一種基于二次圖像融合的小目標(biāo)增強(qiáng)檢測(cè)方法技術(shù)

本發(fā)明專利技術(shù)提供了一種基于二次圖像融合的小目標(biāo)增強(qiáng)檢測(cè)方法。包括：將連續(xù)8幀紅外圖像序列分分成兩組，前4幀為A組，后4幀為B組；對(duì)A、B兩組圖像采用加權(quán)平均融合算法進(jìn)行融合，得到兩張一次融合圖像；對(duì)兩張一次融合圖像分別進(jìn)行小波分解，得到圖像的高頻部分和低頻部分；采取不同的融合準(zhǔn)則，對(duì)步驟三的高頻部分和低頻部分各自融合處理；對(duì)融合后的高頻部分和低頻部分進(jìn)行小波重構(gòu)，得到二次融合圖像。本發(fā)明專利技術(shù)將二次圖像融合算法引入了紅外弱小目標(biāo)檢測(cè)領(lǐng)域，將連續(xù)幀中的目標(biāo)視為靜止?fàn)顟B(tài)，先進(jìn)行一次融合，抑制圖像中的隨機(jī)噪聲，對(duì)融合結(jié)果進(jìn)行多尺度小波融合，在抑制背景的同時(shí)，增強(qiáng)了弱小目標(biāo)，提高了目標(biāo)檢測(cè)的概率。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及的是一種紅外目標(biāo)檢測(cè)技術(shù)，尤其涉及一種紅外弱小目標(biāo)增強(qiáng)方法。
技術(shù)介紹
目前紅外預(yù)警系統(tǒng)已經(jīng)成為現(xiàn)代戰(zhàn)爭(zhēng)中信息對(duì)抗的一個(gè)關(guān)鍵組成部分。由于目標(biāo)距離紅外預(yù)警系統(tǒng)較遠(yuǎn)，點(diǎn)目標(biāo)是紅外目標(biāo)的主要存在方式，其具有無(wú)特征信息、無(wú)幾何形狀、無(wú)結(jié)構(gòu)等特點(diǎn)，嚴(yán)重影響了紅外預(yù)警系統(tǒng)對(duì)目標(biāo)的檢測(cè)識(shí)別。目前對(duì)紅外目標(biāo)的研究主要有兩個(gè)方面：a基于背景抑制的單幀檢測(cè)。b基于管道濾波的多幀檢測(cè)。可見(jiàn)在紅外目標(biāo)檢測(cè)領(lǐng)域?qū)θ跣∧繕?biāo)增強(qiáng)算法的研究還是有限的，尤其是將圖像融合技術(shù)與紅外小目標(biāo)檢測(cè)技術(shù)相結(jié)合的研究少之又少。2011年，張俊舉等人提出了基于紅外與微光圖像融合的目標(biāo)識(shí)別算法，先對(duì)紅外圖像進(jìn)行目標(biāo)識(shí)別，再將識(shí)別結(jié)果與微光圖像融合，融合結(jié)果不僅具有微光圖像良好的人眼可視性，還具有鮮明的紅外特性。2013年，盧剛提出了基于圖像融合的紅外弱小目標(biāo)檢測(cè)算法，將紅外雙波段預(yù)警系統(tǒng)的成像分別進(jìn)行背景抑制和圖像分割，將分割結(jié)果進(jìn)行圖像融合來(lái)識(shí)別目標(biāo)。這兩種方法雖然都應(yīng)用了圖像融合算法，但是都忽略了紅外弱小目標(biāo)難以檢測(cè)的特點(diǎn)，沒(méi)有通過(guò)圖像融合來(lái)提高弱小目標(biāo)的檢測(cè)概率。在紅外圖像序列檢測(cè)中多采用管道濾波算法，該算法實(shí)際上是一個(gè)時(shí)空濾波器，它是在序列圖像的空間位置上以目標(biāo)為中心建立的一個(gè)空間管道，管道的直徑代表空間的作用尺寸，即目標(biāo)的尺寸，管道的長(zhǎng)度代表檢測(cè)時(shí)間的長(zhǎng)度，即圖片序列的幀數(shù)。本文針對(duì)紅外圖像序列數(shù)據(jù)量大的、目標(biāo)運(yùn)動(dòng)差異性小的特點(diǎn)，提出了基于二次圖像融合的小目標(biāo)增強(qiáng)算法，通過(guò)對(duì)包含有弱小目標(biāo)的紅外圖像序列進(jìn)行仿真驗(yàn)證了該算法具有降低紅外序列數(shù)據(jù)量、增強(qiáng)弱小目標(biāo)的價(jià)值。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于提供一種目標(biāo)檢測(cè)概率高的一種基于二次圖像融合的小目標(biāo)增強(qiáng)檢測(cè)方法。本專利技術(shù)的目的是這樣實(shí)現(xiàn)的：步驟一：將連續(xù)8幀紅外圖像序列分分成兩組，前4幀為A組，后4幀為B組；步驟二：對(duì)A、B兩組圖像采用加權(quán)平均融合算法進(jìn)行融合，得到兩張一次融合圖像；步驟三：對(duì)兩張一次融合圖像分別進(jìn)行小波分解，得到圖像的高頻部分和低頻部分；步驟四：采取不同的融合準(zhǔn)則，對(duì)步驟三的高頻部分和低頻部分各自融合處理；步驟五：對(duì)融合后的高頻部分和低頻部分進(jìn)行小波重構(gòu)，得到二次融合圖像。本專利技術(shù)還可以包括：1、所述對(duì)A、B兩組圖像采用加權(quán)平均融合算法進(jìn)行融合的方法為：直接對(duì)像素點(diǎn)進(jìn)行加權(quán)平均處理合成一幅圖像，原始圖像序列連續(xù)8幀都為含噪圖像：Ai(n1,n2)＝f(n1,n2)+ηi(n1,n2)i＝1，2…8；n1和n2代表行號(hào)和列號(hào)，f(n1,n2)代表不含噪聲的圖像信息，ηi(n1,n2)為像素點(diǎn)(n1，n2)處的噪聲為不相關(guān)、零均值噪聲，Ai(n1,n2)為紅外圖像中任意像素點(diǎn)的灰度值；對(duì)連續(xù)4幀圖像進(jìn)行加權(quán)平均融合后的圖像為：ai為融合系數(shù)，為加權(quán)平均融合后的圖像，其均值和標(biāo)準(zhǔn)差分別為：為融合圖像的均值，為融合圖像的標(biāo)準(zhǔn)差，為像素點(diǎn)噪聲的標(biāo)準(zhǔn)差。2、步驟三中對(duì)一次加權(quán)平均融合算法得到的圖像進(jìn)行二次多尺度融合具體包括：(3.1)對(duì)每一原圖像分別進(jìn)行小波變換，得到圖像的小波分解；為步驟二中得到的融合圖像，Gi0為小波分解得到的低頻數(shù)據(jù)，Gi1和Gi2為小波分解得到的高頻數(shù)據(jù),i＝1,2，代表步驟二中的兩組融合結(jié)果；(3.2)對(duì)(3.1)分解得到低頻數(shù)據(jù)和高頻數(shù)據(jù)，采用不同的融合準(zhǔn)則進(jìn)行融合，所述不同的融合準(zhǔn)則為：對(duì)低頻數(shù)據(jù)部分采用加權(quán)平均融合準(zhǔn)則；對(duì)高頻數(shù)據(jù)部分采用局部方差準(zhǔn)則，將Gi1和Gi2分成若干個(gè)M×N子塊圖像，對(duì)每個(gè)子塊圖像進(jìn)行數(shù)值分布統(tǒng)計(jì)，計(jì)算其方差，為采用加權(quán)平均融合準(zhǔn)則對(duì)低頻數(shù)據(jù)融合的結(jié)果，Gi0(3.1)小波分解得到的低頻數(shù)據(jù)，為采用局部方差準(zhǔn)則對(duì)高頻數(shù)據(jù)融合的結(jié)果，σ11、σ21分別是小波分解得到的G1部分的子塊圖像的方差，為采用局部方差準(zhǔn)則對(duì)高頻數(shù)據(jù)融合的結(jié)果，σ12、σ22分別是小波分解得到的G2部分的子塊圖像的的方差；(3.3)對(duì)上一步采用不同融合準(zhǔn)則的到的低頻數(shù)據(jù)和高頻數(shù)據(jù)進(jìn)行小波重構(gòu)，得到二次融合圖像，本專利技術(shù)針對(duì)傳統(tǒng)的紅外圖像序列不能充分利用圖像的數(shù)據(jù)信息以及單幀紅外圖像紅外弱小目標(biāo)難以檢測(cè)的問(wèn)題，提出了一種基于二次圖像融合的小目標(biāo)增強(qiáng)方法。該方法先對(duì)紅外序列進(jìn)行分組融合，降低冗余；然后對(duì)融合結(jié)果進(jìn)行多分辨率二次融合，最后對(duì)融合結(jié)果進(jìn)行目標(biāo)檢測(cè)。與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果是：本專利技術(shù)的核心
技術(shù)實(shí)現(xiàn)思路
在于將二次圖像融合算法引入了紅外弱小目標(biāo)檢測(cè)領(lǐng)域，將連續(xù)幀中的目標(biāo)視為靜止?fàn)顟B(tài)(因其距離紅外傳感器距離較遠(yuǎn)，短時(shí)間內(nèi)的移動(dòng)對(duì)成像影響極小)，先進(jìn)行一次融合，抑制圖像中的隨機(jī)噪聲，對(duì)融合結(jié)果進(jìn)行多尺度小波融合，在抑制背景的同時(shí)，增強(qiáng)了弱小目標(biāo)，提高了目標(biāo)檢測(cè)的概率。附圖說(shuō)明圖1是本專利技術(shù)的流程圖；圖2是本專利技術(shù)的核心算法——二次圖像融合算法的工作原理；圖3(a)是沒(méi)有經(jīng)過(guò)處理的原始單幀紅外圖像，圖3(b)是對(duì)圖3(a)采用canny算子進(jìn)行邊緣檢測(cè)的結(jié)果；圖4(a)是對(duì)紅外圖像序列采用本專利技術(shù)技術(shù)處理后的結(jié)果，圖4(b)對(duì)圖4(a)采用canny算子進(jìn)行邊緣檢測(cè)的結(jié)果；圖5(a)是將融合圖像作為新的一幀圖像，與單幀原圖像進(jìn)行幀差檢測(cè)的結(jié)果，圖5(b)為原始圖像序列進(jìn)行幀差檢測(cè)的結(jié)果；圖6為經(jīng)過(guò)本專利技術(shù)技術(shù)處理后的圖像的信息熵以及部分原始圖像序列的信息熵。具體實(shí)施方式下面結(jié)合附圖舉例對(duì)本專利技術(shù)作進(jìn)一步描述。結(jié)合圖1、圖2，本專利技術(shù)實(shí)現(xiàn)步驟如下：步驟一：讀入連續(xù)8幀圖像序列，平均分成兩組，每組四幀；步驟二：對(duì)分組后的圖像分別采用加權(quán)平均融合算法進(jìn)行融合：(1.1)對(duì)兩組圖像采用加權(quán)平均融合方法，不對(duì)參與融合的原圖像進(jìn)行任何變換或者分解，而是直接對(duì)像素點(diǎn)進(jìn)行加權(quán)平均處理合成一幅圖像。原始圖像序列連續(xù)8幀都為含噪圖像：Ai(n1,n2)＝f(n1,n2)+ηi(n1,n2)(1)i＝1，2…8；n1和n2代表行號(hào)和列號(hào)，f(n1,n2)代表不含噪聲的圖像信息，ηi(n1,n2)為像素點(diǎn)(n1，n2)處的噪聲，根據(jù)理論分析，其為不相關(guān)、零均值噪聲。Ai(n1,n2)為紅外圖像中任意像素點(diǎn)的灰度值。對(duì)連續(xù)4幀圖像進(jìn)行加權(quán)平均融合后的圖像為：ai為融合系數(shù)，為加權(quán)平均融合后的圖像，其均值和標(biāo)準(zhǔn)差分別為：為融合圖像的均值，為融合圖像的標(biāo)準(zhǔn)差，為像素點(diǎn)噪聲的標(biāo)準(zhǔn)差。通過(guò)上式可以說(shuō)明，加權(quán)平均融合后得到的融合圖像均值不變，噪聲標(biāo)準(zhǔn)差將為原來(lái)的1/2，起到了抑制隨機(jī)噪聲的作用。步驟三：對(duì)一次加權(quán)平均融合算法得到的圖像進(jìn)行二次多尺度融合：(3.1)對(duì)每一原圖像分別進(jìn)行小波變換，建立圖像的小波塔型分解；為步驟二中得到的融合圖像，Gi0為小波分解得到的低頻數(shù)據(jù)，Gi1和Gi2為小波分解得到的高頻數(shù)據(jù),i＝1,2，代表步驟二中的兩組融合結(jié)果。(3.2)對(duì)上一步分解得到低頻數(shù)據(jù)和高頻數(shù)據(jù)，采用不同的融合準(zhǔn)則進(jìn)行融合，對(duì)低頻數(shù)據(jù)部分采用加權(quán)平均融合準(zhǔn)則，對(duì)高頻數(shù)據(jù)部分采用局部方差準(zhǔn)則，將Gi1和Gi2分成若干個(gè)M×N子塊圖像。對(duì)每個(gè)子塊圖像進(jìn)行數(shù)值分布統(tǒng)計(jì)，計(jì)算其方差。為采用加權(quán)平均融合準(zhǔn)則對(duì)低頻數(shù)據(jù)融合的結(jié)果，小波分解得到的低頻數(shù)據(jù)。為采用局部方差準(zhǔn)則對(duì)高頻數(shù)據(jù)融合的結(jié)果，σ11，σ21分別是小波分解得到的G1部分的子塊圖像的方差。為采用局部方差準(zhǔn)則對(duì)高頻數(shù)據(jù)融合的結(jié)果，σ12，本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于二次圖像融合的小目標(biāo)增強(qiáng)檢測(cè)方法，其特征是包括以下步驟：步驟一：將連續(xù)8幀紅外圖像序列分分成兩組，前4幀為A組，后4幀為B組；步驟二：對(duì)A、B兩組圖像采用加權(quán)平均融合算法進(jìn)行融合，得到兩張一次融合圖像；步驟三：對(duì)兩張一次融合圖像分別進(jìn)行小波分解，得到圖像的高頻部分和低頻部分；步驟四：采取不同的融合準(zhǔn)則，對(duì)步驟三的高頻部分和低頻部分各自融合處理；步驟五：對(duì)融合后的高頻部分和低頻部分進(jìn)行小波重構(gòu)，得到二次融合圖像。

【技術(shù)特征摘要】
1.一種基于二次圖像融合的小目標(biāo)增強(qiáng)檢測(cè)方法，其特征是包括以下步驟：步驟一：將連續(xù)8幀紅外圖像序列分分成兩組，前4幀為A組，后4幀為B組；步驟二：對(duì)A、B兩組圖像采用加權(quán)平均融合算法進(jìn)行融合，得到兩張一次融合圖像；步驟三：對(duì)兩張一次融合圖像分別進(jìn)行小波分解，得到圖像的高頻部分和低頻部分；步驟四：采取不同的融合準(zhǔn)則，對(duì)步驟三的高頻部分和低頻部分各自融合處理；步驟五：對(duì)融合后的高頻部分和低頻部分進(jìn)行小波重構(gòu)，得到二次融合圖像。2.根據(jù)權(quán)利要求1所述的基于二次圖像融合的小目標(biāo)增強(qiáng)檢測(cè)方法，其特征是所述對(duì)A、B兩組圖像采用加權(quán)平均融合算法進(jìn)行融合的方法為：直接...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：國(guó)強(qiáng)，孫學(xué)超，阮國(guó)慶，王亞妮，
申請(qǐng)(專利權(quán))人：哈爾濱工程大學(xué)，
類型：發(fā)明
國(guó)別省市：黑龍江;23