一种基于空时偏微分方程的弱小目标检测方法
【技术领域】
[0001] 本发明设及一种基于空时偏微分方程的弱小目标检测方法，属于计算机视觉与航 空航天技术领域。
【背景技术】
[0002] 目前，弱小目标检测是成像制导、安全监控、空间监测技术中应值得重点研究的一 个关键问题。随着现代科技的发展，人们希望在目标与成像传感器的距离很远的时候，即所 谓的弱小目标阶段就能高可靠性的检测到目标。然而，由于自然气象条件（天气、风速、风 向、气温、太阳福射等）、目标背景环境（天空、地面、海面）W及目标结构等因素的影响，由 于目标距离较远时，通常它的尺寸比较小，强度比较低。目标几何尺寸小，缺乏形状纹理信 息，且目标强度弱，对比度小，也比较容易被噪声所淹没，因此，红外图象中的弱小目标检测 成为成像目标检测与识别的一个难点。但是，鲁椿的弱小目标自动检测技术尚未完全突破， 是当今世界高技术领域的热口研究课题，也是近年来信息处理技术中的研究热点之一。
[0003] 目前，对弱小目标进行检测的方法主要可分为=大类；基于空域的检测方法、 基于时域的检测。空域检测的方法包括；基于Butterworth高通滤波炬HP巧的检测 方 '法（见文献 L. Yang, J. Yang, K. Yang, "Adaptive detection for infrared small target under sea-sky complex background"，Electronics Letters, vol. 40, no. 17 ,pp. 1083-1085, 2004)和去最大-均值（Max-Mean)及最大-中值滤波（Max-Median) 方法（见文献 S. D. Deshpande, M. H. Er, V. Ronda, P. Qian, "Max-Mean and Max-Median filters for detection of small-targets",P;roc.SPIE, vol. 3809, pp. 74-83, 1999)。最 大-中值滤波检测方法在处理单调背景的图像中表现良好，而Butterworth高通滤波在 结构性杂波背景的弱小目标检测方面具有优势。除了空域处理之外，也有一些方法是基 于时域的，如化efer等人提出的基于小波变换和S项时域滤波（见文献C. E.化efer，J. Silverman, J. M. Mooney, S. DiSalvo, R. W. Taylor, "Temporal filtering for point target detection in staring IR imagery:I. Damped sinusoid filters"，Proceedings of SPIE，vol. 3373, pp. 111-122, 1998)，该方法基于时域的滤波方法在目标亚像素级运动中， 具有很好的表现，但是上述现有技术在复杂背景下弱小目标检测率低，而本发明能够很好 地解决上面的问题。
【发明内容】
[0004] 本发明目的在于提供了一种基于空时偏微分方程的弱小目标检测方法，该方法能 够使弱小目标增强，解决了由于弱小目标几何尺寸小、强度弱、容易被噪声所淹没导致很难 被检测的问题。
[0005] 本发明解决其技术问题所采取的技术方案是；本发明提供了一种基于空时偏微分 方程进行复杂背景预测，该方法能在有效对复杂背景中的结构性纹理进行有效的预测，能 够为成像制导、安全监控、空间监测技术等方面的应用提供技术支撑。
[0006] 方法流程：
[0007] 步骤1 ;读取图像序列I"，n G [1，闲，其中，n为图像序列的帖号，N为图像序列的 总帖数。为了更好地进行预测，本发明将每连续的=帖图像组合在一起视为一个=维图像。 每个像素点的坐标为（X，y，Z) (X，y表示图像像素空间位置，Z表示时间维上的位置）。因 此，本发明对红外弱小目标场景图像模型进行建模为
[000引 In(x, y, Z) = Bn(x, y, z)+Tn(x, y, z)+Nn(x, y, Z) (1)
[0009] I。表示红外图像序列中的第n帖图像巧济T。分别表示相应背景图像和目标信 号；N。表示图像的噪声。背景预测就是根据原图对背景图像进行估计，估计值用玄表示，
[0010]公 〇，_y，z) = //(/〇, _^，2)，巧〇，>%2)) 口）
[0011] 其中H表示预测算法，n (X，y, Z)表示像素（X，y, Z)的一个特定邻域，公为背景预 测结果。
[001引步骤2 ;构建用于背景预测的空时偏微分方程模型。假设背景预测用云?表示，贝U [001 引公(.、'，>'，z) = w''(-\'，.y，z) (3)
[0014] 其中，uk(x，y，z)表示由原图像I(x，y，z)进行迭代预测的最终结果，k为迭代次 数。
[0015] 根据式（1)，构建偏微分方程的能量函数为
[0016]
【主权项】
1. 一种基于空时偏微分方程的弱小目标检测方法，其特征在于：所述方法是通过利用 空时偏微分方程进行背景预测，包括如下步骤： 步骤1 :读取图像序列In，nG[1，N]，其中，n为图像序列的帧号，N为图像序列的总帧 数，将每连续的三帧图像组合在一起视为一个三维图像，每个像素点的坐标为（x，y，z) (x，y 表示图像像素空间位置，z表示时间维上的位置），对红外弱小目标场景图像模型进行建模 为 In(x,y,z) =Bn (x,y,z) +Tn (x,y,z) +Nn (x,y,z) (1) In表示红外图像序列中的第n帧图像；B"和Tn分别表示相应背景图像和目标信号；Nn 表示图像的噪声；背景预测就是根据原图对背景图像进行估计，估计值用方表示，
其中H表示预测算法，n(x，y，z)表示像素（x，y，z)的一个特定邻域，方为背景预测结 果； 步骤2 :构建用于背景预测的空时偏微分方程模型；假设背景预测用万表示，则
其中，uk(X，y，z)表示由原图像I(x，y，z)进行迭代预测的最终结果，k为迭代次数，根 据式（1)，构建偏微分方程的能量函数为
其中，Vu= ^H： +iry +ll：，w为一个正参数，ux,uy, \分别是在x、y和z方向上的一 阶导数； 步骤3 :根据变分原理，最小化式（4)的能量函数可通过求解Euler-Lagrange公式：
其中，F=F(X，y, z,u,ux,uy,uz)，uxx，uyy，uzz分别为二阶偏导数，uxy，uxz，11^分别为混合 二阶偏导，可求得模型的解为：
即认为uk为估计的背景云； 步骤4 :通过差分将估计的背景万从原始图像序列I中消除，得到残差图像，即f=I-B (7) 残差图像f中通常包含残差背景、目标及噪声。
2. 根据权利要求1所述的一种基于空时偏微分方程的弱小目标检测方法，其特征在 于：所述方法的大部分背景能量被减去，残差图像中的目标与背景的相对差值和信杂比将 增强。
3. 根据权利要求1所述的一种基于空时偏微分方程的弱小目标检测方法，其特征在 于：所述方法应用于红外弱小目标检测。
4. 根据权利要求1所述的一种基于空时偏微分方程的弱小目标检测方法，其特征在 于，所述方法包括：根据读取图像序列In，ne[1，N]，其中，n为图像序列的帧号，N为图像 序列的总帧数；所述方法将每连续的三帧图像组合在一起视为一个三维图像，每个像素点 的坐标为（x，y，z) (x，y表示图像像素空间位置，z表示时间维上的位置）；所述方法对红外 弱小目标场景图像模型进行建模为： In (x,y,z) =Bn (x,y,z) +Tn (x,y,z) +Nn (x,y,z) (8) In表示红外图像序列中的第n帧图像；B"和Tn分别表示相应背景图像和目标信号；Nn 表示图像的噪声，背景预测就是根据原图对背景图像进行估计，估计值用方表示，
其中H表示预测算法，n(x，y，z)表示像素（x，y，z)的一个特定邻域，互为背景预测结 果； 假设背景预测用5表示：
其中，uk(X，y，z)表示由原图像I(x，y，z)进行迭代预测的最终结果，k为迭代次数，根 据式（8)，构建用于背景预测的空时偏微分方程模型为
其中，Vw=+u2y +U2Z，w为一个正参数，ux,uy, \分别是在x、y和z方向上的一 阶导数； 根据变分原理，最小化式（11)的能量函数可通过求解Euler-Lagrange公式：
其中，F=F(X，y,z,u,ux,uy,uz)，uxx，uyy，uzz分别为二阶偏导数，uxy，uxz，11^分别为混合 二阶偏导，可求得模型的解为：
即认为uk为估计的背景万。
【专利摘要】本发明公开了一种基于空时偏微分方程的弱小目标检测方法，该方法包括：(1)读入待处理图像序列的相邻三帧图像；(2)初始化参数w并计算图像的空时梯度(3)利用空时偏微分方程对图像进行背景预测；(4)对当前帧的图像和背景预测的结果进行差分，得到弱小目标的检测结果。本发明通过利用空时偏微分方程模型对远距离红外图像进行背景预测，使得算法能够对弱小目标进行检测，该方法为成像制导、安全监控、空间监测等方面提供了技术支撑，具有较强的实用价值。
【IPC分类】G06T7-00
【公开号】CN104616299
【申请号】CN201510051773
【发明人】邓丽珍, 朱虎, 周亮, 程钊, 李勐, 白晓东, 谢世鹏
【申请人】南京邮电大学
【公开日】2015年5月13日
【申请日】2015年1月30日