买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河北汉光重工有限责任公司

摘要：本发明提供一种基于局部对比度的红外弱小目标检测方法及装置，所述方法包括设置一个滑动窗口，由该滑动窗口从左至右、自上而下遍历图像Ix,y，将图像Ix,y划分为个彼此不重叠的图像块，计算图像块的响应值；计算图像Ix,y中每个像素点的对比度，将所述图像Ix,y中的每个像素点的灰度值替换为对比度，得到对比度图；基于所述对比度图，获取显著图；获取目标检测阈值Th；基于所述目标检测阈值Th，将所述显著图转化为二值图像，并从二值图像中获得原始点集points；对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸。该方法能够提高目标检测的正确率。

主权项：1.一种基于局部对比度的红外弱小目标检测方法，其特征在于，所述方法包括以下步骤：步骤S101：设置一个尺寸为n×n的滑动窗口，n为奇数；由该滑动窗口从左至右、自上而下遍历图像Ix,y，将图像Ix,y划分为Num个彼此不重叠的图像块Iblock，1≤block≤Num，x为图像Ix,y水平X方向的像素坐标，y为图像Ix,y垂直Y方向的像素坐标，Gx,y为图像在x,y坐标的灰度值；计算各图像块Iblock的均值，由该图像块的均值作为该图像块的响应值mnum；步骤S102：计算图像Ix,y中每个像素点的对比度，将所述图像Ix,y中的每个像素点的灰度值替换为对比度，得到对比度图Cx,y；步骤S103：基于所述对比度图Cx,y，获取显著图Sx,y，Sx,y＝Cx,y-Ix,y；步骤S104：获取目标检测阈值Th，Th＝μs+k×σs，其中，μs是显著度图Sx,y的均值，σs是显著度图Sx,y的标准差；k为分割系数；步骤S105：基于所述目标检测阈值Th，将所述显著图Sx,y转化为二值图像Bx,y，并从二值图像中获得原始点集points，points＝{xi,yi|i＝0,1,2,...,N-1}，所述原始点为二值图像Bx,y中非零像素点，xi为原始点集points中第i个原始点水平X方向的坐标，yi为原始点集points中第i个原始点垂直Y方向的坐标，N为原始点集points的个数； 步骤S106：对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸；所述步骤S104：获取目标检测阈值Th，Th＝μs+k×σs，其中，μs是显著度图Sx,y的均值，σs是显著度图Sx,y的标准差；k为分割系数，取值为3-5；所述步骤S106：对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸，所述聚类分析的步骤包括：步骤S1061：遍历points集合中的所有点，计算每个点的邻域密度，邻域范围为n×n，记为density＝{ds}，1≤s≤pnum，其中ds为points集合中第s个点的邻域密度，pnum为points集合中点的数目； 其中，p、q分别为二值图像B中像素水平方向和垂直方向的坐标，p0,q0为集合points中第s个点的坐标；步骤S1062：若points集合中的点不为空，进入步骤S1063；否则，形成一个新的类簇集合L＝{lt|t＝0,1,2,...,Ln-1}，其中t为第t个类簇，Ln为集合L中类簇的个数；lt为第t个类簇的分类结果，进入步骤S1064；步骤S1063：将points集合中的点作为候选点，任意选取一个候选点，遍历points集合中的所有点，计算points集合中各点与选取的所述候选点的欧式距离，将距离小于阈值的点划分为同一类簇，并分配类别编号；将该同一类簇对应的点从points集合中删除；进入步骤S1062；步骤S1064：遍历所有类簇L，统计每一个类簇的所有点集，分别计算每一个类簇的水平X方向、垂直Y方向的坐标，从而获得目标在各个类簇中水平X方向的尺寸stX和垂直Y方向的尺寸stY； 其中，Xtmax为第t个类簇中水平X方向的最大坐标值，Xtmin为第t个类簇中水平X方向的最小坐标值，Ytmax为第t个类簇中垂直Y方向的最大坐标值，Ytmin为第t个类簇中垂直Y方向的最小坐标值；步骤S1065：计算每一个类簇的中心，包括： 其中，xt0为第t个类簇水平X方向的中心点坐标，yt0为第t个类簇垂直Y方向的中心点坐标，densitys为第t个类簇中第s个点的密度，Ltxs为第t个类簇中第s个点水平X方向的坐标，Ltys为第t个类簇中第s个点垂直Y方向的坐标。

全文数据：

权利要求：

百度查询： 河北汉光重工有限责任公司 一种基于局部对比度的红外弱小目标检测方法及装置