一种基于广义Ｓ变换的微弱目标检测方法技术

一种基于广义Ｓ变换的微弱目标检测方法，属于图像处理领域，尤其涉及应用图像的二维广义Ｓ变换进行微弱目标的检测方法。本发明专利技术首先对原始图像Ｉ（ｘ′，ｙ′），进行二维广义Ｓ变换，得到广义Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）；然后根据广义Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）对图像中的微弱目标进行检测；通过固定空间频率ｋ↓［ｘ］或ｋ↓［ｙ］的值，使四维Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）降为三维数据，计算沿ｘ或ｙ方向每一个取值下所对应的垂直切面图像（ｙ，ｋ↓［ｙ］）或（ｘ，ｋ↓［ｘ］）的频率成分能量之合并与阈值进行比较，从而确定微弱目标在原始图像中所在的列和行的位置。本发明专利技术通过对原始图像进行广义Ｓ变换，在广义Ｓ变换的结果上通过降维可视化处理，利用Ｓ变换域的信息来检测微弱目标，可以有效克服空间域中噪声、杂波及云层等遮拦物的影响。

【技术实现步骤摘要】

本专利技术属于图像处理领域，尤其涉及应用图像的二维广义s变换进行微弱目标的检测方法。
技术介绍
在预警系统中，常常要求探测器能够在第一时间发现并捕获、跟踪目标，并进一步的对 目标的类型、速度等参数进行识别和判断，从而辅助预警系统做出决策。而此时由于作用距 离远，目标的成像面积非常小，加之大气散射、系统噪声等因素的干扰，探测器获得的图像 信噪比极低，致使目标能量非常微弱，因此，微弱目标的探测和识别具有重要的研究意义。 目前，微弱目标检测主要是在图像的空间域内完成的，主要思路都是通过增强微弱目标能量、 抑制背景噪声来实现目标检测。比如，多帧能量累加、背景预测、图像增强等。1) 多帧能量累加由于微弱目标是运动的，其运动轨迹是连续、 一致的，通常表现为有一定规律的曲线， 而噪声是杂乱无章、没有规律的。如果能沿着目标轨迹将目标的能量累积，那么到达一定的 累加程度后，目标的能量将得到显著增强，而噪声则无明显变化，此时可以成功检测出图像 中的微弱目标。然而，在很多实际情况中目标的航速、航向及位置等轨迹信息预先都未知，要实现沿目 标轨迹上积累目标能量非常困难。目前大多数方法都是通过连续多帧图像求平均值来达到累 积目标能量的目的，但这种方法具有一定的局限性，它对于目标在帧间运动速度比较慢的情 况能在一定程度上积累目标能量，但对于帧间运动位移与目标的大小相仿，即帧间无重叠的 情况，直接进行帧间累加基本就没什么改善效果。2) 背景预测背景预测技术是利用目标与背景在空间、时间或频域的特性区别，压制背景、突出目标。 特别对于点源目标，斑状目标或小目标，其形态信息完全没有或不显著的情况下，通过各种 空间、时间及频域滤波算法减弱背景图像的能量，可以有效增强目标图像的能量。由于图像的背景具有较强的空间相关性，在一个小区域内不会有很大的起伏，而目标总是它所在的小区域内较突出的一个变化，因此可以假设图像中任何一点如果是背景中的点，它的灰度、梯度和其它特征都可以根据它周围的点来预测，若预测失败则可认为此点是潜在 目标点，这就是背景预测的基本思想。通常釆用的方法是用局部小区域内像素的加权平均来预测背景，设原图像为/(X,力，则 预测的背景为( 1 )将AOc,力和原图像进行减运算，就可以抑制大部分背景，突出了微弱目标。背景预测法对于背景简单的点状目标是有效的，但在对比度极低的情况下，不能准确地 预测背景并成功检测出微弱目标。3)其他现有方法微弱目标图像往往对比度极低，如果能用图像增强方法提高图像的对比度，也可以有效 的提高微弱目标的检测概率和识别概率。目前采用的图像增强方法有直方图均衡，模糊增强等方法。直方图均衡法的优点是能自动的增强整个图像的对比度，但它对于具体的增强效果不容 易控制，处理的结果总是得到全局均衡化的直方图，而微弱目标往往并没有得到明显增强， 所以对于微弱目标检测，直方图均衡的效果并不理想。模糊增强方法类似于空域增强方法，不过它是在图像的模糊特征域(平面)上来修改像素的，而此特征域正是利用模糊性因子从空域中得到， 一般的模糊增强经过三步图像域到 模糊域一模糊域到模糊域一模糊域到图像域。在图像由空间域点^/变换到模糊域点"^的过程中常称为图像模糊化，需要选择一个映射G作为隶属函数，常用的隶属函数有标准模糊S 函数，经典PAL函数，正弦函数等。若令:^表示第(附，w)个像素的灰度级，jc^表示最大灰度级，则按照标准模糊S函数计 算得到& 所对应的隶属函数为<formula>formula see original document page 6</formula>(2)式中，参数fl,6,c都需要人为来设定，这也是模糊增强方法的最大不足，即自适应性不好， 需要过多的人为干预。综上所述，现有技术大多基于空间域分析，而在在空间域，由于微弱目标和背景的灰度 差别不大，加之噪声和杂波的干扰很大，常常制约了这些方法的性能。S变换(Stockwell变换，简称S变换)是在短时傅立叶变换(STFT)、 Gabor变换和小 波变换等时频分析方法基础上发展起来的一种新的时频分析方法。二维S变换定义如下「 「 一'，力應e-W > "" 27T (3)式中MA/)表示原始二维图像，(X',/)表示原始二维图像的空间坐标。变换后的S 变换谱包含四个变量(X,少，、，、)，其中(X，力表示空间域变量，(^，、)表示空间频率变换域 变量。与短时傅立叶变换相似，S变换用一个窗函数与原始图像信号相乘，相当于截取了原始图像/z(x'，/)在(;c,力位置的局部信息，所以变换后的Oc，力能反映原始图像的空间位置信 息。S变换在自适应调节窗口频率的基础上，引入小波的多分辨率分析，在时频平面上比小 波变换更直观，易于理解，并与傅立叶频谱保持直接联系。上面提到的S变换窗函数都是随频率变化伸縮的高斯函数，它的基本小波是固定的，这 使其在应用中受到限制。如果将窗函数推广为任意可变形状的一般函数，这时得到的S变换 统称为广义S变换。广义S变换的实现是通过在二维广义高斯窗函数引入调节参数^和"来实现的，二维广义S变换的定义为S(x， > ,、，、，〃，")po 「 l&ll^yl"{(: :'-力2(、/〃)2+(》''-乂)2( /7>2]/2 -,'2;r(^;c'+ :y')''=L L W，力^^ e 血办("当P和"均取1时，即为二维S变换的基本形式。由式(5)， 二维信号/ (其中/ = 0，1,...,^—i，《=o，i，.."iv—i， 7;为p方向上的采 样间隔，7;为9方向上的采样间隔)的二维广义s变换的离散形式为s(p7;，《7;，丄,1，//，/7)J] X H(——,-)e "m ew M,x ,;v (""，m, (6)对("=0，附=0)，其二维广义s变换的离散形式为原始二维信号A的平均值，即S(/77;，《7;，0，0,1 w-l 似-1工》層 '=0 m'=0根据以上思路，二维离散广义s变换的算法流程如图1所示。(7)
技术实现思路
本专利技术的目的是提供，该方法在对图像进行二 维广义s变换后，获取图像s变换域非零频率分量的能量和，选取合适的阈值并比较各点对应的非零频率分量的能量和与阈值的大小，可以实现对微弱目标的有效检测。该方法可以有 效检测出低信噪比图像中的微弱目标，并能有效克服遮挡的影响。本专利技术不同于传统的在空间域中进行的微弱目标检测方法，而是将思路转换到频率域中， 希望运用微弱目标和背景、噪声在频域特征上的区别对之进行检测。本专利技术技术方案如下一种基于广义S变换的微弱目标检测方法，如图2所示，包括如下步骤步骤1:对一幅大小为MxW的原始图像/( ,力，0'-l，2,…，M;/^l，2,…,JV)进行二7维广义S变换，如图2所示，具体包括以下几个步骤歩骤1-1:对原始图像/(JC',/)进行快速傅立叶变换/(;c'，力—F(a,历，F(a，y5)为图像 的快速傅立叶变换结果，"，/S为频率域变量；步骤1-2:对所有空间频率点(、，、)，、=1，2,..，M，表示X方向上的空间频率点，、=1,2，.-，JV，表示y方向上的空间频率点，进行第步骤l-3—步骤1-6本文档来自技高网...

【技术保护点】
一种基于广义Ｓ变换的微弱目标检测方法，包括如下步骤：　步骤１：对一幅大小为Ｍ×Ｎ的原始图像Ｉ（ｘ′，ｙ′），（ｘ′＝１，２，…，Ｍ；ｙ′＝１，２，…，Ｎ）进行二维广义Ｓ变换，具体包括以下几个步骤：　步骤１－１：对原始图像Ｉ（ｘ′，ｙ′）进行快速傅立叶变换：Ｉ（ｘ′，ｙ′）→Ｆ（α，β），Ｆ（α，β）为图像的快速傅立叶变换结果，α，β为频率域变量；　步骤１－２：对所有空间频率点（ｋ↓［ｘ］，ｋ↓［ｙ］），ｋ↓［ｘ］＝１，２，…，Ｍ，表示ｘ方向上的空间频率点，ｋ↓［ｙ］＝１，２，…，Ｎ，表示ｙ方向上的空间频率点，进行第步骤１－３－步骤１－６的操作：　步骤１－３：在空间频率点（ｋ↓［ｘ］，ｋ↓［ｙ］），对高斯局部化窗函数ｅ↑［－２π↑［２］（α↑［２］μ↑［２］／ｋ↓［ｘ］↑［２］＋β↑［２］η↑［２］／ｋ↓［ｙ］↑［２］进行傅立叶变换，得到它的傅立叶频谱Ｗ（α，β），高斯窗函数中的μ和η为取值范围为正数的调节参数，其定义为σ↓［ｘ］＝μ／ｋ↓［ｘ］，σ↓［ｙ］＝η／ｋ↓［ｙ］，σ↓［ｘ］，σ↓［ｙ］是尺度因子；　步骤１－４：移动傅立叶频谱：Ｆ（α，β）→Ｆ（α＋ｋ↓［ｘ］，β＋ｋ↓［ｙ］）；　步骤１－５：计算Ｆ（α＋ｋ↓［ｘ］，β＋ｋ↓［ｙ］）与Ｗ（α，β）的点积，表示为Ｍ↓［ｋ↓［ｘ］，ｋ↓［ｙ］］（α，β）：　步骤１－６：计算Ｍ↓［ｋ↓［ｘ］，ｋ↓［ｙ］］（α，β）的傅立叶反变换得到原始图像Ｉ（ｘ，ｙ）的广义Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）；　步骤２：根据步骤１所得的原始图像Ｉ（ｘ′，ｙ′）的广义Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）对图像中的微弱目标进行检测，固定空间频率ｋ↓［ｙ］的值，使四维Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）降为三维数据，计算沿ｙ方向每一个取值下所对应的垂直切面图像（ｘ，ｋｘ）的频率成分能量之和Ｐ↓［ｘ］（ｉ），（ｉ＝０，１，２，…，Ｍ）平均值＊↓［ｘ］＝１／Ｍ＊Ｐ↓［ｘ］（ｉ）作为阈值Ｔ↓［１］，比较Ｐ↓［ｘ］（ｉ）与Ｔ↓［１］的大小，其中Ｐ↓［ｘ］（ｉ）大于Ｔ↓［１］的行就是微弱目标所在行的位置；　步骤３：根据步骤１所得的原始图像Ｉ（ｘ′，ｙ′）的广义Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）对图像中的微弱目标进行检测，固定空间频率ｋ↓［ｘ］的值，使四维Ｓ变换结果Ｓ（ｘ，ｙ，ｋ↓［ｘ］，ｋ↓［ｙ］）降为另一组三维数据，计算沿ｘ方向每一个取值下所对应的...

【技术特征摘要】

【专利技术属性】
技术研发人员：彭真明，雍杨，张杰，甄莉，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：90[中国|成都]