本發(fā)明屬于紅外圖像處理及目標(biāo)檢測，尤其涉及一種基于局部對比度差異的紅外弱小目標(biāo)檢測方法。

背景技術(shù)：

1、基于紅外圖像的弱小目標(biāo)檢測技術(shù)是紅外搜索與跟蹤系統(tǒng)的重要組成部分，在預(yù)警、導(dǎo)彈制導(dǎo)和遠(yuǎn)程監(jiān)視等領(lǐng)域有著廣泛的應(yīng)用，因此，一直是世界各國競相研究的熱點(diǎn)領(lǐng)域之一。一方面，由于紅外圖像分辨率相對較低，使得弱小目標(biāo)在紅外圖像中的尺寸較小，且缺乏豐富的紋理和結(jié)構(gòu)信息，另一方面，由于拍攝場景通常較復(fù)雜，使得弱小目標(biāo)被淹沒在各種背景之中，致使信噪比較低，這些復(fù)雜的因素導(dǎo)致精確并有效的檢測和提取紅外弱小目標(biāo)具有一定的難度。盡管針對紅外弱小目標(biāo)檢測的研究已取得很多成果，但仍需要進(jìn)行深入研究，以進(jìn)一步增強(qiáng)鎖定并跟蹤敵方目標(biāo)及有效增強(qiáng)對戰(zhàn)場態(tài)勢感知的能力。

2、根據(jù)紅外弱小目標(biāo)檢測算法所輸入圖像的形式，現(xiàn)有算法可分為兩大類，即單幀圖像檢測算法和連續(xù)多幀圖像檢測算法。連續(xù)多幀圖像檢測算法的輸入一般為目標(biāo)軌跡連續(xù)、背景變化差異較小的連續(xù)拍攝的紅外圖像序列，該類算法可結(jié)合輸入圖像的先驗(yàn)信息，有效實(shí)現(xiàn)對目標(biāo)的軌跡估計(jì)，但該類算法的計(jì)算量較大、計(jì)算復(fù)雜度較高，對系統(tǒng)的計(jì)算平臺(tái)資源有一定的要求。單幀圖像檢測算法則不受目標(biāo)和背景變化的連續(xù)性限制，該類算法的結(jié)構(gòu)簡明清晰，時(shí)效性高，可根據(jù)單幅紅外圖像進(jìn)行快速、有效的目標(biāo)位置估計(jì)，對于計(jì)算資源有限且實(shí)時(shí)性要求較高的系統(tǒng)，基于單幀圖像的紅外弱小目標(biāo)檢測的研究逐漸成為主流，當(dāng)前，絕大多數(shù)的紅外弱小目標(biāo)檢測算法的研究均基于單幀圖像?；趩螏t外圖像的弱小目標(biāo)檢測算法所依據(jù)理論方法，可分為基于濾波的檢測方法、基于統(tǒng)計(jì)模型的檢測算法、基于人類視覺機(jī)制的對比度增強(qiáng)算法和基于大數(shù)據(jù)深度學(xué)習(xí)算法等；前兩種檢測算法的機(jī)理清晰、相對簡單、易于工程實(shí)現(xiàn)，但在復(fù)雜背景下的檢測概率降低、虛警較高；第四種檢測算法對數(shù)據(jù)的依賴度較高，且深度學(xué)習(xí)網(wǎng)絡(luò)一般較復(fù)雜，不易于工程實(shí)現(xiàn)；第三種檢測算法具備較好的檢測性能和實(shí)時(shí)性，但是，當(dāng)場景中存在高亮度邊緣、高亮度復(fù)雜背景的干擾時(shí)，該類算法一般無法對干擾進(jìn)行有效的抑制，想要得到較好的檢測結(jié)果，該類算法需要進(jìn)行多次不同尺度的計(jì)算。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明創(chuàng)造旨在提供一種基于局部對比度差異的紅外弱小目標(biāo)檢測方法，以解決現(xiàn)有算法對復(fù)雜背景干擾抑制能力差的問題，本發(fā)明能夠直接給出紅外小目標(biāo)的像素分布坐標(biāo)，并且能大大提高檢測精度和檢測效率，同時(shí)進(jìn)一步提高檢測性能、算法實(shí)時(shí)性和降低虛警概率。

2、為達(dá)到上述目的，本發(fā)明創(chuàng)造的技術(shù)方案是這樣實(shí)現(xiàn)的：

3、一種基于局部對比度差異的紅外弱小目標(biāo)檢測方法，具體包括如下步驟：

4、s1：獲取原始紅外圖像，對原始紅外圖像進(jìn)行均值濾波處理和背景抑制預(yù)處理，獲得背景抑制圖像；

5、s2：設(shè)計(jì)局部對比度差異窗口，并利用局部對比度差異窗口對背景抑制圖像進(jìn)行處理，獲得對比度差異圖像和對比度差異增強(qiáng)系數(shù)矩陣；

6、s3：基于對比度差異圖像和對比度差異增強(qiáng)系數(shù)矩陣計(jì)算置信圖，將置信圖中灰度極大值對應(yīng)的像元位置作為紅外弱小目標(biāo)的檢測位置。

7、進(jìn)一步的，步驟s1具體包括如下步驟：

8、s11：對原始紅外圖像進(jìn)行均值濾波處理，獲得濾波圖像；

9、s12：將原始紅外圖像和濾波圖像進(jìn)行差值處理，獲得差值圖像；

10、s13：采用背景抑制算子對差值圖像進(jìn)行背景抑制預(yù)處理，獲得背景抑制圖像。

11、進(jìn)一步的，在步驟s11中，均值濾波處理所采用的均值濾波系數(shù)的尺度為15×15。

12、進(jìn)一步的，在步驟s13中，背景抑制算子df的表達(dá)式為：

13、。

14、進(jìn)一步的，在步驟s2中，局部對比度差異窗口包括5×5個(gè)子窗，每個(gè)子窗的大小為3×3，將位于局部對比度差異窗口的中心位置的子窗作為目標(biāo)子窗，將局部對比度差異窗口中除目標(biāo)子窗之外的其余子窗作為背景子窗；

15、按照從上到下、從左到右的順序?qū)Ω髯哟斑M(jìn)行編號，每個(gè)子窗的平均灰度值的表達(dá)式為：

16、；

17、其中，為編號為i的子窗的平均灰度值，n為子窗中的像素總數(shù)，j為子窗中的第j個(gè)像素，為在背景抑制圖像中的編號為i的子窗中的第j個(gè)像素的灰度值。

18、進(jìn)一步的，步驟s2具體包括如下步驟：

19、s21：基于（，，，）、（，，，）、（，，，）、（，，，）、（，，，）、（，，，）、（，，，）、（，，，），計(jì)算目標(biāo)子窗的對比度差異最小值，獲得第一對比度差異圖像：

20、；

21、其中，為目標(biāo)子窗基于（，，，）和（，，，）計(jì)算得出的對比度差異，為目標(biāo)子窗基于（，，，）和（，，，）計(jì)算得出的對比度差異，為目標(biāo)子窗基于（，，，）和（，，，）計(jì)算得出的對比度差異，為目標(biāo)子窗基于（，，，）和（，，，）計(jì)算得出的對比度差異；

22、s22：計(jì)算目標(biāo)子窗在水平方向、垂直方向、45°方向和135°方向的對比度差異，并將目標(biāo)子窗在四個(gè)方向的對比度差異最小值作為第二對比度差異圖像：

23、；

24、其中，為目標(biāo)子窗在水平方向的對比度差異，為目標(biāo)子窗在垂直方向的對比度差異，為目標(biāo)子窗在45°方向的對比度差異，為目標(biāo)子窗在135°方向的對比度差異；

25、s23：基于第一對比度差異圖像和第二對比度差異圖像，計(jì)算得出對比度差異圖像 dg：

26、；

27、s24：將背景子窗劃分為8個(gè)區(qū)域，8個(gè)區(qū)域分別為：（，，，）、（，，，）、（，，，）、（，，，）、（，，，）、（，，，）、（，，，）、（，，，），并計(jì)算每個(gè)區(qū)域的均值灰度極大值：

28、；

29、其中，為第h個(gè)區(qū)域，h≤8，、、和分別代表區(qū)域內(nèi)的四個(gè)子窗各自的平均灰度值，為取四個(gè)子窗的平均灰度值之中的最大值作為區(qū)域的均值灰度極大值；

30、s25：按照從高到低的順序?qū)?個(gè)區(qū)域的均值灰度極大值進(jìn)行排序，將排序位于前四位的均值灰度極大值的平均值作為目標(biāo)平均值，將目標(biāo)子窗的平均灰度值的平方與目標(biāo)平均值的平方做差，獲得對比度差異增強(qiáng)系數(shù)矩陣。

31、進(jìn)一步的，步驟s21包括如下步驟：

32、s211：基于（，，，）和（，，，）計(jì)算目標(biāo)子窗的左右兩側(cè)子窗的灰度平均值，獲得對比度差異：

33、；

34、；

35、；

36、其中，為（，，，）這四個(gè)子窗的灰度平均值，為（，，，）這四個(gè)子窗的灰度平均值；

37、s212：基于（，，，）和（，，，）計(jì)算目標(biāo)子窗的上下兩側(cè)子窗的灰度平均值，獲得對比度差異：

38、；

39、；

40、；

41、其中，為（，，，）這四個(gè)子窗的灰度平均值，為（，，，）這四個(gè)子窗的灰度平均值；

42、s213：基于（，，，）和（，，，）計(jì)算目標(biāo)子窗的上下兩側(cè)子窗的灰度平均值，獲得對比度差異：

43、；

44、；

45、；

46、其中，為（，，，）這四個(gè)子窗的灰度平均值，為（，，，）這四個(gè)子窗的灰度平均值；

47、s214：基于（，，，）和（，，，）計(jì)算目標(biāo)子窗的上下兩側(cè)子窗的灰度平均值，獲得對比度差異：

48、；

49、；

50、；

51、其中，為（，，，）這四個(gè)子窗的灰度平均值，為（，，，）這四個(gè)子窗的灰度平均值。

52、進(jìn)一步的，步驟s22包括如下步驟：

53、s221：計(jì)算目標(biāo)子窗在水平方向的對比度差異：

54、；

55、；

56、；

57、其中，為目標(biāo)子窗在水平方向的一側(cè)的灰度平均值，為目標(biāo)子窗在水平方向的另一側(cè)的灰度平均值；

58、s222：計(jì)算目標(biāo)子窗在垂直方向的對比度差異：

59、；

60、；

61、；

62、其中，為目標(biāo)子窗在垂直方向的一側(cè)的灰度平均值，為目標(biāo)子窗在垂直方向的另一側(cè)的灰度平均值；

63、s223：計(jì)算目標(biāo)子窗在45°方向的對比度差異：

64、；

65、；

66、；

67、其中，為目標(biāo)子窗在45°方向的一側(cè)的灰度平均值，為目標(biāo)子窗在45°方向的另一側(cè)的灰度平均值；

68、s224：計(jì)算目標(biāo)子窗在135°方向的對比度差異：

69、；

70、；

71、；

72、其中，為目標(biāo)子窗在135°方向的一側(cè)的灰度平均值，為目標(biāo)子窗在135°方向的另一側(cè)的灰度平均值。

73、進(jìn)一步的，在步驟s3中，置信圖r的計(jì)算公式為：

74、；

75、其中，為對比度差異增強(qiáng)系數(shù)矩陣， dg為對比度差異圖像。

76、與現(xiàn)有技術(shù)相比，本發(fā)明創(chuàng)造能夠取得如下有益效果：

77、（1）本發(fā)明創(chuàng)造所述的基于局部對比度差異的紅外弱小目標(biāo)檢測方法，能夠直接給出紅外小目標(biāo)的像素分布坐標(biāo)，并且能大大提高檢測精度和檢測效率，在有效抑制背景干擾的同時(shí)，能進(jìn)一步提高檢測性能、算法實(shí)時(shí)性和降低虛警概率。

78、（2）本發(fā)明創(chuàng)造所述的基于局部對比度差異的紅外弱小目標(biāo)檢測方法，本發(fā)明設(shè)計(jì)的局部對比度差異窗口既包含目標(biāo)周圍的背景，也包含最外圍較遠(yuǎn)背景，采用局部對比度差異窗口對背景抑制圖像進(jìn)行處理，其背景抑制效果會(huì)大大增強(qiáng)，提高了紅外弱小目標(biāo)檢測的精準(zhǔn)性，且減少了計(jì)算成本。

79、（3）本發(fā)明創(chuàng)造所述的基于局部對比度差異的紅外弱小目標(biāo)檢測方法，利用對比度差異增強(qiáng)系數(shù)矩陣進(jìn)一步增強(qiáng)目標(biāo)對比度，有效減少了背景干擾。