[發明專利]一種紅外圖像中暗弱點目標檢測方法

有效

• 申請號: 201710473733.0
• 申請日: 2017-06-21
• 公開（公告）號: CN107330857B
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 王德江;劉讓;賈平;車鑫
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T7/13;G06T7/20;G06K9/32
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 李微微;仇蕾安

1.一種紅外圖像中點目標檢測方法，其特征在于，包括如下步驟：

步驟一、獲取原始圖像序列；

步驟二、對輸入的原始圖像I(x,y)，利用8個結構元素采用頂帽和底帽變換組合運算，得到原始圖像在8個結構元素對應的8個方向下分布的目標感興趣區域，具體為：

S1、頂帽和底帽變換分別如式(1)和式(2)所示：

BH_n＝(I·b_n)(x,y)-I(x,y)， (2)

其中，b_n表示第n個結構元素，n＝1,2,…,8，具體的：

S2、對步驟S1中得到的頂帽和底帽變換結果進行組合運算，得到第n個方向下目標感興趣區域ROI_n；

ROI_n＝I+TH_n-BH_n， (3)

S3、將S2提取到的8個方位的點目標感興趣區域ROI_n按照各自所在位置拼合成一個完整的圖像，即得到疑似的不同灰度分布的點目標結果圖像ROI：

步驟三、采用恒虛警閾值處理點目標結果圖像ROI，得到候選點目標；

步驟四、根據所述候選點目標獲得目標運動軌跡。

2.如權利要求1所述的一種紅外圖像中點目標檢測方法，其特征在于，在步驟三獲得候選點目標后，先在候選點目標中剔除殘余背景點，再送入步驟四；具體剔除方法為：

S31、原始圖像I中找到候選目標點的位置，并將候選目標點的位置定義為I(i,j)；

S32、針對每個候選目標點，在原始圖像上以該點為中心的5×5鄰域窗口中，定義如公式(6)所示的4個方向向量L_m，m＝1,2,3,4，每個方向向量包含候選目標點兩側的4個點：

S33、然后計算每個方向向量L_m中4個點與中心的候選目標點I(i,j)的灰度差異值之和：

其中w_x,y表示方向向量上的點I(i+x,j+y)相對中心點I(i,j)的加權系數，x,y∈[-2,2]；其中，距離中心點越近的點，加權系數越大，距離越遠，加權系數越小；

S34、針對每一個候選目標點，確定四個方向向量的灰度差異值的最大值與最小值的比值，稱為該候選點的方向比率DR；

S35、將DR值大于或等于設定閾值的點進行舍棄，將小于設定閾值的點保留，最后得到的候選目標點即為剔除了殘余背景點的候選目標點。

3.如權利要求2所述的一種紅外圖像中點目標檢測方法，其特征在于，所述S33中，加權系數的設置具體如下：

向量L1中各點按從遠極近的順序，各鄰域點的加權系數為：1,2,2和1；

向量L2中各點按從遠極近的順序，各鄰域點的加權系數為：3/2,5/2,5/2和3/2；

向量L3中各點按從遠極近的順序，各鄰域點的加權系數為：1,2,2和1；

向量L4中各點按從遠極近的順序，各鄰域點的加權系數為：3/2,5/2,5/2和3/2；

對所有鄰域點的加權系數進行歸一化，得到最終的加權系數。

4.如權利要求3所述的一種紅外圖像中點目標檢測方法，其特征在于，所述設定閾值設為2。

5.如權利要求1,2,3或4所述的一種紅外圖像中點目標檢測方法，其特征在于，所述步驟三中，采用恒虛警閾值處理點目標結果圖像ROI，得到候選點目標的具體過程如下：

針對步驟二得到的每個目標感興趣區域ROI_n計算該區域的恒虛警閾值：

式中為本區域內背景區域的灰度均值，σ_b為本區域內背景區域的標準差，k為固定常數；

將本區域內各個點與本區域對應的恒虛警閾值進行比較，大于或等于恒虛警閾值Th的進行保留確定為候選目標點；小于恒虛警閾值的進行剔除，得到候選目標點圖像。

6.如權利要求5所述的一種紅外圖像中點目標檢測方法，其特征在于，取k為