【技术实现步骤摘要】
本专利技术涉及灰度形态滤波、相关性滤波、杂波抑制，具体为一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法。
技术介绍
1、图像噪声也称为背景抑制技术，利用目标与背景在空间、时间或者频域上的特性区别，压制背景的干扰，突出的目标的特性。由于噪声和杂波的存在严重干扰了对小目标图像的后续处理，因此研究和利用各种算法减弱背景、增强目标、提升图像质量成为了非常重要的研究课题。
2、强光背景下低信噪比、低对比度小目标检测的主要难点在于以下两点：第一，远距离成像，经过较长距离的大气衰减，传感器接收到的目标能量较弱，噪声和背景杂波在视场中所占比例大，图像信噪比降低。第二，小目标通常在图片内容中只占几个或几十个像素，能够被检测和使用的信息较少。
3、目前，用于小目标滤波的的方法比较常用的有：中值滤波器，匹配滤波器，用于小目标增强常用的方法有：模糊理论增强，小波变化法。用于小目标检测的方法有：卡尔曼滤波，动态规划算法等，目前较为实用的小目标探测方法主要以空间领域为主，但相关技术在实用方面不够成熟，滤波器设计较为复杂，算法计算困难。
4、综上所述，本专利技术通过设计一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法来解决存在的问题。
技术实现思路
1、针对强光背景下小目标提取困难的主要问题，本专利技术首先根据灰度形态学的基本性质，利用了基于改进灰度形态的方法来抑制图像噪声，同时基于噪声和杂波边缘点与远距离小目标在相关性方面的差异，引入了用于检测的高阶相关法，通
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法，其步骤具体如下：
4、步骤1，图像中噪声特性：数字图像的噪声主要来源于图像的获取和传输过程中的干扰，在相机捕获图像时，光照强度和传感器温度会在生成图像时产生大量的噪声污染，而且在后面的图像传输过程中，由于带宽或者传输信道干扰，也会产生大量的噪音；
5、从而使用峰度检验法来对连续帧中的图像噪声进行正态性检验，假设(x1,x2,…,xn)是从某个总体中抽取的长度为n的子样本，记:
6、
7、样本的k阶中心矩，定义随机变量x的偏度、峰度为：
8、
9、其中g1，g2是矩估计；由于在实际环境中，小目标所占像素少，相对大面积背景来说，占比率低于5％，从而认为原图中的噪声特性直接反映了背景图中的噪声特性；
10、步骤2，markov模型：小目标检测的另外一个困难是图片中往往存在大量的强杂波，由于杂波是时域上和空域上的连续信号，而且面积大，灰度覆盖的范围广，其中小目标的灰度与其存在交错现象，因此分离杂波和目标非常的困难；
11、从而采用杂波回归模型，即markov降低影响，其表达公式为：
12、
13、其中m,n是图像大小，am,n是杂波模型的系数，w(m,n,t)为背景噪音；公式表明，当图像在某一个时刻的状态一旦处于稳定态，而后续的状态的都是由当前状态和转移概率确定的；对与待检测的对象，一幅图像，如果状态和时间都是离散的，对于特殊的马尔科夫过程就成为马尔科夫链；
14、步骤3，高阶相关法：灰度形态学变换基于尺度特征，虽然能很好地剔除大面积杂波和噪声点，但是在杂波边缘点的处理上存在一定缺陷，因为在实际过程中，远景的小目标因为距离过远，体现在图像中的表现具体为运动感较为缓慢，帧间移动不大，相关性也就是相似性较强，其中杂波边缘表现出了空间相关性下降，因此，合理的利用相关性之间的差异，能有效抑制杂波边缘点和残留噪声影响，从而使用的高阶相关法不需要对信号和杂波的先验知识，只需要利用信号在时空域的相关性来实现对目标能量的增强和抑制噪声和杂波，克服了之前遇到不足；
15、如果将形态学滤波以后图像结合高阶相关法，可进一步有效滤除噪声和杂波；
16、基于连续两帧的k阶相关计算公式表达如下：
17、
18、其中g为硬判决函数，v为帧间最大可能运动速度：
19、
20、基于连续两帧图像的相关表达式为：
21、
22、式中y(0)(x,y,tn)＝f(x,y,tn)，y(0)(x+i,y+j,tn+1)表示tn,tn+1时刻图像的相关；
23、公式中体现出了一阶相关值y(1)(x,y,tn)包含了原始图像序列中连续两帧f(x,y,tn)、f(x,y,tn+1)的相同情况，同样推到图像的k阶相关包含图像序列中k+1帧图像信息；
24、对目标而言，理想情况下经过k阶相关后其y(k)＝1，而噪声和杂波边缘点的y(k)＝0；
25、步骤4，基于连续三帧的相关性滤波：检测管道这步利用相关性滤波，可以进一步除去图像中残留的杂波和噪声；为了能够使用相关孕穗的效率得到提高，采取基于连续三帧的相关；
26、以连续7帧的实际场景为例，帧组合后，要得到一帧输出的二值图像，一阶相关需要计算5次，二阶相关需计算3次，三阶相关需计算1次，总共需要计算9次，从而采取隔帧的方式减少计算量，但是会造成漏测，进而采取三帧的做法。
27、作为本专利技术优选的方案，所述步骤1中图像的图片大小为256*512，首先将原图划分为8x8的小块，取每帧图像中的20x40＝800个小窗口，使用连续5帧图像进行分析，每个窗口内样本点数为n＝8x5x5＝320。
28、与现有技术相比，本专利技术的有益效果是：
29、本专利技术中，通过设计一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法，首先分析了强光背景下小目标图像噪声、杂波特性，然后根据灰度形态学知识和高阶相关基本理论，进行了噪声、杂波抑制算法研究，从而改进的形态算法在抑制噪声的同时抑制了大面积杂波，效果相对于传统形态学处理方法，且形态学算子的设计更为简单，计算量更小，并且通过引入连续三帧的高阶相关法，进一步除去图像中残留的杂波和噪声。
本文档来自技高网...【技术保护点】
1.一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法，其步骤具体如下：
2.根据权利要求1所述的一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法，其特征在于：所述步骤1中图像的图片大小为256*512，首先将原图划分为8x8的小块，取每帧图像中的20x40＝800个小窗口，使用连续5帧图像进行分析，每个窗口内样本点数为n＝8x5x5＝320。
【技术特征摘要】
1.一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法，其步骤具体如下：
2.根据权利要求1所述的一种基于帐篷内强光环境下小目标检测噪声杂波抑制优化算法，其特征在于：所...
【专利技术属性】
技术研发人员：堵炜炜，孙盛婷，郭佳珺，石翼华，郑学锋，于帅，
申请(专利权)人：联通上海产业互联网有限公司，
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。