本發(fā)明涉及紅外微弱目標(biāo)增強(qiáng)的，尤其涉及一種基于自適應(yīng)窗口的紅外微弱目標(biāo)增強(qiáng)方法和系統(tǒng)。

背景技術(shù)：

1、紅外圖像在軍事、監(jiān)控和航天等領(lǐng)域有著廣泛的應(yīng)用，因?yàn)樗軌蛟诘凸猸h(huán)境或完全黑暗的條件下捕捉到目標(biāo)。然而，由于紅外圖像的成像原理，通常存在信噪比低和對比度差的問題，尤其是在檢測微弱目標(biāo)時(shí)，這些問題更加突出。傳統(tǒng)的紅外圖像處理方法包括圖像去噪、圖像增強(qiáng)和目標(biāo)檢測等技術(shù)，但在微弱目標(biāo)檢測方面仍存在許多挑戰(zhàn)。

2、目前，已有多種方法用于紅外微弱目標(biāo)的檢測和增強(qiáng)，包括基于全局閾值的檢測方法、濾波方法以及自適應(yīng)算法等?；谌珠撝档姆椒ㄔ谔幚肀尘皬?fù)雜或目標(biāo)對比度低的圖像時(shí)效果不佳。因?yàn)槿珠撝禑o法適應(yīng)圖像中不同區(qū)域的亮度變化，容易導(dǎo)致目標(biāo)漏檢或誤檢。傳統(tǒng)的濾波方法在去除噪聲的同時(shí)也會(huì)削弱圖像中的細(xì)節(jié)信息，尤其是微弱目標(biāo)的信息。這導(dǎo)致在低信噪比的條件下，目標(biāo)容易被背景噪聲淹沒，難以有效檢測。自適應(yīng)算法如自適應(yīng)維納濾波、自適應(yīng)中值濾波等，雖然能夠在一定程度上改善圖像質(zhì)量和檢測性能，但這些方法通常計(jì)算復(fù)雜，處理時(shí)間長，難以滿足實(shí)時(shí)應(yīng)用的需求。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種基于自適應(yīng)窗口的紅外微弱目標(biāo)增強(qiáng)方法，目的在于自適應(yīng)地調(diào)整檢測和增強(qiáng)參數(shù)，提高微弱目標(biāo)的增強(qiáng)效果。

2、實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于自適應(yīng)窗口的紅外微弱目標(biāo)增強(qiáng)方法，包括以下步驟：

3、s1：對獲取的紅外圖像進(jìn)行去噪并計(jì)算局部背景參數(shù)，利用自適應(yīng)閾值進(jìn)行目標(biāo)檢測，獲得二值化圖像，包括以下步驟：

4、s11：進(jìn)行紅外圖像去噪：

5、對獲取的紅外圖像進(jìn)行去噪，獲得去噪后的圖像，所述去噪為高斯平滑，具體為：

6、；

7、其中，為以每個(gè)像素位置為中心范圍內(nèi)的像素位置集合；為包含在中的像素位置；

8、，為高斯核的方差；

9、為紅外圖像在像素位置處的像素值；為去噪后的圖像在像素位置處的像素值；

10、s12：計(jì)算局部背景參數(shù)：

11、基于去噪后的圖像計(jì)算局部背景參數(shù)，所述局部背景參數(shù)估計(jì)包括局部背景均值核局部背景方差；在每個(gè)像素位置處，計(jì)算其鄰域內(nèi)的局部背景均值和局部背景標(biāo)準(zhǔn)差；

12、s13：計(jì)算自適應(yīng)閾值并利用自適應(yīng)閾值進(jìn)行目標(biāo)檢測；

13、s2：根據(jù)二值化圖像確定每個(gè)目標(biāo)像素的初始化窗口大小范圍，通過計(jì)算信噪比選擇最優(yōu)窗口大??；

14、s3：基于最優(yōu)窗口大小對每個(gè)目標(biāo)像素位置構(gòu)建多尺度濾波器；

15、s4：使用構(gòu)建的多尺度濾波器對去噪后的圖像中每個(gè)目標(biāo)像素位置進(jìn)行多尺度濾波，獲得濾波后的圖像；

16、s5：對濾波后的圖像進(jìn)行對比度調(diào)整，獲得增強(qiáng)后的圖像。

17、作為本發(fā)明的進(jìn)一步改進(jìn)方法：

18、可選地，所述步驟s13中，包括以下步驟：

19、s131：計(jì)算自適應(yīng)閾值：

20、根據(jù)局部背景參數(shù)，計(jì)算每個(gè)像素位置的自適應(yīng)閾值 ?，具體為：

21、；

22、其中，為調(diào)節(jié)系數(shù)；

23、s132：進(jìn)行目標(biāo)檢測：

24、通過比較去噪后的圖像每個(gè)像素位置的像素值與對應(yīng)的自適應(yīng)閾值，生成目標(biāo)檢測結(jié)果，所述目標(biāo)檢測結(jié)果為二值化圖像，具體為：

25、；

26、其中，為二值化圖像在像素位置處的像素值。

27、可選地，所述s2步驟中根據(jù)二值化圖像確定每個(gè)目標(biāo)像素的初始化窗口大小范圍，通過計(jì)算信噪比選擇最優(yōu)窗口大小，包括：

28、s21：提取二值化圖像 ?中每個(gè)目標(biāo)像素位置并初始化窗口大小范圍：

29、根據(jù)二值化圖像提取圖像中所有檢測到的目標(biāo)像素位置集合，具體為：

30、；

31、其中，為標(biāo)像素位置集合中第個(gè)像素位置，為序號(hào)；為二值化圖像在像素位置處的像素值；

32、為每個(gè)目標(biāo)像素位置設(shè)定初始的窗口大小范圍，其中，為初始窗口大小數(shù)量，每個(gè)窗口大小表示一個(gè)邊長為的正方形區(qū)域，；

33、s22：計(jì)算窗口內(nèi)信號(hào)和噪聲統(tǒng)計(jì)特征并計(jì)算信噪比確定最優(yōu)窗口大小。

34、可選地，所述步驟s22中，包括以下步驟：

35、s221：計(jì)算窗口內(nèi)信號(hào)和噪聲統(tǒng)計(jì)特征：

36、對于每個(gè)目標(biāo)像素位置和其對應(yīng)的每一個(gè)窗口大小，計(jì)算窗口內(nèi)的信號(hào)均值和背景噪聲標(biāo)準(zhǔn)差，具體為：

37、；

38、其中，為以為中心范圍內(nèi)的像素位置集合；為像素位置集合中像素位置的個(gè)數(shù)；為去噪后的圖像在像素位置處的像素值；

39、；

40、s222：計(jì)算信噪比并確定最優(yōu)窗口大?。?/p>

41、對于每個(gè)目標(biāo)像素位置，基于每一個(gè)窗口大小的信號(hào)均值和背景噪聲標(biāo)準(zhǔn)差，計(jì)算窗口的信噪比，具體為：

42、；

43、其中，為目標(biāo)像素位置以為窗口的信噪比；

44、基于信噪比選擇最優(yōu)窗口，具體為：

45、；

46、其中，返回使得達(dá)到最大值的。

47、可選地，所述s3步驟中基于最優(yōu)窗口大小對每個(gè)目標(biāo)像素位置構(gòu)建多尺度濾波器，包括：

48、基于步驟s2中確定的每個(gè)目標(biāo)像素位置的最優(yōu)窗口大小，為每個(gè)目標(biāo)像素位置構(gòu)建一組多尺度濾波器，濾波器的大小和形狀根據(jù)最優(yōu)窗口大小進(jìn)行調(diào)整，具體為：

49、；

50、其中，是在每個(gè)目標(biāo)像素位置處的濾波器；

51、為以為中心最優(yōu)窗口內(nèi)的像素位置集合；

52、是每個(gè)目標(biāo)像素位置到其鄰域中像素位置的歐氏距離。

53、可選地，所述s4步驟中使用構(gòu)建的多尺度濾波器對去噪后的圖像中每個(gè)目標(biāo)像素位置進(jìn)行多尺度濾波，獲得濾波后的圖像，包括：

54、利用構(gòu)建的多尺度濾波器對去噪后的圖像中的每個(gè)目標(biāo)像素位置的像素值進(jìn)行濾波，獲得濾波后的圖像，具體為：

55、；

56、其中，為濾波后的圖像在每個(gè)目標(biāo)像素位置處的像素值；濾波后的圖像在非目標(biāo)像素位置處的像素值與去噪后的圖像中相同位置的像素值保持一致；為去噪后的圖像在像素位置處的像素值。

57、可選地，所述s5步驟中對濾波后的圖像進(jìn)行對比度調(diào)整，獲得增強(qiáng)后的圖像，包括：

58、將濾波后的圖像歸一化，獲得歸一化后的圖像；

59、對歸一化后的圖像中的每個(gè)像素位置的像素值進(jìn)行伽馬校正，獲得校正后的圖像，具體為：

60、；

61、其中，為校正后的圖像在像素位置處的像素值；為歸一化后的圖像在像素位置處的像素值；為伽馬校正系數(shù)；

62、將校正后的圖像映射回原來的像素值范圍得到增強(qiáng)后的圖像。

63、本發(fā)明還公開了一種基于自適應(yīng)窗口的紅外微弱目標(biāo)增強(qiáng)系統(tǒng)，包括：

64、預(yù)處理模塊：對獲取的紅外圖像進(jìn)行去噪并計(jì)算局部背景參數(shù)，利用自適應(yīng)閾值進(jìn)行目標(biāo)檢測；

65、自適應(yīng)窗口計(jì)算模塊：根據(jù)二值化圖像確定每個(gè)目標(biāo)像素的初始化窗口大小范圍，通過計(jì)算信噪比選擇最優(yōu)窗口大??；

66、多尺度濾波器構(gòu)建模塊：基于最優(yōu)窗口大小對每個(gè)目標(biāo)像素位置構(gòu)建多尺度濾波器；

67、濾波模塊：使用構(gòu)建的多尺度濾波器對去噪后的圖像中每個(gè)目標(biāo)像素位置進(jìn)行多尺度濾波；

68、調(diào)整模塊：對濾波后的圖像進(jìn)行對比度調(diào)整。

69、有益效果

70、本發(fā)明通過引入自適應(yīng)閾值和多尺度濾波器，可以有效提高紅外微弱目標(biāo)的檢測精度。自適應(yīng)閾值根據(jù)每個(gè)像素的局部背景特征進(jìn)行計(jì)算，從而能夠適應(yīng)不同背景的變化，減少漏檢和誤檢現(xiàn)象。同時(shí)，多尺度濾波器能夠根據(jù)目標(biāo)像素的最優(yōu)窗口大小進(jìn)行濾波，增強(qiáng)微弱目標(biāo)的對比度和可見性。這種方法大大提高了在復(fù)雜背景和噪聲條件下檢測微弱目標(biāo)的魯棒性，適應(yīng)性強(qiáng)，能有效識(shí)別各種復(fù)雜環(huán)境中的微弱目標(biāo)。

71、本發(fā)明通過對濾波后的圖像進(jìn)行歸一化和伽馬校正，進(jìn)一步調(diào)整圖像的對比度，使微弱目標(biāo)更加突出。歸一化處理確保圖像的灰度值在一個(gè)合適的范圍內(nèi)分布，有效避免了因亮度過高或過低而導(dǎo)致的圖像細(xì)節(jié)丟失。伽馬校正則能夠加強(qiáng)微弱目標(biāo)的對比度，使得圖像中暗部細(xì)節(jié)更加豐富，從而獲得更好的視覺效果。此方法能夠顯著提高圖像的視覺質(zhì)量，增強(qiáng)圖像細(xì)節(jié)，有助于后續(xù)的圖像分析和目標(biāo)識(shí)別。