基于多尺度形态学融合的加权局部熵红外小目标检测方法

1.一种基于多尺度形态学融合的加权局部熵红外小目标检测方法，其特征在于：包括以下步骤：步骤1：输入一幅待检测的红外图像Img，图像大小为m*n；步骤2：将输入的图像Img转换为灰度图像，得到图像Img in ；步骤3：采用以下步骤进行背景抑制：步骤3.1：设定I个形态学预处理结构单元m i ，1≤i≤I，其中I取大于零的整数，且形态学预处理结构单元尺度随i增大而增大；步骤3.2：选择形态学预处理结构单元m i 对图像Img in 进行Top-Hat形态学图像预处理，得预处理后的图像，记为WTHS i ；步骤3.3：重复步骤3.2，直到所有设定的形态学预处理结构单元全部与图像Img in 完成Top-Hat形态学图像预处理，得到多尺度Top-Hat预处理图像集WTHS；步骤3.4：对多尺度Top-Hat预处理图像集WTHS中相邻两幅图像对应像素点的灰度值作差，得到差异图：WTHS Top_Hat(i+1) ＝WTHS i+1 -WTHS i ，1≤i≤I-1步骤3.5：重复步骤3.4，得到多尺度Top-Hat预处理图像集WTHS中I-1组相邻两幅图像之间的差异图组成的差异图集WTHS Top_Hat ；步骤3.6：对差异图集WTHS Top-Hat 进行元素灰度值最小融合，得到融合图像WTHS Top-Hat-min ；计算多尺度Top-Hat预处理图像集WTHS中每个图像的灰度均值，取其中的最小均值图WTHS mean(min) ；步骤3.7：将图像WTHS Top_Hat_min 与最小均值图WTHS mean(min) 中对应像素点灰度值相加，得到背景抑制后的融合图Img WTH ；步骤4：计算图像Img in 的图像局部灰度的信息熵：步骤4.1：选取半径为M的信息熵计算窗口对图像Img in 从上到下、从左到右进行局部灰度信息熵运算：信息熵计算窗口的中心从图像Img in 的(M+1,M+1)位置开始滑动，同时计算该窗口下的局部信息熵，直到最后滑到图像Img in 的(m-M,n-M)位置为止，图像Im gin 的边缘信息熵填充为0，得局部灰度信息熵图记为Img entropy ；步骤4.2：将局部灰度信息熵图Img entropy 与融合图Img WTH 对应像素点的像素值相乘，并归一化后得到加权局部灰度信息熵图Img L_entropy 作为红外小目标显著图；步骤5：计算灰度信息熵自适应阈值：步骤5.1：计算红外小目标显著图Img L_entropy 的像素值均值Mean和像素值方差Var，并找出其中像素值的最大值H max ；步骤5.2：计算阈值T＝α(H max -Mean)+βMean 2 +εVar，其中α、β、ε为设定的正常数；步骤6：利用步骤5得到的阈值T对红外小目标显著图Img L_entropy 进行二值化处理，图中像素值低于T的置为0，不低于T的置为1；得到红外小目标显著图的二值化结果Img L_entropy_B 作为最终红外小目标分布检测图，其中二值化为1的区域就是红外小目标。