一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法
【專利摘要】本發(fā)明為有效處理低信噪比復(fù)雜背景下的小目標(biāo)紅外圖像，公開了一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，涉及數(shù)字圖像處理【技術(shù)領(lǐng)域】。本發(fā)明利用小目標(biāo)紅外圖像的內(nèi)在特點(diǎn)，提出多尺度灰度差異算子和局部圖像熵算子，然后通過點(diǎn)積運(yùn)算獲取加權(quán)局部圖像熵，從而有效地抑制紅外圖像背景和噪聲、增強(qiáng)目標(biāo)，最終大幅度地提高圖像的信噪比。
【專利說明】一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字圖像處理【技術(shù)領(lǐng)域】，具體是一種基于加權(quán)局部圖像熵的小目標(biāo)紅 外圖像處理方法。

【背景技術(shù)】
[0002] 小目標(biāo)紅外圖像處理技術(shù)已在民用領(lǐng)域（如衛(wèi)星大氣紅外云圖分析、紅外醫(yī)療圖 像病理分析、地質(zhì)分析、海面人員搜救、入侵檢測(cè)、森林火災(zāi)探測(cè)）和軍事領(lǐng)域（如精確制 導(dǎo)、預(yù)警探測(cè)、戰(zhàn)地指揮和偵察、敵我識(shí)別）得到廣泛應(yīng)用，其目標(biāo)檢測(cè)步驟是紅外圖像處 理領(lǐng)域的重點(diǎn)和難點(diǎn)，其性能好壞直接決定紅外系統(tǒng)的有效作用距離及設(shè)備的復(fù)雜程度， 因而該技術(shù)的研究受到了國(guó)內(nèi)外眾多學(xué)者持續(xù)而普遍的關(guān)注。
[0003] 小目標(biāo)圖像中的目標(biāo)小、強(qiáng)度弱，沒有先驗(yàn)的大小、形狀及紋理等特征，且目標(biāo)、背 景和噪聲混疊在一起，難以直接檢測(cè)。然而，背景一般認(rèn)為在空域上具有相關(guān)性，在時(shí)域上 具有穩(wěn)定性，且在頻域上處于圖像的低頻部分，而目標(biāo)通常認(rèn)為在空域上與背景不相關(guān)，在 頻域上處于圖像的高頻部分。因此，小目標(biāo)紅外圖像處理算法主要分為時(shí)間域、空間域和 變換域三類：時(shí)域算法主要用于抑制具有短時(shí)平穩(wěn)性的背景，但對(duì)復(fù)雜背景的抑制效果不 理想。空域算法具有良好的實(shí)時(shí)性，易于實(shí)現(xiàn)。中值濾波只適合消除脈沖寬度小于濾波窗 口的隨機(jī)噪聲，無法處理結(jié)構(gòu)化的背景；頂帽變換是一種實(shí)用的非線性背景濾波技術(shù)，但 需要圖像的先驗(yàn)知識(shí)，自適應(yīng)性不強(qiáng)；自適應(yīng)濾波技術(shù)如二維最小均方誤差濾波等算法， 要求背景的統(tǒng)計(jì)特性不變或者緩慢變化，所以無法有效抑制復(fù)雜背景。變換域算法如基于 自適應(yīng)頻率域巴特沃斯高通濾波、小波變換等，但此類算法來源于Fourier變換，受海森堡 (Heisenberg)測(cè)不準(zhǔn)原理的制約（即時(shí)間窗口與頻率窗口的乘積為一個(gè)常數(shù)），并且需要 正反兩次變換，算法運(yùn)算量大。
[0004] 雖然小目標(biāo)紅外圖像處理領(lǐng)域已取得了很多成果，并且已有很多算法在工程應(yīng)用 中得到了很好的實(shí)現(xiàn)，但對(duì)于復(fù)雜背景下低信噪比小目標(biāo)紅外圖像，其目標(biāo)檢測(cè)系統(tǒng)工程 依然面臨很大的難度和復(fù)雜性。如何設(shè)計(jì)出結(jié)構(gòu)簡(jiǎn)單、濾波效果好、魯棒性強(qiáng)的小目標(biāo)紅外 圖像處理算法是目標(biāo)檢測(cè)技術(shù)研究的關(guān)鍵問題。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明是針對(duì)現(xiàn)有小目標(biāo)紅外圖像處理方法存在的上述技術(shù)問題，提供了一種基 于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法。
[0006] 一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，包括以下步驟：
[0007] -種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，包括以下步驟：
[0008] 步驟1、求解圖像各個(gè)像素點(diǎn)（X，y)的多尺度灰度差異D ;
[0009] 步驟2、求解圖像各個(gè)像素點(diǎn)（X，y)的局部圖像熵E ;
[0010] 步驟3、通過多尺度灰度差異D和局部圖像熵E獲得各個(gè)像素點(diǎn)（x，y)的加權(quán)局部 圖像熵Η ;
[0011] 步驟4、根據(jù)加權(quán)局部圖像熵Η求解自適應(yīng)閾值T，并通過自適應(yīng)閾值T對(duì)加權(quán)局 部圖像熵Η進(jìn)行二值化，檢測(cè)出紅外小目標(biāo)。
[0012] 如上所述的步驟1的多尺度灰度差異D通過以下步驟求解：
[0013] 步驟1. 1、對(duì)于紅外圖像I中每一個(gè)像素點(diǎn)（X，y)對(duì)應(yīng)的灰度值為I (X，y)，設(shè)置像 素點(diǎn)（x，y)的最大鄰域空間，鄰域空間Ω_的大小*Ι^χΧΙ^χ，其中L_為大于1的 正奇數(shù)；
[0014] 步驟1. 2、獲得每一個(gè)像素點(diǎn)（X，y)的鄰域空間集{Qk|k = 1，2,…，L}，其中L = (Lmax-l)/2, 的大小為（2 · k+1) X (2 · k+Ι);
[0015] 步驟1.3、利用以下公式計(jì)算每一個(gè)像素點(diǎn)（x，y)的鄰域〇,與Ω_之間的灰度 差異 Dk (X，y)，k = 1，2,…，L :
[0016]

【權(quán)利要求】
1. 一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，其特征在于，包括以下步 驟： 步驟1、求解圖像各個(gè)像素點(diǎn)（x，y)的多尺度灰度差異D; 步驟2、求解圖像各個(gè)像素點(diǎn)（x，y)的局部圖像熵E; 步驟3、通過多尺度灰度差異D和局部圖像熵E獲得各個(gè)像素點(diǎn)（x，y)的加權(quán)局部圖像 熵H; 步驟4、根據(jù)加權(quán)局部圖像熵H求解自適應(yīng)閾值T，并通過自適應(yīng)閾值T對(duì)加權(quán)局部圖 像熵H進(jìn)行二值化，檢測(cè)出紅外小目標(biāo)。
2. 根據(jù)權(quán)利要求1所述的一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，其特 征在于，所述的步驟1的多尺度灰度差異D通過以下步驟求解： 步驟1. 1、對(duì)于紅外圖像I中每一個(gè)像素點(diǎn)（x，y)對(duì)應(yīng)的灰度值為I(x，y)，設(shè)置像素點(diǎn) (x，y)的最大鄰域空間Q眶，鄰域空間Qniax的大小為1^!￡><1^!￡，其中1_ ￡為大于1的正奇 數(shù)； 步驟1. 2、獲得每一個(gè)像素點(diǎn)（X，y)的鄰域空間集{Qk|k= 1，2,…，L}，其中L= (Lmax-l)/2,Qk 的大小為（2 ?k+1)X(2 ?k+1); 步驟I. 3、利用以下公式計(jì)算每一個(gè)像素點(diǎn)（x，y)的鄰域Qk與〇_之間的灰度差異Dk(x,y),k= 1, 2, --?,L：
其中，心和&m分別表示鄰域Qk、Qniax內(nèi)像素點(diǎn)的數(shù)目，I(s，t)表示鄰域Qk內(nèi)的點(diǎn) (s,t)處的灰度值，I(p,q)表示鄰域Qmax內(nèi)的點(diǎn)（p,q)處的灰度值； 步驟1.4、計(jì)算每一個(gè)像素點(diǎn)（x，y)所對(duì)應(yīng)的的多尺度灰度差異D(x，y): D(X，y)=max(D1(X，y)，D2(X，y)，? --，Dl(X，y)}。
3. 根據(jù)權(quán)利要求1所述的一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，其特 征在于，所述的步驟2的局部圖像熵E通過以下步驟求解： 設(shè)定紅外圖像I中每一個(gè)像素點(diǎn)（x，y)的鄰域空間?，鄰域空間?的大小為mXn，計(jì) 算像素點(diǎn)（x，y)處的局部圖像熵：
其中，e是設(shè)定的正常數(shù)，I(i，j)表示鄰域?內(nèi)的點(diǎn)（i，j)處的灰度值，遍歷紅外圖 像I中每一個(gè)像素點(diǎn)，獲得紅外圖像I的局部圖像熵E。
4. 根據(jù)權(quán)利要求1所述的一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，其特 征在于，所述的步驟3的加權(quán)局部圖像熵H通過以下步驟求解： 對(duì)每一個(gè)像素點(diǎn)（x，y)經(jīng)過步驟1處理所得到的多尺度灰度差異D與經(jīng)過步驟2處理 所得到的局部圖像熵E進(jìn)行點(diǎn)積運(yùn)算，獲得每一個(gè)像素點(diǎn)（x，y)對(duì)應(yīng)的加權(quán)局部圖像熵H。
5. 根據(jù)權(quán)利要求1所述的一種基于加權(quán)局部圖像熵的小目標(biāo)紅外圖像處理方法，其特 征在于，所述的自適應(yīng)閾值T的通過以下公式進(jìn)行確定：
其中，C為正的常數(shù)，O為加權(quán)局部圖像熵H的標(biāo)準(zhǔn)差，mm為加權(quán)局部圖像熵H的均 值，Hmax為加權(quán)局部圖像熵H的最大值。
【文檔編號(hào)】G06T5/20GK104268844SQ201410554115
【公開日】2015年1月7日 申請(qǐng)日期:2014年10月17日 優(yōu)先權(quán)日:2014年10月17日
【發(fā)明者】周欣, 鄧鶴, 孫獻(xiàn)平, 葉朝輝, 劉買利 申請(qǐng)人:中國(guó)科學(xué)院武漢物理與數(shù)學(xué)研究所