CN109993174A - 一种基于噪声抑制的空中目标检测方法及系统 - Google Patents
一种基于噪声抑制的空中目标检测方法及系统 Download PDFInfo
- Publication number
- CN109993174A CN109993174A CN201811590895.3A CN201811590895A CN109993174A CN 109993174 A CN109993174 A CN 109993174A CN 201811590895 A CN201811590895 A CN 201811590895A CN 109993174 A CN109993174 A CN 109993174A
- Authority
- CN
- China
- Prior art keywords
- frequency
- image
- filter
- value
- frequency domain
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/478—Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于噪声抑制的空中目标检测方法及系统,包括:将输入图像进行迭代的空域/频域正反变换,在相应的空域/频域进行处理。构造参数可调的频域低频滤波器,在频域中去除低空间频率的热辐射分量,通过迭代调整滤波器的频域半径,使用该滤波器对频域图像做滤波处理,对滤波结果做反傅立叶变换,评价反傅里叶变换图像的局部反差是否达到最大值,如果达到最大值,则终止迭代,结果图像保留了中频目标和高频噪声;构造高频滤波器,对结果图像在频域作高频滤波,去除结果图像中的高频噪声分量;对结果图像作非线性增强,以突出小目标进行检测。本发明降低气动热辐射背景干扰及探测器的高频噪声,大幅提高在高热环境下检测空中目标的准确率。
Description
技术领域
本发明涉及航天技术与图像处理相结合的交叉科学技术领域,更具体地,涉及一种基于噪声抑制的空中目标检测方法及系统。
背景技术
当飞行器在大气中高速飞行时,飞行器导航制导光学窗口被气动加热而处于严重的气动热环境中,激波层和光学窗口将由于热辐射效应产生噪声,从而极大降低了图像质量,因此红外成像探测系统对目标探测的信噪比降低。并且随着窗口温度持续升高,图像背景灰度进入饱和状态,而难以响应来自目标的辐射。同时,由于在飞行条件下获取的图像可能还会受到其它噪声的影响,使得图像去噪等工作的难度进一步加大。
此外,高速飞行器还会受到高速流场光学传输效应和气动热窗口传输效应的影响。当目标的光线通过随机的湍流流场时,波前发生畸变,将产生目标图像的像偏移、像模糊、像抖动和能量损失,这就是高速流场光学传输效应;因飞行器高速飞行,气动阻力作用在光学窗口上,引起窗口形变,同时光学窗口与气流的高速摩擦产生的大量热而造成窗口内部的温度急剧上升并产生变形和热应力,温度和应力影响了光学窗口材料的折射率分布,形成梯度折射率。从而使得通过窗口的目标光线发生偏移,产生目标图像模糊,即气动热窗口传输效应。对于这种非均匀强背景噪声的严重干扰条件,要直接实现各类目标的定位与检测是更加难以实现的。
而在远程探测等相关领域,对于点目标的检测已经成为核心技术之一。空中小目标即是点目标的一种,具有尺寸小、无形状和纹理特征等特点,加上远距离传输造成的能量衰减、探测器噪声影响,空中小目标信号在红外图像平面上,极易淹没在强噪声背景中,表现为弱点状或者不稳定斑点状,其检测任务变得非常困难。
目前已有的诸如均值滤波、中值滤波等校正方法,无不存在无法有效地突出目标点、热辐射效应噪声等干扰成分无法充分滤除等问题。均不适用于空中目标探测任务,因此,本领域亟需一种有效的面向空中目标探测的热辐射背景抑制的方法。
发明内容
针对现有技术的缺陷,本发明的目的在于解决面向空中目标探测技术,由于非均匀强背景噪声、热辐射背景的干扰条件,无法直接实现各类目标的定位与检测的技术问题。
为实现上述目的,第一方面,本发明提供一种基于噪声抑制的空中目标检测方法,包括以下步骤:
(1)对输入图像作傅立叶变换并中心化,得到其原始频谱;
(2)设置初始的低频滤波器频域半径和搜索范围,构建相应的第一滤波器函数,将原始频谱与第一滤波器函数点乘,得到滤波后的第一图像频谱;
(3)对第一图像频谱进行傅里叶逆变换,得到第一待选图像;
(4)设置大小合适的滑窗,在第一待选图像上以一定的步长移动滑窗,并计算每次移动后的窗口部分图像局部反差值,保留第一待选图像上全图最大反差值;
(5)调整步骤(2)中的低频滤波器频域半径值,进行(3)(4)的操作得到不同低频滤波器频域半径值对应的全图最大反差值,当所述搜索范围里的低频滤波器频域半径值遍历完,执行步骤(6);
(6)比较不同低频滤波器频域半径值对应的全图最大反差值,得到最终的最大反差值,并确定最终的最大反差值所对应的最优图像;
(7)设置高频滤波器的阈值,并构建相应的第二滤波器函数;
(8)将最优图像作傅立叶变换,变换结果与第二滤波器函数点乘,得到第二图像频谱,再对第二图像频谱进行傅里叶逆变换,得到高频噪声抑制结果图像;
(9)调整步骤(7)高频滤波器的阈值,重复步骤(7)(8),得到不同高频滤波器阈值下的多个高频噪声抑制结果图像,确定多个高频噪声抑制结果图像中每个图像的信噪比,输出信噪比最大的高频噪声抑制结果图像,作为最终的高频噪声抑制结果图像;
(10)对最终的高频噪声抑制结果图像进行非线性增强,并基于非线性增强的最终的高频噪声抑制结果图像完成对输入图像的空中目标检测与定位。
可选地,所述步骤(2)具体包括:设低频滤波器频域半径为r,构建相应的第一滤波器函数H为:
其中,u、v表示频谱的坐标值,D(u,v)表示频谱图上任意一点到频谱中心的欧氏距离,具体计算公式如下:
其中,X,Y表示频谱图像的大小,(X/2,Y/2)为频谱中心。
可选地,所述步骤(4)具体包括:
(4-1)滑动窗口大小应设置为大于目标尺寸大小,可根据需要适当调整;
(4-2)步长的设置则依据滑窗大小进行调整,在保证全图检索和不将目标点分割至多个滑窗中的前提下,步长L取:
其中,LW是滑窗的大小,LT是目标的大小;
(4-3)全图最大反差值C的计算方法具体如下:
其中,T表示目标区域像素点,m、n表示目标区域长宽,B表示背景区域像素点,M、N表示背景区域长宽。
可选地,所述步骤(7)具体包括:依据高频噪声抑制结果图像的信噪比变化,确定合适的高频滤波器阈值,构建相应的第二滤波器函数H',具体如下:
其中,D1表示保留低频部分的上限半径值,D2表示保留高频部分的下限半径值。
第二方面,本发明提供一种基于噪声抑制的空中目标检测系统,包括:
输入图像处理单元,用于对输入图像作傅立叶变换并中心化,得到其原始频谱;
低频滤波器处理单元,用于设置初始的低频滤波器频域半径和搜索范围,构建相应的第一滤波器函数,将原始频谱与第一滤波器函数点乘,得到滤波后的第一图像频谱;对第一图像频谱进行傅里叶逆变换,得到第一待选图像;设置大小合适的滑窗,在第一待选图像上以一定的步长移动滑窗并计算每次移动后的窗口部分图像局部反差值,保留第一待选图像上全图最大反差值;调整低频滤波器频域半径值,得到不同低频滤波器频域半径值对应的全图最大反差值,直至所述搜索范围里的低频滤波器频域半径值遍历完;比较不同低频滤波器频域半径值对应的全图最大反差值,得到最终的最大反差值,并确定最终的最大反差值所对应的最优图像;
高频滤波器处理单元,用于设置高频滤波器的阈值,并构建相应的第二滤波器函数;将最优图像作傅立叶变换,变换结果与第二滤波器函数点乘,得到第二图像频谱,再对第二图像频谱进行傅里叶逆变换,得到高频噪声抑制结果图像;调整高频滤波器的阈值,得到不同高频滤波器阈值下的多个高频噪声抑制结果图像,确定多个高频噪声抑制结果图像中每个图像的信噪比,输出信噪比最大的高频噪声抑制结果图像,作为最终的高频噪声抑制结果图像;
噪声抑制目标检测单元,用于对最终的高频噪声抑制结果图像进行非线性增强,并基于非线性增强的最终的高频噪声抑制结果图像完成对输入图像的目标检测与定位。
可选地,所述低频滤波器处理单元设低频滤波器频域半径为r,构建相应的第一滤波器函数H为:
其中,u、v表示频谱的坐标值,D(u,v)表示频谱图上任意一点到频谱中心的欧氏距离,具体计算公式如下:
其中,X,Y表示频谱图像的大小,(X/2,Y/2)为频谱中心。
可选地,所述低频滤波器处理单元滑动窗口大小应设置为大于目标尺寸大小,可根据需要适当调整;步长的设置则依据滑窗大小进行调整,在保证全图检索和不将目标点分割至多个滑窗中的前提下,步长L取:其中,LW是滑窗的大小,LT是目标的大小;全图最大反差值C的计算方法具体如下:
其中,T表示目标区域像素点,m、n表示目标区域长宽,B表示背景区域像素点,M、N表示背景区域长宽。
可选地,所述高频滤波器处理单元依据高频噪声抑制结果图像的信噪比变化,确定合适的高频滤波器阈值,构建相应的第二滤波器函数H',具体如下:
其中,D1表示保留低频部分的上限半径值,D2表示保留高频部分的下限半径值。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明中利用目标和非目标区域在频谱图上频率成分的差别,进行频域的去噪操作,相较于一般的空域滤波,如均值滤波、中值滤波等,本发明对于空中目标具有更好的保存率,并且去噪效果优良;而对比多数频域滤波器,本发明为反差约束的自适应频域滤波器,对不同程度的背景噪声图像具有良好的泛用性,避免了反复手动修改参数。
本发明对于空中目标图像中热辐射效应产生的噪声的滤除效果尤为显著,并且对于其它噪声和热传输模糊效应的影响有着优良的抗性,优于一般校正和去噪的发明。此外,当输入图像中目标尺寸较大时,只需对图像进行简单的降采样操作,即可很好的适用于本发明。
附图说明
图1为本发明提供的基于噪声抑制的空中目标检测方法的流程图;
图2(a)为本发明提供的三个空中目标的热辐射效应噪声和高斯噪声背景的仿真图像;
图2(b)为本发明提供的去低频热辐射噪声和高频高斯噪声的结果图;
图3(a)为本发明提供的多个空中目标的热辐射效应噪声和高斯噪声背景的仿真图像;
图3(b)为本发明提供的去低频热辐射噪声和高频高斯噪声的结果图;
图4为本发明提供的输入图像的傅里叶变换频谱结果中心化的二维示意图;
图5为本发明提供的低频滤波器的三维结构示意图;
图6为本发明提供的高频滤波器的三维结构示意图;
图7(a)为本发明提供的不进行非线性增强的结果图;
图7(b)为本发明提供的进行非线性增强的结果图;
图8为本发明提供的完成目标定位与检测的结果图;
图9为本发明提供的在不同的点扩散函数下的检测率随目标强度增大的变化趋势图;
图10为本发明提供的检测率随高斯噪声增强的变化趋势图;
图11为本发明提供的检测率随热辐射强度增加的变化趋势图;
图12为本发明提供的基于噪声抑制的空中目标检测系统结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,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,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了对空小目标的频域背景抑制方法,该方法考虑目标和非目标区域(即背景噪声)在频域图像中频率成分,利用两者间的差别,采用一定的方法将背景噪声成分从场景图像中去除。对于空中目标而言,目标在场景图像中所占比例小,像素值相较于四周有较小的增量,可认为是中频成分;而热辐射噪声等表现为像素值渐变,区域面积大,可以认为是低频成分;对于高斯噪声等干扰成分,则是随机的较大的起伏变化,认为是高频成分。基于这些频率成分的差别,本发明设计的热辐射背景迭代抑制和图像增强方法尤其适用于飞行器在高速飞行条件下的气动热辐射效应等高热非均匀背景的应用场景。
如图1所示,本发明提出了一种面向空中目标探测的热辐射背景迭代抑制和图像增强方法,包括以下步骤:
(1)对输入图像f作傅立叶变换并中心化,得到其原始频谱B;
(2)设置初始的低频滤波器频域半径r,构建相应的滤波器函数H,将原始频谱B与滤波器函数H点乘,得到滤波后的实时图像频谱G;
(3)对频谱G进行傅里叶逆变换,得到待选图像gc;
(4)设置大小合适的滑窗,在当前待选图像gc上以一定的步长移动滑窗并计算每次移动后的窗口部分图像局部反差值,保留gc上全图最大反差值C;
(5)调整步骤(2)中的r值,进行(3)(4)的操作得到新的反差值C'并保存。
(6)比较步骤(5)中保存的反差值,得到最大反差值Cmax,此反差值所对应的图像g'c即为去低频成分的结果图;
(7)设置高频滤波器的阈值,并构建相应的滤波器函数H';
(8)将图像g'c作傅立叶变换,变换结果与滤波器函数H'点乘,得到图像频谱G',再对频谱G'进行傅里叶逆变换,得到高频噪声抑制结果图像I;
(9)调整步骤(7)的阈值,重复步骤(7)(8),依据结果图像I的信噪比是否达到最大判断迭代停止与否,若达到最大则停止迭代,输出对应的结果图像I,否则继续迭代;
(10)对结果图像I进行非线性增强,并完成目标检测与定位。
可选地,所述步骤(2)具体包括:依据频域滤波器半径值r,构建相应的滤波器函数H为:
其中,r即是去滤波器半径值,D(u,v)表示到频谱中心的欧氏距离,具体计算公式如下:
其中,X,Y表示频谱图像的大小,(X/2,Y/2)为频谱中心。
可选地,所述步骤(4)具体包括:
(4-1)滑动窗口大小应设置为大于目标尺寸大小,可以根据需要适当调整;
(4-2)步长的设置则依据滑窗大小进行调整,在保证全图检索和尽量不将目标点分割至多个滑窗中的前提下,步长L一般取:
其中,LW是滑窗的大小,LT是目标的大小,按此公式设置步长可以保证滑窗在最坏情况下能覆盖目标点的3/4,既避免了全局搜索的重复性操作,也降低了由于滑窗未能全覆盖目标点导致误差的可能性;
(4-3)反差值C的计算方法具体如下:
其中,T表示目标区域像素点,m、n表示目标区域长宽,B表示背景区域像素点,M、N表示背景区域长宽。
可选地,所述步骤(7)具体包括:依据结果图像的信噪比变化,找到合适的滤波器阈值,构建相应的滤波器函数H',具体如下:
其中,D1表示保留低频部分的上限半径值,D2表示保留高频部分的下限半径值。
可选地,探测空中小目标的效果良好,对传输模糊效应有较好的抗性,而对于目标尺寸较大的图像,将图像进行降采样操作后依旧能很好地适用于本发明。
本发明通过利用目标和非目标区域的频率成分差别,进行背景噪声的抑制,在一个具体的实施例中,有如下主要步骤:
(1)对输入图像作傅立叶变换和中心化。具体而言,输入图像为仿真图像,如图2(a)、3(a)所示,具体仿真条件为256*256的16位灰度图,包括灰度值为5000的背景,最大值为1024的热辐射噪声目标尺寸:2*2,目标强度(灰度值):64,标准差为10的高斯噪声,热传输模糊效应点扩展函数3*3,以下实验结果均在此条件下完成。去中心化即将傅立叶变换的结果等分为2×2个子块,将左上和右下子块平移交换,右上和左下子块平移交换,即对频谱的中心化。中心化后的图像频谱(示意图如图4),其中心为低频,四周为高频,以简化后续滤波器函数的构造以及相关的计算。
(2)设置初始的低频滤波器频域半径r,构建相应的滤波器函数H,将原始频谱B与滤波器函数H点乘,得到滤波后的图像频谱G,对频谱G进行傅里叶逆变换,得到待选图像gc。
具体而言,构建自适应低频滤波器函数H,其三维示意图如图5所示。对于具体的图像,在公式中,r可以依据具体情况减小搜索范围,例如,对于大小为256*256的图像,r的合适搜索范围值可以取(10,60),这样既避免了不必要的计算量,也保证了本发明实施过程的正确性。
(3)设置大小合适的滑窗,在当前待选图像gc上以一定的步长移动滑窗并计算每次移动后的窗口部分图像局部反差值,保留gc上全图最大反差值C,调整低频滤波器的r值,进行迭代操作得到新的反差值C'并保存,比较保存的反差值,得到最大反差值Cmax,此反差值所对应的图像g'c即为去低频成分的结果图。
对于具体图像中的目标,计算反差值时滑窗的大小可以取略大于目标尺寸3个像素左右,步长则略小于滑窗大小。比如,对于2*2大小的目标点,取滑窗大小为5、步长为4较为合适。若需要考虑算法效率等方面,滑窗大小和步长均可以适当加大,对最终本方法的校正效果影响程度不大。
(4)设置高频滤波器的阈值,并构建相应的滤波器函数H',将图像g'c作傅立叶变换,变换结果与滤波器函数H'点乘,得到图像频谱G',再对频谱G'进行傅里叶逆变换,得到高频噪声抑制结果图像I,调整阈值,重复迭代过程,依据结果图像I的信噪比是否达到最大判断迭代停止与否,若达到最大则停止迭代,输出对应的结果图像I,否则继续迭代。
滤波器函数H'的具体三维模型如图6所示,输出的结果图像如图2(b)、3(b)图所示。最后,对结果图像I进行非线性变换,进一步增强滤波效果,并完成目标的定位与检测。非线性变换前后的结果图对比如图7,最终对目标检测结果图如图8。对大量仿真图像进行实验验证,做检测率与目标强度、热辐射效应噪声强度等之间的关系的定量分析。依据实验结果可以得出,检测率随目标强度的增强而提高,随热辐射效应噪声增强而降低,随高斯噪声增强而降低,具体结果如图9、10、11。
并统计原图与校正结果图的各项指标的变化,其中信噪比计算公式如下:
其中,E信号代表信号的灰度均值,E噪声代表噪声的灰度均值,σ代表全图的灰度标准差。
热辐射噪声下降百分比计算公式如下:
其中,σ2代表原图像的全局灰度标准差,σ1代表校正结果图像的全局灰度标准差。数据统计结果如下表1。
表1测试结果数据统计表格
从上表可以看出,本发明能够有效提升图像信噪比,尤其热辐射噪声滤除效果显著,热辐射噪声下降百分比超过90%。
图12为本发明提供的基于噪声抑制的空中目标检测系统结构图,如图12所示,包括:输入图像处理单元、低频滤波器处理单元、高频滤波器处理单元以及噪声抑制目标检测单元。
输入图像处理单元,用于对输入图像作傅立叶变换并中心化,得到其原始频谱。
低频滤波器处理单元,用于设置初始的低频滤波器频域半径和搜索范围,构建相应的第一滤波器函数,将原始频谱与第一滤波器函数点乘,得到滤波后的第一图像频谱;对第一图像频谱进行傅里叶逆变换,得到第一待选图像;设置大小合适的滑窗,在第一待选图像上以一定的步长移动滑窗并计算每次移动后的窗口部分图像局部反差值,保留第一待选图像上全图最大反差值;调整低频滤波器频域半径值,得到不同低频滤波器频域半径值对应的全图最大反差值,直至所述搜索范围里的低频滤波器频域半径值遍历完;比较不同低频滤波器频域半径值对应的全图最大反差值,得到最终的最大反差值,并确定最终的最大反差值所对应的最优图像。
高频滤波器处理单元,用于设置高频滤波器的阈值,并构建相应的第二滤波器函数;将最优图像作傅立叶变换,变换结果与第二滤波器函数点乘,得到第二图像频谱,再对第二图像频谱进行傅里叶逆变换,得到高频噪声抑制结果图像;调整高频滤波器的阈值,得到不同高频滤波器阈值下的多个高频噪声抑制结果图像,确定多个高频噪声抑制结果图像中每个图像的信噪比,输出信噪比最大的高频噪声抑制结果图像,作为最终的高频噪声抑制结果图像。
噪声抑制目标检测单元,用于对最终的高频噪声抑制结果图像进行非线性增强,并基于非线性增强的最终的高频噪声抑制结果图像完成对输入图像的目标检测与定位。
具体各个单元的功能可参照前述方法实施例所示,在此不做赘述。
本发明将输入图像进行迭代的空域/频域正反变换,在相应的空域/频域进行处理。构造参数可调的频域低频滤波器,在频域中去除低空间频率的热辐射分量,通过迭代调整滤波器的频域半径,使得用该滤波器对频域图像做滤波处理,对滤波结果做反傅立叶变换,评价反傅里叶变换图像的局部反差(与目标大小相关的窗口大小)是否达到最大值,如果达到最大值,则终止迭代,结果图像保留了中频目标和高频噪声;构造高频滤波器,对结果图像在频域作高频滤波,去除结果图像中的高频噪声分量;再对结果图像作非线性增强,以突出小目标进行检测。通过执行本发明的方法,可以有效的降低气动热辐射背景干扰及探测器的高频噪声,使得在高热环境下检测空中目标的准确率大幅提高。此外,本发明进一步降低了算法复杂度,提高了对空中目标检测的保存率。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于噪声抑制的空中目标检测方法,其特征在于,包括以下步骤:
(1)对输入图像作傅立叶变换并中心化,得到其原始频谱;
(2)设置初始的低频滤波器频域半径和搜索范围,构建相应的第一滤波器函数,将原始频谱与第一滤波器函数点乘,得到滤波后的第一图像频谱;
(3)对第一图像频谱进行傅里叶逆变换,得到第一待选图像;
(4)设置大小合适的滑窗,在第一待选图像上以一定的步长移动滑窗,并计算每次移动后的窗口部分图像局部反差值,保留第一待选图像上全图最大反差值;
(5)调整步骤(2)中的低频滤波器频域半径值,进行(3)(4)的操作得到不同低频滤波器频域半径值对应的全图最大反差值,当所述搜索范围里的低频滤波器频域半径值遍历完,执行步骤(6);
(6)比较不同低频滤波器频域半径值对应的全图最大反差值,得到最终的最大反差值,并确定最终的最大反差值所对应的最优图像;
(7)设置高频滤波器的阈值,并构建相应的第二滤波器函数;
(8)将最优图像作傅立叶变换,变换结果与第二滤波器函数点乘,得到第二图像频谱,再对第二图像频谱进行傅里叶逆变换,得到高频噪声抑制结果图像;
(9)调整步骤(7)高频滤波器的阈值,重复步骤(7)(8),得到不同高频滤波器阈值下的多个高频噪声抑制结果图像,确定多个高频噪声抑制结果图像中每个图像的信噪比,输出信噪比最大的高频噪声抑制结果图像,作为最终的高频噪声抑制结果图像;
(10)对最终的高频噪声抑制结果图像进行非线性增强,并基于非线性增强的最终的高频噪声抑制结果图像完成对输入图像的空中目标检测与定位。
2.根据权利要求1所述的空中目标检测方法,其特征在于,所述步骤(2)具体包括:设低频滤波器频域半径为r,构建相应的第一滤波器函数H为:
其中,u、v表示频谱的坐标值,D(u,v)表示频谱图上任意一点到频谱中心的欧氏距离,具体计算公式如下:
其中,X,Y表示频谱图像的大小,(X/2,Y/2)为频谱中心。
3.根据权利要求2所述的空中目标检测方法,其特征在于,所述步骤(4)具体包括:
(4-1)滑动窗口大小应设置为大于目标尺寸大小,可根据需要适当调整;
(4-2)步长的设置则依据滑窗大小进行调整,在保证全图检索和不将目标点分割至多个滑窗中的前提下,步长L取:
其中,LW是滑窗的大小,LT是目标的大小;
(4-3)全图最大反差值C的计算方法具体如下:
其中,T表示目标区域像素点,m、n表示目标区域长宽,B表示背景区域像素点,M、N表示背景区域长宽。
4.根据权利要求3所述的空中目标检测方法,其特征在于,所述步骤(7)具体包括:依据高频噪声抑制结果图像的信噪比变化,确定合适的高频滤波器阈值,构建相应的第二滤波器函数H',具体如下:
其中,D1表示保留低频部分的上限半径值,D2表示保留高频部分的下限半径值。
5.一种基于噪声抑制的空中目标检测系统,其特征在于,包括:
输入图像处理单元,用于对输入图像作傅立叶变换并中心化,得到其原始频谱;
低频滤波器处理单元,用于设置初始的低频滤波器频域半径和搜索范围,构建相应的第一滤波器函数,将原始频谱与第一滤波器函数点乘,得到滤波后的第一图像频谱;对第一图像频谱进行傅里叶逆变换,得到第一待选图像;设置大小合适的滑窗,在第一待选图像上以一定的步长移动滑窗并计算每次移动后的窗口部分图像局部反差值,保留第一待选图像上全图最大反差值;调整低频滤波器频域半径值,得到不同低频滤波器频域半径值对应的全图最大反差值,直至所述搜索范围里的低频滤波器频域半径值遍历完;比较不同低频滤波器频域半径值对应的全图最大反差值,得到最终的最大反差值,并确定最终的最大反差值所对应的最优图像;
高频滤波器处理单元,用于设置高频滤波器的阈值,并构建相应的第二滤波器函数;将最优图像作傅立叶变换,变换结果与第二滤波器函数点乘,得到第二图像频谱,再对第二图像频谱进行傅里叶逆变换,得到高频噪声抑制结果图像;调整高频滤波器的阈值,得到不同高频滤波器阈值下的多个高频噪声抑制结果图像,确定多个高频噪声抑制结果图像中每个图像的信噪比,输出信噪比最大的高频噪声抑制结果图像,作为最终的高频噪声抑制结果图像;
噪声抑制目标检测单元,用于对最终的高频噪声抑制结果图像进行非线性增强,并基于非线性增强的最终的高频噪声抑制结果图像完成对输入图像的目标检测与定位。
6.根据权利要求5所述的空中目标检测系统,其特征在于,所述低频滤波器处理单元设低频滤波器频域半径为r,构建相应的第一滤波器函数H为:
其中,u、v表示频谱的坐标值,D(u,v)表示频谱图上任意一点到频谱中心的欧氏距离,具体计算公式如下:
其中,X,Y表示频谱图像的大小,(X/2,Y/2)为频谱中心。
7.根据权利要求6所述的空中目标检测系统,其特征在于,所述低频滤波器处理单元滑动窗口大小应设置为大于目标尺寸大小,可根据需要适当调整;步长的设置则依据滑窗大小进行调整,在保证全图检索和不将目标点分割至多个滑窗中的前提下,步长L取:其中,LW是滑窗的大小,LT是目标的大小;全图最大反差值C的计算方法具体如下:
其中,T表示目标区域像素点,m、n表示目标区域长宽,B表示背景区域像素点,M、N表示背景区域长宽。
8.根据权利要求7所述的空中目标检测系统,其特征在于,所述高频滤波器处理单元依据高频噪声抑制结果图像的信噪比变化,确定合适的高频滤波器阈值,构建相应的第二滤波器函数H',具体如下:
其中,D1表示保留低频部分的上限半径值,D2表示保留高频部分的下限半径值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811590895.3A CN109993174B (zh) | 2018-12-25 | 2018-12-25 | 一种基于噪声抑制的空中目标检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811590895.3A CN109993174B (zh) | 2018-12-25 | 2018-12-25 | 一种基于噪声抑制的空中目标检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993174A true CN109993174A (zh) | 2019-07-09 |
CN109993174B CN109993174B (zh) | 2021-01-05 |
Family
ID=67129127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811590895.3A Active CN109993174B (zh) | 2018-12-25 | 2018-12-25 | 一种基于噪声抑制的空中目标检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993174B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161192A (zh) * | 2019-12-31 | 2020-05-15 | 华中科技大学 | 一种非线性响应约束的空中目标高热图像校正方法及系统 |
CN115546514A (zh) * | 2022-01-29 | 2022-12-30 | 荣耀终端有限公司 | 图片噪声计算方法、装置及图片测试系统 |
CN115965552A (zh) * | 2022-12-30 | 2023-04-14 | 华中科技大学 | 用于低信噪比图像序列的频空时域联合去噪与恢复系统 |
CN117314798B (zh) * | 2023-11-29 | 2024-05-03 | 国药新光医疗科技有限公司 | 一种去除纤维镜图像网格的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201110A (zh) * | 2011-04-27 | 2011-09-28 | 华中科技大学 | 一种利用目标图像频谱特性的频域滤波去噪方法 |
CN104182941A (zh) * | 2014-08-26 | 2014-12-03 | 中国石油大学(华东) | 高光谱图像条带噪声去噪方法 |
CN105654432A (zh) * | 2015-12-23 | 2016-06-08 | 华中科技大学 | 一种气动热辐射效应的频域校正方法 |
CN107481205A (zh) * | 2017-08-23 | 2017-12-15 | 电子科技大学 | 一种太赫兹图像条纹噪声处理方法及系统 |
CN108537735A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种焦平面太赫兹成像的图像拼接方法 |
-
2018
- 2018-12-25 CN CN201811590895.3A patent/CN109993174B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201110A (zh) * | 2011-04-27 | 2011-09-28 | 华中科技大学 | 一种利用目标图像频谱特性的频域滤波去噪方法 |
CN104182941A (zh) * | 2014-08-26 | 2014-12-03 | 中国石油大学(华东) | 高光谱图像条带噪声去噪方法 |
CN105654432A (zh) * | 2015-12-23 | 2016-06-08 | 华中科技大学 | 一种气动热辐射效应的频域校正方法 |
CN107481205A (zh) * | 2017-08-23 | 2017-12-15 | 电子科技大学 | 一种太赫兹图像条纹噪声处理方法及系统 |
CN108537735A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种焦平面太赫兹成像的图像拼接方法 |
Non-Patent Citations (1)
Title |
---|
ZHENGHUA HUANG: "Progressive Dual-Domain Filter for Enhancing and Denoising Optical Remote-Sensing Images", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161192A (zh) * | 2019-12-31 | 2020-05-15 | 华中科技大学 | 一种非线性响应约束的空中目标高热图像校正方法及系统 |
CN111161192B (zh) * | 2019-12-31 | 2022-07-12 | 华中科技大学 | 一种非线性响应约束的空中目标高热图像校正方法及系统 |
CN115546514A (zh) * | 2022-01-29 | 2022-12-30 | 荣耀终端有限公司 | 图片噪声计算方法、装置及图片测试系统 |
CN115546514B (zh) * | 2022-01-29 | 2023-08-04 | 荣耀终端有限公司 | 图片噪声计算方法、装置及图片测试系统 |
CN115965552A (zh) * | 2022-12-30 | 2023-04-14 | 华中科技大学 | 用于低信噪比图像序列的频空时域联合去噪与恢复系统 |
CN115965552B (zh) * | 2022-12-30 | 2023-08-29 | 华中科技大学 | 用于低信噪比图像序列的频空时域联合去噪与恢复系统 |
CN117314798B (zh) * | 2023-11-29 | 2024-05-03 | 国药新光医疗科技有限公司 | 一种去除纤维镜图像网格的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109993174B (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993174A (zh) | 一种基于噪声抑制的空中目标检测方法及系统 | |
CN109214990A (zh) | 一种基于Inception模型的深度卷积神经网络图像去噪方法 | |
CN100389597C (zh) | 用于局部适配图像处理滤波器的方法及系统 | |
CN104299229B (zh) | 一种基于时空域背景抑制的红外弱小目标检测方法 | |
CN109685732A (zh) | 一种基于边界捕捉的深度图像高精度修复方法 | |
CN110766058B (zh) | 一种基于优化rpn网络的战场目标检测方法 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
CN105118037B (zh) | 一种气动热辐射图像自动校正方法 | |
CN109669184B (zh) | 一种基于全卷积网络的合成孔径雷达方位模糊消除方法 | |
CN105699947B (zh) | 一种sar图像旁瓣抑制方法 | |
CN108876738A (zh) | 一种基于伽马校正的sar单景图像内部亮度补偿方法 | |
CN110456351A (zh) | 基于时变幅值lfm信号参数估计的机动目标isar成像方法 | |
CN107194896A (zh) | 一种基于邻域结构的背景抑制方法和系统 | |
CN110706208A (zh) | 一种基于张量均方最小误差的红外弱小目标检测方法 | |
CN110728668A (zh) | 一种小目标形态保持的空域高通滤波器 | |
CN111161192B (zh) | 一种非线性响应约束的空中目标高热图像校正方法及系统 | |
CN107451608B (zh) | 基于多视幅度统计特性的sar图像无参考质量评价方法 | |
CN113962900A (zh) | 复杂背景下红外弱小目标检测方法、装置、设备及介质 | |
CN104217430A (zh) | 基于l1正则化的图像显著性检测方法 | |
CN106981052A (zh) | 基于变分框架的自适应亮度不均变分校正方法 | |
CN109712156A (zh) | 一种低错误率的sar图像边缘检测方法 | |
Chumning et al. | Edge preservation evaluation of digital speckle filters | |
CN116681936A (zh) | 基于单级式卷积神经网络的地波雷达杂波分类识别方法 | |
CN108648165B (zh) | 基于自动调节引导滤波器参数的遥感图像融合方法 | |
CN112230199B (zh) | 一种基于高维特征值分析的激光雷达回波盲去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |