[發明專利]一種基于紅外圖像的對空目標檢測方法

有效

• 申請號: 202010033737.9
• 申請日: 2020-01-13
• 公開（公告）號: CN111210422B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 曾慧;修海鑫;劉紅敏
• 申請（專利權）人: 北京科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/187;G06T5/50
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

本發明提供一種基于紅外圖像的對空目標檢測方法，能夠較為有效地對紅外圖像序列中的對空小目標進行檢測。所述方法包括：提取紅外圖像各像素點鄰域的對比度特征，生成對比度圖像；提取紅外圖像各像素點的鄰域亮度差分特征，生成鄰域亮度差分圖像；融合對比度圖像和鄰域亮度差分圖像；對融合后的圖像進行置零操作的雙閾值處理，提取目標位置。本發明適用于基于紅外圖像的對空目標檢測。

技術領域

本發明涉及計算機視覺領域，特別是指一種基于紅外圖像的對空目標檢測方法。

背景技術

紅外目標的檢測方法大致可分為兩類：先跟蹤后檢測(TBD，Track BeforeDetect)、先檢測后跟蹤(DBT，Detect Before Track)。TBD方法一般需要一些先驗信息，使用相鄰的多張圖像，根據計算出的可能的路徑的后驗概率估計出目標位置。這些方法對于機動性強、移動速度快的目標不太適用。而且TBD方法一般計算量較大，實時性較差。與TBD方法相比，DBT方法實現簡單、計算速度快、計算資源需求少、需要的先驗知識少，一直是紅外目標檢測方法研究中備受關注的方向。現有的DBT方法有基于傳統圖像處理方法實現的方法，有基于邊緣檢測方法實現的方法，這些方法對噪聲較為敏感，易受到雜波干擾。而基于學習的方法依賴于訓練樣本以及特征的設計，由于對空紅外目標樣本較少，難以覆蓋全面，因此基于學習的方法不易于實現。近年來有不少基于人類視覺機理的方法被提出來，但這些方法也或多或少存在由于噪聲的干擾而導致虛警率較高的問題。

發明內容

本發明要解決的技術問題是提供一種基于紅外圖像的對空目標檢測方法，以解決現有技術所存在的由于噪聲干擾和目標亮度不均勻導致的虛警率高的問題，并提高檢出率。

為解決上述技術問題，本發明實施例提供一種新的基于紅外圖像的對空目標檢測方法，包括：

提取紅外圖像各像素點鄰域的對比度特征，生成對比度圖像；

提取紅外圖像各像素點的鄰域亮度差分特征，生成鄰域亮度差分圖像；

融合對比度圖像和鄰域亮度差分圖像，生成融合后的圖像；

對融合后的圖像進行置零操作的雙閾值處理，提取目標位置。

進一步地，所述提取紅外圖像各像素點的鄰域亮度差分特征，生成鄰域亮度差分圖像包括：

定義紅外圖像中點(x,y)處的鄰域亮度差分指標D(x,y)為：

其中，D_k(x,y)為點(x,y)處第k個尺度的亮度差分。所述點(x,y)處第k個尺度的亮度差分D_k(x,y)定義為：

D_k(x,y)＝A_k(x,y)-A_k+1(x,y)

其中，A_k(x,y)為點(x,y)處第k個尺度的鄰域內的像素值的平均值。所述點(x,y)處第k個尺度的鄰域內的像素值的平均值A_k(x,y)定義為：

其中，f(u,v)為圖像中點(u,v)處的像素值，Ω_k為點(x,y)處第k個尺度的鄰域，N_k為Ω_k內的像素點的個數。所述點(x,y)處第k個尺度的鄰域Ω_k定義為：

Ω_k＝{(u,v)|max{|u-x|,|v-y|}≤k},k＝1,2,…,L

其中，L為所考慮的最大尺度。

所述生成的鄰域亮度差分圖像中點(x,y)處的值即為紅外圖像中點(x,y)處的鄰域亮度差分指標D(x,y)。