[发明专利]一种基于剪切波变换的红外弱小目标检测方法

说明书

技术领域

本发明属于红外图像处理技术领域，涉及红外对空基和地基远程监控系统、红外预警及红外目标识别与跟踪系统等。将多尺度几何变换中的剪切波(Shearlet)变换理论用于红外弱小目标检测，本方法可有效地应用于低信噪比、背景和噪声干扰严重的单帧红外图像的弱小目标检测。

背景技术

红外弱小目标检测对空基和地基远程监控系统、红外预警及红外目标识别与跟踪系统等有着重要的意义。对弱小目标而言，目标较小意味着传感器距离目标较远，相对尺寸比较小，图像中目标的尺寸小于6×6个像素点，无形状和纹理信息；目标较弱意味着目标与周围背景之间的对比度较低(＜0.3)，目标信号强度与噪声的比值小(SNR＜2dB)，这些因素增加了弱小目标的检测难度。

单帧红外图像弱小目标检测方法可分为基于全局特征和局部特征的检测方法两类。基于全局特征的目标检测方法有：最大类间方差法、最大熵估计法和改进的偏微分方程法等。然而，由于弱小目标的全局特征非常不明显，它仅为局部的极值点，因此基于全局特征的弱小目标检测算法大多性能不佳。为此，发展了基于局部特征的目标检测方法：小面模型法、邻域反向相位特征法、元胞自动机法和局部二元模式算子检测法等；此外，神经网络和小波变换等也被用于单帧弱小目标检测，都取得了较好的效果，但不能很好地应用于红外图像信噪比较低、背景和噪声干扰严重的情况。

常规基于小波变换的方法是主要利用小波的多尺度分析方法区分图像的背景及感兴趣目标区。在《基于小波多尺度分析及Fisher分割的红外弱小目标检测.》(见《红外与毫米波学报》，2003年22卷(5期)：P353-356，作者：李红，郑成勇，高景丽.)中所述小波变换、就是根据不同尺度上生成的图像信息将目标与复杂背景区分开；即当采用小波变换对目标图像进行分析时、目标和背景在小波不同尺度(频段)生成的图像上有明显不同的区别特征，根据其区别特征用于复杂背景弱小目标的检测，该方法对信噪比较高图像信息的处理效果好，但对信噪比较低图像中目标和复杂背景的区分则较困难。

针对常规小波变换只能处理水平、垂直和对角线三个方向的信息和点状奇异性的缺陷，采用Shearlet变换能够处理多个方向的信息和各向异性的特点，对其辨识奇异性的位置和几何特征非常有用。在文献《采用剪切波变换的红外弱小目标背景抑制》(见《红外与毫米波学报》，2011年30卷(2期)：P162-166，作者：秦翰林，李佳，周慧鑫等)中所述Shearlet变换的方法中，根据红外图像中目标和背景杂波的不同分布特性，首先，采用shearlet变换对原始红外图像进行多尺度和多方向分解，获得原始图像的多尺度(频段)和各方向细节特征，然后，通过应用高斯尺度混合模型进行处理，从而将红外图像中弱小目标和背景杂波分离，达到抑制背景的目的，最后采用经典的自适应阈值分割技术得到目标图像，最终实现目标检测。该方法实现红外图像弱小目标背景抑制的具体步骤为：1.对原始图像进行Shearlet变换；2.利用高斯尺度混合模型估计各个高频信息图(高频子带)。首先，根据图像设定的杂波标准差计算邻域协方差C_w，估计邻域系数的协方差C_y，并利用C_y和C_w估计零均值高斯向量u的协方差C_u，然后对高频信息图中的各个邻域利用贝叶斯估计计算预测的背景信号(子带)；3.对低频信息图采用局部去均值滤波法进行处理，以削弱残留在低频信息图中的目标信号；4.对经过滤波处理的低频信息图和各个高频信息图(高频子带)进行Shearlet逆变换，得到背景图像；5.将背景图像与原始图像相减得到目标信号图像，实现对弱小目标的背景抑制。该方法中利用了高斯尺度混合模型，局部去均值滤波法和Shearlet逆变换，检测时所处理的数据量大，时间复杂度比较高。

发明内容

本发明的目的是针对背景技术存在的缺陷，改进设计一种基于剪切波变换的红外弱小目标检测方法，该方法对原始红外图像通过分解、变换，将其分解成不同尺度以及在同一尺度下不同方向的高频信息图，再经融合处理及对所得高频信息图分割处理，实现对弱小目标的检测；从而达到简化检测处理流程、降低数据处理量，缩短处理时间，有效提高对红外弱小目标检测的性能等目的。