[发明专利]基于时域滤波的序列图像弱小目标检测方法

说明书

技术领域

本发明属于图像中弱小目标检测技术领域，具体涉及一种基于图像序列时域滤波的弱小目标检测技术。

背景技术

在一些预警系统中，图像中弱小目标的检测起着决定性的作用。但是在成像过程中，因为一些干扰因素的作用，导致远距离目标在成像结果上的信噪比很低，而且复杂的背景也会干扰目标的检测。这些因素都对弱小目标的检测带来了挑战。

弱小目标检测算法可以分为两类：第一类是基于单帧图像的跟踪前检测算法(Detect before Track，简记为DBT)，第二类是基于序列图像的检测前跟踪算法(Track before Detect，简记为TBD)。

跟踪前检测算法的基本思想是：首先对序列图像中的每幅图像都进行预处理、分割，获得众多疑似目标，然后根据目标运动规律的先验知识和灰度分布形式对目标进行确认。此算法逻辑清晰，实现简单。

检测前跟踪算法的基本思想是：首先根据目标运动规律的先验知识对序列图像进行搜索，然后根据判定准则获取疑似目标运动轨迹，最后根据新输入的序列图像进行真实目标运动轨迹确认。

Yang L.(Yang,J.Yang,K.Yang,Adaptive detection for infrared small target under sea-sky complex background[J].Electron Lett,2004,40(17),1-2.)等人提出一种基于Butterworth高通滤波器的时域滤波器以检测海空复杂背景下弱小目标。他们通过计算不同红外图像的加权熵，自适应的计算高通滤波器的参数。Zhang(F.Zhang,C.Li,L.Shi,Detecting and tracking dim moving point target in IR image sequence[J].Infrared Phys Techn,2005,46,323-328.)等人提出一种序列图像上检测和跟踪弱小目标的方法。通过使用温度非线性抑制以及Top-Hat算子进行图像预处理。然后将三维时空图像信号投影到二维空间上。最后进行基于恒虚警的目标轨迹检测。

发明内容

本发明的目的在于提供一种基于时域滤波的序列图像弱小目标检测方法，该发明解决了传统基于时域剖面的弱小目标检测方法在处理目标信噪比较低的图像时性能较差的问题。

为了解决上述技术问题，本发明提供了一种基于时域滤波的序列图像弱小目标检测方法，首先对序列图像的时域剖面进行预处理，然后将所有的时域剖面一维信号都变换到一维频谱上。之后对这些一维频谱取相同的频率变量，得到一幅特征图像，完成三维空间到二维图像的投影变换。对不同的频率变量值，特征图像上目标的信噪比也不相同。通过理论推导和实验分析，当频率变量值取0到1上某值时，目标信噪比达到最大，该值可通过数值方法求解。为提高算法的实时性，采用离散傅利叶变换对图像进行处理，只分析频率变量取0或1两种条件下特征图像上的目标信噪比，选取信噪比较高的二维响应图进行阈值分割及目标检测。包括以下步骤：

步骤1：在输入红外序列图像的每个像素点上提取时序信号f(x,y,n)，其中，x＝0,1,...,W-1，y＝0,1,...,H-1，n＝0,1,...,T-1，W和H为图像的宽度和长度，T为图像帧数；

步骤2：对步骤1中提取的时序信号进行预处理；

步骤3：计算步骤2中预处理后时序信号的频谱幅值|F(x,y,n)|；

步骤4：针对步骤3得到的频谱幅值|F(x,y,n)|，分别令u＝0,1，得到二维响应函数|F(x,y,0)|和|F(x,y,1)|；

步骤5：比较步骤4计算出的两幅二维响应图，选取目标信噪比较高的一幅图像作为二维特征图像，最后进行Hough变换以检测目标轨迹。

本发明的方法先对提取的时序信号进行基于序列图像闪烁去除的时域剖面归一化方法，用于削弱图像序列间的亮度闪烁。因为目标在时域剖面上的位置不影响对应的频谱幅值函数，因此计算处理后信号的频谱幅值。通过取目标功率信噪比最大来确定最终的时域剖面的投影图像，保证了当单帧图像目标信噪比较低时，能能够有效第检测出图像序列中的弱小目标。

作为本发明的进一步改进：步骤2中，采用基于图像序列闪烁去除的时域剖面归一化方法对获取的时序信号进行处理。信号预处理的表达式为：

f^(Norm)(r,k)＝f(r,k)-m_f+I₀(1)