一种基于模糊距离的红外小目标检测方法

摘要

本发明为有效检测复杂背景下的红外小目标，公开了一种基于模糊距离的红外小目标检测方法，涉及数字图像处理技术领域。本发明首先针对小目标的出现会引起局部纹理发生较大变化这一特征，提出一种模糊距离概念，从而将局部纹理的变化转化为模糊距离的度量；其次针对小目标的尺寸会随成像距离的改变而发生相应变化这一特点，提出一种多尺度模糊距离及多尺度模糊距离图，能剔除大量背景杂波和噪声干扰；然后通过迭代运算，有效抑制残留背景和噪声，增强目标；最后利用自适应阈值检测目标，该检测方法简单且有效。

主权项

一种基于模糊距离的红外小目标检测方法，其特征在于，包括以下步骤：步骤1、初始化相关参数：设置最大迭代次数L，其中L为正整数；初始化迭代次数索引k＝0；设置最大局部窗口大小m×n，其中m和n均为大于1的正奇数；步骤2、求解红外图像I每个像素点的模糊距离，包括以下步骤：步骤2.1、获得单帧红外图像I每一个像素点(x,y)的邻域空间集{Ω_l|l＝1,2,...,s}，其中s＝min{0.5·(m‑1),0.5·(n‑1)}，Ω_l的大小为(2l+1)×(2l+1)，像素点(x,y)的邻域空间Ω_l的定义为Ω_l＝{(p,q)|max(|p‑x|,|q‑y|)≤l}，(p,q)是邻域空间Ω_l内的像素点；步骤2.2、计算每一个像素点(x,y)的各个邻域空间Ω_l内像素的灰度均值D_l(x,y)：$D_l(x,y)=\frac{1}{\#{\Omega }_l}\underset{(a,b)\in {\Omega }_l}{\Sigma }I(a,b),l=1,2,...,s$其中，#Ω_l表示邻域空间Ω_l内像素点的数目，I(a,b)表示邻域空间Ω_l内像素点(a,b)处的灰度值。步骤2.3、计算每一个像素点(x,y)所对应的最大邻域空间Ω_s与其它各个邻域空间Ω_i,i＝1,2,...,s‑1之间的模糊距离E_i：$E_i=1-\frac{1}{e-1}(e^{1-\left|D_i+D_s\right|·\left|D_i-D_s\right|}-1)$其中e为自然常数，D_s表示最大邻域空间Ω_s内像素的灰度均值，D_i表示第i个邻域空间Ω_i内像素的灰度均值；步骤3、求解多尺度模糊距离图：遍历红外图像I中每一个像素点，得到每一个像素点的多尺度模糊距离E(x,y)，然后根据每一个像素点的多尺度模糊距离E(x,y)并通过归一化方法获得红外图像I的多尺度模糊距离图E；步骤4、迭代停止准则判断:迭代次数索引k加1，判断迭代次数索引k与最大迭代次数L之间的关系，若k<L，把步骤3所获得的多尺度模糊距离图E作为新的红外图像I，返回步骤2；若k≥L，停止迭代，把步骤3所获得的多尺度模糊距离图E作为最终的滤波结果，进行步骤5；步骤5、求解自适应阈值T：对经过步骤4所获得的最终滤波结果，即多尺度模糊距离图E，求解自适应阈值T，并通过自适应阈值T对多尺度模糊距离图E进行二值化，检测出红外小目标。