[發(fā)明專利]一種基于紅外圖像的海上目標檢測方法

無效

• 申請?zhí)枺?/td>: 200910072582.3
• 申請日: 2009-07-24
• 公開（公告）號: CN101604383A
• 公開（公告）日: 2009-12-16
• 發(fā)明（設(shè)計）人: 張鈞萍;陳浩;張曄
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 哈爾濱市松花江專利商標事務(wù)所
• 代理人: 楊立超

1.一種基于紅外圖像的海上目標檢測方法，其特征在于：所述方法針對海上紅外圖像的特點，采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過程通過預(yù)處理和合理的閾值設(shè)置有效抑制了海雜波，然后對感興趣區(qū)域進行逐點分形計算，在逐點分形計算中考慮了尺度的影響并對邊界進行了對稱處理，最后對每點的分形特征加和取平均作為該區(qū)域的分形特征，根據(jù)特征檢測出人造目標；

所述方法的具體步驟如下：

步驟A、對獲得的紅外圖像進行預(yù)處理：

步驟A1：輸入紅外圖像I(m，n)，其中m＝1，2，...，M表示圖像的行，n＝1，2，...，N表示圖像的列；

步驟A2：求圖像I(m，n)的灰度最大值，I_max＝max(I(m，n))，即M×N個點所對應(yīng)的灰度的最大值；

步驟A3：統(tǒng)計圖像I(m，n)的直方圖，通過對圖像各灰度級的統(tǒng)計h(i)，i＝1，2，...，I_max，獲直方圖波谷位置I₀，在I₀附近是目標和背景之間的海雜波區(qū)域，其灰度值范圍在I_a～I_b之間；即I_a＜I₀＜I_b；

步驟A4：根據(jù)?計算非線性變換參數(shù)的近似值范圍γ_min～γ_max，并取最終的γ＝0.5(γ_min+γ_max)；

步驟A5：利用公式(1)對圖像I(m，n)進行逐像素的非線性變換，完成預(yù)處理，實現(xiàn)海雜波抑制；

I_d＝255×(I_s/255)^γ???????????????????(1)

其中I_s是原圖像的灰度值，且I_s∈[0，255]，I_d是變換后的灰度值，γ為非線性變換參數(shù)且大于0；

步驟B、自適應(yīng)迭代閾值分割：

步驟B1：設(shè)置初始分割閾值為T¹＝(μ+ε¹)/2，其中μ是變換后圖像的平均灰度，是對分割閾值的先驗估計；灰度大于μ的點被看成是觀測點，所有觀測點的集合用{g(k)}表示，ε¹表示其平均值；

其中{g(k)}＝{g(k)|g(k)＝I(m，n)，I(m，n)＞μ，k＝1，...，S}????(3)?

步驟B2：迭代計算求T²＝(μ+ε²)/2，此時所有大于T¹的點被看成是觀測點，ε²為新的觀測點集的平均灰度值；

步驟B3：到第t次迭代，計算觀測點的平均灰度值ε^t；觀測點即灰度大于第t-1步算出的閾值T^t-1的像素點；

步驟B4：更新閾值T^t＝(μ+ε^t)/2；

步驟B5：如果T^t＝T^t-1，則停止，繼續(xù)步驟B6，否則返回步驟B3；

步驟B6：利用步驟B1～B5迭代獲得的自適應(yīng)閾值T^t將圖像進行分割，分離出包含海岸背景和船艦?zāi)繕说亩祱D；

步驟C、檢驗海天線處是否有感興趣區(qū)域，感興趣區(qū)域用ROI表示；利用Sobel算子提取邊緣，對獲得的海天線底線進行直線擬合，根據(jù)擬合誤差e_n，設(shè)置經(jīng)驗閾值Th來判定海天線背景處是否有目標；如果e_n＞Th，則海天線處有目標，轉(zhuǎn)到步驟D；反之海天線處無目標，直接轉(zhuǎn)到步驟E；

步驟D：提取海天線背景處的感興趣區(qū)域：采用步驟B的自適應(yīng)迭代閾值方法，對該區(qū)域進行二次閾值分割，濾除掉海天線背景，保留目標區(qū)域；

步驟E：提取非海天線背景處的感興趣區(qū)域：貫穿圖像兩邊的海天線，進行閾值分割和邊緣提取后，形成一個非閉合區(qū)域，而目標仍然為一個閉合區(qū)，再對閉合區(qū)域進行填充，然后進行占優(yōu)算法處理，則可提取出非海天線背景處的ROI；

步驟F、感興趣區(qū)域合并得到待進一步處理的感興趣圖像：將非海天線背景處分割的ROI圖像和海天線背景處分割的ROI圖像相加，所得到的結(jié)果，即為最后分割出來的感興趣區(qū)域圖像；

步驟G、提取每個ROI分形特征進行目標檢測：

步驟G1：分形特征提取：在感興趣區(qū)域內(nèi)逐點計算分形維數(shù)D和擬合誤差E；

在求分形特征的過程中，將圖像視為三維空間中的曲面，高度即為像素的灰度；設(shè)待處理的圖像為f(i，j)，當尺度r＝0時，覆蓋圖像的上下表面U(i，j，0)、L(i，j，0)為：

U(i，j，0)＝L(i，j，0)＝f(i，j)????????????????(4)

對于非零尺度，r＝1，2，...，M，覆蓋圖像不同尺度的上下表面U(i，j，r)、L(i，j，r)?用下面的遞歸公式求得：

U(i，j，r+1)＝max{U(i，j，r)+1，max[U(k，m，r)]}?????????????????(5)

L(i，j，r+1)＝min{L(i，j，r)-1，min[L(k，m，r)]}(k，m∈σ)，?????(6)

σ＝{(k，m)：max(d[(k，m)，(i，j)])≤1}??????????????????????????(7)

其中d[(k，m)，(i，j)]為(k，m)和(i，j)兩點間的距離；(k，m)是不同于(i，j)的另一點的坐標；

在計算過程中，對位于邊界處的像素點，采用邊界對稱處理；

同時考慮到不同尺度r的影響，原始圖像f(i，j)在(i，j)處的表面積A(i，j，r)由式(8)求得：

A(i，j，r)＝[V(i，j，r)-V(i，j，r-1)]/2r??????????????????????(8)

其中

式中B為中心在(i，j)處的矩形窗，對于一個分形表面，有：

log[A(r)]＝C₂log(r)+C₁????????????????????(10)

其中C₁、C₂為常數(shù)，因此只需用不同尺度r時所求得的表面積A(i，j，r)，在log[A(r)]-log(r)坐標系中作直線的最小二乘擬合，即可得到圖像f(i，j)在矩形窗B中心處的分維數(shù)：

????D(i，j)＝2-C₂????????????????????????(11)

其分形擬合誤差為：

步驟G2：取感興趣區(qū)域所有像素點的分形維數(shù)和分形擬合誤差的計算均值作為用于識別的新的區(qū)域分形維數(shù)和分形擬合誤差值；

步驟G3：利用(13)、(14)中的約束進行目標或背景的判別；其中D_b、D_r分別為背景和人造目標的分形維數(shù)；E_b、E_r分別為背景和人造目標的擬合誤差；

????2＜＝D_b＜＝3，D_r＜2????????????????(13)?

E_b＜1×10^-5，E_r＞＝1×10^-5????????????????(14)

如果(13)、(14)中的任何一個條件滿足，則判斷該區(qū)域為目標區(qū)域；從而實現(xiàn)目標的檢測。?