復雜背景下多尺度時空聯(lián)合濾波的紅外小目標檢測方法
【技術(shù)領域】
[0001] 本發(fā)明涉及一種紅外檢測方法，尤其涉及一種多尺度時空聯(lián)合濾波的紅外小目標 檢測方法。
【背景技術(shù)】
[0002] 由于紅外傳感器受到大氣熱輻射、作用距離遠、探測器自身噪聲等因素影響，所探 測目標在紅外圖像上多呈現(xiàn)對比度低，無具體形態(tài)和紋理信息的點狀小圓斑，且極易淹沒 于雜波和噪聲中，這對紅外小目標的檢測技術(shù)提出巨大挑戰(zhàn)。
[0003] 依據(jù)采用序列圖像中圖像幀數(shù)，紅外小目標檢測技術(shù)分為兩類：單幀檢測和多幀 檢測。單幀圖像目標檢測技術(shù)主要依靠小目標和背景在各幀紅外圖像中灰度差異來實現(xiàn)對 小目標對象的檢測。缺點是適應性較差，目標漏檢率和虛警率高。多幀檢測技術(shù)主要采用 序列圖像中目標運動的連續(xù)性和軌跡的一致性來實施紅外小目標檢測任務。多幀檢測技術(shù) 在檢測率和虛警率方面相對于單幀檢測有著一定優(yōu)勢，缺點是計算量和存儲量較大，很難 滿足實時處理的需要。
[0004] 本發(fā)明【背景技術(shù)】涉及三個關鍵步驟與方法：抑制鬼影效應的紅外圖像非均勻性校 正技術(shù)、提高潛在目標對比度的紅外圖像增強技術(shù)、不同尺度下多級濾波的紅外小目標檢 測技術(shù)。
[0005] 場景信號的干擾是時域高通濾波法中鬼影問題產(chǎn)生的主要原因，構(gòu)建雙邊多尺 度時域高通濾波非均勻性校正模型。雙邊濾波的殘差圖像中仍然有較多的場景以及邊緣信 息，引入與殘差圖像相關的非均勻校正矩陣，如果某一像素處在場景邊緣上，則該像素點所 對應的非均勻校正矩陣系數(shù)變小，以此來減少該邊緣像素點對校正累積的影響，使場景以 及邊緣信息對校正參數(shù)計算準確性的影響降到最小。雙邊多尺度時域高通濾波非均勻性校 正模型既能在不同尺度上提取非均勻 性信息，又能在每個尺度上保護邊緣不被平滑，有效地降低鬼影效應。
[0006] 提高潛在目標對比度的紅外圖像增強技術(shù) 目標強度的衰減與背景大強度的存在，使得目標與背景對比度很低。在小目標檢測之 前，必須對紅外圖像進行濾波預處理，否則產(chǎn)生一定的虛警與漏檢目標。研究潛在目標的紅 外圖像增強技術(shù)，構(gòu)建圖像空域復雜度的加權(quán)信息熵模型，體現(xiàn)其對圖像突變點的敏感性 與空間分布的描述，實現(xiàn)處理圖像中小目標區(qū)域的信息熵更為突出。
[0007] 圖像中小目標的尺度介于點噪聲與較大面目標之間，在檢測中需要充分考慮小目 標的尺度特性檢測目標，否則很難識別不同尺度的目標或雜波。側(cè)重小目標的空間域灰度 特性與時間域運動特性，研究目標尺寸各異的多級濾波的紅外小目標檢測技術(shù)，實現(xiàn)魯棒 的小目標檢測。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于提供一種復雜背景下多尺度時空聯(lián)合濾波的紅外小目標檢測 方法，針對紅外圖像的嚴重非均勻性會帶來鬼影效應問題，構(gòu)建符合目標檢測的雙邊多尺 度時域高通濾波非均勻性校正模型，實現(xiàn)從紅外圖像變換為非均勻紅外校正圖像，有效的 抑制鬼影效應并提高圖像的辨識度。采用圖像空域復雜度因子和香農(nóng)熵準則，構(gòu)建圖像空 域復雜度加權(quán)信息熵模型，增強圖像中潛在的紅外弱小目標，抑制紅外圖像中的雜波和噪 聲。研究不同尺度下的小目標增強圖像算法，利用紅外小目標不同尺度下的特性檢測，構(gòu)建 不同尺度下的時空濾波模型，解決了小目標的虛檢與漏檢問題，實現(xiàn)了不同尺度下的小目 標自適應檢測技術(shù)難題。
[0009] 本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案是： 通過構(gòu)建雙邊多尺度時域高通濾波的非均勻性校正模型、空域復雜度的加權(quán)信息熵模 型與研究多級尺度時空聯(lián)合濾波模型，實現(xiàn)魯棒性的目標檢測。本發(fā)明需要解決的關鍵科 學問題如下： (1)構(gòu)建雙邊多尺度時域高通濾波的非均勻性校正模型。研究場景校正技術(shù)，依據(jù)自適 應的雙邊濾波算法校正圖像的非均勻性。在本發(fā)明中，結(jié)合雙邊多尺度濾波與時域高通濾 波的原理機制，引入與殘差圖像相關的非均勻校正矩陣，得到雙邊多尺度時域高通濾波非 均勻性校正模型，既能在不同尺度上提取非均勻性信息，又能在每個尺度上保護邊緣不被 平滑，以便消除鬼影效應。
[0010] (2)構(gòu)建空域復雜度的加權(quán)信息熵模型。研究目標增強技術(shù)，考慮圖像復雜度對目 標檢測性能的影響，采用方向方差加權(quán)信息熵作為測度，突出小目標。在本發(fā)明中，結(jié)合圖 像復雜度與信息熵的原理機制，構(gòu)建圖像空域復雜度加權(quán)信息熵模型，增強圖像中潛在目 標，提高目標對比度與抑制雜波的機能，抑制紅外圖像中的雜波和噪聲。
[0011] (3)構(gòu)建多級尺度時空聯(lián)合濾波模型，聯(lián)合時域和空域濾波的小目標檢測技術(shù)。在 本發(fā)明中，結(jié)合多級尺度濾波與時空聯(lián)合濾波的原理機制，側(cè)重小目標的空間域灰度特性 與時間域運動特性，構(gòu)建多級尺度時空聯(lián)合濾波模型，去除目標虛檢與漏檢，實現(xiàn)魯棒性的 目標檢測。
[0012] 本發(fā)明的技術(shù)效果是： (1)提出雙邊多尺度時域高通濾波非均勻性校正模型 場景信號的干擾是時域高通濾波法中鬼影問題產(chǎn)生的主要原因，提出了雙邊多尺度 時域高通濾波非均勻性校正模型。雙邊濾波的殘差圖像中仍然有較多的場景以及邊緣信 息，引入與殘差圖像相關的非均勻校正矩陣，如果某一像素處在場景邊緣上，則該像素點所 對應的非均勻校正矩陣系數(shù)變小，以此來減少該邊緣像素點對校正累積的影響，使場景以 及邊緣信息對校正參數(shù)計算準確性的影響降到最小。雙邊多尺度時域高通濾波非均勻性校 正模型既能在不同尺度上提取非均勻性信息，又能在每個尺度上保護邊緣不被平滑，有效 地降低鬼影效應。
[0013] (2)提出多尺度時空聯(lián)合濾波模型 多個目標存在的情況下，目標的大小是不固定的，提出了多尺度時空聯(lián)合濾波模型。采 用尺度基本單元模板的級聯(lián)，低級數(shù)的輸出用于提取小尺度目標，較高級數(shù)的輸出則用于 提取較大尺度的目標。同時為了消除某些幀中仍然可能存在虛檢和漏檢目標的現(xiàn)象，側(cè)重 小目標的空間域灰度特性與時間域運動特性，采用正向與方向濾波方