一种基于剪切波变换的红外弱小目标检测方法技术

该发明专利技术属于红外图像处理技术中的一种基于剪切波变换的红外弱小目标检测方法，包括：先后采用非下采样拉普拉斯金字塔变换和Shearlet滤波器对原始红外图像进行处理、以分别获取不同尺度下各方向位的高频信息图，抑制背景、噪声干扰信息，增强目标信息以及提取弱小目标。该发明专利技术由于利用非下采样拉普拉斯金字塔变换和Shearlet滤波器原始红外图像进行处理后、再经对所得高频信息图同尺度及不同尺度间的融合处理，抑制了干扰信息、增强了目标信息，最后对高频信息图进行分割得清晰的弱小目标图；从而具有检测处理流程短、数处理据量小、处理时间短，可有效提高对红外弱小目标检测的性能、对图像中的目标和复杂背景的区分明显、效果好等特点。

【技术实现步骤摘要】

本专利技术属于红外图像处理
，涉及红外对空基和地基远程监控系统、红外预警及红外目标识别与跟踪系统等。将多尺度几何变换中的剪切波(Shearlet)变换理论用于红外弱小目标检测，本方法可有效地应用于低信噪比、背景和噪声干扰严重的单帧红外图像的弱小目标检测。
技术介绍
红外弱小目标检测对空基和地基远程监控系统、红外预警及红外目标识别与跟踪系统等有着重要的意义。对弱小目标而言，目标较小意味着传感器距离目标较远，相对尺寸比较小，图像中目标的尺寸小于6X6个像素点，无形状和纹理信息；目标较弱意味着目标与周围背景之间的对比度较低(< 0. 3)，目标信号强度与噪声的比值小(SNR < 2dB)，这些因素增加了弱小目标的检测难度。单帧红外图像弱小目标检测方法可分为基于全局特征和局部特征的检测方法两类。基于全局特征的目标检测方法有最大类间方差法、最大熵估计法和改进的偏微分方程法等。然而，由于弱小目标的全局特征非常不明显，它仅为局部的极值点，因此基于全局特征的弱小目标检测算法大多性能不佳。为此，发展了基于局部特征的目标检测方法小面模型法、邻域反向相位特征法、元胞自动机法和局部二元模式算子检测法等；此外，神经网络和小波变换等也被用于单帧弱小目标检测，都取得了较好的效果，但不能很好地应用于红外图像信噪比较低、背景和噪声干扰严重的情况。常规基于小波变换的方法是主要利用小波的多尺度分析方法区分图像的背景及感兴趣目标区。在《基于小波多尺度分析及Fisher分割的红外弱小目标检测.》(见《红外与毫米波学报》，2003年22卷(5期)P353-356，作者李红，郑成勇，高景丽.)中所述小波变换、就是根据不同尺度上生成的图像信息将目标与复杂背景区分开；即当采用小波变换对目标图像进行分析时、目标和背景在小波不同尺度(频段)生成的图像上有明显不同的区别特征，根据其区别特征用于复杂背景弱小目标的检测，该方法对信噪比较高图像信息的处理效果好，但对信噪比较低图像中目标和复杂背景的区分则较困难。针对常规小波变换只能处理水平、垂直和对角线三个方向的信息和点状奇异性的缺陷，采用Shearlet变换能够处理多个方向的信息和各向异性的特点，对其辨识奇异性的位置和几何特征非常有用。在文献《采用剪切波变换的红外弱小目标背景抑制》(见《红外与毫米波学报》，2011年30卷O期)P162-166，作者秦翰林，李佳，周慧鑫等)中所述Scarlet变换的方法中，根据红外图像中目标和背景杂波的不同分布特性，首先，采用 shearlet变换对原始红外图像进行多尺度和多方向分解，获得原始图像的多尺度(频段) 和各方向细节特征，然后，通过应用高斯尺度混合模型进行处理，从而将红外图像中弱小目标和背景杂波分离，达到抑制背景的目的，最后采用经典的自适应阈值分割技术得到目标图像，最终实现目标检测。该方法实现红外图像弱小目标背景抑制的具体步骤为1.对原始图像进行Siearlet变换；2.利用高斯尺度混合模型估计各个高频信息图(高频子带)。4首先，根据图像设定的杂波标准差计算邻域协方差Cw，估计邻域系数的协方差Cy，并利用Cy 和Cw估计零均值高斯向量u的协方差Cu，然后对高频信息图中的各个邻域利用贝叶斯估计计算预测的背景信号(子带)；3.对低频信息图采用局部去均值滤波法进行处理，以削弱残留在低频信息图中的目标信号；4.对经过滤波处理的低频信息图和各个高频信息图(高频子带)进行Siearlet逆变换，得到背景图像；5.将背景图像与原始图像相减得到目标信号图像，实现对弱小目标的背景抑制。该方法中利用了高斯尺度混合模型，局部去均值滤波法和Shearlet逆变换，检测时所处理的数据量大，时间复杂度比较高。
技术实现思路
本专利技术的目的是针对
技术介绍
存在的缺陷，改进设计，该方法对原始红外图像通过分解、变换，将其分解成不同尺度以及在同一尺度下不同方向的高频信息图，再经融合处理及对所得高频信息图分割处理，实现对弱小目标的检测；从而达到简化检测处理流程、降低数据处理量，缩短处理时间，有效提高对红外弱小目标检测的性能等目的。本专利技术的解决方案是首先利用非下采样拉普拉斯金字塔变换(滤波处理)将原始红外图像分解为与原图像尺寸(大小)相同的一个高频信息图和一个低频信息图，再利用非下采样拉普拉斯金字塔变换(滤波处理)将所得低频信息图再分解为一个高频信息图和一个低频信息图；并对每次分解所得高频信息图则分别采用Shearlet滤波器对设定的方向位进行滤波处理、以获取不同尺度(频段)下各方向位的高频信息图；再对同一尺度各方向位的高频信息图融合处理，以抑制背景、噪声的干扰信息，然后对各尺度融合后的高频信息图进行融合处理、以增强目标信息，最后根据增强目标处理后的高频信息图的最大对比度确定其分割阈值、并利用该阈值对其进行二值化处理，从而实现其专利技术目的。因而本专利技术方法包括A.分别获取不同尺度(频段)下各方向位的高频信息图首先利用非下采样拉普拉斯金字塔变换(滤波处理)将原始红外图像分解为与原图像尺寸(大小)相同的一个高频信息图和一个低频信息图，再利用非下采样拉普拉斯金字塔变换(滤波处理)将所得低频信息图再分解为一个高频信息图和一个低频信息图，如此反复对每次所得低频信息图进行分解至设定次数(即尺度数)止，而对每次分解所得高频信息图则分别采用Siearlet滤波器对设定的方向位进行滤波处理、以获取不同尺度(频段)下各方向位的高频信息图；B.抑制背景、噪声干扰信息对同一尺度(频段)下各方向位的高频信息图采用叠加方式进行融合处理，以抑制背景、噪声的干扰信息；C.增强目标信息将步骤B所得抑制干扰信息后各尺度(频段)下的高频信息图、 再经融合处理，以增强目标信息；其融合处理的方法将各尺度(频段)下的高频信息图进行相乘处理、即通过代表各尺度下的高频信息图的矩阵(即对应的空间位置的值)进行相乘处理；D.提取弱小目标首先确定步骤C所得增强目标处理后的高频信息图的最大对比度，再根据该最大对比度确定其分割阈值，然后利用该阈值对高频信息图进行二值化处理， 从而提取出弱小目标。所述非下采样拉普拉斯变换(滤波处理)通过下式进行权利要求1.，包括A.分别获取不同尺度下各方向位的高频信息图首先利用非下采样拉普拉斯金字塔变换将原始红外图像分解为与原图像尺寸相同的一个高频信息图和一个低频信息图，再利用非下采样拉普拉斯金字塔变换将所得低频信息图再分解为一个高频信息图和一个低频信息图，如此反复对每次所得低频信息图进行分解至设定次数止，而对每次分解所得高频信息图则分别采用Shearlet滤波器对设定的方向位进行滤波处理、以获取不同尺度下各方向位的高频信息图；B.抑制背景、噪声干扰信息对同一尺度下各方向位的高频信息图采用叠加方式进行融合处理，以抑制背景、噪声的干扰信息；C.增强目标信息将步骤B所得抑制干扰信息后各尺度下的高频信息图、再经融合处理，以增强目标信息；其融合处理的方法将各尺度下的高频信息图进行相乘处理、即通过代表各尺度下的高频信息图的矩阵进行相乘处理；D.提取弱小目标首先确定步骤C所得增强目标处理后的高频信息图的最大对比度， 再根据该最大对比度确定其分割阈值，然后利用该阈值对高频信息图进行二值化处理，从而提取出弱小目标。2.按权利要求1本文档来自技高网...

【技术保护点】
１．一种基于剪切波变换的红外弱小目标检测方法，包括：Ａ．分别获取不同尺度下各方向位的高频信息图：首先利用非下采样拉普拉斯金字塔变换将原始红外图像分解为与原图像尺寸相同的一个高频信息图和一个低频信息图，再利用非下采样拉普拉斯金字塔变换将所得低频信息图再分解为一个高频信息图和一个低频信息图，如此反复对每次所得低频信息图进行分解至设定次数止，而对每次分解所得高频信息图则分别采用Ｓｈｅａｒｌｅｔ滤波器对设定的方向位进行滤波处理、以获取不同尺度下各方向位的高频信息图；Ｂ．抑制背景、噪声干扰信息：对同一尺度下各方向位的高频信息图采用叠加方式进行融合处理，以抑制背景、噪声的干扰信息；Ｃ．增强目标信息：将步骤Ｂ所得抑制干扰信息后各尺度下的高频信息图、再经融合处理，以增强目标信息；其融合处理的方法将各尺度下的高频信息图进行相乘处理、即通过代表各尺度下的高频信息图的矩阵进行相乘处理；Ｄ．提取弱小目标：首先确定步骤Ｃ所得增强目标处理后的高频信息图的最大对比度，再根据该最大对比度确定其分割阈值，然后利用该阈值对高频信息图进行二值化处理，从而提取出弱小目标。

【技术特征摘要】

【专利技术属性】
技术研发人员：彭真明，魏芳，彭凌冰，吴大，景亮，谢春华，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：90