本發(fā)明涉及一種弱小目標(biāo)增強(qiáng)方法，特點(diǎn)是結(jié)合時(shí)空域的弱小目標(biāo)能量累積增強(qiáng)方法，用于圖像處理、計(jì)算機(jī)視覺(jué)和目標(biāo)檢測(cè)定位。屬于光電捕獲跟蹤系統(tǒng)中目標(biāo)探測(cè)技術(shù)領(lǐng)域。

背景技術(shù)：

成像系統(tǒng)獲得的圖像，由于成像距離遠(yuǎn)，加上各種背景雜波的干擾，目標(biāo)的能量強(qiáng)度非常弱，即使經(jīng)過(guò)抑制背景處理后對(duì)紅外圖像中弱小目標(biāo)的有效分割提取仍然有不小的難度。

目前，許多學(xué)者在弱小目標(biāo)能量增強(qiáng)方面做了大量的研究工作。單幀的目標(biāo)增強(qiáng)方法在增強(qiáng)目標(biāo)的同時(shí)往往會(huì)增強(qiáng)噪聲，甚至噪聲的增強(qiáng)幅度更為明顯，反而會(huì)產(chǎn)生大量的虛警，不利于目標(biāo)的后續(xù)檢測(cè)。聯(lián)合時(shí)空域的多幀目標(biāo)能量累積增強(qiáng)的方法越來(lái)越受到重視，這類(lèi)方法能夠累積弱目標(biāo)的時(shí)域能量，在增強(qiáng)目標(biāo)的同時(shí)還能對(duì)噪聲有一定的抑制作用，較好地適應(yīng)當(dāng)前工程應(yīng)用需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明技術(shù)解決問(wèn)題：針對(duì)現(xiàn)有技術(shù)的不足，提供一種結(jié)合時(shí)空域的弱小目標(biāo)能量累積增強(qiáng)方法，該方法充分考慮了對(duì)目標(biāo)運(yùn)動(dòng)鄰域內(nèi)能量的累積，取得較好的增強(qiáng)效果，顯著提高圖像的信噪比。

為實(shí)現(xiàn)這樣的目的，本發(fā)明的技術(shù)方案：一種結(jié)合時(shí)空域的弱小目標(biāo)能量累積增強(qiáng)方法包含以下步驟：

步驟一、各向異性背景預(yù)測(cè)：采用各向異性微分算法對(duì)待處理圖像進(jìn)行背景抑制，有效剔除背景雜波的干擾，本發(fā)明采用各向異性微分算法對(duì)背景進(jìn)行抑制，背景抑制包括以下三個(gè)步驟：

(1.1)定義邊緣停止函數(shù)：

(1.1.1)

其中u為灰度圖像，為梯度，k為大于0的常數(shù)，為邊緣停止函數(shù)。

(1.2)分別求取某個(gè)像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值，并選擇最小的兩個(gè)作為平滑系數(shù)：

(1.2.1)

其中min₁和min₂分別為當(dāng)前像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值中最小的兩個(gè)值。c(f(i,j))為中心像素點(diǎn)(i,j)灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i-step,j))為中心像素點(diǎn)(i,j)往縱軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)(i,j)往橫軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)(i,j)往橫軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值。

(1.3)構(gòu)建濾波模板對(duì)圖像進(jìn)行濾波獲得去背景圖像：

(1.3.1)

其中，c(f(i-step,j))為中心像素點(diǎn)(i,j)往縱軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)(i,j)往橫軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)(i,j)往橫軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，min₁和min₂分別為中心像素點(diǎn)(i,j)四個(gè)方向中最小的兩個(gè)邊緣停止函數(shù)值。

通過(guò)以上三步操作，就可獲取去背景后的圖像。

步驟二、對(duì)步驟一中得到的去背景圖像，結(jié)合多幀圖像鄰域內(nèi)目標(biāo)運(yùn)動(dòng)特性，采用高階累積增強(qiáng)法對(duì)弱小目標(biāo)進(jìn)行能量增強(qiáng)；

步驟三、采用步驟二中的高階累積增強(qiáng)法獲取多幀圖像鄰域內(nèi)的能量極大值，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)能量的有效累積，達(dá)到增強(qiáng)的目的，得到增強(qiáng)后的系列圖像；

步驟四、采用恒虛警假設(shè)檢測(cè)驗(yàn)法對(duì)對(duì)步驟三中獲取的增強(qiáng)后的系列圖像進(jìn)行分割提取，突顯出目標(biāo)，得到系列圖像的目標(biāo)點(diǎn)，恒虛警假設(shè)檢測(cè)驗(yàn)法具體步驟如下：

(41)實(shí)際場(chǎng)景中序列圖像中噪聲視為高斯噪聲，對(duì)于去背景圖像采用如下假設(shè)：

式中，x為候選目標(biāo)的橫坐標(biāo)值，y為候選目標(biāo)縱坐標(biāo)值，k為時(shí)刻數(shù)，F(xiàn)₀(x,y,k)表示去背景圖像，N(x,y,k)表示圖像中高斯噪聲部分，F(xiàn)_T(x,y,k)表示圖像中目標(biāo)部分，H₀代表非目標(biāo)所在像素，H₁代表目標(biāo)所經(jīng)過(guò)的像素；

(42)定義去背景后圖像當(dāng)前幀前后累積幀的均值的大小，具體表達(dá)式如下：

式中，x為候選目標(biāo)的橫坐標(biāo)值，y為候選目標(biāo)縱坐標(biāo)值，M為前后累積幀數(shù)，為去背景后的當(dāng)前幀圖像，為去背景后的前一幀圖像，為去背景后的后一幀圖像，E{ }表示求取前后累積幀的均值，C_Mf去背景后圖像當(dāng)前幀前后累積幀的均值的大小，C_MT為目標(biāo)前后累積幀的均值的大小，C_MN為噪聲前后累積幀的均值的大??；

(43)采用(42)中定義的去背景后圖像當(dāng)前幀前后累積幀的均值的大小作為假設(shè)檢測(cè)統(tǒng)計(jì)量，具體表達(dá)式如下：

式中，C_Mf表示去背景后圖像當(dāng)前幀前后累積幀的均值的大小，H₀為非目標(biāo)像素，H₁為目標(biāo)像素；

(44)定義假設(shè)檢驗(yàn)判定法，具體公式如下：

式中，和分別為M幀圖像的灰度均值和方差，N為視頻總幀數(shù)，k為時(shí)刻數(shù)，由于有其中P{χ²(1)＞λ}＝P_fa，P_fa為設(shè)定的恒虛警概率，λ為閾值大小，通過(guò)查詢(xún)?chǔ)?sup>2分布表獲得。

步驟五、輸出系列圖像的目標(biāo)點(diǎn)。

本發(fā)明與現(xiàn)有技術(shù)相比的有益效果在于：

(1)本發(fā)明采用各向異性的微分原理對(duì)背景進(jìn)行抑制，與傳統(tǒng)的背景抑制方法相比，本發(fā)明能有效剔除大部分背景雜波的干擾，突顯出目標(biāo)。

(2)本發(fā)明根據(jù)目標(biāo)的運(yùn)動(dòng)特性在目標(biāo)的運(yùn)動(dòng)鄰域內(nèi)對(duì)弱目標(biāo)的能量進(jìn)行累積，實(shí)現(xiàn)了比單幀增強(qiáng)方法更好地增強(qiáng)效果，有效抑制了圖中的高斯噪聲，顯著提高了圖像的信噪比。

附圖說(shuō)明

圖1為本發(fā)明方法實(shí)現(xiàn)流程圖；

圖2為本發(fā)明對(duì)實(shí)際場(chǎng)景序列1的第1幀圖像進(jìn)行各項(xiàng)異性去背景后圖像；

圖3為本發(fā)明對(duì)實(shí)際場(chǎng)景序列1的第10幀圖像采用恒虛警閾值法分割結(jié)果圖及相應(yīng)三維圖,其中，圖3(a)為對(duì)實(shí)際場(chǎng)景序列1的第10幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖，圖3(b)為對(duì)實(shí)際場(chǎng)景序列1的第10幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖的相應(yīng)三維圖；

圖4為本發(fā)明對(duì)實(shí)際場(chǎng)景序列1的第50幀圖像采用恒虛警閾值法分割結(jié)果圖及相應(yīng)三維圖,其中，圖4(a)為對(duì)實(shí)際場(chǎng)景序列1的第50幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖，圖4(b)為對(duì)實(shí)際場(chǎng)景序列1的第50幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖的相應(yīng)三維圖；

圖5為本發(fā)明對(duì)實(shí)際場(chǎng)景序列2的第1幀圖像進(jìn)行各項(xiàng)異性去背景后圖像；

圖6為本發(fā)明對(duì)實(shí)際場(chǎng)景序列2的第10幀圖像采用恒虛警閾值法分割結(jié)果圖及相應(yīng)三維圖,其中，圖6(a)為對(duì)實(shí)際場(chǎng)景序列2的第10幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖，圖6(b)為對(duì)實(shí)際場(chǎng)景序列2的第10幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖的相應(yīng)三維圖；

圖7為本發(fā)明對(duì)實(shí)際場(chǎng)景序列2的第50幀圖像采用恒虛警閾值法分割結(jié)果圖及相應(yīng)三維圖,其中，圖7(a)為對(duì)實(shí)際場(chǎng)景序列2的第50幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖，圖7(b)為對(duì)實(shí)際場(chǎng)景序列2的第50幀圖像進(jìn)行恒虛警閾值法分割結(jié)果圖的相應(yīng)三維圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明。本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)實(shí)施方式和具體操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于以下的實(shí)施例。

由于圖像序列中弱小目標(biāo)大多存在一定運(yùn)動(dòng)，為了更好地累積其在時(shí)域上的能量，需要將目標(biāo)的運(yùn)動(dòng)考慮其中。顯然單幀增強(qiáng)方法沒(méi)有將目標(biāo)的運(yùn)動(dòng)特性考慮其中，勢(shì)必影響運(yùn)動(dòng)弱目標(biāo)的能量增強(qiáng)效果。而目標(biāo)在相鄰幀的運(yùn)動(dòng)往往表現(xiàn)為橫向運(yùn)動(dòng)、豎向運(yùn)動(dòng)和對(duì)角方向的運(yùn)動(dòng)。無(wú)論目標(biāo)的運(yùn)動(dòng)方向如何，在高幀頻的成像系統(tǒng)中，它總是存在于相鄰幀的連續(xù)鄰域內(nèi)，于是可根據(jù)目標(biāo)的運(yùn)動(dòng)特性在目標(biāo)的運(yùn)動(dòng)鄰域內(nèi)對(duì)弱目標(biāo)的能量進(jìn)行累積。

本發(fā)明基于弱小目標(biāo)能量增強(qiáng)的實(shí)現(xiàn)，輸入圖像為實(shí)際場(chǎng)景空天背景下的弱小目標(biāo)圖像。

如圖1所示，本發(fā)明一種結(jié)合時(shí)空域的弱小目標(biāo)能量累積增強(qiáng)方法，包括如下步驟：

步驟一、各向異性背景預(yù)測(cè)：采用各向異性微分算法對(duì)待處理圖像進(jìn)行背景抑制，有效剔除背景雜波的干擾，本發(fā)明采用各向異性微分算法對(duì)背景進(jìn)行抑制，背景抑制包括以下三個(gè)步驟：

(1.1)定義邊緣停止函數(shù)：

(1.1.1)

其中u為灰度圖像，為梯度，k為大于0的常數(shù)，為邊緣停止函數(shù)。

(1.2)分別求取某個(gè)像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值，并選擇最小的兩個(gè)作為平滑系數(shù)：

(1.2.1)

其中min₁和min₂分別為當(dāng)前像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值中最小的兩個(gè)值。c(f(i,j))為中心像素點(diǎn)(i,j)灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i-step,j))為中心像素點(diǎn)(i,j)往縱軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)(i,j)往橫軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)(i,j)往橫軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值。

(1.3)構(gòu)建濾波模板對(duì)圖像進(jìn)行濾波獲得去背景圖像：

(1.3.1)

其中，c(f(i-step,j))為中心像素點(diǎn)(i,j)往縱軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)(i,j)往橫軸負(fù)向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)(i,j)往橫軸正向移動(dòng)步長(zhǎng)為step的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，min₁和min₂分別為中心像素點(diǎn)(i,j)四個(gè)方向中最小的兩個(gè)邊緣停止函數(shù)值。

通過(guò)以上三步操作，就可獲取去背景后的圖像。

步驟二、對(duì)步驟一中得到的去背景圖像，結(jié)合多幀圖像鄰域內(nèi)目標(biāo)運(yùn)動(dòng)特性，采用高階累積增強(qiáng)法對(duì)弱小目標(biāo)進(jìn)行能量增強(qiáng)，多幀鄰域內(nèi)能量增強(qiáng)包括以下二個(gè)步驟：

(2.1)定義單幀目標(biāo)的運(yùn)動(dòng)能量累積：

式中，式中，x為候選目標(biāo)的橫坐標(biāo)值，y為候選目標(biāo)縱坐標(biāo)值，m為候選目標(biāo)在鄰域內(nèi)的坐標(biāo)序號(hào)，r為鄰域范圍大小，k為時(shí)刻數(shù)，p為候選目標(biāo)的運(yùn)動(dòng)模式，t_p為目標(biāo)鄰域運(yùn)動(dòng)模板，F(xiàn)₀為去背景時(shí)域序列圖像，f_p(x,y)代表橫縱坐標(biāo)處于(x,y)處的候選目標(biāo)在某種運(yùn)動(dòng)模式下的鄰域能量值，P₀(x,y)代表求取所有運(yùn)動(dòng)模式下的鄰域能量的最大值。

(2.2)定義多幀(一般取M幀)高階累積量。具體公式如下：

式中，M為前后累積幀數(shù)，為所有運(yùn)動(dòng)模式下當(dāng)前幀鄰域能量的最大值，為所有運(yùn)動(dòng)模式下前一幀鄰域能量的最大值，為所有運(yùn)動(dòng)模式下后一幀鄰域能量的最大值，E{}表示求取前后累積幀的均值，C表示多幀高階累積量。

步驟三、采用步驟二中的高階累積增強(qiáng)法獲取多幀圖像鄰域內(nèi)的能量極大值，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)能量的有效累積，達(dá)到增強(qiáng)的目的，得到增強(qiáng)后的系列圖像。具體步驟如下：

(31)采用(2.2)中定義的多幀高階累積量，求取前后累積幀的均值作為當(dāng)前幀的運(yùn)動(dòng)能量累積值，依次循環(huán)遍歷，直到處理往所有系列圖像為止，以此獲取增強(qiáng)后的系列圖像；

步驟四、采用恒虛警假設(shè)檢測(cè)驗(yàn)法對(duì)對(duì)步驟三中獲取的增強(qiáng)后的系列圖像進(jìn)行分割提取，突顯出目標(biāo)，得到系列圖像的目標(biāo)點(diǎn)，恒虛警假設(shè)檢測(cè)驗(yàn)法具體步驟如下：

(41)實(shí)際場(chǎng)景中序列圖像中噪聲視為高斯噪聲，對(duì)于去背景圖像采用如下假設(shè)：

式中，x為候選目標(biāo)的橫坐標(biāo)值，y為候選目標(biāo)縱坐標(biāo)值，k為時(shí)刻數(shù)，F(xiàn)₀(x,y,k)表示去背景圖像，N(x,y,k)表示圖像中高斯噪聲部分，F(xiàn)_T(x,y,k)表示圖像中目標(biāo)部分，H₀代表非目標(biāo)所在像素，H₁代表目標(biāo)所經(jīng)過(guò)的像素；

(42)定義去背景后圖像當(dāng)前幀前后累積幀的均值的大小，具體表達(dá)式如下：

式中，x為候選目標(biāo)的橫坐標(biāo)值，y為候選目標(biāo)縱坐標(biāo)值，M為前后累積幀數(shù)，為去背景后的當(dāng)前幀圖像，為去背景后的前一幀圖像，為去背景后的后一幀圖像，E{}表示求取前后累積幀的均值，C_Mf去背景后圖像當(dāng)前幀前后累積幀的均值的大小，C_MT為目標(biāo)前后累積幀的均值的大小，C_MN為噪聲前后累積幀的均值的大??；

(43)采用(42)中定義的去背景后圖像當(dāng)前幀前后累積幀的均值的大小作為假設(shè)檢測(cè)統(tǒng)計(jì)量，具體表達(dá)式如下：

式中，C_Mf表示去背景后圖像當(dāng)前幀前后累積幀的均值的大小，H₀為非目標(biāo)像素，H₁為目標(biāo)像素；

(44)定義假設(shè)檢驗(yàn)判定法，具體公式如下：

式中，和分別為M幀圖像的灰度均值和方差，N為視頻總幀數(shù)，k為時(shí)刻數(shù)，C_Mf表示去背景后圖像當(dāng)前幀前后累積幀的均值的大小，由于有其中P{χ²(1)＞λ}＝P_fa，P_fa為設(shè)定的恒虛警概率，λ為閾值大小，通過(guò)查詢(xún)?chǔ)?sup>2分布表獲得。

步驟五、輸出系列圖像的目標(biāo)點(diǎn)。

為了定量評(píng)估本發(fā)明中背景抑制的有效性，采用均方誤差EMS、結(jié)構(gòu)相似性SST和局部信噪比增益GSNR三個(gè)指標(biāo)來(lái)評(píng)價(jià)圖像的去背景效果，分別截取實(shí)際場(chǎng)景中2個(gè)序列圖像中的第1幀圖像，對(duì)它們進(jìn)行計(jì)算：序列1中第1幀圖像結(jié)果為EMS＝8.18，SST＝0.969，GSNR＝8.35；序列2中第1幀圖像結(jié)果為EMS＝7.43，SST＝0.978，GSNR＝9.25，去背景后的圖像如圖2、5所示，E_ms值越小，誤差越小，說(shuō)明背景預(yù)測(cè)效果越好；S_st值越趨近于1，說(shuō)明預(yù)測(cè)背景與真實(shí)背景越逼近；G_SNR值越大，說(shuō)明背景預(yù)測(cè)所得差分圖像的目標(biāo)增強(qiáng)效果越好。通過(guò)對(duì)比分析E_ms、S_st和G_SNR三個(gè)性能指標(biāo)可以看出，本發(fā)明的背景抑制方法的預(yù)測(cè)效果較好。

為了驗(yàn)證本發(fā)明中采用恒虛警閾值法分割結(jié)果圖分割的有效性，分別截取實(shí)際場(chǎng)景中2個(gè)序列圖像中的第10、50幀圖像，分割結(jié)果及對(duì)應(yīng)的三維圖如圖3、4、6、7所示，本發(fā)明在背景預(yù)制基礎(chǔ)上，采用恒虛警閾值分割法均能有效分割出目標(biāo)，同時(shí)有效的抑制了背景雜波的干擾。

為了定量評(píng)估本發(fā)明增強(qiáng)效果的有效性，采用目標(biāo)平均灰度值和圖像平均信噪比增益2個(gè)指標(biāo)來(lái)對(duì)比分析處理前后的增強(qiáng)效果，結(jié)合時(shí)空域的弱小目標(biāo)能量累積增強(qiáng)處理后，目標(biāo)的平均灰度和圖像平均信噪比均得到有效增強(qiáng)，且噪聲得到有效抑制，如下表所示：

表1對(duì)比分析增強(qiáng)前后的效果

本發(fā)明未詳細(xì)闡述部分屬于本領(lǐng)域技術(shù)人員的公知技術(shù)。

本技術(shù)領(lǐng)域中的普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)到，以上的實(shí)施例僅是用來(lái)說(shuō)明本發(fā)明，而并非用作為對(duì)本發(fā)明的限定，只要在本發(fā)明的實(shí)質(zhì)精神范圍內(nèi)，對(duì)以上所述實(shí)施例變化,變型都將落在本發(fā)明權(quán)利要求書(shū)的范圍內(nèi)。