[发明专利]一种基于模糊技术的红外弱小目标图像边缘增强算法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于模糊技术的红外弱小目标图像边缘增强算法。

背景技术

红外成像目标检测与跟踪系统是一种基于被动探测技术的光机电一体化系统，该系统具有隐蔽性好、抗干扰能力强等优点，被广泛地应用于红外告警和精确制导等武器装备系统。在实际应用中，为了尽可能多地增加火控系统的预警时间、提高安全系数，要求红外探测系统能够在尽可能远的距离捕捉到目标并获取目标的相关信息。当目标距离较远时，因为目标在视场中是以小目标的形态出现的，并且信号微弱，以至被淹没在复杂的背景之中，导致目标检测跟踪非常困难。由于复杂背景是影响弱小目标检测跟踪性能的重要因素，若要稳定而可靠地对目标进行检测和跟踪，就必须首先对红外弱小目标图像边缘进行增强处理。因此，在模糊域对红外弱小目标图像边缘进行增强成为当今一项研究技术课题。

传统的边缘检测算法比如Sobel算子、Canny算子定位精确度不高，尤其不适用于复杂背景下易受脉冲噪声干扰的红外弱小目标图像边缘的检测。传统的Pal-king算法，虽然对脉冲噪声干扰有很好的抑制效果，但在模糊域增强过程中只对高灰度边缘进行了增强，自动抑制低灰度信息，难以识别红外弱小目标图像的边缘；且算法隶属度函数复杂，处理时间长，难以实现对红外弱小目标图像边缘的检测。

本发明算法在保留图像低灰度信息的同时增强了低灰度边缘信息，对红外弱小目标图像边缘进行增强，能够有效检测复杂背景下易受脉冲噪声干扰的红外弱小目标图像边缘，便于识别和提取红外弱小目标图像边缘的低灰度信息，且该发明算法简单，易于实现。

发明内容

本发明为了解决复杂背景下脉冲噪声干扰对红外弱小目标图像边缘的影响，以及在模糊域增强过程中红外弱小目标图像低灰度边缘丢失的问题，更好的识别和检测红外弱小目标图像边缘，提出了一种基于模糊技术的红外弱小目标图像边缘增强算法。

本发明算法的实现步骤如下：

步骤一：输入红外弱小目标图像，将红外弱小目标图像由空间域转换为模糊域；

步骤二：对模糊域的红外弱小目标图像进行γ矫正，从而适当的增强红外弱小目标图像边缘的低灰度信息；

步骤三：添加隶属度分量改变隶属度函数，保留红外弱小目标图像边缘的低灰度信息；

步骤四：采用“min”或“max”算子，提取红外弱小目标图像边缘的低灰度信息。

所述步骤一中将红外弱小目标图像由空间域转换为模糊域的实现方法为：在空间域，一个二维的红外弱小目标图像转换到模糊域后，用模糊矩阵Y表示，公式为：

m=1,2,……,M;n=1,2,….2,N

上式中，P_mn/X_mn(0≤P_mn≤1，0≤X_mn≤ 255)表示图像中像素点X_mn相对于模糊域P_mn的隶属度，变换函数（隶属度函数）P表示为：

P=G（X）=

上式中，F_e和 F_d分别为大于0的指数模糊化因子和分母模糊化因子， X_max为最大灰度级，且X_mn≤X_max。

所述步骤二中对模糊域的红外弱小目标图像进行γ矫正，从而增强红外弱小目标图像边缘的低灰度信息的实现方法为：将红外弱小目标图像转换到模糊域后，在模糊域对红外弱小目标图像边缘进行γ矫正，γ矫正对较小输入值有较大的响应输出，对较大的输入值则增加幅度不大，选择γ矫正增强红外弱小目标低灰度边缘信息由空间域转换到模糊域的图像，适当的增强红外图像低灰度信息。

在模糊域对红外弱小目标图像进行γ矫正，由空间域转换到模糊域的图像P(m,n)的增强公式为g(m,n)=(P(m,n) )^γ

上式中，g(m,n)表示模糊域中经γ矫正增强后的红外弱小目标图像，P(m,n)在模糊域的取值范围为[0,1]。

所述步骤三中，添加隶属度分量改变隶属度函数，从而保留红外弱小目标图像边缘的低灰度信息，实现方法为：

设定隶属度函数的隶属度分量，图像的模糊指数α=；

为保证转换到空间域的红外弱小目标图像灰度 X＇_mn≥0，使g_mn=α；