专利名称：改进的二维最大熵分割夜视图像融合目标检测算法的制作方法
技术领域：
本发明属于红外和微光图像处理领域，特别是一种改进的二维最大熵分割夜视图像融合目标检测算法。
背景技术：
夜视图像目标检测技术在军事领域和民用领域发展都比较迅速。在夜视成像方面，单一波段图像如红外波段的图像主要反应的是目标物体和场景的热辐射差异，其场景元素不够丰富，成像不够清晰且不利于人眼辨别；微光图像对比度比较低，灰度动态范围不够大，信噪比低，噪声比较严重。现阶段，一般通过图像分割和目标提取实现目标的检测，具体分割算法主要有边缘检测和区。域生长两类。其中阈值分割，是用途比较广的图像分割方法，如常见的迭代式阈值选择、Otsu法阈值选择，最小误差阈值选择法等。由于红外和微光的图像特性，采用常见的分割算法检测目标，分割得到二值图像往往目标被淹没在背景中且分割算法不具有通用性，同时得到的背景区域比较多，不能够准确的提取出目标。一般情况下的目标如“人”，在红外夜视图像中所占的部分是亮度比较大的。加上复杂背景如相近的热辐射背景，传统的二维直方图选取最大熵分割得到的结果往往使得目标被相近辐射的背景所掩盖。对于微光图像，目标一般是较暗区域或者较亮区域，由于微光图像中的场景元素比较丰富与目标灰度级接近的背景和噪声比较多，使得分割结果中虚假目标比较多，较难提取出目标。
发明内容
本发明的目的在于提供一种分割效果好，对夜视图像具有较好的目标检测功能的改进的二维最大熵分割夜视图像融合目标检测算法。实现本发明目的的技术解决方案为:一种改进的二维最大熵分割夜视图像融合目标检测算法，包括以下步骤:步骤一:在二维直方图的建立方法上进行改进，选择不同的权值λ，λ的取值在(0.01，3)之间改进算法有效，权值λ相当于纵坐标的灰度级伸缩因子，即原图像与区域灰度增强图像构造二维直方图，根据红外和微光图像中目标的灰度特性，如果是对红外图像分割则λ取小于I的值，如果是对微光图像分割则λ取大于I的值；步骤二:对直方图进行划分，用像素灰度等于t和邻域平均灰度等于s的两个门限来划分图像的二维直方图，直方图划分出的区域以最靠近坐标原点的区域为起始，顺时针方向依次为分别表示背景、噪声、目标信息和边缘信息的区域，图像的灰度级f (m，n)和g(m, η)组成灰度级对，其中g(m，η)是一个像素点为(m，η)的灰度值，用二维直方图区域划分中定义的二元组(i，j)表示，图像中点灰度值为1、邻域灰度均值为j，k(i, j)为在二维直方图中对应的灰 度级对的像素点总数，MXN为图像大小，M为行，N为列，L为一幅图像的灰度级数，于是可得图像的联合概率密度为:
权利要求
1.一种改进的二维最大熵分割夜视图像融合目标检测算法，其特征在于:包括以下步骤:步骤一:在二维直方图的建立方法上进行改进，选择不同的权值λ，λ的取值在(0.01，3)之间改进算法有效，权值λ相当于纵坐标的灰度级伸缩因子，即原图像与区域灰度增强图像构造二维直方图，根据红外和微光图像中目标的灰度特性，如果是对红外图像分割则λ取小于I的值，如果是对微光图像分割则λ取大于I的值；步骤二:对直方图进行划分，用像素灰度等于t和邻域平均灰度等于s的两个门限来划分图像的二维直方图，直方图划分出的区域以最靠近坐标原点的区域为起始，顺时针方向依次为分别表示背景、噪声、目标信息和边缘信息的区域，图像的灰度级f (m，η)和g(m，η)组成灰度级对，其中g(m，η)是一个像素点为(m，n)的灰度值，用二维直方图区域划分中定义的二元组(i，j)表示，图像中点灰度值为1、邻域灰度均值为j，k(i, j)为在二维直方图中对应的灰度级对的像素点总数，MXN为图像大小，M为行，N为列，L为一幅图像的灰度级数，于是可得图像的联合概率密度为
2.根据权利要求1所述的一种改进的二维最大熵分割夜视图像融合目标检测算法，其特征在于:步骤三的具体步骤为:多维特征矩阵相与运算就是将多维特征矩阵按位相与(文中主要是两维特征矩阵)，定义两个mXn矩阵Amxn和Bmxn如下式表示:
全文摘要
本发明公开了一种改进的二维最大熵分割夜视图像融合目标检测算法。首先通过对二维直方图的改进，即灰度级-加权的区域灰度最大值的灰度级建立二维直方图，选取权值利用该直方图计算最大熵对红外和微光图像分割，较传统最大熵分割算法在目标检测方面效果明显，具有抑制背景和提取目标的作用。然后验证多维特征的相与运算的有效性，对分割后的红外和微光图像特征级融合检测出目标。本发明的检测算法对于复杂背景下的目标检测及多目标检测方面都具有较好的效果和适用性。
文档编号G06T5/40GK103226820SQ20131013419
公开日2013年7月31日 申请日期2013年4月17日 优先权日2013年4月17日
发明者柏连发, 张毅, 陈钱, 顾国华, 韩静, 岳江, 刘颖彬, 吴经纬 申请人:南京理工大学