本發(fā)明屬于信息技術(shù)領(lǐng)域，可用于單幀圖像中的弱小目標(biāo)檢測(cè)，具體為一種改進(jìn)的基于希爾伯特黃變換圖像背景抑制方法。

背景技術(shù)：

背景抑制技術(shù)是基于單幀圖像的目標(biāo)檢測(cè)中最有效的方法，其基本思想是：在一副有背景干擾的圖像中，利用背景中像素點(diǎn)的灰度值和周?chē)袼攸c(diǎn)的灰度值的相關(guān)性比較大，而目標(biāo)一般以孤立點(diǎn)的形式存在，它與周?chē)尘跋袼攸c(diǎn)的相關(guān)性很小。利用這個(gè)性質(zhì)，我們可以用圖像中的各像素點(diǎn)周?chē)欢ǚ秶鷥?nèi)的像素點(diǎn)的平均值來(lái)預(yù)測(cè)該像素點(diǎn)的灰度值，這個(gè)過(guò)程我們稱(chēng)為背景預(yù)測(cè)。由于背景中像素點(diǎn)的實(shí)際灰度值和周?chē)袼攸c(diǎn)的灰度值的相關(guān)性比較大，背景中像素點(diǎn)的灰度值和該像素點(diǎn)的預(yù)測(cè)值會(huì)很接近。而目標(biāo)像素點(diǎn)的灰度值和周?chē)尘暗南袼攸c(diǎn)的灰度值相關(guān)性很小，目標(biāo)像素點(diǎn)實(shí)際灰度值和該像素點(diǎn)的預(yù)測(cè)值相差很大。所以用原始圖像減去其對(duì)應(yīng)的背景預(yù)測(cè)圖像，可以達(dá)到抑制背景，突出目標(biāo)的效果。

背景抑制技術(shù)的關(guān)鍵就是使背景中像素點(diǎn)的灰度值的預(yù)測(cè)值最大可能的接近其實(shí)際灰度值，而使目標(biāo)的像素點(diǎn)的灰度值的預(yù)測(cè)值最大可能的遠(yuǎn)小于其實(shí)際灰度值，從而使得原始圖像F(x,y)減去對(duì)應(yīng)的背景預(yù)測(cè)圖像B(x,y)后的殘差圖像E(x,y)中背景最大可能被消除，目標(biāo)最大可能被突出。

背景預(yù)測(cè)技術(shù)的基本數(shù)學(xué)模型可以表示為：

式中B(x,y)為當(dāng)前圖像的背景預(yù)測(cè)結(jié)果，W(i,j)為以像素點(diǎn)(i,j)為中心的k×k背景預(yù)測(cè)模板，k為正整數(shù)，S_k是背景預(yù)測(cè)模板中的像素點(diǎn)集合，一般滿(mǎn)足∑W(i,j)＝1。

殘差圖像E(x,y)可以表示為：E(x,y)＝F(x,y)-B(x,y) (2)

當(dāng)對(duì)含有弱小目標(biāo)的圖像進(jìn)行背景預(yù)測(cè)時(shí)，如果目標(biāo)點(diǎn)的灰度與背景灰度相差不大時(shí)，直接使用簡(jiǎn)單的模板進(jìn)行背景預(yù)測(cè)，易導(dǎo)致殘差圖像中弱小目標(biāo)的信號(hào)就會(huì)更加微弱了，造成弱小目標(biāo)的檢測(cè)更加困難。

技術(shù)實(shí)現(xiàn)要素：

在上述背景技術(shù)的方法中，雖然能夠?qū)D像的背景進(jìn)行預(yù)測(cè)，但當(dāng)目標(biāo)點(diǎn)的灰度與背景灰度相差不大時(shí)，易導(dǎo)致殘差圖像中弱小目標(biāo)的信號(hào)更加微弱，造成弱小目標(biāo)的檢測(cè)更加困難；本發(fā)明的目的是針對(duì)上述問(wèn)題提出解決方案。

基于以上闡述，我們提出一種新方案對(duì)上述機(jī)制進(jìn)行改進(jìn)；一種改進(jìn)的基于希爾伯特黃變換圖像背景抑制方法，對(duì)于M×N像素(M、N為正整數(shù))的紅外數(shù)字圖像F(x,y)的改進(jìn)的基于希爾伯特黃變換圖像背景抑制方法的過(guò)程主要分成三步，其中，(x,y)表示像素點(diǎn)的位置坐標(biāo)，且0≤x<M-1，0≤y<N-1，F(xiàn)(x,y)為(x,y)的灰度值；其特征在于方法步驟如下：

(1)圖像灰度線性變換。將圖像F(x,y)中各像素點(diǎn)灰度值線性變換到[0,255]的空間，存為圖像G(x,y)；

(2)求極值點(diǎn)。找出圖像G(x,y)中的極大值點(diǎn)和極小值點(diǎn)，將對(duì)應(yīng)的像素點(diǎn)位置和灰度值分別存入極大值點(diǎn)集合和極小值點(diǎn)集合；

(3)用希爾伯特黃變換計(jì)算殘差圖像。

本發(fā)明所述步驟(3)中其步驟如下：

①重構(gòu)極值點(diǎn)圖像；用徑向基函數(shù)對(duì)極大值點(diǎn)集合和極小值點(diǎn)集合進(jìn)行二維插值，重構(gòu)極大值點(diǎn)圖像和極小值點(diǎn)圖像；

②計(jì)算背景預(yù)測(cè)圖像；圖像G(x,y)的背景預(yù)測(cè)圖像B(x,y)為極大值點(diǎn)圖像和極小值點(diǎn)圖像之和的一半；

③計(jì)算殘差圖像；圖像G(x,y)的殘差圖像E(x,y)等于圖像G(x,y)減去背景預(yù)測(cè)圖像B(x,y)，即得到背景抑制后的殘差圖像。

本發(fā)明的優(yōu)點(diǎn)是：解決了現(xiàn)有方法在弱小目標(biāo)檢測(cè)中易導(dǎo)致殘差圖像中弱小目標(biāo)的信號(hào)更加微弱的問(wèn)題，提出一種改進(jìn)的基于希爾伯特黃變換圖像背景抑制方法，盡可能保留目標(biāo)信息同時(shí)能夠有效地抑制噪聲，提高了圖像的信噪比。

本專(zhuān)利可能的應(yīng)用范圍：數(shù)字圖像中弱小目標(biāo)的檢測(cè)。

具體實(shí)施方式

下面用實(shí)例具體說(shuō)明本專(zhuān)利在數(shù)字圖像背景抑制中的應(yīng)用方法。

對(duì)于M×N像素(M、N為正整數(shù))的圖像F(x,y)，其中，(x,y)表示像素點(diǎn)的位置坐標(biāo)，且0≤x<M-1，0≤y<N-1，F(xiàn)(x,y)為像素點(diǎn)(x,y)的灰度值。具體步驟如下：

(1)灰度線性變換。

將圖像F(x,y)中各像素點(diǎn)灰度值線性變換到[0,255]的空間，存為圖像G(x,y)，計(jì)算公式為

其中，F(xiàn)_max是圖像F(x,y)中灰度值的最大值，對(duì)應(yīng)的像素點(diǎn)記為(x_max,y_max)；F_min是圖像F(x,y)中灰度值的最小值，對(duì)應(yīng)的像素點(diǎn)記為(x_min,y_min)。

(2)求極值點(diǎn)。找出圖像G(x,y)中的極大值點(diǎn)和極小值點(diǎn)，將對(duì)應(yīng)的像素點(diǎn)位置和灰度值分別存入極大值點(diǎn)集合和極小值點(diǎn)集合。其步驟如下：

①用8鄰域窗口從圖像G(x,y)中的像素點(diǎn)(x_max,y_max)為中心點(diǎn)開(kāi)始，遍歷圖像G(x,y)；當(dāng)中心點(diǎn)的灰度值不小于8鄰域中的任何一個(gè)像素點(diǎn)的灰度值時(shí)，該中心點(diǎn)即為局部極大值點(diǎn)；輸出圖像BW1為二值圖像，局部極大值設(shè)置為1，其他像素值設(shè)定為0。

②用8鄰域窗口從圖像G(x,y)中的像素點(diǎn)(x_min,y_min)為中心點(diǎn)開(kāi)始，遍歷圖像G(x,y)；當(dāng)中心點(diǎn)的灰度值不大于8鄰域中的任何一個(gè)像素點(diǎn)的灰度值時(shí)，該中心點(diǎn)即為局部極小值點(diǎn)；輸出圖像BW2為二值圖像，局部極小值設(shè)置為1，其他像素值設(shè)定為0。

③BW1中為1的像素點(diǎn)對(duì)應(yīng)的圖像G(x,y)中的像素點(diǎn)構(gòu)成極大值點(diǎn)集合；BW2中為1的像素點(diǎn)對(duì)應(yīng)的圖像G(x,y)中的像素點(diǎn)構(gòu)成極小值點(diǎn)集合。

(3)用希爾伯特黃變換計(jì)算殘差圖像。其步驟如下：

①重構(gòu)極值點(diǎn)圖像。用MQ徑向基函數(shù)對(duì)極大值點(diǎn)集合和極小值點(diǎn)集合進(jìn)行二維插值，重構(gòu)極大值點(diǎn)圖像Max(x,y)和極小值點(diǎn)圖像Min(x,y)。MQ徑向基函數(shù)是Hardy提出的一種應(yīng)用非常廣泛的徑向基函數(shù)，逼近精度出色。

②計(jì)算預(yù)測(cè)圖像。圖像G(x,y)的背景預(yù)測(cè)圖像B(x,y)為極大值點(diǎn)圖像Max(x,y)與極小值點(diǎn)圖像Min(x,y)之和的一半，即

③計(jì)算殘差圖像。圖像G(x,y)的殘差圖像E(x,y)等于圖像G(x,y)減去背景預(yù)測(cè)圖像B(x,y)，即得到背景抑制后的殘差圖像

E(x,y)＝G(x,y)-B(x,y) (7)。