【技术实现步骤摘要】
本专利技术涉及一种基于多尺度字典的红外小弱目标检测方法,是图像处理
的新方法,在光电成像搜索与跟踪系统、精确制导系统、目标监视系统、卫星遥感系统、安全检查系统等中均可有广泛的应用。
技术介绍
红外成像技术因其良好的隐蔽性、较强的抗干扰性能、较远的作用距离和可昼夜工作等已广泛应用于红外精确制导、预警、搜索和跟踪等多种军事及民用领域。目标检测与跟踪作为上述领域中的一项重要技术,在现代防御系统中具有非常显著的地位。当作用距离远时,目标在成像上表现为只占据几个像素点的小弱目标,没有形状纹理等其他可用于检测的重要特征,并且通常都隐藏在各种杂波背景和强噪声中。红外小弱目标的检测是一 项富有挑战性的课题。图像多尺度理论在小弱目标检测研究活跃,主要体现在包括提出了各种基于小波理论的小弱目标检测方法,contourlet以及curvelet等各种非自适应多尺度几何变换检测小弱目标的方法。这些方法将图像经过多尺度几何变换,得到不同层的系数,分析高低频系数产生的图像内容通过阈值函数进行抑制背景提高信噪比。基于小波理论的小弱目标检测方法将低频系数对应为图像中缓慢变化的背景,抑制高频系数得到图像的背景,将原图像和背景相减得到去除背景,信噪比提高的目标图像。但小波方法对于处理二维信号本身有方向性限制的局限性,使得对于背景的纹理特征提取不完整,存在残留;而contourlet、curvelet变换主要是针对二维奇异性而产生的,具有很好的方向性和各向异性。对图像进行多尺度分解提取不同尺度的系数,通过阈值函数提取产生目标的系数,进而检测到小弱目标。
技术实现思路
本专利技术的目的在于克 ...
【技术保护点】
基于多尺度稀疏字典的红外小弱目标检测方法,其特征在于,所述检测方法包括如下步骤:构造原图像的四叉树多尺度超完备稀疏字典;将原图像划分为不同尺度大小的子图像,分别对每个子图像在其相应的多尺度子字典中稀疏分解,提取其在子字典中的表示系数;将每个子图像的多层稀疏分解系数级联起来形成联合稀疏系数,利用指数分布拟合联合的稀疏系数;拟合后如果指数分布的参数大于阈值确定该子图像存在目标,并根据联合稀疏系数具有与四叉树一样的方位性这一特征,最终确定目标所在的具体位置。
【技术特征摘要】
1.基于多尺度稀疏字典的红外小弱目标检测方法,其特征在于,所述检测方法包括如下步骤 构造原图像的四叉树多尺度超完备稀疏字典; 将原图像划分为不同尺度大小的子图像,分别对每个子图像在其相应的多尺度子字典中稀疏分解,提取其在子字典中的表示系数; 将每个子图像的多层稀疏分解系数级联起来形成联合稀疏系数,利用指数分布拟合联合的稀疏系数; 拟合后如果指数分布的参数大于阈值确定该子图像存在目标,并根据联合稀疏系数具有与四叉树一样的方位性这一特征,最终确定目标所在的具体位置。2.根据权利要求I所述的基于多尺度稀疏字典的红外小弱目标检测方法,其特征在于,所述构造原图像的四叉树模型多尺度超完备稀疏字典,是指构造的稀疏字典具有四叉树一样的分层结构,即多尺度稀疏字典D是由所有位于四叉树不同层不同尺度的稀疏子字典4级联而成,3.根据权利要求I所述的基于多尺度稀疏字典的红外小弱目标检测方法,其特征在于所述求取子图像的多尺度稀疏系数,4.根据权利要求I所述的基于多尺度稀疏字典的红外小弱目标检测方法,其特征在于,所述用指数分布拟合联合的稀疏系数,指数分布的概率密度函数为,5.根据权利要求I所述的基于多尺度稀疏字典的红外小弱目标检测方...
【专利技术属性】
技术研发人员:李正周,刘梅,王会改,唐岚,沈美容,
申请(专利权)人:重庆大学,
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。