[發(fā)明專利]一種復(fù)雜云背景下紅外小目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 201610340443.4
• 申請日: 2016-05-20
• 公開（公告）號: CN107403433A
• 公開（公告）日: 2017-11-28
• 發(fā)明（設(shè)計）人: 任侃;張曉敏;陳錢;顧國華;錢惟賢;龔振飛;趙鐵錕;隋修寶;何偉基;張聞文;萬敏杰;孟思岐;吳李勇;過玲鈺
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 南京理工大學(xué)專利中心32203
• 代理人: 孟睿

技術(shù)領(lǐng)域

本發(fā)明屬于目標(biāo)檢測和紅外圖像處理技術(shù)領(lǐng)域，具體涉及一種復(fù)雜云背景下基于單幀顯著性區(qū)域檢測和幀間虛警抑制操作的紅外小目標(biāo)檢測方法。

背景技術(shù)

紅外小目標(biāo)的快速檢測技術(shù)是紅外探測領(lǐng)域的核心技術(shù)，其在森林防火、衛(wèi)星遙感、紅外預(yù)警和精確制導(dǎo)等領(lǐng)域發(fā)揮著重要作用。紅外小目標(biāo)，顧名思義就是在紅外圖像上呈現(xiàn)為亮度較弱、所占尺寸與面積極小的點狀光斑。由于紅外傳感器受到大氣、海面輻射、作用距離以及探測器噪聲等因素影響，使得紅外小目標(biāo)表現(xiàn)出像元數(shù)目少、缺乏紋理信息的特征。此外，在背景較為復(fù)雜的情況下，小目標(biāo)的紅外圖像可能會顯示出較低的信噪比，目標(biāo)很容易被噪聲和背景雜波所淹沒，使得紅外小目標(biāo)的檢測面臨相當(dāng)?shù)睦щy和挑戰(zhàn)。

近年來，紅外圖像小目標(biāo)探測、識別和跟蹤經(jīng)過了廣泛和深入研究，涌現(xiàn)了大量方法。現(xiàn)有方法大致可分為以下兩類：濾波算法和特征提取算法。在濾波算法中，背景在檢測之前就在空間域或頻域去除，諸如：形態(tài)學(xué)濾波、二維經(jīng)驗?zāi)Ｊ椒纸狻⒆赃m應(yīng)巴特沃思高通濾波、基于內(nèi)核的非參數(shù)回歸等等。總的來說，由于在小目標(biāo)探測中較小的計算量和良好的性能，這些方法已被廣泛使用。但是，當(dāng)背景很復(fù)雜時，濾波算法的檢測性能將迅速惡化，由于去除背景較困難，這種方法可能會導(dǎo)致復(fù)雜背景干擾下大量的虛警。在特征提取算法中，從目標(biāo)和背景中提取的不同的特征，可從背景中區(qū)別出目標(biāo)。如局部對照的方法、稀疏矩陣和低秩矩陣分解方法、和主曲率方法等。這種方法的檢測性能主要取決于特征選擇和背景類型。因此，特征提取方法的魯棒性較差。

發(fā)明內(nèi)容

本發(fā)明提供了一種復(fù)雜云背景下基于單幀顯著性區(qū)域檢測和幀間虛警抑制操作的紅外小目標(biāo)檢測方法，該方法結(jié)合了顯著性區(qū)域檢測簡單高效、易于操作、準(zhǔn)確率高、虛警率低、魯棒性強的特點，能夠?qū)?fù)雜云背景下的紅外小目標(biāo)較為準(zhǔn)確地檢測出來。

為了解決上述技術(shù)問題，本發(fā)明提供一種復(fù)雜云背景下紅外小目標(biāo)檢測方法，包括圖像預(yù)處理、二次顯著性區(qū)域檢測和疑似目標(biāo)分割、幀間虛警抑制三部分；其中，

圖像預(yù)處理：對單幀圖像先進(jìn)行二維中值濾波，然后進(jìn)行高通模板濾波；

二次顯著性區(qū)域檢測和疑似目標(biāo)分割：用頻域殘差法對單幀圖像進(jìn)行處理完成一次顯著性區(qū)域檢測，然后進(jìn)行傅里葉變換和傅里葉逆變換完成二次顯著性區(qū)域檢測，最后用滑動窗口遍歷單幀圖像進(jìn)行目標(biāo)與背景的二值化分割，獲得疑似目標(biāo)；

幀間虛警抑制：先對圖像序列進(jìn)行間隔采樣，對不同幀圖像檢測出的疑似目標(biāo)進(jìn)行幀間關(guān)聯(lián)，使用最小歐氏距離法排除虛；然后用質(zhì)心法提取圖像中目標(biāo)的單個像素點，從而在圖像中標(biāo)示紅外小目標(biāo)。

進(jìn)一步，所述高通模板

進(jìn)一步，所述一次顯著性區(qū)域檢測的具體過程為：對預(yù)處理后的單幀圖像進(jìn)行傅里葉變換，提取傅里葉變換的幅度譜和相位譜，對幅度譜取自然對數(shù)獲得對數(shù)幅度譜，對對數(shù)幅度譜作平滑處理，取對數(shù)幅度譜與對數(shù)幅度譜平滑處理后結(jié)果的差值作為頻域殘差，對頻域殘差和相位譜作傅里葉逆變換并取模的平方。

進(jìn)一步，所述二次顯著性區(qū)域檢測的具體過程為：對一次顯著性區(qū)域檢測獲得的圖像進(jìn)行傅里葉變換，提取相位信息，將相位信息乘以一個虛數(shù)單位后取為e的指數(shù)，再作傅里葉逆變換并取模的平方。

進(jìn)一步，對目標(biāo)與背景進(jìn)行二值化分割所使用的滑動窗口為九宮格窗口。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點在于：(1)本發(fā)明先進(jìn)行單幀圖像顯著區(qū)域檢測然后再對序列圖像檢測結(jié)果做幀間關(guān)聯(lián)進(jìn)行虛警抑制，確率高、虛警率低、魯棒性強，簡單高效，實時操作性強；(2)本發(fā)明在預(yù)處理部分利用二維中值濾波，在較好地保留圖像中目標(biāo)能量和灰度特征的同時高效濾除孤立噪聲點，利用高通濾波，使模板中心部分權(quán)值大，周圍部分權(quán)值小，能在保證小目標(biāo)通過的同時抑制背景；(3)顯著區(qū)域檢測及目標(biāo)分割部分，首先引入頻域殘差法和圖像傅里葉變換的相位信息抑制背景，突出紅外圖像中小目標(biāo)潛在區(qū)域，且顯著性區(qū)域檢測只包含對圖像作卷積、傅里葉及傅里葉逆變換等運算，計算量小，實時性強；然后利用目標(biāo)與鄰域背景之間的灰度變化信息，引入九宮格細(xì)胞模板進(jìn)行目標(biāo)背景的二值化分割；(4)虛警抑制部分，引入最小歐氏距離法，利用序列圖像幀間目標(biāo)位置的相關(guān)性來區(qū)分出目標(biāo)，大大降低了檢測虛警率；對目標(biāo)點狀光斑提取質(zhì)心，進(jìn)一步提升了檢測結(jié)果的精確性。

附圖說明

圖1為本發(fā)明方法流程示意圖。

圖2為目標(biāo)分割滑動窗口模板示意圖。

圖3為單幀復(fù)雜云背景下包含小目標(biāo)的紅外圖像。

圖4為對圖3進(jìn)行中值濾波后的效果圖。

圖5為對圖4進(jìn)行模板卷積處理后的效果圖。