[发明专利]一种基于局部灰度突变的红外小目标检测方法

权利要求书

1.一种基于局部灰度突变的红外小目标检测算法，其基本实施过程：首先，利用红外小目标的自身特点，提出局部突变加权信息熵进行背景抑制；然后利用局部能量法进行目标增强；最后采用自适应阈值门限分割检测出小目标。

2.如权利要求1所述的一种基于局部灰度突变的红外小目标检测算法，其特征在于，其具体步骤分为三步：

步骤一、对原始红外图像的所有像素点进行局部突变加权信息熵预处理：对于红外灰度图像s中每一个像素点(x，y)，记其对应的灰度值为s(x，y)，记其对应的N×N邻域为M，其中N为大于1的正奇数，记该邻域中有m种灰度值s₁，s₂，…，s_m，其中m≤N×N，各种灰度值对应的概率分布分别为定义该像素点(x，y)对应的局部突变加权信息熵值为：

H(x,y)=-Σi=1m(si-s(x,y))2PsilogPsi]]>

步骤二、对经过步骤一处理后的图像的所有像素点进行目标增强：对每个像素点(x，y)，其对应的局部能量和G(x，y)为该像素点邻域内所有像素点的局部突变加权信息熵值H(x，y)的平方和，将每一像素点(x，y)计算得到的G(x，y)更新为该像素点的灰度值，设得到的图像为A；

步骤三、自适应阈值分割：对于由步骤二得到的图像A，如果某一像素点(x，y)的灰度值高于自适应阈值门限T，将其灰度值R(x，y)置为1，如果该像素点(x，y)的灰度值低于自适应阈值门限T，则将其灰度值R(x，y)置为0，则目标增强后的图像A在自适应阈值门限T上的分割结果可以表示为下式：

R(x,y)=0;G(x,y)≤T1;G(x,y)>T]]>

其中，自适应阈值门限T是根据图像的统计特性来设置的，公式如下：

T＝C_K×SNR×σ+m

式中m为步骤二中得到的图像A的平均灰度，σ为图像A中各像素点灰度的均方差；C_K为调整因子，根据背景复杂程度设定；SNR为图像A的幅值信噪比，其定义如下：

SNR=fm-mσ]]>

式中，f_m为图像A的灰度最大值；

步骤四、确定复杂背景下红外小目标：对于灰度值为1的像素点，认为是目标；对于灰度值为0的像素点，认为是背景或噪声。