°为增量，进行0° -180°方向拉东 Radon变换，得到各个方向极大值曲线集合：
[0063]
[0064] 其中，P(r，0)表示在0方向上进行拉东Radon变换后的极大值曲线集合中的一 条极大值曲线，r表示极大值曲线的横坐标，0表示对含有小目标的灰度图像矩阵进行拉 东Radon变换时与水平方向的夹角，/表示积分操作，f(x，y)表示只含有小目标的灰度图 像矩阵，x表示只含有小目标的灰度图像矩阵的行坐标，y表示只含有小目标的灰度图像矩 阵的列坐标，8 ( ?)表示判断条件，当（?）为零时，8 ( ?)为1，当（?）不为零时，8 ( ?) 为Oo
[0065]步骤6，修正极大值曲线。
[0066] 第1步，从各个方向极大值曲线集合中，选取含有噪点的小目标图像的0°方向的 一条极大值曲线，获得这条曲线的极大值。
[0067] 第2步，将0°方向的极大值曲线中所有低于0°方向极大值曲线极大值的80%的 值取零，保留〇°方向的极大值，得到修正后的〇°方向极大值曲线。
[0068] 第3步，重复步骤（6a)、步骤（6b)，直至完成0° -180°中每一个方向的极大值曲 线的修正。
[0069] 步骤7,Radon逆变换。
[0070] 按照下式，利用修正后的0° -180°中每一个方向的极大值曲线的值，进行拉东 Radon逆变换，获得小目标图像，完成图像目标检测：
[0071]
[0072] 其中，f(X，y)表示拉东Radon逆变换后的小目标灰度图像矩阵，x表示拉东Radon 逆变换后的小目标灰度图像矩阵的行坐标，y表示拉东Radon逆变换后的小目标灰度图像 矩阵的列坐标，ji表不圆周率，J表不积分操作，.^-_表不偏微分操作，pQ(r, 0)表不在9 dr 方向修正完成后的极大值曲线集合中的一条极大值曲线，r表示修正完成后极大值曲线的 横坐标，0表示对含有小目标的灰度图像矩阵进行拉东Radon变换时与水平方向的夹角。
[0073]步骤8，输出目标检测结果。
[0074] 下面结合图2对本发明的仿真实验效果做进一步描述。
[0075] 1?仿真条件：
[0076] 用本发明基于局部标准差和拉东Radon变换的目标检测方法对红外小目标图像 进行仿真实验，仿真在MATLAB7. 0和VisualC++6. 0软件下联合进行。
[0077] 2?仿真内容：
[0078] 从红外热像仪图像库中选取一幅红外小目标图像，如附图2(a)所示。附图2(a) 为一幅大小为256X256像素的红外小目标图像，图2 (a)中方框圈出的为小目标图像。附 图2(b)为附图2(a)经过本发明后的目标检测结果，图2(b)中方框圈出的为小目标图像。 如附图2所示，本发明首先通过对红外小目标图像的灰度图像计算局部标准差，获得灰度 图像的不同灰度背景轮廓图像。其次，修正对含有噪点的小目标图像拉东Radon变换后的 极大值曲线。最后，利用修正后的极大值曲线进行拉东Radon逆变换，实现图像目标检测， 获得小目标图像。
[0079] 3.仿真结果分析：
[0080] 采用本发明方法与现有技术"一种红外图像序列中点目标检测方法"、"采用剪切 波变换的红外弱小目标背景抑制"对图2(a)进行目标检测，在相同的仿真环境下，采用本 发明方法对图2(a)进行仿真处理，完成目标检测所需要的时间为1.6211秒，信噪比为 0.0084。
[0081] 采用现有技术"一种红外图像序列中点目标检测方法"对图2(a)进行仿真处理， 完成目标检测所需要的时间为1. 7355秒，信噪比为0. 3622。
[0082] 采用现有技术"采用剪切波变换的红外弱小目标背景抑制"对图2(a)进行仿真处 理，完成目标检测所需要的时间为5. 3031秒，信噪比为0. 0091。
[0083] 通过比较三个仿真结果中的完成目标检测所需要的时间和信噪比可以看出，本发 明基于局部标准差和拉东Radon变换的目标检测方法，在目标检测的准确性和时间复杂度 方面具有明显优势。
【主权项】
1. 一种基于局部标准差和Radon变换目标检测方法，包括以下步骤： (1) 输入待检测彩色图像： 在计算机中应用matlab软件输入待检测的彩色图像； (2) 图像预处理： 用图像颜色空间转换方法，将待检测的彩色图像转换为灰度图像； (3) 获得不同灰度背景轮廓图像： (3a)依次遍历灰度图像中的每一个像素，以灰度图像中每个像素为中心，构建一个 7X7像素滤波模板，计算每个7X7像素滤波模板中所有像素的标准差；以该标准差替代灰 度图像中该滤波模板的中心像素值，遍历灰度图像中每一个像素，得到含有小目标点的灰 度背景轮廓图像f1; (3b)依次遍历灰度图像中的每一个像素，以灰度图像中每个像素为中心，构建一个 7X7像素滤波模板，在7X7像素滤波模板中抠去以所遍历灰度图像中的该像素为中心的 3X3像素；计算7X7像素滤波模板中抠去3X3像素后剩余像素的标准差，以该标准差替 代灰度图像中该滤波模板的中心像素值，遍历灰度图像中每一个像素，得到只含有小目标 边缘的灰度背景轮廓图像f2; (4) 差分运算： 按照下式，将含有小目标点的背景轮廓图像和只含有小目标边缘的背景轮廓图像做差 分运算，得到含有噪点的小目标图像； D=fi~f2 其中，D表示含有噪点的小目标图像表示含有小目标点的背景轮廓图像；f2表示只 含有小目标边缘的背景轮廓图像； (5) 拉东Radon变换： 按照拉东Radon变换公式，对含有噪点的小目标图像以1°为增量，进行0° -180°方 向拉东Radon变换，得到各个方向极大值曲线集合； (6) 修正极大值曲线： (6a)从各个方向极大值曲线集合中，选取含有噪点的小目标图像的0°方向的一条极 大值曲线，获得这条曲线的极大值； (6b)将0°方向的极大值曲线中所有低于0°方向极大值曲线极大值的80%的值取 零，保留0°方向的极大值，得到修正后的0°方向极大值曲线； (6c)重复步骤（6a)、步骤（6b)，直至完成0° -180°中每一个方向的极大值曲线的修 正； (7) Radon逆变换： 按照拉东Radon逆变换公式，利用修正后的0° -180°中每一个方向的极大值曲线的 值，进行拉东Radon逆变换，获得小目标图像，完成图像目标检测； (8) 输出目标检测结果。2. 根据权利要求1所述的基于局部标准差和拉东Radon变换目标检测方法，其特征 在于：步骤（3a)中所述的计算每个7X7像素滤波模板中所有像素的标准差的具体步骤如 下： 第1步，按照下式，计算7X7像素滤波模板中所有像素的平均值：其中，E表示滤波模板中所有像素的平均值，E表示求和操作，x(i，j)表示图像预处理 后得到的灰度图像的灰度值，i表示滤波模板中像素的横坐标，j表示滤波模板中像素的纵 坐标。 第2步，按照下式，计算7X7像素滤波模板中所有像素的标准差：其中，〇表示滤波模板中所有像素的标准差，表示求平方根操作，E表示求和操 作，x(i，j)表示图像预处理后得到灰度图像的灰度值，i表示滤波模板中像素的横坐标，j表示滤波模板中像素的纵坐标，E表示滤波模板中所有像素的平均值。3. 根据权利要求1所述的基于局部标准差和拉东Radon变换目标检测方法，其特征在 于：步骤（3b)中所述的计算7X7像素滤波模板中抠去3X3像素后剩余像素的标准差的具 体步骤是： 第1步，按照下式，计算7X7像素滤波模板中抠去3X3像素后剩余像素的平均值：其中，W表示7X7像素滤波模板中抠去3X3像素后剩余像素的平均值，E表示求和操 作，x(i，j)表示图像预处理后得到的灰度图像的灰度值，i表示滤波模板中像素的横坐标， j表示滤波模板中像素的纵坐标。 第2步，按照下式，计算7X7像素滤波模板中抠去3X3像素后剩余像素的标准差〇 ;其中，〇表示7X7像素滤波模板中抠去3X3像素后剩余像素的标准差，^表示求 平方根操作，E表示求和操作，i表示滤波模板中像素的横坐标，j表示滤波模板中像素的 纵坐标，x(i，j)表示图像预处理后得到的灰度图像的灰度值，W表示7X7像素滤波模板中 抠去3X3像素后剩余像素的平均值。4. 根据权利要求1所述的基于局部标准差和拉东Radon变换目标检测方法，其特征在 于：步骤（5)中所述的拉东Radon变换公式是：兵甲，以r,tU衣不仕h力N上进仃杈尔Kadon父俠的攸入值曲线集合中的一条 极大值曲线，r表示极大值曲线的横坐标，0表示对含有小目标的灰度图像矩阵进行拉东 Radon变换时与水平方向的夹角，/表示积分操作，f(x，y)表示只含有小目标的灰度图像 矩阵，X表示只含有小目标的灰度图像矩阵的行坐标，y表示只含有小目标的灰度图像矩阵 的列坐标，8 ( ?)表示判断条件，当（?）为零时，8 ( ?)为1，当（?）不为零时，8 ( ?)为 0〇5.根据权利要求1所述的基于局部标准差和拉东Radon变换目标检测方法，其特征在 于：步骤（7)中所述的拉东Radon逆变换公式如下：其中，f(x，y)表示拉东Radon逆变换后的小目标灰度图像矩阵，x表示拉东Radon逆变 换后的小目标灰度图像矩阵的行坐标，y表示拉东Radon逆变换后的小目标灰度图像矩阵 的列坐标，JT表不圆周率，J表不积分操作，表不偏微分操作，P()(r，0)表不在0方向 or 修正完成后的极大值曲线集合中的一条极大值曲线，r表示修正完成后极大值曲线的横坐 标，0表示对含有小目标的灰度图像矩阵进行拉东Radon变换时与水平方向的夹角。
【专利摘要】本发明公开了一种基于局部标准差和拉东Radon变换的目标检测方法。其步骤为：(1)输入待检测彩色图像；(2)图像预处理；(3)获得不同灰度背景轮廓图像；(4)差分运算；(5)拉东Radon变换；(6)修正极大值曲线；(7)拉东Radon逆变换；(8)输出目标检测结果。本发明能够很好的解决现有技术中存在的算法复杂度太高，以及在点目标相对弱小时，容易在目标周围产生虚警点的缺陷，本发明提高了图像目标检测的效率和准确性。
【IPC分类】G06K9/32
【公开号】CN105023013
【申请号】CN201510496351
【发明人】周凯, 付小宁, 冯玉杰, 陶勇, 傅艳霞
【申请人】西安电子科技大学
【公开日】2015年11月4日
【申请日】2015年8月13日