太阳城集团

  • / 7
  • 下载费用:30 金币  

基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法.pdf

摘要
申请专利号:

CN201310646293.6

申请日:

2013.12.02

公开号:

CN103632370A

公开日:

2014.03.12

当前法律状态:

撤回

有效性:

无权

法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06T 7/00申请公布日:20140312|||实质审查的生效IPC(主分类):G06T 7/00申请日:20131202|||公开
IPC分类号: G06T7/00 主分类号: G06T7/00
申请人: 西北工业大学
发明人: 张艳宁; 郗润平; 张福俊
地址: 710072 陕西省西安市友谊西路127号
优先权:
专利代理机构: 西北工业大学专利中心 61204 代理人: 王鲜凯
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201310646293.6

授权太阳城集团号:

||||||

法律状态太阳城集团日:

太阳城集团2016.12.07|||2014.04.09|||2014.03.12

法律状态类型:

发明专利申请公布后的视为撤回|||实质审查的生效|||公开

摘要

太阳城集团本发明公开了一种基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法,用于解决现有基于分形的红外弱小目标检测方法检测效果差的技术问题。技术方案是首先对于一幅M×N大小的红外图像I,首先进行中值滤波,然后计算局部熵图HI。获取目标的粗略位置(r,c)之后,以该点为中心在原图I上下左右各扩散e个单位,提取目标在原始红外图像I的小区域Q。对提取的R×C大小的目标区域Q利用分形组合特征方法计算分维像D,精确提取目标。本发明将分形维数、分形几何空间变化率和分形几何误差有机的集合来表示图像的分形特征,得到的分形组合特征能更好的抑制自然背景对人造目标检测的影响,同时也不会显著的增加太阳城集团复杂度,在红外小目标检测方面能取得更好的效果。

权利要求书

权利要求书
1.  一种基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法,其特征在于包括以下步骤:
步骤一、对于一幅M×N大小的红外图像I,首先进行中值滤波,然后计算局部熵图HI;
取m×m的滑动窗口W1,按从左到右,从上到下的方式遍历图像I,计算图像的局部熵图HI;记点(i,j)是窗口W1中心点坐标,则该点的熵值计算如下
HI(i,j)=Σa=1mΣb=1mpablogpab---(1)]]>
式中,W1(a,b)、W1(q,w)分别是滑动窗口对应点的灰度值;得到局部熵图HI之后,计算得到最小熵值对应的坐标(r,c),获取目标的粗略位置;
步骤二、获取目标的粗略位置(r,c)之后,以该点为中心在原图I上下左右各扩散e个单位,提取目标在原始红外图像I的小区域Q;记区域Q在原图I中左上角的坐标为(r1,c1),左下角的坐标为(r2,c2),则扩散后的坐标计算如下:


式中,M,N分别是I的高度、宽度,由以上步骤提取得到R×C大小的目标区域Q;
步骤三、对提取的R×C大小的目标区域Q利用分形组合特征方法计算分维像D,精确提取目标;
取一个n×n的滑动窗口W2,按从左到右,从上到下的方式遍历区域Q;把W2划分成s×s的小块,s是介于1到n/2的之间的整数,得到t=n/s;
记点(i,j)是窗口W2中心点坐标,求得窗口在不同尺度s下的盒子数Bs(i,j);
当s=4时,t=2,此时W2被划分四个4×4的小块,记为分别获取四个小块的最大灰度值lλ和最小灰度值kλ,则
B4(i,j)=Σλ=14(lλ/s-kλ/s+1)---(5)]]> 由此计算在尺度s=4的盒子数;对s=2时重复上面的操作,求取B2(i,j);然后利用最小二乘法线性拟合点对(log(t),log(Bs(i,j))),其中t=4,2;s=2,4.即满足公式(6)
log(Bs)=Flog(t)+c    (6)
线性拟合得到的F表示点(i,j)的分形维数,c的绝对值表示分形几何空间变化率,另有分形拟合误差表示如下:
ϵ=Σg=13[log(Bsg)-Flog(tg)-|c|]2---(7)]]>
式(7)表示在不同尺度下的拟合误差和;
由此计算分形组合特征维数d

则窗口中心点(i,j)的分形组合特征维数为d,得到D(i,j)=d.当滑动窗口W2扫描整个区域图像Q后,得到分维图像D;
最后对D进行二值分割,形态学滤波,得到目标的分割图,完成目标提取。

说明书

说明书基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法
技术领域
本发明涉及一种全聚焦合成孔径透视成像方法,特别是涉及一种基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法。
背景技术
红外小目标检测已广泛应用于军用和民用等领域。红外弱小目标因本身具有低信噪比,低分辨率,成像面积较小等特点,常常不利于人眼分辨,因此提取红外感兴趣目标成为红外目标检测的一个重要研究方向。现有的方法大致分为基于空域和基于频域的检测方法。
文献“改进的分形算法在弱小目标检测中的应用,系统工程与电子技,Vol.31No.9,Page2071-2075,2009”,公开了一种基于分形的红外弱小目标检测方法。该方法利用图像的局部熵对目标进行一个粗略的定位,提取出目标所在的局部区域,然后运用分数布朗运动模型法的分形方法得到区域的分维像,最后分割出感兴趣目标。但是,运用分数布朗运动模型法分维后发现目标和背景已经融合为一体,很难分割出目标,即使检测出来目标,目标形状特性也已经与原始目标相差很大。因此,简单运用分形法的分维数特征表示分维图,效果不是很好。
发明内容
为了克服现有基于分形的红外弱小目标检测方法检测效果差的不足,本发明提供一种基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法。该方法首先对于一幅M×N大小的红外图像I,首先进行中值滤波,然后计算局部熵图HI。获取目标的粗略位置(r,c)之后,以该点为中心在原图I上下左右各扩散e个单位,提取目标在原始红外图像I的小区域Q。对提取的R×C大小的目标区域Q利用分形组合特征方法计算分维像D,精确提取目标。本发明将分形维数、分形几何空间变化率和分形几何误差有机的集合来表示图像的分形特征,得到的分形组合特征能更好的抑制自然背景对人造目标检测的影响,同时也不会显著的增加太阳城集团复杂度,在红外小目标检测方面能取得更好的效果。
本发明解决其技术问题所采用的技术方案是:一种基于多层次迭代可视化优化 的全聚焦合成孔径透视成像方法,其特点是包括以下步骤:
步骤一、对于一幅M×N大小的红外图像I,首先进行中值滤波,然后计算局部熵图HI。
取m×m的滑动窗口W1,按从左到右,从上到下的方式遍历图像I,计算图像的局部熵图HI。记点(i,j)是窗口W1中心点坐标,则该点的熵值计算如下
HI(i,j)=Σa=1mΣb=1mpablogpab---(1)]]>
式中,W1(a,b)、W1(q,w)分别是滑动窗口对应点的灰度值。得到局部熵图HI之后,计算得到最小熵值对应的坐标(r,c),获取目标的粗略位置。
步骤二、获取目标的粗略位置(r,c)之后,以该点为中心在原图I上下左右各扩散e个单位,提取目标在原始红外图像I的小区域Q。记区域Q在原图I中左上角的坐标为(r1,c1),左下角的坐标为(r2,c2)则扩散后的坐标计算如下:


式中,M,N分别是I的高度、宽度,由以上步骤提取得到R×C大小的目标区域Q。
步骤三、对提取的R×C大小的目标区域Q利用分形组合特征方法计算分维像D,精确提取目标。
取一个n×n的滑动窗口W2,按从左到右,从上到下的方式遍历区域Q。把W2划分成s×s的小块,s是介于1到n/2的之间的整数,得到t=n/s。
记点(i,j)是窗口W2中心点坐标,求得窗口在不同尺度s下的盒子数Bs(i,j)。
当s=4时,t=2,此时W2被划分四个4×4的小块,记为分别获取四个小块的最大灰度值lλ和最小灰度值kλ,则
B4(i,j)=Σλ=14(lλ/s-kλ/s+1)---(5)]]>
由此计算在尺度s=4的盒子数。对s=2时重复上面的操作,求取B2(i,j)。然后利用最小二乘法线性拟合点对(log(t),log(Bs(i,j))),其中t=4,2;s=2,4.即满足公式(6)
log(Bs)=Flog(t)+c    (6)
线性拟合得到的F表示点(i,j)的分形维数,c的绝对值表示分形几何空间变化率,另有分形拟合误差表示如下:
ϵ=Σg=13[log(Bsg)-Flog(tg)-|c|]2---(7)]]>
式(7)表示在不同尺度下的拟合误差和。
由此计算分形组合特征维数d

则窗口中心点(i,j)的分形组合特征维数为d,得到D(i,j)=d.当滑动窗口W2扫描整个区域图像Q后,得到分维图像D。
最后对D进行二值分割,形态学滤波,得到目标的分割图,完成目标提取。
本发明的有益效果是:该方法首先对于一幅M×N大小的红外图像I,首先进行中值滤波,然后计算局部熵图HI。获取目标的粗略位置(r,c)之后,以该点为中心在原图I上下左右各扩散e个单位,提取目标在原始红外图像I的小区域Q。对提取的R×C大小的目标区域Q利用分形组合特征方法计算分维像D,精确提取目标。本发明将分形维数、分形几何空间变化率和分形几何误差有机的集合来表示图像的分形特征,得到的分形组合特征能更好的抑制自然背景对人造目标检测的影响,同时也不会显著的增加太阳城集团复杂度,在红外小目标检测方面能取得更好的效果。
下面结合具体实施方式对本发明作详细说明。
具体实施方式
本发明基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法具体步骤如下:
1、目标粗定位。
对于一幅M×N大小的红外图像I,首先进行中值滤波,以去除一些噪声的干扰,然后计算局部熵图HI。
取m×m的滑动窗口W1(本发明取m=7),按从左到右,从上到下的方式遍历图像I,计算图像的局部熵图HI。记点(i,j)是窗口W1中心点坐标,则该点的熵值计算如下
HI(i,j)=Σa=1mΣb=1mpablogpab---(1)]]>
W1(a,b),W1(q,w)分别是滑动窗口对应点的灰度值。得到局部熵图HI之后,计算得到最小熵值对应的坐标(r,c),获取目标的粗略位置。
2、区域提取。
由第一步得到目标的粗略位置(r,c)之后,以该点为中心在原图I上下左右各扩散e个单位(本发明取e=25),提取目标在原始红外图像I的小区域Q。记区域Q在原图I中左上角的坐标为(r1,c1),左下角的坐标为(r2,c2),则扩散后的坐标计算如下:


M,N分别是I的高度、宽度,由以上步骤即可提取目标所在区域Q。
3、目标精确分割。
由于小目标通常容易和背景融为一体,简单使用二值分割方法难以分离目标和背景。而传统的分形方法只是简单的利用单一的分形特征,如分形维数、分形几何空间变化率、分形误差这些单一特征提取区域的分维像。但是这些单一的特征在某些方面还是难以表征背景和目标的区别。本发明改进了分形方法,提出一种分形特征组合的方法,在得到差分盒维数方法的分形维数,分形几何空间变化率,分形拟合误差后利用三者的特征,得到组合的分形维数。由此获取的分维像可以明显区别目标和背景。首先我们对第二步得到的R×C大小的小区域Q利用分形组合特征方法计算分维像D,精确提取目标。
取一个n×n的滑动窗口W2(本发明中取n=8),按从左到右,从上到下的方式遍历区域Q。把W2划分成s×s的小块,s是介于1到n/2的之间的整数(本发明取s=2,4),此时得到t=n/s(t=4,2)。
记点(i,j)是窗口W2中心点坐标,求得窗口在不同尺度s下的盒子数Bs(i,j)(s=2,4)。下面以s=4为例,计算B4(i,j).
当s=4时,t=2,此时W2被划分四个4×4的小块,记为分别获取四个小块的最大灰度值lλ和最小灰度值kλ(λ=1,2,3,4),则
B4(i,j)=Σλ=14(lλ/s-kλ/s+1)---(5)]]>
由此可以计算在尺度s=4的盒子数。对s=2时重复上面的操作,可以求取B2(i,j)。然后利用最小二乘法线性拟合点对(log(t),log(Bs(i,j))),其中t=4,2;s=2,4.也即它们满足公式(6)
log(Bs)=Flog(t)+c    (6)
线性拟合得到的F表示点(i,j)的分形维数,c的绝对值表示分形几何空间变化率,另有分形拟合误差表示如下:
ϵ=Σg=13[log(Bsg)-Flog(tg)-|c|]2---(7)]]>
式(7)表示在不同尺度下的拟合误差和。由于人造目标在一定尺度范围内不具备自相似性,当滑动窗口包含目标时会产生较大的分形拟合误差,而滑动窗口不包含目标时分形拟合误差值较小。
由此我们可以计算分形组合特征维数d

则窗口中心点(i,j)的分形组合特征维数为d,可以得到D(i,j)=d.当滑动窗口W2扫描整个区域图像Q后,便可以得到分维图像D。
最后我们对D进行二值分割,形态学滤波,就可以精确地得到目标的分割图,即完成目标的提取。

关 键 词:
基于 多层次 可视化 优化 聚焦 合成 孔径 透视 成像 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:基于多层次迭代可视化优化的全聚焦合成孔径透视成像方法.pdf
链接地址:http://zh228.com/p-6220740.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');