[發明專利]一種無人機偵察視頻圖像目標自動檢測方法

有效

• 申請號: 201810090390.4
• 申請日: 2018-01-30
• 公開（公告）號: CN108446584B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 姜梁;吳國強;包文龍;孫浩惠;冷曉旭;黃蜀玲;張翔南
• 申請（專利權）人: 中國航天電子技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 皋吉甫

本發明涉及圖像處理領域，具體涉及一種無人機偵察視頻圖像目標自動檢測方法。所述方法采用目標粗提取算法與精提取算法對視頻圖像進行目標區域的預提取，采用分類器對預提取區域進行判斷，剔除非目標的預提取區域，保留并標記目標區域實現對視頻圖像中目標的自動檢測。本發明引入預提取算法對視頻圖像進行目標預提取，避免了檢測算法因滑窗尺寸、步長不能無級變化或目標特征不明顯引起的漏檢或誤檢，增加了檢測的準確率。同時本發明引入預提取算法對視頻圖像進行目標預提取，分擔了分類器檢測算法在整個偵察目標自動檢測過程中的權重，降低了訓練分類器所需的樣本的數量與多樣性的數量級要求，提高了運行效率。

技術領域

本發明涉及圖像處理領域，具體涉及一種無人機偵察視頻圖像目標自動檢測方法。

背景技術

近年來，無人機作為一支新興作戰力量，在信息化作戰條件下發揮了不可替代的作用，大力發展無人機裝備技術，對于提升部隊作戰能力具有重大的戰略意義。目標自動檢測技術作為無人機執行偵察打擊任務的關鍵技術之一，能夠為無人機視覺導航、目標跟蹤、自主飛行和毀傷評估等技術提供強大支持。高效準確的檢測算法，可以有效減輕地面操作人員的負擔，提高快速響應作戰能力以及系統偵查能力。

目前在以視覺處理為基礎的圖像目標檢測算法中，機器學習算法以其準確度高、魯棒性強且同時適用于動目標和靜目標而受到足夠的重視。以AdaBoost級聯分類器、貝葉斯分類、決策樹和支持向量機等為主的傳統機器學習算法通過采集目標樣本，提取特征并訓練目標分類器來完成對圖像目標的檢測，取得了良好的檢測效果。但傳統的機器學習算法多采用多尺度變換的窗口滑動遍歷整幅圖像來進行目標檢索，實時性差，運行效率低，對硬件配置要求較高，而所使用的滑窗尺寸和步長通常也不會無級變化，從而影響了檢測的準確性。其次，檢測效果完全依賴于分類器的性能，而分類器的性能又由目標樣本的數量和多樣性決定，以人工采集并標記大規模數量的樣本費時費力。最后，無人機偵察視頻圖像具有無序性和分布多樣性的特點，包含有大量冗余信息，真正的目標區域卻只占少數，而且目標所占像素數不多，占整個畫面比例較小，與鄰近區域特征較相近，很容易引起分類器的誤檢或漏檢。

綜上所述，在無人機偵察視頻圖像處理系統中，對偵查目標的自動檢測技術目前面臨以下問題：

1)傳統目標檢測算法通過滑窗遍歷的方式整幅圖像來檢索目標，既影響了檢測效率，又影響了檢測準確度，在現有硬件處理基礎上，難以保證實時性；

2)以人工采集并標記大規模數量的樣本費時費力，訓練時長較長，且難以對樣本多樣性考慮周全；

3)無人機偵察視頻圖像包含有大量冗余信息，目標所占像素數不足，且在整個畫面中比例較小，紋理特征不明顯，容易引起誤檢或漏檢。

發明內容

針對上述問題，本發明提供一種無人機偵察視頻圖像目標自動檢測方法。方法在分類器檢測判斷之前，采用有效的預提取算法對視頻圖像目標進行預提取，去除冗余的非目標區域，將預提取的可能包含目標的區域代替整幅圖像作為分類器檢測算法的輸入，分類器剔除輸入圖像非目標的預提取區域，保留并標記目標區域，如此大大提高分類器檢測算法的性能。

本發明是通過以下技術方案實現的：

一種無人機偵察視頻圖像目標自動檢測方法，所述方法采用基于頻譜殘差的提取算法對視頻圖像進行目標的預提取，采用分類器對預提取區域進行判斷，剔除非目標的預提取區域，保留并標記目標區域以實現對視頻圖像中目標的自動檢測。

進一步地，所述目標的預提取具體為：

對所述視頻圖像進行快速傅里葉變換變換得到頻譜圖；

對所述頻譜圖的幅頻響應進行均值平滑，將平滑后的幅頻響應與原始幅頻響應作差，得到頻譜殘差；

對所述頻譜殘差作逆傅里葉變換得到顯著圖；