(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 202210679156.1 (22)申请日 2022.06.15 (71)申请人 西安应用光学研究所 地址 710065 陕西省西安市雁塔区电子三 路西段九号 (72)发明人 刘吉龙　王惠林　雷亮　耿燚　 刘栋　李颖娟　 (74)专利代理 机构 中国兵器 工业集团公司专利 中心 11011 专利代理师 周恒 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06V 10/82(2022.01)G06V 10/80(2022.01) (54)发明名称 基于结构张量加权局部对比度测量的红外 小目标检测方法 (57)摘要 本发明属于红外图像目标检测技术领域， 具 体涉及一种基于结构张量加权局部对比度测量 的红外小目标检测方法。 该方法通过对红外图像 进行结构张量加权， 利用红外小目标独特的结构 信息进行多尺度局部对比度测量， 在增强目标信 息的同时能够有效抑制背景特征， 从而实现红外 弱小目标检测， 可以提高目标检测准确度和鲁棒 性。 与现有技术相比较， 本发明通过对原始图像 进行结构张量加权， 使真实目标具有唯一的结构 特征， 可以用来有效地区分真实目标和背景杂 波； 并且， 本发明利用结构张量加权局部对比度 测量， 在增强目标特征的同时能够有效地抑制背 景杂波， 目标检测准确率高， 鲁棒 性强。 权利要求书2页 说明书8页 附图5页 CN 115049552 A 2022.09.13 CN 115049552 A 1.一种基于结构张量加权局部对比度测量的红外小目标检测方法， 其特征在于， 所述 方法包括以下步骤： 步骤1： 将原始红外目标图像转化为二维灰度图像， 并利用二维高斯卷积核对二维灰度 图像进行 卷积运算， 去除原 始红外目标图像中的部分高亮噪声； 步骤2： 根据去噪后的红外目标图像的水平梯度与垂直梯度， 构建去噪后红外目标图像 的结构张量矩阵； 步骤3： 求解红外目标图像的结构张量矩阵的特征值， 并构建红外目标图像的结构张量 权重； 步骤4： 利用红外目标图像的结构张量权重， 对去噪后的红外目标图像的每一个像素进 行加权， 得到加权后的红外目标图像； 步骤5： 计算加权后的红外目标图像 中， 以每一个像素为中心的图像区域与其周围图像 区域的局部对比度； 步骤6： 分别在不同的目标尺度 下， 采用不同的结构张量权重拉伸参数， 重复执行步骤3 ～步骤5， 然后利用最大合并方法对获得的不同尺度下的局部对比度结果进行融合， 获得最 终的红外目标图像局部对比度测量结果； 步骤7： 根据融合后的红外目标图像局部对比度测量结果的均值和标准差， 计算目标自 适应分割阈值， 并对融合后的红外目标图像局部对比度测 量结果进行阈值判断， 从而得到 目标检测结果。 2.如权利要求1所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述 步骤1中， 原 始红外目标图像的去噪过程， 如下式所示： 其中， Gσ(x,y)表示二维高斯卷积核， IRAW(x,y)和IG(x,y)分别表示原始红外目标图像和 去噪后的红外目标图像， 表示卷积运算； (x,y)表示红外目标图像的像素坐标； σ 表示二 维高斯卷积核的方差 。 3.如权利要求2所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述步骤2中， 通过求解去噪后红外目标图像的水平梯度 和垂直梯度 构 成红外目标图像的结构张量矩阵： 其中， T表示红外目标图像结构张量矩阵， T11、 T12、 T21和T22表示为矩阵元 素。 4.如权利要求3所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述步骤3中， 求解红外目标图像的结构张量矩阵的特征值及结构张量权重 分别 为：权　利　要　求　书 1/2 页 2 CN 115049552 A 2其中， λ1和 λ2表示结构张量矩阵的两个特征值， WST(x,y)表示为结构张量权重， l为结构 张量权重拉伸参数， L1(x,y)和L2(x,y)表示去噪后红外目标图像与结构张量矩阵特征值的 乘积， 即L1(x,y)＝λ1·IG(x,y),L2(x,y)＝λ2·IG(x,y)， ΔLmedium为(L1(x,y)‑L2(x,y))所表 达的矩阵中所有元 素的中值。 5.如权利要求4所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述 步骤4中， 对去噪后的红外目标图像所进行的加权过程， 如下式所示： 6.如权利要求5所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述步骤5中， 加权后的红外目标图像中， 以每一个像素为中心的图像区域与其 周围图像区域的局部对比度计算过程， 如下式所示： 其中， C(x,y)为局部对比度， A0为以像素(x,y)为中心、 大小为m ×m个像素的图像区域， Ai为与区域A0相邻、 大小为m ×m个像素的上、 下、 左、 右、 左上、 右上、 左下、 右下等共八个周围 图像区域， mi n(·)为取最小值 函数， mean( ·)为求均值函数。 7.如权利要求6所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述步骤6中采用不同的结构张量权重拉伸参数， 计算局部对比度， 并采用最大 合并方法进行融合的计算过程， 如下式所示： 其中， Cf(x,y)为融合后的最终的红外目标图像局部对比度测量结果， max( ·)为取最大 值函数， l为结构张量权重拉伸参数， Cl(x,y)为l分别进行不同取值2～9时， 按照步骤3～步 骤5重复计算得到的局部对比度。 8.如权利要求7所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述 步骤7中目标自适应分割阈值的计算过程， 如下式所示： Th＝ μ+k·σ' 其中， Th为目标自适应分割阈值， μ和σ'分别为最终的红外目标图像局部对比度测量结 果的均值和方差， k 为阈值调节参数。 9.如权利要求8所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述步骤7中， 对融合后的红外目标图像局部对比度测量结果进行阈值判断， 从 而得到目标检测结果； 具体为： 如果红外目标图像像素(x,y)上的测量结果Cf(x,y)的值大 于Th， 则该像素为要检测的目标； 否则， 不是目标。 10.如权利要求8所述的基于结构张量加权局部对比度测量的红外小目标检测方法， 其 特征在于， 所述 k的取值在15～ 25的范围内。权　利　要　求　书 2/2 页 3 CN 115049552 A 3