基于小波多尺度交叉运算的海空背景红外小目标检测方法
【技术领域】
[0001] 本发明属于目标检测领域的方法，特别是一种基于小波多尺度交叉运算的海空背 景红外小目标检测方法。
【背景技术】
[0002] 随着光谱探测技术的发展，基于图像处理的目标检测识别系统被广泛的使用在安 保预警，海面救援，港口船只检测等方面。在复杂的成像背景条件下，探测系统如何自主的 发现目标、检测识别目标、进而跟踪目标，是我们研究的主要方向。尤其是在海空复杂背景 环境下，如何在低信噪比的海天噪声中完成对远处小目标的检测与提取，一直是目标检测 中亟待解决和优化的课题。
[0003] 目前，针对海空背景下小目标的检测，基于目前的技术水平，红外成像仍是探测的 主要手段。又因为远处红外小目标一般出现在海天线附近，而海天线区域以外的天空和海 洋区域，存在较多的海杂波及云层的噪声干扰，所以，主流的检测方法都是先进行海天线及 海天线区域检测，再在海天线区域内检测目标。
[0004] 海天线检测方法研究中，曹琦等人基于梯度以及能量积累的方法进行海天线检测 (曹琦，王德江，张齐，et al.红外点目标检测中的能量累积[J].光学精密工程，2010.); 黄英东等人使用检测直线的hough变换，检测出海天线探测海天线区域（黄英东，范宁军， 李杰.一种基于海天线检测的舰船定位方法[J].弹箭与制导学报，2008,（5) :286-288.)。 以上方法均在图像成像效果清楚，海天线干扰小的情况下，识别定位比较准确。但是在噪声 大，或云层，波浪等干扰较多以及海天线倾斜时，较难实现对海天线的准确定位。
[0005] 在海空背景下小目标的检测方面，史泽林等人提出小波互能量交叉算法，即利用 小波变换得到的各尺度，水平、垂直方向的细节图像相乘，得到小波互能量交叉图像，进而 进行目标检测（ZL (史泽林）S，Y (魏颖）W，SB (黄莎白）H.基于小波互能量交叉的复杂背景 中红外小目标检测方法[J].弹箭与制导学报，2003.)。原始互能量交叉算法在进行海空背 景小目标检测时，由于在垂直方向上海空背景下目标信息较微弱，若不加区别的和水平方 向的信息相乘，会导致目标信息的大量丢失，不利于突出目标。
【发明内容】
[0006] 本发明的目的在于提供一种基于小波多尺度交叉运算的海空背景红外小目标检 测方法，实现在海空复杂背景下对远处小目标的检测方法。
[0007] 实现本发明目的的技术解决方案为：一种基于小波多尺度交叉运算的海空背景红 外小目标检测方法，包括以下步骤：
[0008] 步骤1，在海空背景下，利用红外焦平面阵列采集红外图像，将数字化后的红外光 强图像输入到计算机中，得到红外图像；
[0009] 步骤2,采用小波变换对步骤1得到的红外图像进行多尺度分析处理，通过小波 变换对红外图像进行z层分解，分别得到在垂直、水平和倾斜方向，且各方向尺度为2、2 2、 23-、22的3z副细节图像和z层低频图像，z = 2-4,并将细节图像的图像大小尺寸通过最 近邻插值法放大还原到原始图像尺寸；
[0010] 步骤3,提取步骤2中得到的尺度为2Z的低频图像，使用该低频图像先进行海天 线水平或倾斜分布状态判断，再分别根据水平海天线或倾斜海天线特点确定海天线区域位 置，即得到小目标可能出现的区域；
[0011] 步骤4,使用步骤2中得到的在垂直方向，尺度为2的细节图像进行二值化，阈值 由最大类间方差法确定，得到的结果再与使用步骤2中得到的在水平方向，且尺度为2、2 2、 23···、2Ζ的细节图像，进行互能量交叉运算，对结果进行归一化后，得到互能量交叉图像；
[0012] 步骤5,针对步骤4得到的互能量交叉图像，在步骤3中得到的海天线区域内，进行 目标检测，确定目标位置，并在原图被判定为目标位置，框出目标。
[0013] 本发明与现有技术相比，其显著优点：（1)利用小波多尺度多方向细节分解的特 性，提取出海空背景下红外图像的大尺度低频图像，有效突出了海天线特征，同时削减了噪 声、杂波对海天线检测的影响；（2)提出的通过行灰度标准差判断海天线大致走向，及倾斜 海天线中点位置判断方法，算法简单，对海天线走势判断准确，适应性强，在背景噪声大的 情况下仍可以实现海天线走势判断；（3)本发明改进的小波互能量交叉运算应用在小目标 检测方面，去噪能力强，相比于原始的小波互能量交叉算法，在进行交叉运算时，垂直方向 使用尺度较小的分量系数，减少了垂直方向上所需要的细节图像层数，并进行二值化处理， 避免了在能量交叉运算时，目标信息的丢失，使目标突出效果好，尤其适合背景噪声条纹方 向比较一致的图像，比如海天背景环境。
[0014] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0015] 图1是本发明基于小波多尺度交叉运算的海空背景红外小目标检测方法总流程。
[0016] 图2是本发明中海天线检测方法流程。
[0017] 图3是本发明海天线倾斜情况红外原始图像。
[0018] 图4是本发明倾斜海天线被小波分解到23尺度低频图像。
[0019] 图5是本发明海天线倾斜时行标准差分布图。
[0020] 图6(a)是本发明实验仿真的原始图像：尺寸为362X278红外图像。
[0021] 图6(b)是本发明实验仿真的原始图像：尺寸为282X 195红外图像。
[0022] 本发明使用Haar小波对实验仿真的原始图像进行小波分解后的图像：图7(a)尺 度2低频图像；图7 (b)尺度2低频图像对应的边缘检测图像；图7 (c)尺度22低频图像；图 7(d)尺度22低频图像对应的边缘检测图像；图7(e)尺度2 3低频图像；图7(f)尺度2 3低 频图像对应的边缘检测图像。
[0023] 图8是本发明图6 (a)被分解到23尺度低频图。
[0024] 图9是本发明对图8的行灰度值标准差分布图。
[0025] 图10是本发明图6(a)低频分量边缘检测二值化结果图。
[0026] 图11是本发明图6(a)像素点海天线方向标记图。
[0027] 图12是本发明图6(a)识别出的海天线位置图。
[0028] 图13是本发明图6(a)小波互能量交叉运算效果图。
[0029] 图14是本发明图6(a)目标位置效果图。
[0030] 图15是本发明图6(a)目标被识别效果图。
[0031] 图16是本发明图6(b)被分解到23尺度低频图。
[0032] 图17是本发明行灰度值标准差分布图。
[0033] 图18是本发明图6(b)低频分量边缘检测二值化结果图。
[0034] 图19是本发明图6(b)像素点海天线方向标记图。
[0035] 图20是本发明图6 (b)识别出的海天线位置图。
[0036] 图21是本发明图6(b)小波互能量交叉运算效果图。
[0037] 图22是本发明图6 (b)目标位置效果图。
[0038] 图23是本发明图6 (b)目标被识别效果图。
[0039] 图24是本发明海天线倾斜情况红外原始图像。
[0040] 图25是本发明倾斜海天线被小波分解到23尺度低频图像。
[0041] 图26是本发明海天线倾斜时行标准差分布图。
[0042] 图27是本发明海天线倾斜时的海天线区域。
[0043] 图28是本发明海天线倾斜时小波互能量交叉运算效果图。
[0044] 图29是本发明海天线倾斜时目标被识别效果图。
【具体实施方式】
[0045] 结合图1，本发明基于小波多尺度交叉运算的海空背景红外小目标检测方法，包括 以下步骤：
[0046] 步骤1，在海空背景下，利用红外焦平面阵列采集红外图像，将数字化后的红外光 强图像输入到计算机中，得到红外图像。
[0047] 步骤2,采用小波变换对步骤1得到的红外图像进行多尺度分析处理，通过小波 变换对红外图像进行z层分解，分别得到在垂直、水平和倾斜方向，且各方向尺度为2、2 2、 23-、22小波系数的3z副细节图像和z层低频图像，z = 2-4,并将细节图像的图像大小尺 寸通过最近邻插值法放大还原到原始图像尺寸。下面以z = 3为例进行说明，即本发明将 红外图像进行三层分解，分别得到在垂直、水平和倾斜（对角线）方向，且各方向的尺度为 2、2 2、23的9副细节图像和3层低频图像，并将细节图像的图像大小尺寸通过最近邻插值法 放大还原到原始图像尺寸。
[0048] 其中采用小波变换对步骤1采集的海空背景下的红外图像进行小波多尺度分析 处理的具体步骤为：
[0049] 第一步，小波变换是使用一系列的不同尺度的小波去分解原函数，变换后得到的 是原函数在不同尺度小波下的系数。使用小波对海空背景红外图像进行分解时，由于噪声 主要存在于信号的高频部分，所以在进行海天线