(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210596975.X (22)申请日 2022.05.30 (71)申请人 天津理工大 学 地址 300384 天津市西青区 宾水西道391号 (72)发明人 张欣鹏　杨志霞　石凡　 (51)Int.Cl. G06V 10/44(2022.01) (54)发明名称 一种基于多向融合的红外小目标检测方法 (57)摘要 本发明涉及一种基于多向融合的红外小目 标检测方法， 该方法首先从边缘和局部的角度同 时进行facet信息建模， 并对融合滤波后的图像 进行连通域像素恢复操作， 得到候选目标； 然后 对候选目标进行限制性Random  Walker分割， 设 计出一种自适应 分割框， 用于准确定位背景种子 点， 提高分割精度， 区分目标与杂波。 最后， 我们 将分割映射与facet滤波结果加权， 通过阈值分 割得到最终的小目标。 本发明充分利用了小目标 在红外图像中的空间分布与灰度特性， 有效弥补 了红外图像中目标所占像素少、 无可区分的纹理 与形状、 信杂比低等问题， 极大地提高了小目标 的完整性与分割算法的多尺度适应性， 同时有效 的抑制了不同形态的背景杂波， 提高小目标的检 测性能。 权利要求书2页 说明书5页 附图4页 CN 115147613 A 2022.10.04 CN 115147613 A 1.本发明主要涉及一种基于多向融合的红外小目标检测方法， 所述方法包括下列步 骤： 步骤1： 采用顺序统计滤波和均值滤波 去除高亮噪声平 滑图像； 步骤2： 构建多方向facet核， 建模小目标环形轮廓并通过像素恢复得到完整 的候选目 标； 步骤3： 自适应Random  Walker分割框分割多尺度候选目标去除干扰杂波； 步骤4： 将融合滤波结果与分割结果进行点乘操作， 通过阈值分离出小目标； 其中Mm为候选目标 结果图， MNLCD为分割映射结果图， о 表示矩阵的点乘操作。 2.根据权利要求1所述的一种基于多向融合的红外小目标检测方法， 其特征在于， 步骤 2中， 基于小目标各向 同性高斯特性与facet各阶滤波图像特性， 我们构造多向融合facet核 分解图像， 得到各角度强度相似 且完整的环状连通 域轮廓， 其过程如下： 其中f′α为我们构造的四个方向 的facet一阶滤波器， 其中α 表示滤波器的滤波角度， α ＝ 0°， 45°， 90°， 135°， Ki(i＝2， 3， 7， 8， 9， 10)表示一阶多项式拟 合系数， 由最小二乘估计， 表达 式为： 其中pi为一组离散正交多项式， 由对称邻域r、 c构成， R＝{ ‑2，‑1， 0， 1， 2}， c＝{ ‑2，‑1， 0， 1， 2}， f(r， c)是表示灰度值的强度函数， 如下 所示： 构造完滤波核以后， 我们进行多信道图像极值 点及多向融合的处 理： Mf(x， y)＝{FP(x， y)+|FN(x， y)|}     (6) Ms＝I*F      (7) FP(x， y)、 FN(x， y)、 Mf(x， y)分别为最大极值点、 最小极值点和整合极值点所在的一阶融 合图像， Ms为二阶滤波图像， F为二阶滤波核， Mm为最终的facet融合 滤波图、 *表示卷积操作， о 表示矩阵的点乘操作。 3.根据权利要求1所述的一种基于多向融合的红外小目标检测方法， 其特征在于， 步骤 3中， 设计的Random  Walker自适应尺度分割框， 可以根据候选目标的大小自动区分目标区 域与背景区域， 从而计算并 改变分割框的大小， 准确定位背 景种子点所在的位置， 实现多尺 度目标的精准像素级分割：权　利　要　求　书 1/2 页 2 CN 115147613 A 2其中vi(i＝1， 2， ...I)表示分割框边长， i表示分割框的个数， uj(j＝1， 2， ...J)表示目 标区域边长， j为候选目标个数， i＝j， m表示候选区域像素数， 根据m计算v和u， NLCDcp和 NLCDhg分别是原作者基于分割概率图和像素强度设计的对比度描述子， о表示矩阵的点乘操 作， 可以将目标表示出来， 我们将分割结果图记为MNLCD。 4.根据权利要求1所述的一种基于多向融合的红外小目标检测方法， 其特征在于， 步骤 4中， 加权滤波结果Mf和分割映射结果MNLCD， 作为最终的权 重图MW， 根据阈值 提取出小目标： о 表示矩阵的点乘操作。权　利　要　求　书 2/2 页 3 CN 115147613 A 3