一种基于加权局部图像熵的小目标红外图像处理方法
【专利摘要】本发明为有效处理低信噪比复杂背景下的小目标红外图像，公开了一种基于加权局部图像熵的小目标红外图像处理方法，涉及数字图像处理【技术领域】。本发明利用小目标红外图像的内在特点，提出多尺度灰度差异算子和局部图像熵算子，然后通过点积运算获取加权局部图像熵，从而有效地抑制红外图像背景和噪声、增强目标，最终大幅度地提高图像的信噪比。
【专利说明】一种基于加权局部图像熵的小目标红外图像处理方法
【技术领域】
[0001] 本发明涉及数字图像处理【技术领域】，具体是一种基于加权局部图像熵的小目标红 外图像处理方法。
【背景技术】
[0002] 小目标红外图像处理技术已在民用领域（如卫星大气红外云图分析、红外医疗图 像病理分析、地质分析、海面人员搜救、入侵检测、森林火灾探测）和军事领域（如精确制 导、预警探测、战地指挥和侦察、敌我识别）得到广泛应用，其目标检测步骤是红外图像处 理领域的重点和难点，其性能好坏直接决定红外系统的有效作用距离及设备的复杂程度， 因而该技术的研究受到了国内外众多学者持续而普遍的关注。
[0003] 小目标图像中的目标小、强度弱，没有先验的大小、形状及纹理等特征，且目标、背 景和噪声混叠在一起，难以直接检测。然而，背景一般认为在空域上具有相关性，在时域上 具有稳定性，且在频域上处于图像的低频部分，而目标通常认为在空域上与背景不相关，在 频域上处于图像的高频部分。因此，小目标红外图像处理算法主要分为时间域、空间域和 变换域三类：时域算法主要用于抑制具有短时平稳性的背景，但对复杂背景的抑制效果不 理想。空域算法具有良好的实时性，易于实现。中值滤波只适合消除脉冲宽度小于滤波窗 口的随机噪声，无法处理结构化的背景；顶帽变换是一种实用的非线性背景滤波技术，但 需要图像的先验知识，自适应性不强；自适应滤波技术如二维最小均方误差滤波等算法， 要求背景的统计特性不变或者缓慢变化，所以无法有效抑制复杂背景。变换域算法如基于 自适应频率域巴特沃斯高通滤波、小波变换等，但此类算法来源于Fourier变换，受海森堡 (Heisenberg)测不准原理的制约（即时间窗口与频率窗口的乘积为一个常数），并且需要 正反两次变换，算法运算量大。
[0004] 虽然小目标红外图像处理领域已取得了很多成果，并且已有很多算法在工程应用 中得到了很好的实现，但对于复杂背景下低信噪比小目标红外图像，其目标检测系统工程 依然面临很大的难度和复杂性。如何设计出结构简单、滤波效果好、鲁棒性强的小目标红外 图像处理算法是目标检测技术研究的关键问题。
【发明内容】
[0005] 本发明是针对现有小目标红外图像处理方法存在的上述技术问题，提供了一种基 于加权局部图像熵的小目标红外图像处理方法。
[0006] 一种基于加权局部图像熵的小目标红外图像处理方法，包括以下步骤：
[0007] -种基于加权局部图像熵的小目标红外图像处理方法，包括以下步骤：
[0008] 步骤1、求解图像各个像素点（X，y)的多尺度灰度差异D ;
[0009] 步骤2、求解图像各个像素点（X，y)的局部图像熵E ;
[0010] 步骤3、通过多尺度灰度差异D和局部图像熵E获得各个像素点（x，y)的加权局部 图像熵Η ;
[0011] 步骤4、根据加权局部图像熵Η求解自适应阈值T，并通过自适应阈值T对加权局 部图像熵Η进行二值化，检测出红外小目标。
[0012] 如上所述的步骤1的多尺度灰度差异D通过以下步骤求解：
[0013] 步骤1. 1、对于红外图像I中每一个像素点（X，y)对应的灰度值为I (X，y)，设置像 素点（x，y)的最大邻域空间，邻域空间Ω_的大小*Ι^χΧΙ^χ，其中L_为大于1的 正奇数；
[0014] 步骤1. 2、获得每一个像素点（X，y)的邻域空间集{Qk|k = 1，2,…，L}，其中L = (Lmax-l)/2, 的大小为（2 · k+1) X (2 · k+Ι);
[0015] 步骤1.3、利用以下公式计算每一个像素点（x，y)的邻域〇,与Ω_之间的灰度 差异 Dk (X，y)，k = 1，2,…，L :
[0016]
【权利要求】
1. 一种基于加权局部图像熵的小目标红外图像处理方法，其特征在于，包括以下步 骤： 步骤1、求解图像各个像素点（x，y)的多尺度灰度差异D; 步骤2、求解图像各个像素点（x，y)的局部图像熵E; 步骤3、通过多尺度灰度差异D和局部图像熵E获得各个像素点（x，y)的加权局部图像 熵H; 步骤4、根据加权局部图像熵H求解自适应阈值T，并通过自适应阈值T对加权局部图 像熵H进行二值化，检测出红外小目标。
2. 根据权利要求1所述的一种基于加权局部图像熵的小目标红外图像处理方法，其特 征在于，所述的步骤1的多尺度灰度差异D通过以下步骤求解： 步骤1. 1、对于红外图像I中每一个像素点（x，y)对应的灰度值为I(x，y)，设置像素点 (x，y)的最大邻域空间Q眶，邻域空间Qniax的大小为1^!￡><1^!￡，其中1_ ￡为大于1的正奇 数； 步骤1. 2、获得每一个像素点（X，y)的邻域空间集{Qk|k= 1，2,…，L}，其中L= (Lmax-l)/2,Qk 的大小为（2 ?k+1)X(2 ?k+1); 步骤I. 3、利用以下公式计算每一个像素点（x，y)的邻域Qk与〇_之间的灰度差异Dk(x,y),k= 1, 2, --?,L：
其中，心和&m分别表示邻域Qk、Qniax内像素点的数目，I(s，t)表示邻域Qk内的点 (s,t)处的灰度值，I(p,q)表示邻域Qmax内的点（p,q)处的灰度值； 步骤1.4、计算每一个像素点（x，y)所对应的的多尺度灰度差异D(x，y): D(X，y)=max(D1(X，y)，D2(X，y)，? --，Dl(X，y)}。
3. 根据权利要求1所述的一种基于加权局部图像熵的小目标红外图像处理方法，其特 征在于，所述的步骤2的局部图像熵E通过以下步骤求解： 设定红外图像I中每一个像素点（x，y)的邻域空间?，邻域空间?的大小为mXn，计 算像素点（x，y)处的局部图像熵：
其中，e是设定的正常数，I(i，j)表示邻域?内的点（i，j)处的灰度值，遍历红外图 像I中每一个像素点，获得红外图像I的局部图像熵E。
4. 根据权利要求1所述的一种基于加权局部图像熵的小目标红外图像处理方法，其特 征在于，所述的步骤3的加权局部图像熵H通过以下步骤求解： 对每一个像素点（x，y)经过步骤1处理所得到的多尺度灰度差异D与经过步骤2处理 所得到的局部图像熵E进行点积运算，获得每一个像素点（x，y)对应的加权局部图像熵H。
5. 根据权利要求1所述的一种基于加权局部图像熵的小目标红外图像处理方法，其特 征在于，所述的自适应阈值T的通过以下公式进行确定：
其中，C为正的常数，O为加权局部图像熵H的标准差，mm为加权局部图像熵H的均 值，Hmax为加权局部图像熵H的最大值。
【文档编号】G06T5/20GK104268844SQ201410554115
【公开日】2015年1月7日 申请日期:2014年10月17日 优先权日:2014年10月17日
【发明者】周欣, 邓鹤, 孙献平, 叶朝辉, 刘买利 申请人:中国科学院武汉物理与数学研究所