[发明专利]一种基于多尺度最佳目标对比度的自适应目标检测方法

说明书

本发明公开了一种基于多尺度局部最佳对比度的自适应目标检测方法，包括：通过多尺度局部最佳对比度算法获取输入图像的梯度图；利用大津法得到分割系数，从而将目标分割出来。该基于多尺度局部最佳对比度的自适应目标检测方法的目的是解决多尺度局部最佳对比度算法在针对目标分割阈值取固定系数时，导致极为弱小的目标很难分割出来的问题。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于多尺度局部最佳对比度的自适应目标检测方法。

背景技术

红外弱小目标检测技术在当今的军事领域和民用领域都有很广阔的应用前景，是红外图像处理领域一项历史悠久且重要的研究课题。

在光电设备中，搜索和跟踪占有非常重要的地位，红外弱小目标检测技术就是红外成像跟踪中的关键技术之一。

一方面，红外弱小目标往往因为信噪比过低而湮没在背景中；另一方面，红外没有具体的形状和纹理，所以没有明显的特征和有用的纹理可以使用。

多尺度局部最佳对比度算法能够在目标较为弱小时，将目标通过多尺度增强对比度从背景中分离出来，但当目标分割阈值取固定系数时，极为弱小的目标便很难目标分割出来。

有鉴于此，本领域技术人员亟待提供一种基于多尺度局部最佳对比度的自适应目标检测方法用于解决上述问题。

发明内容

(一)要解决的技术问题

本发明的目的在于提供一种基于多尺度局部最佳对比度的自适应目标检测方法，以解决多尺度局部最佳对比度算法在针对目标分割阈值取固定系数时，导致极为弱小的目标很难分割出来的技术问题。

(二)技术方案

本发明提供了一种基于多尺度局部最佳对比度的自适应目标检测方法，该方法包括以下步骤：

通过多尺度局部最佳对比度算法获取输入图像的梯度图；

利用大津法得到分割系数，从而将目标分割出来。

进一步地，所述通过多尺度局部最佳对比度算法获取输入图像的梯度图，具体包括如下步骤：

将红外图像的处理窗口分为多个子窗口，每个所述子窗口通过第一公式求得目标跟踪框内的均值；

将所述多个子窗口分为可能出现目标的区域和背景区域；其中，所述可能出现目标的区域和所述背景区域之间的映射关系满足第二公式；

将以模块T为中心的背景模块分为四个方向，基于所述四个方向，确定目标模块与所述背景模块的关系满足第三公式；

依据所述第三公式获取所述输入图像的梯度图。

进一步地，所述第一公式的表达式为：

式中，N_u为该子窗口内像素个数，m_i(i＝1,2,...,9)为子窗口内图像灰度均值，为第i个子窗口内的第j个像素的灰度值。

进一步地，所述第二公式的表达式为：

式中，d(T,Bi)＝m_T-m_Bi,(i＝1,2,...,8)，m_T为中心模块的均值，m_Bi为第i个背景的均值。

进一步地，所述第三公式的表达式为：

进一步地，所述依据所述第三公式获取所述输入图像的梯度图，具体为：