CN105023255B - 高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法 - Google Patents
高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法 Download PDFInfo
- Publication number
- CN105023255B CN105023255B CN201510476748.3A CN201510476748A CN105023255B CN 105023255 B CN105023255 B CN 105023255B CN 201510476748 A CN201510476748 A CN 201510476748A CN 105023255 B CN105023255 B CN 105023255B
- Authority
- CN
- China
- Prior art keywords
- infrared
- gaussian model
- target image
- small target
- weak
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 claims abstract description 166
- 238000003384 imaging method Methods 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims description 66
- 238000000034 method Methods 0.000 claims description 31
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000007547 defect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Transforming Light Signals Into Electric Signals (AREA)
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法，其步骤包括：采集图像背景并仿真目标图像背景，创建高斯模型目标模型，设置目标航迹，合成目标图像，设置抖动参数，生成抖动偏移量，计算抖动后成像行数，计算抖动后成像信号，生成抖动目标图像，输出高斯模型面阵相机抖动的红外弱小目标图像序列。本发明具有计算量小，高斯模型面阵相机抖动的红外弱小目标图像真实度高，纹理细节特征丰富，高斯模型红外弱小目标与真实目标吻合度高，红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹，红外面阵相机抖动参数可控制的优点。
Description
技术领域
本发明属于图像处理技术领域，更进一步涉及红外图像处理技术领域中的一种高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法。本发明可为高斯模型面阵相机抖动的红外弱小目标图像的性能评估提供大量测试高撕模型面阵相机抖动的红外弱小目标图像序列，用来验证红外弱小目标检测算法的有效性。
背景技术
红外面阵相机已被广泛应用于现代武器装备中，红外面阵相机真实拍摄的红外弱小目标图像序列无法提前已知红外弱小目标图像抖动程度，并且获得大量不同红外背景下的红外面阵相机抖动红外弱小目标图像序列具有较大难度。但是验证红外面阵相机抖动对红外弱小目标检测性能影响时需要大量已知红外弱小目标图像抖动程度的红外面阵相机抖动红外弱小目标图像序列。解决该问题须使用红外面阵相机抖动红外弱小目标图像序列仿真技术。
目前，通过计算机建模仿真软件生成相应的抖动红外弱小目标图像序列是一种有效的技术方法。该方法生成的高斯模型面阵相机抖动的红外弱小目标图像序列缺失纹理细节信息，抖动参数不可控制，与真实的高斯模型面阵相机抖动的红外弱小目标图像序列存在较大误差。无法为红外面阵相机抖动对红外弱小目标检测性能评估提供抖动参数可控的红外面阵相机抖动红外弱小目标图像序列。
通常进行外场实验要消耗大量的人力物力，稳定性和可重复性差，受天气影响较大，通过计算机搭建半实物仿真平台，可以仿真红外弱小目标在不同红外背景下和不同抖动参数下的红外面阵相机抖动红外弱小目标图像序列，可以在实验室条件下实现，方便快捷，节省人力和物力。
展讯通信(上海)有限公司所申请的专利“图像抖动方法和系统”(专利申请号201380001045.4，申请公布号CN 104303226 A)公开了一种图像抖动方法，所述方法包括分析所述图像的多个像素的各个像素，所述各个像素具有整数值N位的颜色深度；确定所述图像的各个像素的索引值、与所述图像各个像素的特定颜色分量相关的数值、和与所述图像各个像素的特定颜色分量相关的阈值。其中，间隔着预定数量像素的所述图像的像素具有相同的阈值。所述方法还包括，基于所述确定，修订所述图像的各个像素以使其具有整数值M位的颜色深度，所述整数值M小于所述整数值N，该方法存在的不足是：当仿真生成红外面阵相机抖动的红外弱小目标图像序列时，遍历红外面阵相机抖动的红外弱小目标图像的所有像素的计算量大，并且该方法无法控制红外面阵相机抖动的红外弱小目标图像抖动程度。
中国科学院沈阳自动化研究所申请的专利“一种海天背景下多类目标的红外动态场景实时仿真方法”(专利申请号201110447686.5，申请公布号CN 103186906 A)公开了一种海天背景下多类目标的红外动态场景实时仿真方法。该发明包括红外建模、场景构建、红外计算、红外大气传输计算、红外场景实时生成、最后渲染生成红外场景实时仿真图像。该方法仿真场景内容丰富，能在同一场景中包含海面、天空、舰船及多种型号的飞机。在复杂场景情况下依然能满足实时要求，不仅根据当前数据实时构建动态场景，而且实时模拟声场红外场景图像。该方法存在的不足是：当仿真生成红外面阵相机抖动的红外弱小目标图像时，需要场景进行分类并指定纹理类型，建立场景三维模型，生成映射文件，载入大气参数模型、成像模型和大气参数条件，完成红外场景图像的仿真输出，并且生成的高斯模型面阵相机抖动的红外弱小目标图像序列缺失纹理细节特征，仿真的高斯模型红外弱小目标与真实红外弱小目标吻合度较低。仿真的高斯模型面阵相机抖动的红外弱小目标图像序列与真实的红外面阵相机抖动的红外弱小目标图像序列相比存在较大失真，并且该方法无法控制红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹。
发明内容
本发明的目的在于克服上述现有技术存在的不足，提出了一种高斯模型面阵相机抖动的红外弱小目标图像仿真方法，本发明可以显著丰富红外面阵相机抖动的红外弱小目标图像的纹理细节特征，使高斯模型红外弱小目标纹理特征与真实红外弱小目标纹理特征吻合度高，控制红外弱小目标具体参数，控制红外面阵相机抖动程度，仿真方法简单实用。
为实现上述目的，本发明的具体步骤如下：
(1)采集红外图像背景：
(1a)使用红外热像仪采集真实红外图像背景序列，得到原始红外图像背景序列；
(1b)将原始红外图像背景序列的帧数i赋值为1；
(2)仿真高斯模型红外弱小目标图像背景：
(2a)读入原始红外图像背景序列中第i帧原始红外图像背景，0＜i≤R,R表示原始红外图像背景序列总帧数；
(2b)设置第i帧原始红外图像背景裁剪的起始行和起始列；
(2c)裁剪第i帧原始红外图像背景，得到大小为M×N的仿真高斯模型红外弱小目标图像背景，M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数，要求0≤M≤A，0≤N≤B，A表示原始红外图像背景序列中每一帧图像的行数，B表示原始红外图像背景序列中每一帧图像的列数；
(3)对仿真高斯模型红外弱小目标图像背景边缘进行镜像扩展；
(4)创建高斯模型红外弱小目标模型：
(4a)设置高斯模型红外弱小目标信噪比D，D在0＜D≤20范围内取整数值；
(4b)按照下式，计算高斯模型红外弱小目标像素灰度峰值：
s＝D×σ+μ
其中，s表示高斯模型红外弱小目标像素灰度峰值，D表示所设定的高斯模型红外弱小目标信噪比，σ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的标准差，μ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值；
(4c)将高斯模型红外弱小目标的大小设置为m×m像素，其中，m在0＜m≤10范围内取整数值；
(4d)产生大小为m×m，均值为0，标准差为σ的二维高斯正态矩阵，m在0＜m≤10范围内取整数值，σ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的标准差；
(4e)对产生的二维高斯正态矩阵进行归一化操作；
(4f)计算高斯模型红外弱小目标像素灰度峰值s与以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值μ的差值；
(4g)按照下式，计算高斯模型红外弱小目标的灰度矩阵：
H1＝G×H+μ
其中，H1表示高斯模型红外弱小目标的灰度矩阵，G表示高斯模型红外弱小目标像素灰度峰值s与以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值μ的差值，H表示对产生的二维高斯正态矩阵进行归一化操作后的到的归一化矩阵，μ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值；
(5)设置高斯模型红外弱小目标航迹：
(5a)将高斯模型红外弱小目标运动速度设置为Δx像素/帧，其中，Δx在0<Δx<10范围内取值；
(5b)将第i帧仿真高斯模型红外弱小目标图像背景左上角顶点的像素点作为原点，水平向右方向作为x轴，垂直向下方向作为y轴，建立第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系；
(5c)判断仿真高斯模型红外弱小目标图像背景帧数是否为1，如果是，执行步骤(5d)；否则，执行步骤(5e)；
(5d)将高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值设置为x1,0＜x1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，按照下式，建立第1帧仿真高斯模型红外弱小目标图像背景航迹的直线模型：
y1＝ax1+b
其中，y1表示高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜y1≤M，M表示仿真高斯模型红外弱小目标图像背景的行数，x1表示高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值,0＜x1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，a表示仿真高斯模型红外弱小目标图像背景航迹的直线模型的斜率，b表示仿真高斯模型红外弱小目标图像背景航迹的直线模型的截距，a和b的取值范围为：0＜ax1+b≤M，M表示仿真高斯模型红外弱小目标图像背景的行数；
(5e)按照下式，建立除第1帧以外的仿真高斯模型红外弱小目标图像背景航迹的直线模型：
其中，xi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，xi-1表示高斯模型红外弱小目标在第i-1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi-1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，Δx表示高斯模型红外弱小目标运动速度，Δx在0<Δx<10范围内取值，yi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜yi≤M，M表示仿真高斯模型红外弱小目标图像背景的行数，a表示高斯模型红外弱小目标航迹的直线模型的斜率，b表示高斯模型红外弱小目标航迹的直线模型的截距，a和b的取值范围为：0＜axi+b≤M；
(6)合成仿真高斯模型红外弱小目标图像：
(6a)按照下式，设置仿真高斯模型红外弱小目标图像序列总帧数：
0＜L≤min((N-x1)/Δx,R)
其中，L表示仿真高斯模型红外弱小目标图像序列总帧数，min(·)表示最小值操作，N表示仿真高斯模型红外弱小目标图像背景的列数，x1表示高斯模型红外弱小目标在仿真高斯模型红外弱小目标图像序列第1帧中的横坐标值，Δx表示高斯模型红外弱小目标运动速度，Δx在0<Δx<10范围内取值，R表示原始红外图像背景序列总帧数；
(6b)将步骤(4g)中高斯模型红外弱小目标的灰度矩阵赋值给m×m像素块内像素，m×m像素块是以(xi，yi)为高斯模型红外弱小目标型心的像素块，m在0＜m≤10范围内取整数值，得到仿真高斯模型红外弱小目标图像，xi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，yi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜yi＜M，M表示仿真高斯模型红外弱小目标图像背景的行数；
(7)创建高斯模型面阵相机抖动的红外弱小目标图像矩阵：
(7a)创建大小为M×N的高斯模型面阵相机抖动的红外弱小目标图像矩阵P，M表示仿真高斯模型红外弱小目标图像背景的行数,N表示仿真高斯模型红外弱小目标图像背景的列数；
(7b)将第i帧仿真高斯模型红外弱小目标图像行数j赋值为1，1≤j≤M，M表示仿真高斯模型红外弱小目标图像背景的行数；
(8)设置红外面阵相机抖动参数：
(8a)设置红外面阵相机抖动参数中的均值为μ，0≤μ≤2；
(8b)设置红外面阵相机抖动参数中的标准差为σ，0.5≤3σ≤2；
(9)生成抖动偏移量：
生成服从均值为μ，标准差为σ的正态分布函数的第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi；
(10)按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数：
Qj＝j+hi
其中，Qj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数，j表示第i帧仿真高斯模型红外弱小目标图像行数，hi表示第i帧仿真高斯模型红外弱小目标图像的抖动偏移量；
(11)计算抖动后成像信号：
(11a)判断第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi是否大于0，若是，执行步骤(11b)；否则，执行步骤(11c)；
(11b)按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号：
Pj＝Vk×(1-z)+Vk+1×z
其中，Pj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号，Vk表示第i帧仿真高斯模型红外弱小目标图像第k行成像信号，k表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的整数部分,z表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的小数部分，Vk+1表示第i帧仿真高斯模型红外弱小目标图像第k+1行成像信号；
(11c)按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号：
Pi＝Vk×(1-z)+Vk-1×z
其中，Pj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号，Vk表示第i帧仿真高斯模型红外弱小目标图像第k行成像信号，k表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的整数部分,z表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的小数部分，Vk-1表示第i帧仿真高斯模型红外弱小目标图像第k-1行成像信号；
(12)将第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号Pj赋值给高斯模型面阵相机抖动的红外弱小目标图像矩阵P第j行；
(13)对第i帧仿真高斯模型红外弱小目标图像行数j进行累加1操作；
(14)判断第i帧仿真高斯模型红外弱小目标图像行数j是否等于M+1，若是，执行步骤(15)；否则，执行步骤(10)；其中，M表示仿真高斯模型红外弱小目标图像背景的行数；
(15)存储高斯模型面阵相机抖动的红外弱小目标图像矩阵P；
(16)对仿真高斯模型红外弱小目标图像背景帧数i进行累加1操作；
(17)判断累加1后仿真高斯模型红外弱小目标图像背景帧数i是否等于仿真高斯模型红外弱小目标图像序列总帧数L+1，如果是，执行步骤(18)；否则，执行步骤(2)；
(18)输出高斯模型面阵相机抖动的红外弱小目标图像序列。
本发明与现有技术相比具有以下优点：
第一，由于本发明中每一帧图像生成一个抖动偏移量，并且抖动偏移量服从均值为μ，标准差为σ的正态分布函数，克服了现有技术中当仿真生成红外面阵相机抖动的红外弱小目标图像序列时，遍历红外面阵相机抖动的红外弱小目标图像的所有像素的计算量大，并且无法控制仿真红外面阵相机抖动的红外弱小目标图像抖动程度的缺陷，使得本发明具有红外面阵相机抖动参数可控制的优点。
第二，由于本发明使用高性能红外热像仪采集真实红外图像背景序列作为原始红外图像背景序列和建模仿真方法，克服了现有技术中当仿真生成红外面阵相机抖动的红外弱小目标图像时，需要场景进行分类并指定纹理类型，建立场景三维模型，生成映射文件，载入大气参数模型、成像模型和大气参数条件，完成红外场景图像的仿真输出，并且生成的高斯模型面阵相机抖动的红外弱小目标图像序列缺失纹理细节特征，仿真的高斯模型红外弱小目标与真实红外弱小目标吻合度较低，仿真的高斯模型面阵相机抖动的红外弱小目标图像序列与真实的红外面阵相机抖动的红外弱小目标图像序列相比存在较大失真，并且该方法无法控制红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹的缺陷，使得本发明具有仿真生成高斯模型面阵相机抖动的红外弱小目标图像真实度高，纹理细节特征丰富，仿真的高斯模型红外弱小目标与真实红外弱小目标吻合度较高，红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹可控制的优点。
附图说明
图1为本发明的流程图；
图2为本发明的第50帧原始红外图像背景图；
图3为本发明仿真高斯模型红外弱小目标的航迹示意图；
图4为本发明第50帧高斯模型红外弱小目标图像中以红外弱小目标型心为中心的9×9大小邻域示意图；
图5为本发明第50帧仿真高斯模型红外弱小目标图像示意图；
图6为本发明第j行向(j+1)行方向抖动示意图；
图7为本发明第j行向(j-1)方向抖动示意图；
图8为本发明第50帧高斯模型面阵相机抖动的红外弱小目标图像中以高斯模型红外弱小目标型心为中心的9×9大小邻域示意图；
图9为本发明第50帧高斯模型面阵相机抖动的红外弱小目标图像示意图。
具体实施方式
下面结合附图对本发明做进一步的详细描述。
参照附图1，本发明的具体步骤如下。
步骤1，采集红外图像背景。
第1步，使用红外热像仪采集真实红外图像背景序列，得到原始红外图像背景序列。
本发明的实施例中，真实红外图像背景序列为红外天空背景图像序列。图2所示的为红外天空背景图像序列中第50帧红外天空背景图像，图2所示天空背景具有丰富纹理特征。
第2步，将原始红外图像背景序列的帧数i赋值为1。
步骤2，仿真高斯模型红外弱小目标图像背景。
第1步，读入原始红外图像背景序列中第i帧原始红外图像背景，0＜i≤R,R表示原始红外图像背景序列总帧数。
本发明的实施例中，原始红外图像背景序列总帧数R为1000。
第2步，设置第i帧原始红外图像背景裁剪的起始行和起始列，第i帧原始红外图像背景裁剪的起始行大于0小于原始红外图像背景的行数，第i帧原始红外图像背景裁剪的起始列大于0小于原始红外图像背景的列数。
本发明的实施例中，设置第i帧原始红外图像背景裁剪的起始行为150，设置第i帧原始红外图像背景裁剪的起始列为150。
第3步，裁剪第i帧原始红外图像背景，得到大小为M×N的仿真高斯模型红外弱小目标图像背景，M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数，要求0≤M≤A，0≤N≤B，A表示原始红外图像背景序列中每一帧图像的行数，B表示原始红外图像背景序列中每一帧图像的列数。
本发明的实施例中，裁剪第i帧大小为480×625的原始红外图像背景，得到大小为256×256的仿真高斯模型红外弱小目标图像背景。
步骤3，对仿真高斯模型红外弱小目标图像背景边缘进行镜像扩展。
第1步，将镜像扩展图像矩阵初始化为(M+2t)×(N+2t)，得到扩展图像矩阵，其中，t表示仿真高斯模型红外弱小目标图像背景扩展的宽度,M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数，0<t<min(M/4,N/4)，min(·)表示最小值操作。
本发明的实施例中，将镜像扩展图像矩阵初始化为276×276，得到大小为276×276扩展图像矩阵。
第2步，将仿真高斯模型红外弱小目标图像背景赋值到扩展图像矩阵的第t+1行至t+M行，第t+1列至t+N列的范围内，将扩展图像矩阵第2t至t+1行数据分别赋值到扩展图像矩阵第1至t行，将扩展图像矩阵第M+1至t+M行数据分别赋值到扩展图像矩阵第2t+M至t+M+1行，将扩展图像矩阵第2t至t+1列数据分别赋值到扩展图像矩阵第1至t列，将扩展图像矩阵第N+1至t+N列数据分别赋值到扩展图像矩阵第2t+N至t+N+1列，得到扩展仿真红外弱小目标图像背景，其中，M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数,t表示仿真高斯模型红外弱小目标图像背景扩展的宽度，0<t<min(M/4,N/4),min(·)表示最小值操作。
本发明的实施例中，将仿真高斯模型红外弱小目标图像背景赋值到扩展图像矩阵的第11行至266行，第11列至266列的范围内，将扩展图像矩阵第20至11行数据分别赋值到扩展图像矩阵第1至10行，将扩展图像矩阵第257至266行数据分别赋值到扩展图像矩阵第276至267行，将扩展图像矩阵第20至11列数据分别赋值到扩展图像矩阵第1至10列，将扩展图像矩阵第257至266列数据分别赋值到扩展图像矩阵第276至267列，得到大小为276×276的扩展仿真高斯模型红外弱小目标图像背景。
步骤4，创建高斯模型红外弱小目标模型。
第1步，设置高斯模型红外弱小目标信噪比D，D在0＜D≤20范围内取整数值。
本发明的实施例中，设置高斯模型红外弱小目标信噪比为6。
第2步，按照下式，计算高斯模型红外弱小目标像素灰度峰值：
s＝D×σ+μ
其中，s表示高斯模型红外弱小目标像素灰度峰值，D表示所设定的高斯模型红外弱小目标信噪比，σ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的标准差，μ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值。
本发明的实施例中，以高斯模型红外弱小目标型心为中心的局部邻域大小为9×9，包括81个像素，σ表示以高斯模型红外弱小目标型心为中心的9×9范围内所有像素的标准差，μ表示以高斯模型红外弱小目标型心为中心的9×9范围内所有像素的均值。
第3步，将高斯模型红外弱小目标的大小设置为m×m像素，其中，m在0＜m≤10范围内取整数值。
本发明的实施例中，将高斯模型红外弱小目标的大小设置为3×3像素。
第4步，产生大小为m×m，均值为0，标准差为σ的二维高斯正态矩阵，m在0＜m≤10范围内取整数值，σ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的标准差。
第5步，对产生的二维高斯正态矩阵进行归一化操作。
第6步，计算高斯模型红外弱小目标像素灰度峰值s与以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值μ的差值。
第7步，按照下式，计算高斯模型红外弱小目标的灰度矩阵：
H1＝G×H+μ
其中，H1表示高斯模型红外弱小目标的灰度矩阵，G表示高斯模型红外弱小目标像素灰度峰值s与以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值μ的差值，H表示对产生的二维高斯正态矩阵进行归一化操作后的到的归一化矩阵，μ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值。
步骤5，设置高斯模型红外弱小目标航迹。
第1步，将高斯模型红外弱小目标运动速度设置为Δx像素/帧，其中，Δx在0<Δx<10范围内取值。
本发明的实施例中，高斯模型红外弱小目标图像序列中相邻两帧间高斯模型红外弱小目标横坐标的差值，将高斯模型红外弱小目标运动速度设置为1像素/帧。
第2步，将第i帧仿真高斯模型红外弱小目标图像背景左上角顶点的像素点作为原点，水平向右方向作为x轴，垂直向下方向作为y轴，建立第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系。
第3步，判断仿真高斯模型红外弱小目标图像背景帧数是否为1，如果是，执行步骤5中第4步；否则，执行步骤5中第5步。
第4步，将高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值设置为x1,0＜x1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，按照下式，建立第1帧仿真高斯模型红外弱小目标图像背景航迹的直线模型：
y1＝ax1+b
其中，y1表示高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜y1≤M，M表示仿真高斯模型红外弱小目标图像背景的行数，x1表示高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值,0＜x1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，a表示仿真高斯模型红外弱小目标图像背景航迹的直线模型的斜率，b表示仿真高斯模型红外弱小目标图像背景航迹的直线模型的截距，a和b的取值范围为：0＜ax1+b≤M，M表示仿真高斯模型红外弱小目标图像背景的行数。
本发明的实施例中，将高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值设置为30，仿真高斯模型红外弱小目标图像背景航迹的直线模型的斜率为1，仿真高斯模型红外弱小目标图像背景航迹的直线模型的截距为10，第1帧仿真高斯模型红外弱小目标图像背景航迹的直线模型为y1＝x1+10，高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的坐标为(30，40)，步骤5中第4步结束后执行步骤6。
第5步，按照下式，建立除第1帧以外的仿真高斯模型红外弱小目标图像背景航迹的直线模型：
其中，xi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，xi-1表示高斯模型红外弱小目标在第i-1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi-1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，Δx表示高斯模型红外弱小目标运动速度，Δx在0<Δx<10范围内取值，yi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜yi≤M，M表示仿真高斯模型红外弱小目标图像背景的行数，a表示高斯模型红外弱小目标航迹的直线模型的斜率，b表示高斯模型红外弱小目标航迹的直线模型的截距，a和b的取值范围为：0＜axi+b≤M。
本发明的实施例中,仿真高斯模型红外弱小目标图像背景航迹的直线模型的斜率为1，仿真高斯模型红外弱小目标图像背景航迹的直线模型的截距为10，除第1帧以外的仿真高斯模型红外弱小目标图像背景航迹的直线模型：
高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的坐标为(xi，yi)，如图3所示为本发明仿真高斯模型红外弱小目标的航迹示意图。
步骤6，合成仿真高斯模型红外弱小目标图像。
第1步，按照下式，设置仿真高斯模型红外弱小目标图像序列总帧数：
0＜L≤min((N-x1)/Δx,R)
其中，L表示仿真高斯模型红外弱小目标图像序列总帧数，min(·)表示最小值操作，N表示仿真高斯模型红外弱小目标图像背景的列数，x1表示高斯模型红外弱小目标在仿真高斯模型红外弱小目标图像序列第1帧中的横坐标值，Δx表示高斯模型红外弱小目标运动速度，Δx在0<Δx<10范围内取值，R表示原始红外图像背景序列总帧数。
本发明的实施例中，设置仿真高斯模型红外弱小目标图像序列总帧数L为226。
第2步，将步骤(4g)中高斯模型红外弱小目标的灰度矩阵赋值给m×m像素块内像素，m×m像素块是以(xi，yi)为高斯模型红外弱小目标型心的像素块，m在0＜m≤10范围内取整数值，得到仿真高斯模型红外弱小目标图像，xi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，yi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜yi＜M，M表示仿真高斯模型红外弱小目标图像背景的行数。
本发明的实施例中，将步骤4第7步中高斯模型红外弱小目标的灰度矩阵赋值给3×3像素块内像素，3×3像素块是以(xi，yi)为高斯模型红外弱小目标型心的像素块。第50帧仿真高斯模型红外弱小目标图像中高斯模型红外弱小目标型心坐标为(79，89)。
图4为本发明第50帧高斯模型红外弱小目标图像中以(79，89)为中心的9×9大小邻域示意图，以高斯模型红外弱小目标型心为中心的3×3大小范围内9个像素的灰度值服从高斯正态分布。从图4可以看出，高斯模型红外弱小目标为高斯模型。
图5为本发明第50帧仿真高斯模型红外弱小目标图像示意图，从图5中可以看出，本发明在图3的基础上仿真嵌入了高斯模型红外弱小目标生成仿真高斯模型红外弱小目标图像。
步骤7，创建高斯模型面阵相机抖动的红外弱小目标图像矩阵。
第1步，创建大小为M×N的高斯模型面阵相机抖动的红外弱小目标图像矩阵P，M表示仿真高斯模型红外弱小目标图像背景的行数,N表示仿真高斯模型红外弱小目标图像背景的列数。
本发明的实施例中，创建大小为256×256的红外面阵相机抖动的高斯模型红外弱小目标图像矩阵P。
第2步，将第i帧仿真高斯模型红外弱小目标图像行数j赋值为1，1≤j≤M，M表示仿真高斯模型红外弱小目标图像背景的行数。
步骤8，设置红外面阵相机抖动参数。
第1步，设置红外面阵相机抖动参数中的均值为μ，0≤μ≤2。
本发明的实施例中，设置红外面阵相机抖动参数中的均值μ为0。
第2步，设置红外面阵相机抖动参数中的标准差为σ，0.5≤3σ≤2。
本发明的实施例中，设置红外面阵相机抖动参数中的标准差σ为0.3。
步骤9，生成抖动偏移量。
生成服从均值为μ，标准差为σ的正态分布函数的第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi。
本发明的实施例中，生成服从均值为0，标准差为0.3的正态分布函数的第i帧仿真高斯模型红外弱小目标图像第j行的抖动偏移量hi。
步骤10，按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数：
Qj＝j+hi
其中，Qj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数，j表示第i帧仿真高斯模型红外弱小目标图像行数，hi表示第i帧仿真高斯模型红外弱小目标图像的抖动偏移量。
步骤11，计算抖动后成像信号。
第1步，判断第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi是否大于0，若是，执行步骤11第2步；否则，执行步骤11第3步。
第2步，按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号：
Pj＝Vk×(1-z)+Vk+1×z
其中，Pj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号，Vk表示第i帧仿真高斯模型红外弱小目标图像第k行成像信号，k表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的整数部分,z表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的小数部分，Vk+1表示第i帧仿真高斯模型红外弱小目标图像第k+1行成像信号。
本发明的实施例中，第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi大于0，如图6所示，表示向第i帧仿真高斯模型红外弱小目标图像的所有行都向第j行之后的行(即j+1，j+2，……，M)方向抖动。
第3步，按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号：
Pj＝Vk×(1-z)+Vk-1×z
其中，Pj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号，Vk表示第i帧仿真高斯模型红外弱小目标图像第k行成像信号，k表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的整数部分,z表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的小数部分，Vk-1表示第i帧仿真高斯模型红外弱小目标图像第k-1行成像信号。
本发明的实施例中，第i帧仿真高斯模型红外弱小目标图像第j行抖动偏移量hj大于0，如图7所示，表示向第i帧仿真高斯模型红外弱小目标图像的所有行都向第j行之前的行(即j-1，j-2，……，1)方向抖动。
步骤12，将第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号Pj赋值给高斯模型面阵相机抖动的红外弱小目标图像矩阵P第j行。
步骤13，对第i帧仿真高斯模型红外弱小目标图像行数j进行累加1操作。
步骤14，判断第i帧仿真高斯模型红外弱小目标图像行数j是否等于M+1，若是，执行步骤15；否则，执行步骤10；其中，M表示仿真高斯模型红外弱小目标图像背景的行数。
步骤15，存储高斯模型面阵相机抖动的红外弱小目标图像矩阵P。
本发明的实施例中，图8为本发明第50帧红外面阵相机抖动的高斯模型红外弱小目标图像中以高斯模型红外弱小目标型心为中心的9×9大小邻域示意图，图9为本发明第50帧红外面阵相机抖动的高斯模型红外弱小目标图像示意图，从图9中可以看出，本发明在图3的基础上仿真嵌入了抖动高斯模型红外弱小目标仿真生成红外面阵相机抖动的高斯模型红外弱小目标图像。
步骤16，对仿真高斯模型红外弱小目标图像背景帧数i进行累加1操作。
步骤17，判断累加1后仿真高斯模型红外弱小目标图像背景帧数i是否等于仿真高斯模型红外弱小目标图像序列总帧数L+1，如果是，执行步骤18；否则，执行步骤2。
步骤18，输出高斯模型面阵相机抖动的红外弱小目标图像序列。
本发明的实施例中，红外面阵相机抖动的高斯模型红外弱小目标图像序列总帧数为226，每帧仿真高斯模型红外弱小目标图像大小为256×256。
下面结合附图对本发明的效果做进一步的描述。
1.仿真条件：
本发明仿真实验的运行系统为Intel(R)Core(TM)i3-4130@3.20GHz，32位Windows操作系统，仿真软件采用MATLAB R2012a软件。
2、实验内容：
为验证高斯模型面阵相机抖动的红外弱小目标图像仿真方法的有效性，选取原始红外图像背景序列总帧数为226帧的原始红外图像背景，进行仿真实验。
如图3所示，原始红外图像背景大小为480×625像素，在原始红外图像背景的第150行和第150列向原始红外图像背景右下方截取256×256像素的仿真高斯模型红外弱小目标图像背景，高斯模型红外弱小目标大小设置为3×3像素，高斯模型红外弱小目标水平运动速度设置为1像素/帧，高斯模型红外弱小目标信噪比设置为6，高斯模型红外弱小目标运动水平起始点设置为30，高斯模型红外弱小目标的航迹为直线模型，红外面阵相机抖动参数中的均值μ设置为0，红外面阵相机抖动参数中的标准差σ设置为0.3，如图9所示为红外面阵相机抖动的高斯模型红外弱小目标图像。
比较图3和图9，可见本发明有效实现了高斯模型面阵相机抖动的红外弱小目标图像的生成仿真，为后续研究高斯模型面阵相机抖动的红外弱小目标图像的性能评估提供了大量可测试高斯模型面阵相机抖动的红外弱小目标图像。
综上所述，本发明提出的方法生成的高斯模型面阵相机抖动的红外弱小目标图像序列具有更接近于真实红外场景、高斯模型红外弱小目标与真实红外弱小目标吻合度高，高斯模型红外弱小目标参数和红外面阵相机抖动参数可控制等优点，因此具有广泛的工程应用价值。
Claims (4)
1.一种高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法，包括如下步骤：
(1)采集红外图像背景：
(1a)使用红外热像仪采集真实红外图像背景序列，得到原始红外图像背景序列；
(1b)将原始红外图像背景序列的帧数i赋值为1；
(2)仿真高斯模型红外弱小目标图像背景：
(2a)读入原始红外图像背景序列中第i帧原始红外图像背景，0＜i≤R,R表示原始红外图像背景序列总帧数；
(2b)设置第i帧原始红外图像背景裁剪的起始行和起始列；
(2c)裁剪第i帧原始红外图像背景，得到大小为M×N的仿真高斯模型红外弱小目标图像背景，M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数，要求0≤M≤A，0≤N≤B，A表示原始红外图像背景序列中每一帧图像的行数，B表示原始红外图像背景序列中每一帧图像的列数；
(3)对仿真高斯模型红外弱小目标图像背景边缘进行镜像扩展；
其特征在于，还包括以下具体步骤：
(4)创建高斯模型红外弱小目标模型：
(4a)设置高斯模型红外弱小目标信噪比D，D在0＜D≤20范围内取整数值；
(4b)按照下式，计算高斯模型红外弱小目标像素灰度峰值：
s＝D×σ+μ
其中，s表示高斯模型红外弱小目标像素灰度峰值，D表示所设定的高斯模型红外弱小目标信噪比，σ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的标准差，μ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值；
(4c)将高斯模型红外弱小目标的大小设置为m×m像素，其中，m在0＜m≤10范围内取整数值；
(4d)产生大小为m×m，均值为0，标准差为σ的二维高斯正态矩阵，m在0＜m≤10范围内取整数值，σ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的标准差；
(4e)对产生的二维高斯正态矩阵进行归一化操作；
(4f)计算高斯模型红外弱小目标像素灰度峰值s与以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值μ的差值；
(4g)按照下式，创建高斯模型红外弱小目标模型：
H1＝G×H+μ
其中，H1表示高斯模型红外弱小目标模型，G表示高斯模型红外弱小目标像素灰度峰值s与以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值μ的差值，H表示对产生的二维高斯正态矩阵进行归一化操作后的到的归一化矩阵，μ表示以高斯模型红外弱小目标型心为中心局部邻域内所有像素的均值；
(5)设置高斯模型红外弱小目标航迹：
(5a)将高斯模型红外弱小目标运动速度设置为Δx像素/帧，其中，Δx在0<Δx<10范围内取值；
(5b)将第i帧仿真高斯模型红外弱小目标图像背景左上角顶点的像素点作为原点，水平向右方向作为x轴，垂直向下方向作为y轴，建立第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系；
(5c)判断仿真高斯模型红外弱小目标图像背景帧数是否为1，如果是，执行步骤(5d)；否则，执行步骤(5e)；
(5d)将高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值设置为x1,0＜x1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，按照下式，建立第1帧仿真高斯模型红外弱小目标图像背景航迹的直线模型：
y1＝ax1+b
其中，y1表示高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜y1≤M，M表示仿真高斯模型红外弱小目标图像背景的行数，x1表示高斯模型红外弱小目标在第1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值,0＜x1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，a表示仿真高斯模型红外弱小目标图像背景航迹的直线模型的斜率，b表示仿真高斯模型红外弱小目标图像背景航迹的直线模型的截距，a和b的取值范围为：0＜ax1+b≤M，M表示仿真高斯模型红外弱小目标图像背景的行数；
(5e)按照下式，建立除第1帧以外的仿真高斯模型红外弱小目标图像背景航迹的直线模型：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>x</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>ax</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，xi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，xi-1表示高斯模型红外弱小目标在第i-1帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi-1≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，Δx表示高斯模型红外弱小目标运动速度，Δx在0<Δx<10范围内取值，yi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜yi≤M，M表示仿真高斯模型红外弱小目标图像背景的行数，a表示高斯模型红外弱小目标航迹的直线模型的斜率，b表示高斯模型红外弱小目标航迹的直线模型的截距，a和b的取值范围为：0＜axi+b≤M；
(6)合成仿真高斯模型红外弱小目标图像：
(6a)按照下式，设置仿真高斯模型红外弱小目标图像序列总帧数：
0＜L≤min((N-x1)/Δx,R)
其中，L表示仿真高斯模型红外弱小目标图像序列总帧数，min(·)表示最小值操作，N表示仿真高斯模型红外弱小目标图像背景的列数，x1表示高斯模型红外弱小目标在仿真高斯模型红外弱小目标图像序列第1帧中的横坐标值，Δx表示高斯模型红外弱小目标运动速度，Δx在0<Δx<10范围内取值，R表示原始红外图像背景序列总帧数；
(6b)将步骤(4g)中高斯模型红外弱小目标的灰度矩阵赋值给m×m像素块内像素，m×m像素块是以(xi，yi)为高斯模型红外弱小目标型心的像素块，m在0＜m≤10范围内取整数值，得到仿真高斯模型红外弱小目标图像，xi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的横坐标值，0＜xi≤N，N表示仿真高斯模型红外弱小目标图像背景的列数，yi表示高斯模型红外弱小目标在第i帧仿真高斯模型红外弱小目标图像背景航迹坐标系中的纵坐标值，0＜yi＜M，M表示仿真高斯模型红外弱小目标图像背景的行数；
(7)创建高斯模型面阵相机抖动的红外弱小目标图像矩阵：
(7a)创建大小为M×N的高斯模型面阵相机抖动的红外弱小目标图像矩阵P，M表示仿真高斯模型红外弱小目标图像背景的行数,N表示仿真高斯模型红外弱小目标图像背景的列数；
(7b)将第i帧仿真高斯模型红外弱小目标图像行数j赋值为1，1≤j≤M，M表示仿真高斯模型红外弱小目标图像背景的行数；
(8)设置红外面阵相机抖动参数：
(8a)设置红外面阵相机抖动参数中的均值为μ，0≤μ≤2；
(8b)设置红外面阵相机抖动参数中的标准差为σ，0.5≤3σ≤2；
(9)生成抖动偏移量：
生成服从均值为μ，标准差为σ的正态分布函数的第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi；
(10)按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数：
Qj＝j+hi
其中，Qj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数，j表示第i帧仿真高斯模型红外弱小目标图像行数，hi表示第i帧仿真高斯模型红外弱小目标图像的抖动偏移量；
(11)计算抖动后成像信号：
(11a)判断第i帧仿真高斯模型红外弱小目标图像的抖动偏移量hi是否大于0，若是，执行步骤(11b)；否则，执行步骤(11c)；
(11b)按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号：
Pj＝Vk×(1-z)+Vk+1×z
其中，Pj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号，Vk表示第i帧仿真高斯模型红外弱小目标图像第k行成像信号，k表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的整数部分,z表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的小数部分，Vk+1表示第i帧仿真高斯模型红外弱小目标图像第k+1行成像信号；
(11c)按照下式，计算第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号：
Pj＝Vk×(1-z)+Vk-1×z
其中，Pj表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号，Vk表示第i帧仿真高斯模型红外弱小目标图像第k行成像信号，k表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的整数部分,z表示第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像行数Qj的小数部分，Vk-1表示第i帧仿真高斯模型红外弱小目标图像第k-1行成像信号；
(12)将第i帧仿真高斯模型红外弱小目标图像第j行抖动后成像信号Pj赋值给高斯模型面阵相机抖动的红外弱小目标图像矩阵P第j行；
(13)对第i帧仿真高斯模型红外弱小目标图像行数j进行累加1操作；
(14)判断第i帧仿真高斯模型红外弱小目标图像行数j是否等于M+1，若是，执行步骤(15)；否则，执行步骤(10)；其中，M表示仿真高斯模型红外弱小目标图像背景的行数；
(15)存储高斯模型面阵相机抖动的红外弱小目标图像矩阵P；
(16)对仿真高斯模型红外弱小目标图像背景帧数i进行累加1操作；
(17)判断累加1后仿真高斯模型红外弱小目标图像背景帧数i是否等于仿真高斯模型红外弱小目标图像序列总帧数L+1，如果是，执行步骤(18)；否则，执行步骤(2)；
(18)输出高斯模型面阵相机抖动的红外弱小目标图像序列。
2.根据权利要求1所述的高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法，其特征在于，步骤(2b)中所述的第i帧原始红外图像背景裁剪的起始行和起始列的取值范围是，第i帧原始红外图像背景裁剪的起始行大于0小于原始红外图像背景的行数，第i帧原始红外图像背景裁剪的起始列大于0小于原始红外图像背景的列数。
3.根据权利要求1所述的高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法，其特征在于，步骤(3)中所述的仿真高斯模型红外弱小目标图像背景边缘镜像扩展的具体步骤如下：
第1步，将镜像扩展图像矩阵初始化为(M+2t)×(N+2t)，得到扩展图像矩阵，其中，t表示仿真高斯模型红外弱小目标图像背景扩展的宽度,M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数，0<t<min(M/4,N/4)，min(·)表示最小值操作；
第2步，将仿真高斯模型红外弱小目标图像背景赋值到扩展图像矩阵的第t+1行至t+M行，第t+1列至t+N列的范围内，将扩展图像矩阵第2t至t+1行数据分别赋值到扩展图像矩阵第1至t行，将扩展图像矩阵第M+1至t+M行数据分别赋值到扩展图像矩阵第2t+M至t+M+1行，将扩展图像矩阵第2t至t+1列数据分别赋值到扩展图像矩阵第1至t列，将扩展图像矩阵第N+1至t+N列数据分别赋值到扩展图像矩阵第2t+N至t+N+1列，得到扩展仿真高斯模型红外弱小目标图像背景，其中，M表示仿真高斯模型红外弱小目标图像背景的行数，N表示仿真高斯模型红外弱小目标图像背景的列数,t表示仿真高斯模型红外弱小目标图像背景扩展的宽度，0<t<min(M/4,N/4),min(·)表示最小值操作。
4.根据权利要求1所述的高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法，其特征在于，步骤(5a)中所述的高斯模型红外弱小目标运动速度是指，仿真高斯模型红外弱小目标图像相邻两帧间高斯模型红外弱小目标横坐标的差值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510476748.3A CN105023255B (zh) | 2015-08-05 | 2015-08-05 | 高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510476748.3A CN105023255B (zh) | 2015-08-05 | 2015-08-05 | 高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105023255A CN105023255A (zh) | 2015-11-04 |
| CN105023255B true CN105023255B (zh) | 2018-01-30 |
Family
ID=54413199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510476748.3A Active CN105023255B (zh) | 2015-08-05 | 2015-08-05 | 高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105023255B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678707B (zh) * | 2015-12-31 | 2018-07-20 | 西安诺瓦电子科技有限公司 | 一种基于旋转抖动矩阵处理的图像处理方法 |
| CN106441240B (zh) * | 2016-10-13 | 2019-01-01 | 中国科学院上海技术物理研究所 | 一种基于凸轮机构的面阵成像仪高频像移补偿装置 |
| CN106846257A (zh) * | 2016-11-14 | 2017-06-13 | 山东理工大学 | 一种基于模糊技术的红外弱小目标图像边缘增强算法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001133825A (ja) * | 1999-11-10 | 2001-05-18 | Canon Inc | 手振れ検出機能付きカメラ |
| CN101295401A (zh) * | 2008-06-05 | 2008-10-29 | 上海交通大学 | 基于线性pca的红外点目标检测方法 |
| JP2009171362A (ja) * | 2008-01-17 | 2009-07-30 | Toshiba Corp | 撮影装置、撮影方法 |
| CN101882314A (zh) * | 2010-07-20 | 2010-11-10 | 上海交通大学 | 基于超完备稀疏表示的红外小目标检测方法 |
| CN103186906A (zh) * | 2011-12-28 | 2013-07-03 | 中国科学院沈阳自动化研究所 | 一种海天背景下多类目标的红外动态场景实时仿真方法 |
| CN104303226A (zh) * | 2013-02-20 | 2015-01-21 | 展讯通信（上海）有限公司 | 图像抖动方法和系统 |
-
2015
- 2015-08-05 CN CN201510476748.3A patent/CN105023255B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001133825A (ja) * | 1999-11-10 | 2001-05-18 | Canon Inc | 手振れ検出機能付きカメラ |
| JP2009171362A (ja) * | 2008-01-17 | 2009-07-30 | Toshiba Corp | 撮影装置、撮影方法 |
| CN101295401A (zh) * | 2008-06-05 | 2008-10-29 | 上海交通大学 | 基于线性pca的红外点目标检测方法 |
| CN101882314A (zh) * | 2010-07-20 | 2010-11-10 | 上海交通大学 | 基于超完备稀疏表示的红外小目标检测方法 |
| CN103186906A (zh) * | 2011-12-28 | 2013-07-03 | 中国科学院沈阳自动化研究所 | 一种海天背景下多类目标的红外动态场景实时仿真方法 |
| CN104303226A (zh) * | 2013-02-20 | 2015-01-21 | 展讯通信（上海）有限公司 | 图像抖动方法和系统 |
Non-Patent Citations (5)
| Title |
|---|
| Tongsheng Shen 等.IR image generation of space target based on openGL.《Automatic Target Recognition and Image Analysis;and Multispectral Image Acquisition》.2007, * |
| 基于多尺度各向异性扩散方程的红外弱小目标检测算法;周慧鑫 等;《光子学报》;20150706;第1-5页 * |
| 基于奇异值分解的红外弱小目标背景抑制;秦翰林 等;《半导体光电》;20090630;第30卷(第3期);第473-476页 * |
| 帧转移型面阵CCD成像模型与仿真;丁国歌 等;《大气与环境光学学报》;20130531;第8卷(第3期);第195-202页 * |
| 深空背景点目标红外序列图像生成;李克新 等;《光学精密工程》;20091231;第17卷(第12期);第3062-2068页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105023255A (zh) | 2015-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106204660B (zh) | 一种基于特征匹配的地面目标跟踪装置 | |
| CN105981075B (zh) | 利用在线形状回归方法的高效面部界标跟踪 | |
| US8269722B2 (en) | Gesture recognition system and method thereof | |
| CN102494675B (zh) | 一种运动目标特征高速视觉捕捉方法 | |
| CN104504744B (zh) | 一种合成车牌图像的拟真方法及装置 | |
| US20170263052A1 (en) | Method for generating an ordered point cloud using mobile scanning data | |
| CN109410316A (zh) | 物体的三维重建的方法、跟踪方法、相关装置及存储介质 | |
| CN111553247B (zh) | 一种基于改进骨干网络的视频结构化系统、方法及介质 | |
| CN105023255B (zh) | 高斯模型面阵相机抖动的红外弱小目标图像序列仿真方法 | |
| CN111260687B (zh) | 一种基于语义感知网络和相关滤波的航拍视频目标跟踪方法 | |
| CN105139433B (zh) | 基于均值模型的红外弱小目标图像序列仿真方法 | |
| CN113610141B (zh) | 自动驾驶多传感器融合感知模型的鲁棒性测试方法及系统 | |
| CN104794737A (zh) | 一种深度信息辅助粒子滤波跟踪方法 | |
| CN111027505A (zh) | 一种基于显著性检测的分层多目标跟踪方法 | |
| CN103942786B (zh) | 无人机可见光和红外图像的自适应团块目标检测方法 | |
| CN110827262A (zh) | 一种基于连续有限帧红外图像的弱小目标检测方法 | |
| CN105139432B (zh) | 基于高斯模型的红外弱小目标图像仿真方法 | |
| CN105072311B (zh) | 红外扫描相机抖动的红外弱小目标图像序列仿真方法 | |
| CN115965658A (zh) | 球类运动轨迹预测方法、系统、电子设备及存储介质 | |
| CN109034070B (zh) | 一种置换混叠图像盲分离方法及装置 | |
| CN116091871B (zh) | 一种针对目标检测模型的物理对抗样本生成方法及装置 | |
| CN110490165B (zh) | 一种基于卷积神经网络的动态手势跟踪方法 | |
| CN110340901B (zh) | 一种控制方法、控制装置及终端设备 | |
| CN105120129B (zh) | 红外面阵相机抖动的红外弱小目标图像序列仿真方法 | |
| CN115131407B (zh) | 面向数字仿真环境的机器人目标跟踪方法、装置和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhou Huixin Inventor after: Qian Kun Inventor after: Jin Haowen Inventor after: Wang Bingjian Inventor after: Rong Shenghui Inventor after: Zhao Dong Inventor after: Yu Yue Inventor after: Yao Bo Inventor after: Qin Hanlin Inventor after: Lai Rui Inventor after: Cheng Kuanhong Inventor after: Du Juan Inventor before: Zhou Huixin Inventor before: Qian Kun Inventor before: Wang Bingjian Inventor before: Cao Hongyuan Inventor before: Rong Shenghui Inventor before: Zhao Dong Inventor before: Lai Rui Inventor before: Qin Hanlin Inventor before: Yin Kuan Inventor before: Cheng Kuanhong Inventor before: Du Juan Inventor before: Jin Haowen |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |