[發(fā)明專利]一種基于形態(tài)學(xué)濾波和SVD的弱小目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510837688.3
• 申請(qǐng)日: 2015-11-26
• 公開（公告）號(hào): CN105469428A
• 公開（公告）日: 2016-04-06
• 發(fā)明（設(shè)計(jì)）人: 王敏
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 婁嘉寧

本發(fā)明公開了一種基于形態(tài)學(xué)濾波和SVD的弱小目標(biāo)檢測(cè)方法，步驟1：通過形態(tài)學(xué)濾波目標(biāo)增強(qiáng)算法進(jìn)行背景抑制、噪聲去除，得到預(yù)處理后圖像序列；步驟2：讀入Nmax幅所得圖像序列，進(jìn)行幀數(shù)估計(jì)，得到需要處理的幀數(shù)N；步驟3：將N+1幅圖像組成的圖像合并成二維數(shù)據(jù)，求其自相關(guān)矩陣并對(duì)其自相關(guān)矩陣進(jìn)行SVD；步驟4：選擇合適的特征向量重構(gòu)圖像序列，得到新的特征圖像序列；步驟5：對(duì)重構(gòu)圖像序列進(jìn)行閾值分割，從背景中分離得到原圖像中弱小目標(biāo)的位置；步驟6：對(duì)序列中的每幅圖像分別進(jìn)行修正；步驟7：將N代替Nmax后，重復(fù)步驟2～7。本發(fā)明將形態(tài)學(xué)濾波與奇異值分解的方法有效的結(jié)合對(duì)視頻中的弱小目標(biāo)進(jìn)行檢測(cè)，計(jì)算時(shí)間短，檢測(cè)效率高，準(zhǔn)確性和魯棒性都比較好。

技術(shù)領(lǐng)域

本方法屬于視頻分析領(lǐng)域，具體涉及一種基于形態(tài)學(xué)濾波和SVD的弱小目標(biāo)檢測(cè)方法。

背景技術(shù)

弱小目標(biāo)的檢測(cè)在現(xiàn)代戰(zhàn)爭中的地位是不言而喻的，目前已成為衛(wèi)星遙感、高能物理、低空預(yù)警以及精確制導(dǎo)等領(lǐng)域信息處理的核心技術(shù)。由于弱小目標(biāo)的像元個(gè)數(shù)很少，缺乏目標(biāo)的結(jié)構(gòu)信息，可供分割與檢測(cè)算法利用的信息很少。而傳感器接受的目標(biāo)強(qiáng)度較弱，噪聲和背景雜波干擾較強(qiáng)，使圖像的信噪比降低，故而我們應(yīng)當(dāng)利用好序列圖像中目標(biāo)的連續(xù)性和規(guī)則性來檢測(cè)目標(biāo)。一直以來，如何更好的利用弱小目標(biāo)幀間信息，提高檢測(cè)的可靠性和效率，是弱小目標(biāo)檢測(cè)的重點(diǎn)。

對(duì)于背景抑制與弱小目標(biāo)檢測(cè)問題，早期的一些工作主要是集中于動(dòng)態(tài)規(guī)劃和狀態(tài)估計(jì)技術(shù)來增加目標(biāo)的可檢測(cè)性，但是，在低信噪比情況下可能呈現(xiàn)比較差的性能。目前，已經(jīng)有人將形態(tài)學(xué)濾波、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、小波變換等方法用于弱小目標(biāo)檢測(cè)。但是，在復(fù)雜背景下，目標(biāo)點(diǎn)極易被噪聲淹沒，實(shí)現(xiàn)目標(biāo)的可靠性檢測(cè)和識(shí)別難度較大。此外，在數(shù)據(jù)吞吐量大、實(shí)時(shí)性要求高的條件下難以滿足很好的檢測(cè)性能。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種計(jì)算時(shí)間短，檢測(cè)精準(zhǔn)的基于形態(tài)學(xué)濾波和奇異值分解(下文簡稱SVD)的弱小目標(biāo)檢測(cè)方法。

發(fā)明內(nèi)容：本發(fā)明提供了一種基于形態(tài)學(xué)濾波和SVD的弱小目標(biāo)檢測(cè)方法，包括以下步驟：

步驟1：輸入待檢測(cè)的視頻序列，通過形態(tài)學(xué)濾波目標(biāo)增強(qiáng)算法進(jìn)行背景抑制、噪聲去除，得到預(yù)處理后圖像序列；

步驟2：從預(yù)處理后的圖像序列中，讀入Nmax幅圖像組成的圖像序列，進(jìn)行幀數(shù)估計(jì)，得到需要處理的幀數(shù)N；

步驟3：讀入N+1幅圖像，包括需要處理的N幀圖像和N幀圖像的后一幅圖像，并將N+1幅圖像組成的圖像合并成二維數(shù)據(jù)，求其自相關(guān)矩陣并對(duì)其自相關(guān)矩陣進(jìn)行SVD；

步驟4：選擇中間特征值對(duì)應(yīng)特征向量重構(gòu)圖像序列，得到重構(gòu)圖像序列；

步驟5：對(duì)重構(gòu)圖像序列進(jìn)行閾值分割，從背景中分離得到原圖像中弱小目標(biāo)的位置；

步驟6：對(duì)步驟4中得到的重構(gòu)圖像序列中的每幅圖像分別進(jìn)行幀間位置修正與幀內(nèi)位置修正；

步驟7：將N代替Nmax后，重復(fù)步驟2～7，直到Nmax幅圖像組成的圖像序列中最后一幅圖像處理完成后輸出結(jié)果。

進(jìn)一步，所述步驟1中形態(tài)學(xué)濾波目標(biāo)增強(qiáng)算法采用圓形作為結(jié)構(gòu)元素。這對(duì)于恢復(fù)噪聲污染圖像會(huì)產(chǎn)生較好的濾波效果。這樣能夠得到更好的濾波效果。

進(jìn)一步，所述步驟1中利用形態(tài)學(xué)濾波目標(biāo)增強(qiáng)算法先對(duì)待檢測(cè)視頻中的每一幀圖像進(jìn)行閉運(yùn)算，然后對(duì)有能填入砂眼噪聲之間的圖像內(nèi)部或不會(huì)形成退化矩形的區(qū)域進(jìn)行開運(yùn)算。