值处在最小时，表明该区域不满足弱小目标成像时在图中形成的孤立突起特性，该区域属于背景区域，故而这时将模型中色块区域块的像元均值填充到整个模型中，达到弱化背景影响的目的；聚合模式B，若聚合模型中中间色块区域块像元均值非最大或最小，说明此时聚合模型可能处于背景的边缘轮廓处，聚合模型中各区域块的像元均值差值较小，属于背景部分，此时便选取上、下、左、右4个方向中均值最小的2个方向进行像元求和取均值，并将结果填充到新的3x3区域块组成如上图中的平均像元灰度聚合矩阵；聚合模式C，将像元灰度聚合矩阵替换整个聚合模型，达到弱化边缘轮廓的目的。4.根据权利要求1所述的一种多向多尺度能量聚合的弱小目标增强及分割方法，其特征在于：所述步骤三中数学运算函数如下：式中：f1表示从输入图像；f中选取的整个能量聚合模型区域；
△
f
U3*3
，
△
f
D3*3
，
△
f
T3*3
，
△
f
L3*3
，
△
f
R3*3
分别表示聚合模型中的上、下、中心、左、右的区域均值；
根据上式对聚合模型中各个区域的像元灰度进行区域块的均值求取；接着依据聚合模型中各个区域块的均值选取对应的聚合模式来完成能量聚合；此外，根据弱小目标灰度能量与背景灰度区分明显的成像机制，为了能够映射目标的特性以完成能量融合，完成局部感兴趣区域的灰度信号增强，通过单个像元差值T，最大两个区域的均值差值T1设定了相应的约束参数来提取局部区域，其具体数学模型如下：式中：f1表示能量聚合模型所占区域；
△
f
U3*3
，
△
f
D3*3
，
△
f
T3*3
，
△
f
L3*3
，
△
f
R3*3
分别表示...
【专利技术属性】
技术研发人员：王旭东，艾春，冯震宇，刘淑英，
申请(专利权)人：缤谷电力科技上海有限公司，
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。