CN105513034A - 一种弱小目标检测预处理方法和装置 - Google Patents
一种弱小目标检测预处理方法和装置 Download PDFInfo
- Publication number
- CN105513034A CN105513034A CN201510940211.8A CN201510940211A CN105513034A CN 105513034 A CN105513034 A CN 105513034A CN 201510940211 A CN201510940211 A CN 201510940211A CN 105513034 A CN105513034 A CN 105513034A
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- morphologic
- obtains
- matched
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000007781 pre-processing Methods 0.000 title abstract 3
- 238000001914 filtration Methods 0.000 claims abstract description 206
- 230000000877 morphologic effect Effects 0.000 claims abstract description 137
- 230000004927 fusion Effects 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 8
- 230000010339 dilation Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种弱小目标检测预处理方法和装置。该方法包括:接收机载平台输入的待处理图像;对所述待处理图像进行形态学滤波,得到形态学滤波图像;对所述待处理图像进行匹配滤波,得到匹配滤波图像;将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像。经过本发明的弱小目标检测预处理使得待处理图像中的图像信息简化为候选弱小目标的信息,使得数据量大大缩减,提高了图像信噪比,红外背景噪声被滤除或抑制,为后续红外弱小目标的检测的提供了可靠的保障。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种弱小目标检测预处理方法和装置。
背景技术
在进行机载红外远距离探测时,目标多表现为像素数少(小)、信噪比低(弱)、无形状轮廓等特性,属于弱小目标的范畴。一般认为像素数小于3×3,信噪比小于3的目标为弱小目标。由于弱小目标本身的特性,再加上云层和光照的干扰,使得很难把弱小目标从背景中分离出来。高性能的目标检测技术能够对尽早发现可疑目标、确定目标方位、掌握目标动态提供帮助,但是,由于弱小目标的特性,现有的目标检测技术在检测红外弱小目标上性能不佳。
因此,亟待本领域技术人员解决的问题是提供一种能够提高图像信噪比、增强图像中的目标信号、抑制不关注的背景信号的目标检测预处理方式,以便在后续的红外弱小目标检测中,提高红外弱小目标检测处理性能。
发明内容
本发明提供了一种弱小目标检测预处理方法和装置,用以提高图像信噪比、增强图像中的目标信号、抑制不关注的背景信号。
针对上述技术问题,本发明是通过以下技术方案来解决的。
本发明提供了一种弱小目标检测预处理方法,包括:接收机载平台输入的待处理图像;对所述待处理图像进行形态学滤波,得到形态学滤波图像;对所述待处理图像进行匹配滤波,得到匹配滤波图像;将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像。
其中,对所述待处理图像进行形态学滤波,得到形态学滤波图像,包括:分别在多个方向上,对所述待处理图像进行形态学滤波,获得每个方向对应的差值图像;按照像素点的位置,将多个所述差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
其中,所述分别在多个方向上,对所述待处理图像进行形态学滤波,获得每个方向对应的差值图像,包括:在0°方向上对所述待处理图像进行形态学滤波,得到0°方向差值图像;在45°方向上对所述待处理图像进行形态学滤波,得到45°方向差值图像;在90°方向上对所述待处理图像进行形态学滤波,得到90°方向差值图像;在135°方向上对所述待处理图像进行形态学滤波,得到135°方向差值图像;所述按照像素点的位置,将多个所述差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像,包括:按照像素点的位置,将所述0°方向差值图像、所述45°方向差值图像、所述90°方向差值图像和所述135°方向差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
其中,对所述待处理图像进行匹配滤波,得到匹配滤波图像,包括:利用预设的匹配滤波算子,对所述待处理图像进行匹配滤波,得到匹配滤波图像;其中,所述匹配滤波算子中的所有元素的和为零。
其中,将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像,包括:设置形态学滤波阈值和匹配滤波阈值;保留所述形态学滤波图像中灰度值大于所述形态学滤波阈值的像素点;保留所述匹配滤波图像中灰度值大于所述匹配滤波阈值的像素点;对所述形态学滤波图像和所述匹配滤波图像进行逻辑与运算,得到候选弱小目标图像。
本发明还提供了一种目标检测预处理装置,包括:形态学滤波器、匹配滤波器和处理器;所述形态学滤波器分别连接机载平台和所述处理器,所述匹配滤波器分别连接所述机载平台和所述处理器;所述形态学滤波器和所述匹配滤波器分别接收所述机载平台输入的同一待处理图像;所述形态学滤波器对所述待处理图像进行形态学滤波,得到形态学滤波图像;所述匹配滤波器对所述待处理图像进行匹配滤波,得到匹配滤波图像;所述处理器将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像。
其中,所述形态学滤波器具体用于:分别在多个方向上,对所述待处理图像进行形态学滤波,获得每个方向对应的差值图像;按照像素点的位置,将多个所述差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
其中,所述形态学滤波器包括:0°方向形态学滤波器、45°方向形态学滤波器、90°方向形态学滤波器、135°方向形态学滤波器和相乘器;所述0°方向形态学滤波器,用于在0°方向上对所述待处理图像进行形态学滤波,得到0°方向差值图像;所述45°方向形态学滤波器,用于在45°方向上对所述待处理图像进行形态学滤波,得到45°方向差值图像;所述90°方向形态学滤波器,用于在90°方向上对所述待处理图像进行形态学滤波,得到90°方向差值图像;所述135°方向形态学滤波器,用于在135°方向上对所述待处理图像进行形态学滤波,得到135°方向差值图像;所述相乘器,用于按照像素点的位置,将所述0°方向差值图像、所述45°方向差值图像、所述90°方向差值图像和所述135°方向差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
其中,所述匹配滤波器具体用于:利用预设的匹配滤波算子,对所述待处理图像进行匹配滤波,得到匹配滤波图像;其中,所述匹配滤波算子中的所有元素的和为零。
其中,所述处理器具体用于:设置形态学滤波阈值和匹配滤波阈值;保留所述形态学滤波图像中灰度值大于所述形态学滤波阈值的像素点;保留所述匹配滤波图像中灰度值大于所述匹配滤波阈值的像素点;对所述形态学滤波图像和所述匹配滤波图像进行逻辑与运算,得到候选弱小目标图像。
本发明有益效果如下:
本发明对待处理图像分别进行形态学滤波和匹配滤波,并对两个滤波结果进行融合,使得待处理图像中的图像信息简化为候选弱小目标的信息,使得数据量大大缩减,提高了图像信噪比,红外背景噪声被滤除或抑制,为后续红外弱小目标的检测的提供了可靠的保障。
附图说明
图1是根据本发明一实施例的弱小目标检测预处理方法的流程图;
图2是根据本发明一实施例的弱小目标检测预处理装置的结构图;
图3是根据本发明一实施例的形态学滤波器的结构示意图。
具体实施方式
本发明的目标检测预处理方法作为红外弱小目标检测的前期处理环节,对红外图像进行预处理,提高图像信噪比,增强图像中的目标信号,抑制不关注的背景信号。本发明采用匹配滤波和形态滤波融合决策的方法改善了弱小目标像素数少信噪比低的特性,配合后续红外弱小目检测算法有效解决了红外远程探测下对弱小目标的检测问题。
本发明可以应用于机载平台。该机载平台可以实现水平和俯仰两个方向的红外扫描成像,能够实时地对出现在视场中的可疑红外弱小目标进行检测告警。
以下结合附图以及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不限定本发明。
本发明提供了一种弱小目标检测预处理方法。图1是根据本发明一实施例的弱小目标检测预处理方法的流程图。
步骤S110,接收机载平台输入的待处理图像。
机载平台采集红外视频序列。对于红外视频序列中能够引起机载平台告警的图像作为待处理图像。
步骤S120,对待处理图像进行形态学滤波,得到形态学滤波图像。
本实施例的形态学滤波用于通过腐蚀和膨胀等操作实现对待处理图像的开运算。对待处理图像进行形态学滤波,保留待处理图像中的疑似弱小目标,消除待处理图像中小于结构元素的噪声。
具体的,对待处理图像进行多个方向的形态学滤波,获得每个方向对应的差值图像;将多个差值图像相乘,也即是按照像素点的位置,将多个差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。其中,多个方向的形态学滤波包括:0°方向的形态学滤波、45°方向的形态学滤波、90°方向的形态学滤波以及135°方向的形态学滤波。
进一步地,在0°方向上对所述待处理图像进行形态学滤波,得到0°方向差值图像;在45°方向上对所述待处理图像进行形态学滤波,得到45°方向差值图像;在90°方向上对所述待处理图像进行形态学滤波,得到90°方向差值图像;在135°方向上对所述待处理图像进行形态学滤波,得到135°方向差值图像;按照像素点的位置,将所述0°方向差值图像、所述45°方向差值图像、所述90°方向差值图像和所述135°方向差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
本实施例优选的形态学滤波的算法为Top-hat运算,Top-hat运算是在原始图像中减去做完开运算的图像,这样与结构元素相当的目标就会保留下来,而小于结构元素的噪声被消除,背景也会受到抑制。结构元素为形态学滤波算子。该形态学滤波算子为矩阵。
对待处理图像进行形态学滤波,可以将疑似的红外弱小目标与片状干扰区域分离开,消除灰度值较高的噪声、提高图像信噪比、抑制背景噪声。
步骤S130,对待处理图像进行匹配滤波,得到匹配滤波图像。
匹配滤波用于在待处理图像中匹配疑似的红外弱小目标。
具体的,可以利用预设的匹配滤波算子,对待处理图像进行匹配滤波,得到匹配滤波图像。匹配滤波算子与红外弱小目标相关,用于匹配出待处理图像中的疑似的红外弱小目标。
匹配滤波算子中的所有元素的和为零。匹配滤波算子为矩阵,矩阵中包括正值和负值,所有的正值和负值相加,得到的和为零,这样可以保证待处理图像中的背景区域灰度不变。
对待处理图像进行匹配滤波可以提高红外弱小目标的信噪比,改善红外弱小目标检测的性能。
步骤S140,将形态学滤波图像和匹配滤波图像进行融合处理,得到候选弱小目标图像。
设置形态学滤波阈值和匹配滤波阈值;保留形态学滤波图像中灰度值大于形态学滤波阈值的像素点;保留匹配滤波图像中灰度值大于匹配滤波阈值的像素点;之后,对形态学滤波图像和匹配滤波图像进行逻辑与运算,得到候选弱小目标图像。候选弱小目标图像即是疑似的红外弱小目标。
经过整个预处理操作之后,待处理图像中的图像信息已经被简化为候选弱小目标的信息,使得数据量大大缩减,红外背景受到很大程度上的滤除和抑制,为后续红外弱小目标的检测的提供了可靠的保障。
相对于上述的目标检测预处理方法,本发明还提供了一种弱小目标检测预处理装置。图2是根据本发明一实施例的弱小目标检测预处理装置的结构图。
该目标检测预处理装置200包括:形态学滤波器210、匹配滤波器220和处理器230。形态学滤波器210分别连接机载平台300和处理器230,匹配滤波器220分别连接机载平台300和处理器230。
形态学滤波器210和匹配滤波器220分别接收机载平台输入的同一待处理图像。
形态学滤波器210对待处理图像进行形态学滤波,得到形态学滤波图像。
匹配滤波器220对待处理图像进行匹配滤波,得到匹配滤波图像。
处理器230将形态学滤波图像和匹配滤波图像进行融合处理,得到候选弱小目标图像。处理器230可以包括一个或多个处理芯片。
针对形态学滤波器210具体而言:
本实施例的形态学滤波器210是将集合论的方法应用于图像分析,通过腐蚀和膨胀等基本操作实现对图像的开运算。开运算能消除图像中小于结构元素的突起,保持大面积缓慢变化的区域不变,而把灰度值较高的噪声和消除突起。
在一个实施例中,形态学滤波器210分别在多个方向上,对待处理图像进行形态学滤波,获得每个方向对应的差值图像;按照像素点的位置,将多个差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
如图3所示,为根据本发明一实施例的形态学滤波器的结构示意图。
形态学滤波器210包括:0°方向形态学滤波器211、45°方向形态学滤波器212、90°方向形态学滤波器213、135°方向形态学滤波器214和相乘器215。
0°方向形态学滤波器211、45°方向形态学滤波器212、90°方向形态学滤波器213和135°方向形态学滤波器214的输入端与机载平台300连接;0°方向形态学滤波器211、45°方向形态学滤波器212、90°方向形态学滤波器213、135°方向形态学滤波器214的输出端都和相乘器215的输入端连接;相乘器215的输出端和处理器230的输入端连接。
0°方向形态学滤波器211,用于在0°方向上对待处理图像进行形态学滤波,得到0°方向差值图像。
45°方向形态学滤波器212,用于在45°方向上对待处理图像进行形态学滤波,得到45°方向差值图像。
90°方向形态学滤波器213,用于在90°方向上对所述待处理图像进行形态学滤波,得到90°方向差值图像。
135°方向形态学滤波器214,用于在135°方向上对所述待处理图像进行形态学滤波,得到135°方向差值图像。
相乘器215,用于按照像素点的位置,将0°方向差值图像、45°方向差值图像、90°方向差值图像和135°方向差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。也即是将四个差值图像中相同位置上的像素点的灰度值相乘。
进一步地,0°方向形态学滤波器211、45°方向形态学滤波器212、90°方向形态学滤波器213、135°方向形态学滤波器214都包括形态学滤波算子。
例如:形态学滤波算子是3×3矩阵:
利用四个形态学滤波算子分别对待处理图像进行Top-hat形态学运算,即分别利用形态学滤波算子,先对待处理图像执行腐蚀运算,再进行膨胀运算,获得的结果与该待处理图像做差,分别得到四个处理后的差值图像,然后把四幅差值图像对应像素位置的灰度值相乘,就得到了一幅形态学滤波图像。其中:
膨胀运算:
腐蚀运算:XΘB={p∈ε2:p+b∈X,对于每一个b∈B};
开运算:
其中,X表示原始图像(待处理图像),B表示形态学滤波算子,x表示原始图像的像素,b表示形态学滤波算子元素,p表示结果图像的像素,ε表示结果区域,表示膨胀运算,Θ表示腐蚀运算,ο表示开运算。
因为红外弱小目标反应在待处理图像的局部特性上为一个三维的凸起,灰度略高于背景,且成点状分布,在各个方向上具有一致性。而云层等多为面积较大的片状干扰,只能在某个方向上存在灰度高于背景,属于“边缘特性”,具有特性的方向性。因此,用多方向的形态学滤波能够有效的将红外弱小目标与云层等干扰物区分开来。
针对匹配滤波器220具体而言:
匹配滤波器220是目标对象相关的滤波器。本实施例的匹配滤波器220是预先设计的与红外弱小目标相关的滤波器,通过匹配滤波来达到提高红外弱小目标的信噪比,改善红外弱小目标检测的性能。
匹配滤波器220具体用于利用预设的匹配滤波算子,对待处理图像进行匹配滤波,得到匹配滤波图像。匹配滤波算子用于匹配待处理图像中的疑似弱小目标。匹配滤波器220的滤波效果体现在匹配滤波算子和红外弱小目标的匹配程度。匹配程度越高,匹配滤波器220的效果越好。进一步地,将匹配滤波算子和待处理图像卷积,得到匹配滤波图像。
针对匹配滤波算子而言,匹配滤波算子中的所有元素的和为零。匹配滤波算子为矩阵,矩阵中包括正值和负值,且矩阵中所有的正值和负值相加,得到的和为零,这样可以保证待处理图像中的背景区域灰度不变。
例如:匹配滤波算子为:
匹配滤波算子为5×5的矩阵,矩阵中心分布“十”字形正值参数,正值参数周围为负值参数,且正值、负值的和为零。匹配滤波器220的大小满足红外弱小目标小于3×3的尺寸特性,矩阵中心的正值区域使得红外弱小目标的灰度得到有效的提升;正值、负值的和为零确保了相对均匀的背景区域,其灰度基本保持基本不变。本实施例的匹配滤波器220能够有效提高红外弱小目标的信噪比,从而使得后续对弱小目标更容易实现检测。
针对处理器230具体而言:
处理器230具体用于:设置形态学滤波阈值和匹配滤波阈值;保留所述形态学滤波图像中灰度值大于所述形态学滤波阈值的像素点;保留所述匹配滤波图像中灰度值大于所述匹配滤波阈值像素点;对所述形态学滤波图像和所述匹配滤波图像进行逻辑与运算,得到候选弱小目标图像。候选弱小目标图像即是疑似的红外弱小目标。
处理器230在得到形态学滤波器210和匹配滤波器220的滤波结果图像之后,就把两者进行融合决策。由于形态学滤波器210和匹配滤波器220是从红外弱小目标的不同方面来增强目标、削弱背景,因此,处理器230设置形态学滤波阈值和匹配滤波阈值,在形态学滤波器210的滤波结果中,保留大于形态学滤波阈值的像素点,在匹配滤波器220的滤波结果中,保留大于匹配滤波阈值的像素点;对两个滤波结果中的保留部分进行融合,融合策略选择逻辑与运算,即处理器230把既满足形态学要求、又满足匹配过滤器要求的疑似的红外弱小目标保留下来作为候选弱小目标,以便后续对候选弱小目标中检测红外弱小目标。
本发明利用自适应的匹配滤波器和形态学滤波器的融合决策,实现对弱小目标检测的预处理,有效地提高了目标的信噪比,并以此获得候选点信息,大大减少了后续红外弱小目标检测处理的数据量,有效地保证了红外弱小目标检测处理的实时性。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。
Claims (10)
1.一种弱小目标检测预处理方法,其特征在于,包括:
接收机载平台输入的待处理图像;
对所述待处理图像进行形态学滤波,得到形态学滤波图像;
对所述待处理图像进行匹配滤波,得到匹配滤波图像;
将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像。
2.如权利要求1所述的方法,其特征在于,对所述待处理图像进行形态学滤波,得到形态学滤波图像,包括:
分别在多个方向上,对所述待处理图像进行形态学滤波,获得每个方向对应的差值图像;
按照像素点的位置,将多个所述差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
3.如权利要求2所述的方法,其特征在于,所述分别在多个方向上,对所述待处理图像进行形态学滤波,获得每个方向对应的差值图像,包括:
在0°方向上对所述待处理图像进行形态学滤波,得到0°方向差值图像;
在45°方向上对所述待处理图像进行形态学滤波,得到45°方向差值图像;
在90°方向上对所述待处理图像进行形态学滤波,得到90°方向差值图像;
在135°方向上对所述待处理图像进行形态学滤波,得到135°方向差值图像;
所述按照像素点的位置,将多个所述差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像,包括:
按照像素点的位置,将所述0°方向差值图像、所述45°方向差值图像、所述90°方向差值图像和所述135°方向差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
4.如权利要求1所述的方法,其特征在于,对所述待处理图像进行匹配滤波,得到匹配滤波图像,包括:
利用预设的匹配滤波算子,对所述待处理图像进行匹配滤波,得到匹配滤波图像;其中,所述匹配滤波算子中的所有元素的和为零。
5.如权利要求1所述的方法,其特征在于,将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像,包括:
设置形态学滤波阈值和匹配滤波阈值;
保留所述形态学滤波图像中灰度值大于所述形态学滤波阈值的像素点;
保留所述匹配滤波图像中灰度值大于所述匹配滤波阈值的像素点;
对所述形态学滤波图像和所述匹配滤波图像进行逻辑与运算,得到候选弱小目标图像。
6.一种目标检测预处理装置,其特征在于,包括:形态学滤波器、匹配滤波器和处理器;所述形态学滤波器分别连接机载平台和所述处理器,所述匹配滤波器分别连接所述机载平台和所述处理器;
所述形态学滤波器和所述匹配滤波器分别接收所述机载平台输入的同一待处理图像;
所述形态学滤波器对所述待处理图像进行形态学滤波,得到形态学滤波图像;
所述匹配滤波器对所述待处理图像进行匹配滤波,得到匹配滤波图像;
所述处理器将所述形态学滤波图像和所述匹配滤波图像进行融合处理,得到候选弱小目标图像。
7.如权利要求6所述的装置,其特征在于,所述形态学滤波器具体用于:
分别在多个方向上,对所述待处理图像进行形态学滤波,获得每个方向对应的差值图像;
按照像素点的位置,将多个所述差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
8.如权利要求7所述的装置,其特征在于,所述形态学滤波器包括:0°方向形态学滤波器、45°方向形态学滤波器、90°方向形态学滤波器、135°方向形态学滤波器和相乘器;
所述0°方向形态学滤波器,用于在0°方向上对所述待处理图像进行形态学滤波,得到0°方向差值图像;
所述45°方向形态学滤波器,用于在45°方向上对所述待处理图像进行形态学滤波,得到45°方向差值图像;
所述90°方向形态学滤波器,用于在90°方向上对所述待处理图像进行形态学滤波,得到90°方向差值图像;
所述135°方向形态学滤波器,用于在135°方向上对所述待处理图像进行形态学滤波,得到135°方向差值图像;
所述相乘器,用于按照像素点的位置,将所述0°方向差值图像、所述45°方向差值图像、所述90°方向差值图像和所述135°方向差值图像中相应位置的像素点的灰度值相乘,得到形态学滤波图像。
9.如权利要求6所述的装置,其特征在于,所述匹配滤波器具体用于:
利用预设的匹配滤波算子,对所述待处理图像进行匹配滤波,得到匹配滤波图像;其中,所述匹配滤波算子中的所有元素的和为零。
10.如权利要求6所述的装置,其特征在于,所述处理器具体用于:
设置形态学滤波阈值和匹配滤波阈值;
保留所述形态学滤波图像中灰度值大于所述形态学滤波阈值的像素点;
保留所述匹配滤波图像中灰度值大于所述匹配滤波阈值的像素点;
对所述形态学滤波图像和所述匹配滤波图像进行逻辑与运算,得到候选弱小目标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510940211.8A CN105513034A (zh) | 2015-12-16 | 2015-12-16 | 一种弱小目标检测预处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510940211.8A CN105513034A (zh) | 2015-12-16 | 2015-12-16 | 一种弱小目标检测预处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105513034A true CN105513034A (zh) | 2016-04-20 |
Family
ID=55720992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510940211.8A Pending CN105513034A (zh) | 2015-12-16 | 2015-12-16 | 一种弱小目标检测预处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105513034A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229459A (zh) * | 2018-01-04 | 2018-06-29 | 北京环境特性研究所 | 一种目标跟踪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482970A (zh) * | 2009-01-08 | 2009-07-15 | 上海交通大学 | 图像处理中的改进形态学滤波方法 |
CN104657945A (zh) * | 2015-01-29 | 2015-05-27 | 南昌航空大学 | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 |
-
2015
- 2015-12-16 CN CN201510940211.8A patent/CN105513034A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482970A (zh) * | 2009-01-08 | 2009-07-15 | 上海交通大学 | 图像处理中的改进形态学滤波方法 |
CN104657945A (zh) * | 2015-01-29 | 2015-05-27 | 南昌航空大学 | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 |
Non-Patent Citations (2)
Title |
---|
卓志敏: "红外成像目标检测与跟踪技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
管志强: "红外搜索系统中目标探测与识别技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229459A (zh) * | 2018-01-04 | 2018-06-29 | 北京环境特性研究所 | 一种目标跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272489B (zh) | 基于背景抑制与多尺度局部熵的红外弱小目标检测方法 | |
CN113567984A (zh) | 一种sar图像中人造小目标的检测方法及系统 | |
Nasiri et al. | Infrared small target enhancement based on variance difference | |
CN109740445B (zh) | 一种变尺寸的红外弱小目标检测方法 | |
CN104796582B (zh) | 基于随机喷射retinex的视频图像去噪与增强方法及装置 | |
CN110569782A (zh) | 一种基于深度学习目标检测方法 | |
CN104103080A (zh) | 一种复杂背景下弱小目标检测的方法 | |
CN104094284A (zh) | 具有保留边缘的抑制噪声功能的图像处理器 | |
CN111666854B (zh) | 融合统计显著性的高分辨率sar影像车辆目标检测方法 | |
CN110009653A (zh) | 基于灰度阈值分割法增加边缘识别点准确图像识别的方法 | |
CN110660065B (zh) | 一种红外故障检测识别算法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN111222511B (zh) | 一种红外无人机目标检测方法及系统 | |
CN107942329A (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN108508425A (zh) | 一种雷达近地背景噪声下基于邻域特征的前景目标检测方法 | |
CN113205494B (zh) | 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN108416358B (zh) | 一种空间目标特征提取方法和装置 | |
CN108983194B (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
Zhu et al. | Optimization of image processing in video-based traffic monitoring | |
CN109544574B (zh) | 基于全固态vts雷达的目标提取方法 | |
CN105513034A (zh) | 一种弱小目标检测预处理方法和装置 | |
Tao | Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment | |
CN113963178A (zh) | 地空背景下红外弱小目标检测方法、装置、设备及介质 | |
CN113793372A (zh) | 异源图像的优化配准方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |