一种双模非局部均值滤波方法
【技术领域】
[0001] 本发明属于图像处理与目标检测技术领域，更具体地，是一种用于弱小运动目标 提取的双模非局部均值滤波方法。
【背景技术】
[0002] 在复杂背景且信噪比较低的情况下，图像序列中弱小运动目标的检测一直是图像 处理领域中比较困难的问题。当目标处于远距离时，它们在像面上仅占几个像素，无形状 与结构特征，且强度较弱，并处于复杂背景下，被看作是复杂环境下的弱小目标。弱小运动 目标处于复杂背景中时，由于目标和背景的双重复杂性，使得目标检测的难度大为增加。因 此，对复杂背景下弱小运动目标的检测技术的研究，对于提高现代化高技术武器的作战距 离及反应速度具有重要意义。
[0003] 目标检测算法按照目标增强和背景估计两个方面的思路进行分类。目标增强的 本质是充分利用目标本身所固有的、规律性的多种特性，使变换后的目标特性得到有效的 增强，改进目标特性的显著性和与背景的分离性；而背景估计的本质是充分利用背景本身 所固有的、规律性的变化特性，使变换后的背景特性具有某种相对的稳定性，改进背景估计 的精度和与目标特性的分离性。在目标的可利用特征有限的情况下，背景估计方法更有优 势。图像中的任何一个像素都不是孤立的，而是与其周围的像素点结合在一起，共同构成图 像的几何结构。W某一像素点为中也的窗口邻域（或称图像块），可W很好地描述像素点的 结构特征。任何一个像素点的图像块的所有集合，可W看作是图像的一种过完备表示。另 夕F，图像还具有自相似性质，也就是说，处于图像中不同位置上的像素点常常表现出明显的 强相关性。
[0004] 对于背景估计算法，国内外学者已做了很多富有成效的工作。简单的时空域滤波 方法如高通滤波，中值滤波，匹配滤波等无法满足复杂背景下弱小目标的提取需求，基于小 波变换的滤波方法对小波基的选取要求较高，简单的小波基对弱小目标提取的效果并不理 想，而复杂的小波基又在计算复杂度和计算量上有待改进。固定权值背景预测算法是最简 单的线性低通滤波背景预测算法，计算简单快捷，但不适用于预测强起伏的背景；基于形态 学滤波的背景预测利用形态学中腐蚀与膨胀操作的对称性可W很好地估计出背景。膨胀运 算使得在比结构元素小的区域中的黑色细节将被减少或去除，腐蚀运算使得在比结构元素 小的区域中的明亮细节经腐蚀后将被减少或去除，其结果与高通滤波器是相似的，虽然在 抑制噪声方面有一些优点，但对低信噪比图像的小目标检测性能有限，而且形态学滤波中 对结构元的选取要求很高。非局部均值滤波方法是由Buades提出的一种基于单一模型的 空域滤波方法，利用对含噪声的图像的背景估计得到去噪图像，针对高斯噪声非常有效，但 用于弱小目标检测中的背景抑制会导致目标丢失。
[0005] 基于背景估计原理的目标检测算法，其难点在于需要在目标存在的情况下精确地 估计出不含目标的背景，由于背景估计过程建立在原始图像之上，往往会受到目标的影响 而无法估计出正确背景，导致目标残留，得出的残差图像中目标丢失，检测率降低。而且预 警系统中的目标检测算法受到星上运算系统的限制，计算量和存储量都有一定要求，因此 实时鲁棒的小目标自动检测技术尚未完全突破。
【发明内容】
[0006] 针对现有技术的W上缺陷或改进需求，本发明提供了一种双模非局部均值滤波方 法，能对图像原始背景进行估计，从而对背景抑制结果进行目标提取，有效地解决了由于复 杂背景造成的强杂波干扰W及弱小目标可利用特征有限的问题，提高了复杂背景下弱小目 标的检测概率。
[0007]为了实现上述目的，本发明提供了一种双模非局部均值滤波方法，包括如下步 骤：
[000引（1)图像数据输入：
[0009] 输入待处理的图像序列；
[0010] (2)滤波模型参数确定：
[0011] 根据目标先验知识确定滤波模型参数；
[0012] (3)相似窗和干涉区域定位：
[0013] 根据图像中的待处理像素为中也划定相似窗，并在下一峽图像中确定干涉区域范 围；
[0014] (4)匹配向量提取：
[0015]W干涉区域中当前像素确定匹配窗，根据（3)中的相似窗和当前匹配窗的像素灰 度值得到相似窗向量和匹配窗向量；
[0016] (5)背景模型和目标模型相似度测量：
[0017] 利用步骤（4)中的相似窗向量和匹配窗向量进行背景模型和目标模型的相似度 测量。
[001引 （6)双模权值计算
[0019]根据步骤巧）中的背景模型和目标模型相似度测量值计算双模权值。
[0020] (7)背景估计值计算：
[0021] 判断当前处理的匹配窗是否是W干涉区域内最后一个像素为中也的匹配窗，如果 满足条件，贝村Ij用步骤（4)-(6)得到的所有匹配窗中也像素值和该匹配窗的权值获得待处 理像素对应的估计值然后进行步骤巧），否则返回步骤（4)继续处理干涉区域下一个像素； [00过 做残差获取：
[0023] 判断当前处理像素是否为图像中最后一个像素，如果满足条件，则将所得估计背 景图像与原始图像作差，得到目标得到增强而背景得到抑制的图像，否则转到步骤（3)处 理图像中的下一像素。
[0024] 在本发明的一个实施例中，在步骤（2)滤波模型参数确定步骤中，根据输入的目 标尺寸的先验知识确定滤波模型的尺寸，滤波模版分别为相似窗，匹配窗和干涉区域，相似 窗和匹配窗尺寸相同，都为RXR，干涉区域大小为LXL，且满足R《L< 2R，窗口模版分为 目标模型和背景模型区域，目标模型为W待处理像素为中也的中央小型窗rXr大小的区 域B，背景模型区域为剩下部分组成的环形区域A，目标尺寸若不超过tXt像素块大小，贝U r, 1:，R的关系满足R>r=t，一般取值为R=r+2,L=R+2。
[0025]目标模型权值采用高斯模型《=exp(-DlSe/tg计算权值，背景模型采用复合指 数模型W=exp化i/值ISa+1))计算权值。其中DISa和DISe分别为背景模型和目标模型的