基于局部标准差-对比度联合的红外弱小目标检测方法

本发明属于红外图像目标检测，尤其涉及一种基于局部标准差-对比度联合的红外弱小目标检测方法。

背景技术：

1、红外成像探测具有穿透能力强、不易暴漏自身位置、不易受到敌方干扰等优点，在现代应用中，红外搜索与跟踪探测技术已成为精确导航、预警以及遥感作业领域的关键组成部分。然而，随着探测距离的增加，被探测目标在红外图像中往往表现为微弱的斑点状特征，极易受到各类背景干扰的影响，进而加大了目标的检测难度。因此，研究能够在复杂环境下有效检测出红外弱小目标的算法，对实际工程应用与学术研究均具有重要意义。

2、在红外弱小目标检测领域中，已经涌现出大量算法，归纳起来主要包括三类，分别为空间滤波、基于秩的分解以及深度学习方法。空间滤波类算法主要通过增大红外弱小目标的响应强度，同时抑制背景，来提升红外弱小目标的可视程度，进而实现目标检测，然而，这类算法无法兼顾目标真实形状，且容易受到与目标局部特征相似的背景的干扰。基于秩的分解类算法通常将检测问题转化为低秩分解问题，以此区分目标与背景，该类算法易出现次优解、目标收缩效应严重，目标尺度无法完整保留。深度学习类算法高度依赖计算资源与大量样本，这类方法对计算平台性能的要求很高，但在实际工程应用中，可用算力往往受限，会造成算法性能与运行效率下降。

技术实现思路

1、有鉴于此，本发明创造旨在提供一种基于局部标准差-对比度联合的红外弱小目标检测方法，以解决现有算法无法提取目标尺度特征的不足，不能够适应不同尺度目标的检测需求，本发明将局部标准差作为目标尺度的主要度量，将局部对比度作为目标强度的主要度量，在提高检测精度、增加检测效率的同时，能够有效克服现有算法无法提取目标尺度特征的不足，并能够适应不同尺度目标的检测需求。

2、为达到上述目的，本发明创造的技术方案是这样实现的：

3、一种基于局部标准差-对比度联合的红外弱小目标检测方法，具体包括如下步骤：

4、s1：计算红外图像的局部标准差，获得局部标准差图像，对局部标准差图像的孔洞进行填充，获得局部标准差填充图像，利用高斯差分滤波器对局部标准差填充图像进行滤波处理，获得包含目标尺度信息的局部标准差处理图像；

5、s2：利用局部对比度算子模板对红外图像进行滤波处理，获得目标区域图像和背景区域图像，基于背景区域图像计算目标邻域图像，且通过计算目标邻域图像与目标区域图像的对比度差异，获得包含目标强度信息的局部对比度处理图像；

6、s3：将局部标准差处理图像和局部对比度处理图像进行融合，获得置信度图像，基于置信度图像的灰度值实现红外弱小目标的检测；

7、s4：基于步骤s3得到的检测结果，以红外弱小目标为前景，其他内容为背景，对输入的红外图像进行图像分割。

8、进一步的，步骤s1具体包括：

9、s11：设置局部滑动窗口，使局部滑动窗口在红外图像上逐像素滑动，计算局部滑动窗口在每个位置所覆盖区域内像素的灰度标准差，基于局部滑动窗口在所有位置对应的灰度标准差，获得局部标准差图像；

10、s12：遍历局部标准差图像，对局部标准差图像的孔洞进行填充，获得局部标准差填充图像；

11、s13：对局部标准差填充图像进行高斯差分滤波，获得包含目标尺度信息的局部标准差处理图像：

12、；

13、其中，为局部标准差处理图像，为卷积运算，为高斯核标准差，为局部标准差填充图像，和为二维高斯函数，k为尺度比例系数，为像素坐标。

14、进一步的，在步骤s11中，局部滑动窗口的尺寸设置为3×3。

15、进一步的，在步骤s12中，设局部标准差图像的像素均值为a，将1.2a作为高阈值，0.5a作为低阈值，将灰度值高于1.2a的像素作为亮像素，将灰度值低于0.5a的像素作为低像素，将被亮像素包围的暗像素作为孔洞。

16、进一步的，步骤s2的具体步骤为：

17、s21：设置局部对比度算子模板，局部对比度算子模板包括个子区域，每个子区域的大小为，各子区域的标号采用列向往复排列规律，将中心子区域作为目标区域，除中心子区域之外的所有子区域均作为背景区域；

18、s22：将目标区域的系数设为均值滤波系数，背景区域的系数均设置为0，构建目标提取模板，利用目标提取模板对红外图像进行滤波处理，获得目标区域图像；

19、s23：将标号为i的背景区域的系数设为均值滤波系数，其他子区域的系数设置为0，构建第i背景提取模板，利用第i背景提取模板对红外图像进行滤波处理，获得第i背景区域图像；

20、s24：用标号为i+1的背景区域替换标号为i的背景区域，重复步骤s23，直至获得各背景区域对应的背景区域图像；

21、s25：选取局部对比度算子模板的四角侧的四组背景区域，每组背景区域呈2×2的排布，对于每组背景区域各自对应的背景区域图像，取相同像素位置处的像素最大值，生成四个第一类目标邻域图像；

22、选取局部对比度算子模板的四边侧的四组背景区域，每组背景区域呈t字形排布，且不包含位于局部对比度算子模板四角位置的背景区域，对于每组背景区域各自对应的背景区域图像，取相同像素位置处的像素最大值，生成四个第二类目标邻域图像；

23、s26：对于四个第一类目标邻域图像和四个第二类目标邻域图像，提取各目标邻域图像在相同像素位置处的像素，筛选出像素值最大的四个像素并求取均值，生成目标邻域均值图像；

24、s27：通过下式计算局部对比度处理图像：

25、；

26、其中，为局部对比度处理图像，为目标区域图像，为目标邻域均值图像，为像素坐标索引。

27、进一步的，在步骤s3中，通过下式对局部标准差处理图像和局部对比度处理图像进行融合：

28、；

29、其中，为置信度图像，为局部标准差处理图像，为局部对比度处理图像。

30、进一步的，在步骤s3中，设置信度图像的灰度最大值为b，将灰度值为0.5b对应的像素作为红外弱小目标。

31、与现有技术相比，本发明创造能够取得如下有益效果：

32、本发明创造所述的基于局部标准差-对比度联合的红外弱小目标检测方法，可完整保留红外弱小目标尺度信息，适配多尺度目标检测场景，兼顾检测精度与运算效率，计算资源开销低，具备良好的工程实践应用价值。

1.一种基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：具体包括如下步骤：

2.根据权利要求1所述的基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：步骤s1具体包括：

3.根据权利要求2所述的基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：在步骤s11中，局部滑动窗口的尺寸设置为3×3。

4.根据权利要求2所述的基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：在步骤s12中，设局部标准差图像的像素均值为a，将1.2a作为高阈值，0.5a作为低阈值，将灰度值高于1.2a的像素作为亮像素，将灰度值低于0.5a的像素作为低像素，将被亮像素包围的暗像素作为孔洞。

5.根据权利要求1所述的基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：步骤s2的具体步骤为：

6.根据权利要求1所述的基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：在步骤s3中，通过下式对局部标准差处理图像和局部对比度处理图像进行融合：

7.根据权利要求1所述的基于局部标准差-对比度联合的红外弱小目标检测方法，其特征在于：在步骤s3中，设置信度图像的灰度最大值为b，将灰度值为0.5b对应的像素作为红外弱小目标。