[发明专利]一种基于掩码图像的红外弱小目标检测算法

说明书

技术领域

本发明涉及红外图像处理技术领域，具体涉及一种基于掩码图像的红外弱小目标检测算法。

背景技术

近年来，红外热成像技术迅速发展，基于红外图像检测的产品应用也越来越多。在复杂背景环境下，红外背景图像中可能含有亮的云团、建筑物和大片的树木，这些亮度往往大于或与目标接近，这对目标检测带来很大的干扰。同时红外制导中的目标一般只有几个像素，缺乏目标的纹理、尺寸以及结构信息可资利用，再加上环境等因素的影响，都有可能随时使弱小的目标信息淹没在噪声中，从而给红外弱小目标的检测带来了很大的困难。针对弱小目标检测，现有的滤波算法如中值滤波、形态学滤波，一般在抑制背景的同时，造成背景高频点的泄露。为避免高灰度量级的背景对目标检测造成影响，当对背景进行抑制时，需尽量保持这些背景区域不变，即不需对其进行背景预测，直接判断为背景。而一般的滤波方法是对整幅图进行滤波处理，不可避免的影响了这些背景区域，降低了弱小目标检测的准确性和可靠性。因此，在复杂背景下，如何提高弱小目标检测的准确性和可靠性是国内外普遍关注与重点研究的课题之一。

发明内容

本发明的目的在于克服目前在复杂背景下，对弱小目标检测的准确性和可靠性低的缺陷，提供一种基于掩码图像的红外弱小目标检测算法。

本发明的目的通过下述技术方案现实：一种基于掩码图像的红外弱小目标检测算法，包括以下步骤：

(1)输入原红外图像；

(2)计算原红外图像的掩码图像；

(3)结合掩码图像对原红外图像进行滤波处理，得到背景图像；

(4)计算含有点目标的残差图像；

(5)滤除残差图像的噪声，完成对点目标的检测。

进一步的，所述步骤(2)中计算原红外图像的掩码图像包括以下步骤：

①在原红外图像中选取目标区域A；

②计算目标区域A的掩码图像，其计算公式为：

其中，Mask(i，j)为掩码图像座标为(i，j)的像素，f(i，j)为原红外图像座标为(i，j)的像素，N×N为掩码图像的大小，α为阈值；阈值α＝σ_f·SNR，σ_f＝std(A)为灰度标准差，SNR为信噪比；通过恒虚警概率来计算信噪比SNR，计算公式为其中P_f为给定的恒虚警概率，

所述步骤(3)中结合掩码图像采用形态学开运算对原红外图像进行滤波处理，得到背景图像；形态学开运算的表达式为：

其中，f(x,y)为原红外图像座标为(x，y)的像素，Mask(x,y)为掩码图像座标为(x，y)的像素，B(x,y)为背景图像座标为(x，y)的像素，b为形态学滤波的结构体。

所述步骤(4)中采用原红外图像减去背景图像得到含有点目标的残差图像，计算公式为：G(x,y)＝f(x,y)-B(x,y)，G(x,y)为残差图像座标为(x，y)的像素。

所述步骤(5)中采用自适应阈值分割处理对残差图像的噪声进行滤除，从而完成对点目标的检测，自适应阈值分割处理的表达式为：其中，R(i,j)为自适应阈值分割处理后图像的座标为(i，j)的像素，T为分割阈值，G(i，j)为残差图像座标为(i，j)的像素。

所述自适应阈值的计算公式为：T＝m+kσ，其中，

m为局部区域的均值，σ为局部区域标准差，T为分割阈值，k为常系数，N1和N2分别表示子图像区域的大小。

本发明与现有技术相比具有以下优点及有益效果：

(1)本发明的基于掩码图像的红外弱小目标检测算法在复杂背景下，尤其是图像中含有大片和目标亮度相近的区域时，其对背景噪声的抑制效果更好，红外背景图像的估计更为准确，并具有较高的检测概率和比较低的虚警率，能够更加有效的实现红外弱小目标的检测。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式并不限于此。

实施例

如图1所示，本发明公开的基于掩码图像的红外弱小目标检测算法，包括以下步骤：

(1)输入原红外图像。

(2)计算原红外图像的掩码图像；其具体步骤为：

①在原红外图像中选取目标区域A；

②计算目标区域A的掩码图像，其计算公式为：