[发明专利]弱小目标二维图片噪声滤除中的匹配滤波方法

说明书

技术领域

本发明涉及的是一种图像处理技术领域的方法，具体是一种弱小目标二维图 片噪声滤除中的匹配滤波方法。

背景技术

在数字信号处理中，滤波器是不可缺少的。滤波器的一个作用是使基带信号 频谱成形，例如为了满足奈奎斯特第一准则，基带信号频谱通常采用升余弦滚降 形状。滤波器的另一个重要作用是限制噪声，将信号频带外的噪声滤掉，减小它 对信号正确判决的影响。

设计最佳线性滤波器时可以有两种准则：一种是使滤波后的信号波形与发送 信号之间的均方误差最小，由此而导出的最佳线性滤波器被称为维纳滤波器；另 一种是使滤波器输出信噪比在某一特定时刻上达到最大，这种滤波器称为匹配滤 波器。

匹配滤波的实质是要设计一个和图像感兴趣的图像信息或目标对象相关的 滤波器，经过匹配滤波提高测量信息的信噪比，进而改善目标检测的性能，即空 间匹配滤波器的最大信噪比的设计准则。

设输入图像为i(x，y)，其中包括待识别目标和背景，这里的背景是广泛意义 上的背景，包括大气、空中的云层、干扰点、传感器等的系统噪声、随机噪声等。 待识别目标空间分布特性为t(x，y)，其傅立叶频谱为T(u，v)；背景空间分布特性 为b(x，y)，其傅立叶频谱为B(u，v)。并假定目标和背景不相关。即

i(x，y)＝t(x，y)+b(x，y)    (1)

其傅立叶变换为I(u，v)

I(u，v)＝T(u，v)+B(u，v)    (2)

则由匹配滤波器光学相关识别的原理，匹配滤波输出图像为目标空间分布特 性与输入图像空间分布特性的卷积：

其中表示相关，T^*(u，v)为待识别目标的匹配滤波函数。

经对现有技术的文献检索发现，大量的参考文献都是利用上述的方法设计 匹配滤波器，经典的二维空间匹配滤波器由于同时考虑到了点目标的空间分布和 背景噪声的特性，利用先验的点目标空间分布特性与红外图像作卷积，当先验点 目标与红外图像中待检测的点目标相匹配时，理论上能够极大地提高图像信噪 比。在文献Matched filters for multispectral point target detection(Proc.SPIE，Vol. 6302，63020Z(2006))中作者针对不同的光谱图像，利用上诉的方法设计匹配滤 波器，得到良好的结果。但是，在复杂背景条件下，实际的红外图像中存在强烈 噪声的影响，点目标的空间分布特性受到噪声干扰会发生一些改变，利用上述经 典的空间匹配滤波器进行处理性能将迅速下降，往往不能有效地提高信噪比，严 重影响后续目标检测的性能，往往难以达到预期的效果。

发明内容

本发明针对现有技术存在的上述不足，提供一种弱小目标二维图片噪声滤除 中的匹配滤波方法，在分析成像待滤噪目标的空间分布特性的基础上，充分利用 目标、背景、噪声之间形态上的差异，以及成像待滤噪目标的空间分布在各个方 向的截面轮廓线上均保持了在目标出现位置的局部邻域内突变的特征；同时，充 分考虑到噪声干扰的随机性和局部突变性，以及噪声干扰只可能是破坏目标出现 位置二维分布中的某一维方向上的分布特性，将经典二维匹配滤波器分解为多个 一维滤波器。通过优化设计的匹配滤波器的多重一维匹配滤波结果能够有效地平 衡目标分布特性在某一方向上受到的干扰。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步，选取窗口模板，并将窗口模板分解为若干个一维窗口；

所述的窗口模板是指：因为本方法用于弱小目标检测，弱小目标在图像上往 往表现为一个多少数几个像素点，多个像素点又可以通过形态学滤波等方法将其 衰减为一个像素点，所以选择大小为3×3的矩形滤波窗口。

所述的分解是指：在3×3窗口中，分解是在垂直坐标系中以x轴正向、y 轴正向、y＝x和y＝-x共四个方向将窗口模板分为D₁、D₂、D₃和D₄四个定义域上 的1×N或N×1的矩阵，即一维窗口，这样分解的标准是使分解具有完备性和各 方向旋转不变性。

第二步，设定待滤噪目标的先验一维分布特性，利用一维窗口在各个方向对 二维图片进行一维匹配滤波处理，