一种基于时空域背景抑制的红外弱小目标检测方法

摘要

本发明属于红外图像处理领域，主要涉及一种基于时空域背景抑制的红外弱小目标检测方法。本发明用以解决复杂背景下的红外运动弱小目标检测问题。首先使用指导滤波抑制空域中较为平稳的背景杂波；其次，利用红外图像序列中目标的运动信息，在时域上采用梯度权重滤波方法抑制时域中变化较为缓慢的背景；然后将时空域背景抑制结果相融合，得到背景抑制后的弱小目标图像；最后利用自适应阈值分割图像，检测出弱小目标。该发明在目标检测时不仅利用了红外弱小目标的空间灰度信息，还充分利用了目标的时域运动信息，分别从时域和空域抑制背景杂波，因此大大提高了复杂背景下运动弱小目标的检测性能。

主权项

一种基于时空域背景抑制的红外弱小目标检测方法，其特征在于：该方法包含以下步骤：A、时域背景抑制：(1)取N帧图像，绘制图像中每一像素点在N帧图像中灰度值的变化曲线(时域曲线)f(m，n，k)＝x^k(m，n) k＝1，2…N，(m，n)为像素点的位置坐标，k为图像的帧数，x为灰度值；(2)对于每个像素点的时域曲线，计算曲线上每点的梯度值g：g^k(m，n)＝|[x^k(m，n)‑x^k‑1(m，n)]+[x^k(m，n)‑x^k+1(m，n)]|(3)使用高斯核计算时域曲线上每一点的权重W：$w^k(m,n)=e^{-g^k{(m,n)}^2/{ϵ}^2}$其中，ε为调节参数；(4)对时域曲线进行梯度权重滤波，滤波器在第k帧的输出P_o^k为：${P_o}^k(m,n)=\frac{1}{R}\underset{l=k-2}{\overset{k+2}{\Sigma }}{w}^l(m,n)x^l(m,n)$其中，R为归一化参数，(5)用原时域曲线减去梯度权重滤波的结果，得到第N帧时域背景抑制后的图像；x^N′＝x^N‑P_o^NB、空域背景抑制：对输入第N帧图像进行指导滤波，得到背景的估计图像(即背景预测)，用原图像减去经指导滤波后的背景图像，得到空域背景抑制后的图像；C、将A的结果与B的结果做与运算，得到第N帧背景初步抑制后的图像；D、将A的结果作为原图像，C的结果作为指导图像，进行指导滤波，得到背景抑制结果；E、采用自适应阈值法将D的结果二值化，得到最终目标检测结果。