结冰河流红外图像的检测方法与流程

本发明涉及图像检测领域，特别是指一种结冰河流红外图像的检测方法。

背景技术：

当前，全球军备竞争日益激烈，出于国家安全以及战略发展的考虑，地球外层空间的开发和利用得到了越来越多的重视。卫星作为监视、探测、发现的重要手段，在空间战略防御系统中具有重要地位。

对于红外天基卫星的成像系统，在其成像波段内存在大量辐射能量很高的干扰源，如河流、山脊、海岸线、高山湖泊、雪山、高空卷云、南北极冰盖等，这些干扰源不可避免地对成像系统产生干扰。然而，这些典型的干扰源在能量、纹理轮廓、运动等诸多特征都与目标有着显著差异，因此，可以通过提取各典型干扰源的稳定特征，从而实现对常见干扰源进行检测和定位，减少对目标的干扰，提升检测性能。

利用天基卫星图像进行河流、湖面等水域信息的自动检测主要有两类方法，一类是利用光谱特性的检测方法，主要有单波段和多波段法；另一类是基于形状纹理和空间关系的检测方法。但是现有技术的检测方法无法实现对结冰河流进行检测，或者检测的准确性不足。

技术实现要素：

本发明要解决的技术问题对结冰河流的检测的准确性，提出了一种针对红外和遥感图像的基于shearlet变换的结冰河流检测方法，以期减少结冰河流这一典型干扰源在对地探测系统中对目标检测过程的干扰，减小干扰率，满足现代军事和空间技术的应用需求。

为解决上述技术问题，本发明的实施例提供结冰河流红外图像的检测方法，其特征在于，包括：

检测装置接收待处理的原始红外图像；所述检测装置根据原始红外图像，生成基于显著性的辐射能量特征图；所述检测装置通过子带滤波，将辐射能量特征图进行小波分解和shearlet分解，获得辐射能量特征图在小波基和shearlet基的滤波结果；所述检测装置构建基于小波基和shearlet基的最优化模型；所述检测装置置对所述最优化模型进行求解，实现图像成分分离；所述检测装置将分离出的线状区域作为最终的结冰河流检测结果。

可选的，所述检测装置根据原始红外图像，生成基于显著性的辐射能量特征图具体包括：

所述检测装置通过计算经高斯滤波后的图像与图像均值在lab空间的欧式距离来定义图像显著性，其中，位于(x,y)处的像素的显著性定义如下：

s(x,y)＝||iμ-iωhc(x,y)||

其中，iμ表示图像在lab空间的均值向量，iωhc(x,y)表示图像经高斯滤波后位于(x,y)处的像素在lab空间中的向量，||·||运算符表示向量的2范数，这里表示欧式距离。

可选的，所述检测装置通过子带滤波，将辐射能量特征图进行小波分解和shearlet分解，获得辐射能量特征图在小波基和shearlet基的滤波结果，具体包括：

定义一个滤波器组fj，将辐射能量特征图f根据子带上的不同尺度j分解为不同部分fj。对应于尺度j的部分fj可由f经过滤波器fj得到：

fj＝fj*f

对每一个尺度，都可以将辐射能量特征图f分解为点状和线状两部分：

fj＝pj+cj。

可选的，所述检测装置置对所述最优化模型进行求解，实现图像成分分离，具体包括：所述目标函数如下：

其中，λ表示常数，φ1表示小波正交基，φ2表示带限shearlet的紧框架，注意和分别表示小波基和shearlet基下的系数。

本发明的上述技术方案的有益效果如下：

上述方案中，针对天基卫星对地观测图像，利用频率调制(frequencytuned,ft)的显著性辐射能量特征进行背景抑制，然后对背景抑制结果进行小波及shearlet变换，通过最优化模型分别在两组基下稀疏化变换域系数，从而实现对图像中的点状部分和线状部分的分离，进而实现对结冰河流这类线状干扰源的检测。该方法对能量特征及形状特征进行了综合分析，故有效减弱了地表多种复杂干扰源的干扰，降低了检测干扰率，增强了算法鲁棒性。

附图说明

图1为本发明的一种结冰河流红外图像的检测方法。

图2为小波的子带的示意图。

图3为shearlet的子带的示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的红外检测不够精确的问题，提供一种结冰河流红外图像的检测方法，如图1所示，包括如下步骤：

步骤1：检测装置接收待处理的原始红外图像。

步骤2：检测装置根据原始红外图像，生成基于ft显著性的辐射能量特征图。

针对原始图像，采用ft显著性检测方法来提取辐射能量特征，生成基于显著性的辐射能量特征图。

ft算法可以通过计算经高斯滤波后的图像与图像均值在lab空间的欧式距离来定义图像显著性。其中，位于(x,y)处的像素的显著性定义如下：

s(x,y)＝||iμ-iωhc(x,y)||(1)

其中，iμ表示图像在lab空间的均值向量，iωhc(x,y)表示图像经高斯滤波后位于(x,y)处的像素在lab空间中的向量，||·||运算符表示向量的2范数，这里表示欧式距离。

ft模型可以计算得到像素级显著性。将该模型应用于原始图像中，干扰源区域与整个图像相比面积较小，且与周围区域的差异较强，故具有较强的视觉显著性。经过ft模型处理后，在生成的特征图中目标区域及干扰源区域的辐射能量特性更加凸显，而平坦区域背景得以有效抑制。

步骤3：检测装置通过子带滤波，将辐射能量特征图进行小波分解和shearlet分解，获得辐射能量特征图在小波基和shearlet基的滤波结果。

如图2和图3所示，由于小波和shearlet的子带是相似的，可以定义一个滤波器组fj，将步骤2中的辐射能量特征图f根据子带上的不同尺度j分解为不同部分fj。对应于尺度j的部分fj可由f经过滤波器fj得到：

fj＝fj*f(2)

对每一个尺度，都可以将辐射能量特征图f分解为点状和线状两部分：

fj＝pj+cj(3)

步骤4：检测装置构建基于小波基和shearlet基的最优化模型。

该最优化模型本质上属于bpdn模型，对于每一个尺度，目标函数如下：

其中，λ表示常数，φ1表示小波正交基，φ2表示带限shearlet的紧框架，注意和分别表示小波基和shearlet基下的系数。

该优化模型通过约束图像在小波基和shearlet基下的1范数，从而将图像在两组基上分别稀疏表示。注意到，图像中的点状部分在小波基上比较稀疏，而图像中的线状部分在shearlet基上比较稀疏，故通过这个优化过程，图像中的点状部分只在小波基上表示，而线状部分渐渐地只在shearlet基上表示，从而达到了分离图像中的点状部分和线状部分的目的。

步骤5：检测装置利用块坐标松弛(blockcoordinaterelaxation,bcr)算法对上述最优化模型进行求解，从而实现图像成分分离。

对于结冰河流这类各向异性的线状干扰源，将主要被包含在线状部分；而噪声、亮斑等点状干扰源将主要被包含在点状部分。故用此优化模型可有效减弱对地观测场景中的平缓背景区域及点状干扰源的对线状干扰源的干扰，从而较纯净地将结冰河流提取出来。

步骤6：检测装置将分离出的线状区域作为最终的结冰河流检测结果输出。

上述方案中，针对天基卫星对地观测图像，利用ft的显著性辐射能量特征进行背景抑制，然后对背景抑制结果进行小波及shearlet变换，通过最优化模型分别在两组基下稀疏化变换域系数，从而实现对图像中的点状部分和线状部分的分离，进而实现对结冰河流这类线状干扰源的检测。该方法对能量特征及形状特征进行了综合分析，故有效减弱了地表多种复杂干扰源的干扰，降低了检测干扰率，增强了算法鲁棒性。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。