技术特征：
1.一种基于边缘检测增强的对空地、地面背景小目标检测方法，该方法包括：步骤1：采用高斯滤波器对原图像进行降噪处理；高斯滤波器使用的高斯核是具有x和y两个维度的高斯函数，且两个维度上标准差相同，形式为：其中，σ表示方差；步骤2：计算像素梯度；使用算子s
x
和s
y
计算像素梯度，s
x
前者用于计算图像x方向像素梯度矩阵g
x
，s
y
用于计算图像y方向像素梯度矩阵g
y
；具体形式为：g
x
＝s
x
*i
ꢀꢀꢀꢀ
(2)g
y
＝s
y
*i
ꢀꢀꢀꢀ
(3)其中，i为灰度图像矩阵，*表示互相关运算，图像矩阵坐标系原点在左上角，且x正方向为从左到右，y正方向为从上到下；则由式(4)可计算得到梯度强度矩阵g
xy
；其中，g
xy
(i,j)表示g
xy
中第(i,j)位置处的元素，g
x
(i,j)表示g
x
中第(i,j)位置处的元素，g
y
(i,j)表示g
y
中第(i,j)位置处的元素；步骤3：根据梯度方向角对梯度幅值进行非极大值抑制；检查各像素是否为其邻域中沿梯度的局部最大值，如果是，则认为该点为边缘，否则不是边缘；步骤4：用双阈值算法检测，设定高阈值和低阈值；如果某一像素灰度值梯度大于等于高阈值，则该像素被为边缘像素；如果某一像素灰度值梯度小于等于低阈值，则该像素被不为边缘像素；如果某一像素灰度值梯度在两个阈值之间，那么只有当它相邻像素的灰度值梯度高于高阈值时才为边缘像素；步骤5：将边缘检测得到的边缘图像与原灰度图像叠加，生成边缘增强后的灰度图像；步骤6：对步骤5得到的灰度图像进行检测；步骤6.1：采用facet模型快速获得多向导数子带，即采用双变量的立方函数拟合邻域s5×5；构造二维离散正交切比雪夫多项式φ
i
(r,c)；其中，r和c是邻域s5×5的行坐标和列坐标；步骤6.2：建立邻域s5×5中的像素表面函数f(r,c)；
其中，b
i
为拟合系数，i(r,c)为图像像素值；步骤6.3：如果α为水平方向的角度，f(r,c)的一阶方向导数为f
α
'；步骤6.4：对图像进行区域划分，对每个区域采用一阶方向导数为f
α
'捕捉目标的导数特性，构建一个新的局部对比度图；再将所有导数子带构建的局部对比度图整合；再通过自适应阈值分割方法提取小目标；自适应阈值t为：t＝μ+k
×
σ，其中μ和σ分别表示多向梯度局部对比度值的坐标系的平均值和方差，k是给定的参数。2.如权利要求1所述的一种基于边缘检测增强的对空地、地面背景小目标检测方法，其特征在于，所述步骤2中3.如权利要求1所述的一种基于边缘检测增强的对空地、地面背景小目标检测方法，其特征在于，所述步骤6.4中k的范围为0.4到0.8。
技术总结
该发明公开了一种基于边缘检测增强的对空地、地面背景小目标检测方法，属于红外弱小目标检测领域。首先对原始图像中的边缘进行检测，然后与红外弱小目标图像相叠加，增强目标点的同时削弱背景角点对目标检测造成的影响，然后对周围区域进行有效的划分方案，以捕捉目标的导数特性，构建一个新的局部对比度图，以同时增强目标和抑制背景杂波，再将所有导数子带构建的强对比图整合以提高检测的稳定性，最后通过自适应阈值分割方法提取小目标，真正的目标从复杂的背景中较为明显地分割出来。从而有效提高对空地、地面背景小目标检测精度。地面背景小目标检测精度。地面背景小目标检测精度。
技术研发人员：樊华 黄北庭 董凯聪 冯全源
受保护的技术使用者：电子科技大学
技术研发日：2022.06.29
技术公布日：2022/9/9