[发明专利]一种红外小目标检测方法

说明书

本发明公开了一种红外小目标检测方法，涉及图像信息技术领域，包括以下步骤：构建双层局部对比度测量结构；将原始红外图像划分为多个小区域，并利用双层局部对比度测量结构将每个小区域细划分；利用二维汉宁窗法计算每个小区域内的目标区域的灰度值、内部区域的灰度加权平均值和外部区域的灰度加权平均值；计算每个小区域内的目标区域与内部区域之间的灰度差和每个小区域内的目标区域与外部区域之间的灰度差，并获取双层局部对比度测量图IDLCM；计算每个小区域内每一像素点的多方向梯度值，获取该小区域的多向梯度图MG；获取该小区域的小目标检测图MGIDLCM；对每个小区域的小目标检测图MGIDLCM进行阈值分割，提取出红外小目标。

技术领域

本发明涉及图像信息技术领域，具体为一种红外小目标检测方法。

背景技术

红外弱小目标检测技术是军事侦察领域的研究热点之一。该技术以红外目标检测系统为主要模式，主要利用红外辐射之间的差异，利用目标和背景来实现小目标的目标检测。与其他检测方法相比，如可见光和雷达探测，红外目标探测系统具有隐蔽性强、探测距离远、可克服大气扰动、光散射和衍射的影响。小目标通常只有几到十几个像素，并且具有低强度、低信噪比、缺乏形状和纹理信息的特点。

在实践中应用中，会遇到更复杂的自然场景，如云边缘和杂波，其特征类似于小目标。它会干扰目标检测，导致检测过程中出现一定的虚警。因此复杂海天地面背景下红外弱小目标的精确检测仍然是一个具有挑战性的研究课题。

现有基于人类视觉系统(HVS)的小目标检测算法主要是根据局部对比度度量的方法测量当前位置与其相邻位置之间的差异，然后通过阈值运算将目标与背景分离。但是这类方法对强杂波不够鲁棒，并且具有很高的虚警率，在检测精度和实时性能方面都有一定问题，尤其是当目标和背景区域之间的对比度不高或背景复杂时，或者是在复杂的海洋或天空背景下，由于大量噪声和杂波的影响，导致红外小目标检测算法具有较高的虚警率，检测速度也受到一些影响。

发明内容

本发明针对现有技术对小目标检测精度不足的问题，提供了一种红外小目标检测方法，具体包括以下步骤：

构建双层局部对比度测量结构，双层局部对比度测量结构包括：目标区域子窗口、包围在目标区域子窗口外侧四周的八个内部区域子窗口、包围在八个内部区域子窗口外侧四周的四个外部区域子窗口。

将原始红外图像划分为多个小区域，并利用双层局部对比度测量结构将每个小区域细划分为目标区域、八个内部区域和四个外部区域。

利用二维汉宁窗法计算每个小区域内的目标区域的灰度值、八个内部区域的灰度加权平均值和四个外部区域的灰度加权平均值。

计算每个小区域内的目标区域与八个内部区域之间的灰度差、和每个小区域内的目标区域与四个外部区域之间的灰度差，并获取双层局部对比度测量图IDLCM。

计算每个小区域内每一像素点的多方向梯度值，并利用每个小区域内的所有像素点的多方向梯度值构成该小区域的多向梯度图MG。

根据每个小区域的双层局部对比度测量图IDLCM和多向梯度图MG，获取该小区域的小目标检测图MGIDLCM。

对每个小区域的小目标检测图MGIDLCM进行阈值分割，提取出红外小目标。

进一步的，所述双层局部对比度测量结构覆盖9×9个像素点。

进一步的，每个小区域内的八个内部区域的灰度加权平均值利用下式计算获得：

W(n，n)＝w(n)×w(n)^T