买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:西安理工大学
摘要:本发明公开了基于阈值区域生长与灰度差的红外弱小目标检测方法,具体为:步骤1,对原始图像进行预处理操作,增强目标的同时抑制高亮背景区域,得到预处理图像;步骤2,在步骤1得到的预处理图像上筛选出np个种子点,并对每个种子点进行阈值区域生长;步骤3,对每个生长区域计算区域覆盖比;步骤4,对每个生长区域计算自适应灰度差;步骤5,采用自适应阈值分割的方法来分离出真实目标与背景杂波。本发明方法解决了在复杂背景下红外检测系统很难同时兼顾检测精度与检测效率的问题。
主权项:1.基于阈值区域生长与灰度差的红外弱小目标检测方法,其特征在于,具体按照以下步骤实施:步骤1,对原始图像进行预处理操作,增强目标的同时抑制高亮背景区域,得到预处理图像;步骤2,在步骤1得到的预处理图像上筛选出np个种子点,并对每个种子点进行阈值区域生长;步骤2的具体过程为:步骤2.1,选取种子点将步骤1得到的预处理图像中灰度值最大的点作为种子点,即: 式3中,seedsix,y为第i个种子点的坐标;Px,y为预处理图像中点x,y处的灰度值;Pre为预处理图像;以每个种子点为中心设置一个15×15大小的保护区域,区域内的像素点不参与下一次种子点的筛选,共筛选出np个种子点,则真实目标在np个种子点之中;步骤2.2阈值区域生长通过阈值区域生长算法来进一步扩大真实目标点与背景杂波之间的差异,即: 式4中,为第i个种子点在第1次生长过后的区域;为满足生长条件的的候选区域;R为中点的邻域区域;kth为阈值参数;x,y为预处理图像中像素点的坐标位置;其中kth=20,Isi为第i个种子点的灰度值,每一次从中选取灰度值最大的像素作为生长点并入到生长区域中;生长点的表达式为: 将生长点并入到生长区域中的表达式为: 步骤3,对每个生长区域计算区域覆盖比;步骤3的具体过程为:计算每个生长区域的中心坐标位置,即: 以为中心,以ai为边长生成一个正方形区域,该正方形区域作为内层窗口区域Zi,其中边长ai的定义为: 式7和式8中,Ci为第i个生长区域中像素点的个数;Ai为第i个种子点的生长区域;则正方形区域中所包含生长区域中的点为:hix={x|x∈Zi∩Ai}9式9中,hix为正方形区域中所包含生长区域中的点;第i个种子点的区域覆盖比为: 式10中,mi为hix中像素点的个数;步骤4,对每个生长区域计算自适应灰度差;步骤4的具体过程为:第i个种子点的内层窗口的尺寸为ai×ai,表示目标所在区域,设中间窗口的尺寸为ai+u×ai+u,设外层窗口的尺寸为ai+v×ai+v,表示背景区域,u=2,v=4;自适应灰度差的表达式为: 式11中,Zi为内层窗口区域;Ei为外层窗口区域;Px,y为预处理图像中点x,y处的灰度值;步骤5,采用自适应阈值分割的方法来分离出真实目标与背景杂波;步骤5的具体过程为:计算每个种子点的置信度,即:Coni=RCRi×AGVDi12定义阈值为:Th=μ+kσ13式13中,Th为阈值;μ为np个种子点置信度的均值;σ为np个种子点置信度的标准差;k为常数,k=2;当种子点Coni值高于Th时,则将该种子点确定为目标;当种子点Coni值低于Th时,则将该种子点归为背景杂波。
全文数据:
权利要求:
百度查询: 西安理工大学 基于阈值区域生长与灰度差的红外弱小目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。