(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 202211177614.8 (22)申请日 2022.09.27 (71)申请人 长春理工大 学 地址 130022 吉林省长 春市卫星路7089号 (72)发明人 付强　朱瑞　刘壮　王超　史浩东　 李英超　姜会林　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 姜艳红 (51)Int.Cl. G06V 20/10(2022.01) G06T 7/246(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 一种天基背景 下暗弱小目标检测方法 (57)摘要 本发明是一种天基背景下暗弱小目标检测 方法。 本发明涉及 目标探测技术领域， 本发明对 原始天基暗弱小目标图像进行金字塔 分解， 得到 分解图像， 对分解图像进行加权融合， 得到图像 金字塔加权融合结果图； 对图像金字塔加权融合 结果图采用自适应阈值分割， 确定天基暗弱小目 标候选点； 设置检验条件， 确定真实目标点。 本发 明采用图像金字塔对图像进行多尺度缩放， 以此 实现数据集的增加和分辨率多元化的目的， 对多 尺度图像进行融合， 扩展 图动态范围， 提高图像 整体清晰度、 对比度和灰度方差等性能指标， 提 升图像质量， 为目标检测提供 更多信息 。 权利要求书5页 说明书13页 附图3页 CN 115272871 A 2022.11.01 CN 115272871 A 1.一种天基背景 下暗弱小目标检测方法， 其特 征是： 所述方法包括以下步骤： 步骤1： 对原始天基暗弱小目标图像进行金字塔分解， 将权重图和原始图像分别进行高 斯金字塔和拉普拉斯金字塔分解， 得到分解图像； 步骤2： 通过拉普拉斯金字塔结合图像对比度、 熵、 曝光量三个信息测度因子对分解图 像进行加权融合， 在不同分辨率下分别计算每幅图像的权重金字塔后， 获得不同尺度的图 像内容与图像细节， 得到图像金字塔加权融合结果图； 步骤3： 对图像金字塔加权融合结果图采用自适应 阈值分割， 使用局部阈值分割方法分 别计算不同区域的分割阈值， 将整体与局部相结合， 确定天基暗弱小目标候选点； 步骤4： 设置检验条件， 将阈值分割后得到的天基暗弱小目标候选点建立为树形结构， 对树形结构的各个节点进行运动轨迹剪枝； 输出真实轨迹， 保留各帧图像上构成真实轨迹 的所有候选点， 确定真实目标点。 2.根据权利要求1所述的一种天基背景 下暗弱小目标检测方法， 其特 征是： 所述步骤1具体为： 对原始天基暗弱小目标图像进行金字塔分解， 将权重图和 原始图像分别进行高斯金字 塔和拉普拉斯金字塔分解， 高斯金字塔由低层下采样获得高层图像， 第０层为原始数据图 像， 之后对每一层进 行高斯模糊后再降２采样获得， 高斯金字塔的每层图像尺 寸都是下层图 像的四分之一大小， 通过 下式进行高斯金字塔分解后的图像： （1） 其中 ， 为高斯金字塔的第 层图像， 、 为第 层图像的总行数与总列数， 为高斯滤波模板的第 行 列数值， 取5 ×5大小， 表示高斯 金字塔层数， 为高斯金字 塔分解图像的第 行 列的数值； 引入拉普拉斯金字塔保留图像细节， 在图像重建融合后恢复原图的细节信息， 拉普拉 斯金字塔分解方法为： 对第 层原始图像数据进行高斯模糊和下采样， 得到 ， 对 进行上采样扩展， 得到 拉普拉斯金字塔分解图像 ： （2） 其中， Z表示正整 数， 图像与 层大小相同， 之后将第 层图像 与 相减， 得到包含细 节信息的第 层图像 ： （3）权　利　要　求　书 1/5 页 2 CN 115272871 A 2其中， 为高斯滤波模板第x 行y列， 为对 求导数， 为第 层高斯模糊函 数， Z为正整数。 3.根据权利要求2所述的一种天基背景 下暗弱小目标检测方法， 其特 征是： 所述步骤2具体为： 通过对原始天基暗弱小目标图像进行拉普拉斯滤波， 并对滤波响应得到的系数取绝对 值， 得到的绝对值响应系 数反应各像素处的对比度信息， 滤波用的拉普拉斯算子二 阶偏导 数的离散形式通过 下式表示： （4） 式中， 表示图像灰度值， 为一阶偏导数， 为 二阶偏导数； 在灰度图像评估中熵作为一项指标来评估图像所含信 息量的多和少， 通过下式表示灰 度图像评估中熵e： （5） 其中， 表示图像直方图， 表示图像灰度值， 为第 个图像直方图； 测定天基暗弱小目标图像曝光 量， 选择曝光良好处像素点 通过下式表示 ： （6） 其中， 为表示图像 像素； 图像对比度、 熵、 曝光 量三信息测度因子线性结合 通过下式表示： （7） 其中， 为图像序列号， C， S， P为对比度、 熵、 适度曝光量， 为常数项 ， 为总权重值， 为对比度权 重， 为熵值权 重， 为曝光权 重值； 分别计算所有序列图像的对 应权重图 将权重图中每一个像素进行累加计算， 使得所有权重图空间位置 权重和为1， 即 （8） 其中， Ｎ为输入图像数目。 4.根据权利要求1所述的一种天基背景 下暗弱小目标检测方法， 其特 征是： 所述步骤3具体为： 阈值分割过程采用局部和全局阈值分割相互结合的方法进行弱小目标的确定， 全局阈 值分割是对整体图像采用的自适应阈值分割 ， 通过下式表示 ： （9）权　利　要　求　书 2/5 页 3 CN 115272871 A 3