專利名稱：一種基于廣義s變換的微弱目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及應(yīng)用圖像的二維廣義s變換進(jìn)行微弱目標(biāo)的檢測(cè)方法。
背景技術(shù)：
在預(yù)警系統(tǒng)中，常常要求探測(cè)器能夠在第一時(shí)間發(fā)現(xiàn)并捕獲、跟蹤目標(biāo)，并進(jìn)一步的對(duì) 目標(biāo)的類型、速度等參數(shù)進(jìn)行識(shí)別和判斷，從而輔助預(yù)警系統(tǒng)做出決策。而此時(shí)由于作用距 離遠(yuǎn)，目標(biāo)的成像面積非常小，加之大氣散射、系統(tǒng)噪聲等因素的干擾，探測(cè)器獲得的圖像 信噪比極低，致使目標(biāo)能量非常微弱，因此，微弱目標(biāo)的探測(cè)和識(shí)別具有重要的研究意義。 目前，微弱目標(biāo)檢測(cè)主要是在圖像的空間域內(nèi)完成的，主要思路都是通過增強(qiáng)微弱目標(biāo)能量、 抑制背景噪聲來實(shí)現(xiàn)目標(biāo)檢測(cè)。比如，多幀能量累加、背景預(yù)測(cè)、圖像增強(qiáng)等。
1) 多幀能量累加
由于微弱目標(biāo)是運(yùn)動(dòng)的，其運(yùn)動(dòng)軌跡是連續(xù)、 一致的，通常表現(xiàn)為有一定規(guī)律的曲線， 而噪聲是雜亂無章、沒有規(guī)律的。如果能沿著目標(biāo)軌跡將目標(biāo)的能量累積，那么到達(dá)一定的 累加程度后，目標(biāo)的能量將得到顯著增強(qiáng)，而噪聲則無明顯變化，此時(shí)可以成功檢測(cè)出圖像 中的微弱目標(biāo)。
然而，在很多實(shí)際情況中目標(biāo)的航速、航向及位置等軌跡信息預(yù)先都未知，要實(shí)現(xiàn)沿目 標(biāo)軌跡上積累目標(biāo)能量非常困難。目前大多數(shù)方法都是通過連續(xù)多幀圖像求平均值來達(dá)到累 積目標(biāo)能量的目的，但這種方法具有一定的局限性，它對(duì)于目標(biāo)在幀間運(yùn)動(dòng)速度比較慢的情 況能在一定程度上積累目標(biāo)能量，但對(duì)于幀間運(yùn)動(dòng)位移與目標(biāo)的大小相仿，即幀間無重疊的 情況，直接進(jìn)行幀間累加基本就沒什么改善效果。
2) 背景預(yù)測(cè)
背景預(yù)測(cè)技術(shù)是利用目標(biāo)與背景在空間、時(shí)間或頻域的特性區(qū)別，壓制背景、突出目標(biāo)。 特別對(duì)于點(diǎn)源目標(biāo)，斑狀目標(biāo)或小目標(biāo)，其形態(tài)信息完全沒有或不顯著的情況下，通過各種 空間、時(shí)間及頻域?yàn)V波算法減弱背景圖像的能量，可以有效增強(qiáng)目標(biāo)圖像的能量。
由于圖像的背景具有較強(qiáng)的空間相關(guān)性，在一個(gè)小區(qū)域內(nèi)不會(huì)有很大的起伏，而目標(biāo)總
是它所在的小區(qū)域內(nèi)較突出的一個(gè)變化，因此可以假設(shè)圖像中任何一點(diǎn)如果是背景中的點(diǎn)，它的灰度、梯度和其它特征都可以根據(jù)它周圍的點(diǎn)來預(yù)測(cè)，若預(yù)測(cè)失敗則可認(rèn)為此點(diǎn)是潛在 目標(biāo)點(diǎn)，這就是背景預(yù)測(cè)的基本思想。
通常釆用的方法是用局部小區(qū)域內(nèi)像素的加權(quán)平均來預(yù)測(cè)背景，設(shè)原圖像為/(X,力，則 預(yù)測(cè)的背景為
( 1 )
將AOc,力和原圖像進(jìn)行減運(yùn)算，就可以抑制大部分背景，突出了微弱目標(biāo)。
背景預(yù)測(cè)法對(duì)于背景簡單的點(diǎn)狀目標(biāo)是有效的，但在對(duì)比度極低的情況下，不能準(zhǔn)確地 預(yù)測(cè)背景并成功檢測(cè)出微弱目標(biāo)。
3)其他現(xiàn)有方法
微弱目標(biāo)圖像往往對(duì)比度極低，如果能用圖像增強(qiáng)方法提高圖像的對(duì)比度，也可以有效 的提高微弱目標(biāo)的檢測(cè)概率和識(shí)別概率。
目前采用的圖像增強(qiáng)方法有直方圖均衡，模糊增強(qiáng)等方法。
直方圖均衡法的優(yōu)點(diǎn)是能自動(dòng)的增強(qiáng)整個(gè)圖像的對(duì)比度，但它對(duì)于具體的增強(qiáng)效果不容 易控制，處理的結(jié)果總是得到全局均衡化的直方圖，而微弱目標(biāo)往往并沒有得到明顯增強(qiáng)， 所以對(duì)于微弱目標(biāo)檢測(cè)，直方圖均衡的效果并不理想。
模糊增強(qiáng)方法類似于空域增強(qiáng)方法，不過它是在圖像的模糊特征域(平面)上來修改像
素的，而此特征域正是利用模糊性因子從空域中得到， 一般的模糊增強(qiáng)經(jīng)過三步圖像域到 模糊域一模糊域到模糊域一模糊域到圖像域。在圖像由空間域點(diǎn)^/變換到模糊域點(diǎn)"^的過
程中常稱為圖像模糊化，需要選擇一個(gè)映射G作為隸屬函數(shù)，常用的隸屬函數(shù)有標(biāo)準(zhǔn)模糊S 函數(shù)，經(jīng)典PAL函數(shù)，正弦函數(shù)等。
若令:^表示第(附，w)個(gè)像素的灰度級(jí)，jc^表示最大灰度級(jí)，則按照標(biāo)準(zhǔn)模糊S函數(shù)計(jì) 算得到& 所對(duì)應(yīng)的隸屬函數(shù)為<formula>formula see original document page 6</formula>(2)
式中，參數(shù)fl,6,c都需要人為來設(shè)定，這也是模糊增強(qiáng)方法的最大不足，即自適應(yīng)性不好， 需要過多的人為干預(yù)。
綜上所述，現(xiàn)有技術(shù)大多基于空間域分析，而在在空間域，由于微弱目標(biāo)和背景的灰度 差別不大，加之噪聲和雜波的干擾很大，常常制約了這些方法的性能。
S變換(Stockwell變換，簡稱S變換)是在短時(shí)傅立葉變換(STFT)、 Gabor變換和小 波變換等時(shí)頻分析方法基礎(chǔ)上發(fā)展起來的一種新的時(shí)頻分析方法。二維S變換定義如下
「 「 一'，力應(yīng)e-W > "" 27T (3)
式中MA/)表示原始二維圖像，(X',/)表示原始二維圖像的空間坐標(biāo)。變換后的S 變換譜包含四個(gè)變量(X,少，、，、)，其中(X，力表示空間域變量，(^，、)表示空間頻率變換域 變量。與短時(shí)傅立葉變換相似，S變換用一個(gè)窗函數(shù)與原始圖像信號(hào)相乘，相當(dāng)于截取了原
始圖像/z(x'，/)在(;c,力位置的局部信息，所以變換后的Oc，力能反映原始圖像的空間位置信 息。
S變換在自適應(yīng)調(diào)節(jié)窗口頻率的基礎(chǔ)上，引入小波的多分辨率分析，在時(shí)頻平面上比小 波變換更直觀，易于理解，并與傅立葉頻譜保持直接聯(lián)系。
上面提到的S變換窗函數(shù)都是隨頻率變化伸縮的高斯函數(shù)，它的基本小波是固定的，這 使其在應(yīng)用中受到限制。如果將窗函數(shù)推廣為任意可變形狀的一般函數(shù)，這時(shí)得到的S變換 統(tǒng)稱為廣義S變換。
廣義S變換的實(shí)現(xiàn)是通過在二維廣義高斯窗函數(shù)引入調(diào)節(jié)參數(shù)^和"來實(shí)現(xiàn)的，二維
廣義S變換的定義為S(x， > ,、，、，〃，")
po 「 l&ll^yl"{(: :'-力2(、/〃)2+(》''-乂)2( /7>2]/2 -,'2;r(^;c'+ :y')''
=L L W，力^^ e 血辦("
當(dāng)P和"均取1時(shí)，即為二維S變換的基本形式。
由式(5)， 二維信號(hào)/ [; 7;，^;](其中/ = 0，1,...,^—i，《=o，i，.."iv—i， 7;為p方向上的采 樣間隔，7;為9方向上的采樣間隔)的二維廣義s變換的離散形式為
s(p7;，《7;，丄,1，//，/7)
J] X H(——,-)e "m ew M
,x ,;v (""，m, (6)
對(duì)("=0，附=0)，其二維廣義s變換的離散形式為原始二維信號(hào)A[p7;,g7;]的平均值，即
S(/77;，《7;，0，0,
1 w-l 似-1
工》["'7;,m'7;]
層 '=0 m'=0
根據(jù)以上思路，二維離散廣義s變換的算法流程如圖1所示。
(7)

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于廣義s變換的微弱目標(biāo)檢測(cè)方法，該方法在對(duì)圖像進(jìn)行二 維廣義s變換后，獲取圖像s變換域非零頻率分量的能量和，選取合適的閾值并比較各點(diǎn)對(duì)
應(yīng)的非零頻率分量的能量和與閾值的大小，可以實(shí)現(xiàn)對(duì)微弱目標(biāo)的有效檢測(cè)。該方法可以有 效檢測(cè)出低信噪比圖像中的微弱目標(biāo)，并能有效克服遮擋的影響。
本發(fā)明不同于傳統(tǒng)的在空間域中進(jìn)行的微弱目標(biāo)檢測(cè)方法，而是將思路轉(zhuǎn)換到頻率域中， 希望運(yùn)用微弱目標(biāo)和背景、噪聲在頻域特征上的區(qū)別對(duì)之進(jìn)行檢測(cè)。
本發(fā)明技術(shù)方案如下
一種基于廣義S變換的微弱目標(biāo)檢測(cè)方法，如圖2所示，包括如下步驟
步驟1:對(duì)一幅大小為MxW的原始圖像/( ,力，0'-l，2,…，M;/^l，2,…,JV)進(jìn)行二
7維廣義S變換，如圖2所示，具體包括以下幾個(gè)步驟
歩驟1-1:對(duì)原始圖像/(JC',/)進(jìn)行快速傅立葉變換/(;c'，力—F(a,歷，F(xiàn)(a，y5)為圖像 的快速傅立葉變換結(jié)果，"，/S為頻率域變量；
步驟1-2:對(duì)所有空間頻率點(diǎn)(、，、)，、=1，2,..，M，表示X方向上的空間頻率點(diǎn)，
、=1,2，.-，JV，表示y方向上的空間頻率點(diǎn)，進(jìn)行第步驟l-3—步驟1-6的操作
步驟l-3:在空間頻率點(diǎn)(^，、)，對(duì)高斯局部化窗函數(shù)e W《進(jìn)行傅立葉變換，得
到它的傅立葉頻譜『("，A)，高斯窗函數(shù)中的//和77為取值范圍為正數(shù)的調(diào)節(jié)參數(shù)，其定義為 A o"), , 是尺度因子；
步驟l-4:移動(dòng)傅立葉頻譜F("，/S) —F(a + t,/ + 、)；
步驟l-5:計(jì)算F(a + 、,^ + 、)與r(a，/9)的點(diǎn)積，表示為M^(a，;0);
步驟1-6:計(jì)算M^(a,y9)的傅立葉反變換得到原始圖像/(x,力的廣義S變換結(jié)果
步驟2:根據(jù)步驟l所得的原始圖像/(;c'，y)的廣義S變換結(jié)果S(;c，y,t，、)對(duì)圖像中的 微弱目標(biāo)進(jìn)行檢測(cè)，固定空間頻率、的值，使四維S變換結(jié)果SOc,;;，、,、)降為三維數(shù)據(jù)， 計(jì)算沿y方向每一個(gè)取值下所對(duì)應(yīng)的垂直切面圖像Oc,、)的頻率成分能量之和
(/ = o，i， 2，... ,m)平均值A(chǔ) =丄g />,(/)作為閾值r,,比較與7;的大小，其中c(o大于7;
M卜i
的行就是微弱目標(biāo)所在行的位置；
步驟3:根據(jù)步驟1所得的原始圖像/(;c',:0的廣義S變換結(jié)果S(;c,:p，t，A,.)對(duì)圖像中的 微弱目標(biāo)進(jìn)行檢測(cè)，固定空間頻率、的值，使四維S變換結(jié)果S(x,j,、，、)降為另一組三維 數(shù)據(jù)，計(jì)算沿x方向每一個(gè)取值下所對(duì)應(yīng)的垂直切面圖像Cy，、)的頻率成分能量之和
^c/)，a=0,1,2,…,Ao平均值A(chǔ)=丄￡尸,c/)作為閾值K ，比較Aa)與r2的大小，其中尸力')大
Af 乂=|于12的列就是微弱目標(biāo)所在列的位置；
步驟4:因S變換用一個(gè)窗函數(shù)與原始圖像信號(hào)相乘，相當(dāng)于截取了原始圖像/!(JC'，/)在
Oc，力位置的局部信息，變換后的Oc,力位置能反映原始圖像的空間位置信息；所以步驟3、 4 所確定的微弱目標(biāo)所在行和列的位置就是該目標(biāo)在原始圖像中的行列位置。
對(duì)于具有內(nèi)部輪廓表面的三維函數(shù)，現(xiàn)代計(jì)算機(jī)可以借助不同的灰度值、顏色值和等高 線很好地將其表現(xiàn)出來。但對(duì)于四維數(shù)據(jù)，將它以一種容易理解的方式表示出來并非易事。
本發(fā)明通過保留一個(gè)自變量或兩個(gè)自變量的比值(波數(shù)比)不變，例如保存、、、或、/、不
變，將四維數(shù)據(jù)簡化為有一個(gè)變量確定時(shí)的三維數(shù)據(jù)，即通過固定不同的變量，可將S變換 的高維數(shù)據(jù)轉(zhuǎn)換成一系列三維數(shù)據(jù)塊，即對(duì)數(shù)據(jù)進(jìn)行了切割。再固定三維數(shù)據(jù)的兩個(gè)空間JC和
y ，就得到三維數(shù)據(jù)的一個(gè)切片，通過移動(dòng)空間變量JC和^ ，就能分時(shí)地遍歷所有的"切片"，
完成數(shù)據(jù)的可視化。
例如，為了顯示二維廣義S變換的結(jié)果S(;c，少,t,、)，先將、設(shè)置為我們感興趣的值、。， 則二維廣義S變換的表達(dá)式變?yōu)?br> =r rv ，力1 ^11 、。 'e-"'-我2+o)w ，一v')血,辦,
U丄oc 2;r (8)
這時(shí)，二維廣義S變換的結(jié)果變?yōu)橐粋€(gè)具有空間x、 y和、頻率方向變量的三維數(shù)據(jù)塊， 在這個(gè)三維空間中，取定JC和^方向的兩個(gè)點(diǎn)，就得到了三維數(shù)據(jù)的一個(gè)面，即相當(dāng)于"切片"， 移動(dòng);c和y變量，可以瀏覽感興趣的每一個(gè)點(diǎn)在S變換域的情況。通過設(shè)置不同的、。，可以
把二維廣義S變換結(jié)果切割為多個(gè)三維數(shù)據(jù)塊，再通過:c和;/空間的移動(dòng)顯示，可以完成全 部四維數(shù)據(jù)的顯示。
在微弱成像目標(biāo)檢測(cè)應(yīng)用中，圖像背景往往呈大面積的連續(xù)分布狀態(tài)，其圖像灰度在空 間分布上具有較大相關(guān)性，而目標(biāo)的灰度值與周圍自然背景的灰度相關(guān)性不大，可以認(rèn)為圖 像中的目標(biāo)是一些灰度奇異點(diǎn)，存在于圖像的高頻部分，而背景處于低頻部分。由公式(5)可 知，二維廣義S變換不僅可以確定圖像所含頻率成分，還可以確定各頻率成分隨空間坐標(biāo)的 變化情況，因此，可以利用圖像S變換域中各像素點(diǎn)的頻率成分能量分布特征實(shí)現(xiàn)微弱目標(biāo)的檢測(cè)。
在二維信號(hào)S變換域中，點(diǎn)(;c,力的各個(gè)頻率分量的能量之和表示為:
E(whZi;[Re2(S"jaA))+Im2(S(x，:a,，、))] (9)
其中，M為圖像寬度，iV為圖像高度，^為;c方向(寬度方向)上的空間頻率，、為y方向 (高度方向)上的空間頻率，Re(S(Jcj人,、))表示S變換的實(shí)部，Im(S(jcj,U》)表示S 變換的虛部。
需要對(duì)上述技術(shù)方案進(jìn)行說明的地方是本發(fā)明以所有行和所有列的非零頻率成分能量 之和的均值分別作為閾值7i和7^，此時(shí)的目標(biāo)檢測(cè)效果最好。如果閾值取得偏大，會(huì)造成目
標(biāo)的漏檢；如果閾值取得偏小，對(duì)噪聲的抑制能力會(huì)削弱。由于該檢測(cè)方法是利用微弱目標(biāo) 與背景頻域能量的不同來檢測(cè)目標(biāo)，因此可以有效克服噪聲、雜波以及遮攔物的影響。


圖1是S變換流程圖。 圖2是本發(fā)明流程示意圖。 圖3是S變換四維數(shù)據(jù)"切片"顯示示意圖。 圖4是包含微弱成像目標(biāo)的2幀圖像。 圖5是S變換域特征切片。 圖6是對(duì)圖4中2幀圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。
具體實(shí)施例方式
實(shí)例圖4(a)為白天條件下CCD拍攝的小目標(biāo)圖像，由于光線強(qiáng)，CCD臨近飽和，使 得成像中目標(biāo)和背景對(duì)比度極低；圖4(b)為紅外探測(cè)系統(tǒng)獲取的含有空中飛行目標(biāo)的紅外圖 像，目標(biāo)被云層所遮擋。圖像大小為128x128像素，圖中矩形框指示了目標(biāo)所處的位置。
圖5是對(duì)圖5(b)沿行和列方向分別對(duì)其S變換域分析的結(jié)果，其中圖5(a)為其第1行像 素灰度數(shù)據(jù)對(duì)應(yīng)的S變換域特征分布圖。從圖中可以看出，在第l行對(duì)應(yīng)的切片中，各頻率 成分的能量皆為零，這表明在第l行中不存在目標(biāo)。圖5(b)則為圖3(b)的第60行像素灰度數(shù)
10據(jù)對(duì)應(yīng)的S變換域特征分布圖，可以看出，在該行中央處，存在能量較大的高頻成分，這代 表與背景不同的目標(biāo)信號(hào)存在，記錄下此時(shí)的行位置。圖5(b)左上方的非零頻率成分對(duì)應(yīng)于 場(chǎng)景中存在的云層，特征分析可知，目標(biāo)對(duì)應(yīng)的空間頻率高于云層對(duì)應(yīng)的空間頻率，且具有 較高的能量。
逐行完成對(duì)圖像分析后，再依次對(duì)所有列進(jìn)行分析，即可對(duì)整幅圖像進(jìn)行屬于目標(biāo)或非 目標(biāo)區(qū)的分類，進(jìn)而實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)。對(duì)圖4中(a)、 (b)兩幀圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果分別 如圖6(a)、 (b)所示。從檢測(cè)的結(jié)果可以看出，本發(fā)明能在低信噪比條件下成功檢測(cè)出微弱目 標(biāo)，并能克服云層遮擋的影響。
由此可見，基于二維廣義S變換的微弱目標(biāo)檢測(cè)，能在圖像信噪比極低的情況下，運(yùn)用 頻率域的特征檢測(cè)出目標(biāo)，并能有效克服遮擋物的影響。
權(quán)利要求
1、一種基于廣義S變換的微弱目標(biāo)檢測(cè)方法，包括如下步驟步驟1對(duì)一幅大小為M×N的原始圖像I(x′，y′)，(x′＝1，2，…，M；y′＝1，2，…，N)進(jìn)行二維廣義S變換，具體包括以下幾個(gè)步驟步驟1-1對(duì)原始圖像I(x′，y′)進(jìn)行快速傅立葉變換I(x′，y′)→F(α，β)，F(xiàn)(α，β)為圖像的快速傅立葉變換結(jié)果，α，β為頻率域變量；步驟1-2對(duì)所有空間頻率點(diǎn)(kx，ky)，kx＝1，2，…，M，表示x方向上的空間頻率點(diǎn)，ky＝1，2，…，N，表示y方向上的空間頻率點(diǎn)，進(jìn)行第步驟1-3-步驟1-6的操作步驟1-3在空間頻率點(diǎn)(kx，ky)，對(duì)高斯局部化窗函數(shù) id="icf0001" file="A2008101476930002C1.tif" wi="23" he="8" top= "110" left = "128" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>進(jìn)行傅立葉變換，得到它的傅立葉頻譜W(α，β)，高斯窗函數(shù)中的μ和η為取值范圍為正數(shù)的調(diào)節(jié)參數(shù)，其定義為σx＝μ/kx，σy＝η/ky，σx，σy是尺度因子；步驟1-4移動(dòng)傅立葉頻譜F(α，β)→F(α+kx，β+ky)；步驟1-5計(jì)算F(α+kx，β+ky)與W(α，β)的點(diǎn)積，表示為 id="icf0002" file="A2008101476930002C2.tif" wi="21" he="7" top= "164" left = "135" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>；步驟1-6計(jì)算 id="icf0003" file="A2008101476930002C3.tif" wi="22" he="6" top= "178" left = "58" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>的傅立葉反變換得到原始圖像I(x，y)的廣義S變換結(jié)果S(x，y，kx，ky)；步驟2根據(jù)步驟1所得的原始圖像I(x′，y′)的廣義S變換結(jié)果S(x，y，kx，ky)對(duì)圖像中的微弱目標(biāo)進(jìn)行檢測(cè)，固定空間頻率ky的值，使四維S變換結(jié)果S(x，y，kx，ky)降為三維數(shù)據(jù)，計(jì)算沿y方向每一個(gè)取值下所對(duì)應(yīng)的垂直切面圖像(x，kx)的頻率成分能量之和Px(i)，(i＝0，1，2，…，M)平均值<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><msub> <mover><mi>P</mi><mo>&OverBar;</mo> </mover> <mi>x</mi></msub><mo>=</mo><mfrac> <mn>1</mn> <mi>M</mi></mfrac><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>M</mi></munderover><msub> <mi>P</mi> <mi>x</mi></msub><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow>]]></math> id="icf0004" file="A2008101476930002C4.tif" wi="24" he="8" top= "236" left = "72" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>作為閾值T1，比較Px(i)與T1的大小，其中Px(i)大于T1的行就是微弱目標(biāo)所在行的位置；步驟3根據(jù)步驟1所得的原始圖像I(x′，y′)的廣義S變換結(jié)果S(x，y，kx，ky)對(duì)圖像中的微弱目標(biāo)進(jìn)行檢測(cè)，固定空間頻率kx的值，使四維S變換結(jié)果S(x，y，kx，ky)降為另一組三維數(shù)據(jù)，計(jì)算沿x方向每一個(gè)取值下所對(duì)應(yīng)的垂直切面圖像(y，ky)的頻率成分能量之和Py(j)，(j＝0，1，2，…，N)平均值<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><msub> <mover><mi>P</mi><mo>&OverBar;</mo> </mover> <mi>y</mi></msub><mo>=</mo><mfrac> <mn>1</mn> <mi>M</mi></mfrac><munderover> <mi>&Sigma;</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mi>M</mi></munderover><msub> <mi>P</mi> <mi>y</mi></msub><mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo></mrow> </mrow>]]></math> id="icf0005" file="A2008101476930003C1.tif" wi="26" he="8" top= "37" left = "73" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>作為閾值T2，比較Py(j)與T2的大小，其中Py(j)大子T2的列就是微弱目標(biāo)所在列的位置；步驟4因S變換用一個(gè)窗函數(shù)與原始圖像信號(hào)相乘，相當(dāng)于截取了原始圖像h(x′，y′)在(x，y)位置的局部信息，變換后的(x，y)位置能反映原始圖像的空間位置信息；所以步驟3、4所確定的微弱目標(biāo)所在行和列的位置就是該目標(biāo)在原始圖像中的行列位置。
全文摘要
一種基于廣義S變換的微弱目標(biāo)檢測(cè)方法，屬于圖像處理領(lǐng)域，尤其涉及應(yīng)用圖像的二維廣義S變換進(jìn)行微弱目標(biāo)的檢測(cè)方法。本發(fā)明首先對(duì)原始圖像I(x′，y′)，進(jìn)行二維廣義S變換，得到廣義S變換結(jié)果S(x，y，k_x，k_y)；然后根據(jù)廣義S變換結(jié)果S(x，y，k_x，k_y)對(duì)圖像中的微弱目標(biāo)進(jìn)行檢測(cè)；通過固定空間頻率k_x或k_y的值，使四維S變換結(jié)果S(x，y，k_x，k_y)降為三維數(shù)據(jù)，計(jì)算沿x或y方向每一個(gè)取值下所對(duì)應(yīng)的垂直切面圖像(y，k_y)或(x，k_x)的頻率成分能量之合并與閾值進(jìn)行比較，從而確定微弱目標(biāo)在原始圖像中所在的列和行的位置。本發(fā)明通過對(duì)原始圖像進(jìn)行廣義S變換，在廣義S變換的結(jié)果上通過降維可視化處理，利用S變換域的信息來檢測(cè)微弱目標(biāo)，可以有效克服空間域中噪聲、雜波及云層等遮攔物的影響。
文檔編號(hào)G06T7/00GK101493934SQ20081014769
公開日2009年7月29日 申請(qǐng)日期2008年11月27日 優(yōu)先權(quán)日2008年11月27日
發(fā)明者杰 張, 彭真明, 莉 甄, 楊 雍 申請(qǐng)人:電子科技大學(xué)