一种基于加权局部图像熵的小目标红外图像处理方法

摘要

本发明为有效处理低信噪比复杂背景下的小目标红外图像，公开了一种基于加权局部图像熵的小目标红外图像处理方法，涉及数字图像处理技术领域。本发明利用小目标红外图像的内在特点，提出多尺度灰度差异算子和局部图像熵算子，然后通过点积运算获取加权局部图像熵，从而有效地抑制红外图像背景和噪声、增强目标，最终大幅度地提高图像的信噪比。

主权项

一种基于加权局部图像熵的小目标红外图像处理方法，其特征在于，包括以下步骤：步骤1、求解图像各个像素点(x,y)的多尺度灰度差异D；步骤2、求解图像各个像素点(x,y)的局部图像熵E；步骤3、通过多尺度灰度差异D和局部图像熵E获得各个像素点(x,y)的加权局部图像熵H；步骤4、根据加权局部图像熵H求解自适应阈值T，并通过自适应阈值T对加权局部图像熵H进行二值化，检测出红外小目标；所述的步骤1的多尺度灰度差异D通过以下步骤求解：步骤1.1、对于红外图像I中每一个像素点(x,y)对应的灰度值为I(x,y)，设置像素点(x,y)的最大邻域空间Ω_max，邻域空间Ω_max的大小为L_max×L_max，其中L_max为大于1的正奇数；步骤1.2、获得每一个像素点(x,y)的邻域空间集{Ω_k|k＝1,2,…,L}，其中L＝(L_max‑1)/2，Ω_k的大小为(2·k+1)×(2·k+1)；步骤1.3、利用以下公式计算每一个像素点(x,y)的邻域Ω_k与Ω_max之间的灰度差异D_k(x,y)，k＝1,2,…,L：其中，和分别表示邻域Ω_k、Ω_max内像素点的数目，I(s,t)表示邻域Ω_k内的点(s,t)处的灰度值，I(p,q)表示邻域Ω_max内的点(p,q)处的灰度值；步骤1.4、计算每一个像素点(x,y)所对应的的多尺度灰度差异D(x,y)：D(x,y)＝max{D₁(x,y),D₂(x,y),...,D_L(x,y)}。