[發(fā)明專(zhuān)利]一種基于統(tǒng)計(jì)特性預(yù)分割的自適應(yīng)紅外小目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010619554.5
• 申請(qǐng)日: 2020-06-30
• 公開(kāi)（公告）號(hào): CN111783656A
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 國(guó)強(qiáng);魏子博;王亞妮;那博;陳海龍;方超;劉廣輝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈工程先進(jìn)技術(shù)研究院（招遠(yuǎn)）有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/32;G06K9/34;G06K9/38;G06K9/46;G06K9/62
• 代理公司: 煙臺(tái)上禾知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 37234
• 代理人: 趙加鑫

本發(fā)明提出了一種基于統(tǒng)計(jì)特性預(yù)分割的自適應(yīng)紅外小目標(biāo)檢測(cè)算法，法包括：(1)紅外圖像均等分割及擴(kuò)充；(2)統(tǒng)計(jì)特性差異性算法篩選興趣區(qū)域；(3)閾值迭代計(jì)算范圍內(nèi)由高到低自適應(yīng)計(jì)算閾值；(4)根據(jù)閾值二值化圖像；(5)匹配原圖像重構(gòu)并輸出重構(gòu)后的圖像。本申請(qǐng)發(fā)明能提前濾出非目標(biāo)像素點(diǎn)，減小計(jì)算總量，達(dá)到初步篩選興趣區(qū)域、減少系統(tǒng)總檢測(cè)時(shí)間的效果；根據(jù)目標(biāo)的灰度值較高確定閾值迭代計(jì)算范圍，并由高到低自適應(yīng)計(jì)算，減少算法迭代次數(shù)；算法魯棒性強(qiáng)，自適應(yīng)計(jì)算閾值可適用于不同復(fù)雜程度的海空背景下紅外小目標(biāo)檢測(cè)，且對(duì)單目標(biāo)、多目標(biāo)均能精準(zhǔn)檢測(cè)，有效提高檢測(cè)率、降低虛警率，可廣泛應(yīng)用于小目標(biāo)檢測(cè)領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及紅外小目標(biāo)檢測(cè)領(lǐng)域，尤其涉及一種基于統(tǒng)計(jì)特性預(yù)分割的自適應(yīng)紅外小目標(biāo)檢測(cè)方法。

背景技術(shù)

海洋經(jīng)濟(jì)已成為國(guó)民經(jīng)濟(jì)增長(zhǎng)的新的重要途徑，海上極端災(zāi)害天氣、海上運(yùn)輸安全維護(hù)及海上救援水平是影響海洋經(jīng)濟(jì)發(fā)展的重要因素，對(duì)目標(biāo)的檢測(cè)與識(shí)別是維持海洋經(jīng)濟(jì)秩序的重要保障。現(xiàn)代國(guó)防領(lǐng)域中，海洋局勢(shì)愈發(fā)復(fù)雜，海軍戰(zhàn)備力量在國(guó)防領(lǐng)域中扮演著至關(guān)重要的角色，對(duì)敵方目標(biāo)的識(shí)別檢測(cè)效率是海防的基礎(chǔ)戰(zhàn)力和制勝點(diǎn)。傳統(tǒng)目標(biāo)檢測(cè)技術(shù)包括雷達(dá)技術(shù)、微光成像技術(shù)和紅外成像技術(shù)。雷達(dá)技術(shù)具有探測(cè)距離遠(yuǎn)、不受光線(xiàn)影響等優(yōu)點(diǎn)，但容易受到海面各種回波和大氣噪聲的影響，且對(duì)生物體信號(hào)感知能力較弱；微光成像技術(shù)的成像原理簡(jiǎn)單、應(yīng)用成本低，但在夜晚或自然光弱時(shí)被動(dòng)工作，目標(biāo)與背景之間的反差小，難以識(shí)別導(dǎo)致檢測(cè)率低；紅外成像技術(shù)具有隱蔽性好、抗干擾能力強(qiáng)、造價(jià)低和穿透力強(qiáng)等多種優(yōu)點(diǎn)，但該技術(shù)應(yīng)用時(shí)容易受到海天線(xiàn)、云層等背影因素干擾。

在紅外小目標(biāo)檢測(cè)領(lǐng)域中，為了實(shí)現(xiàn)檢測(cè)率高、虛警率低、檢測(cè)時(shí)間短、適應(yīng)性強(qiáng)等關(guān)鍵技術(shù)目標(biāo)，在紅外成像技術(shù)的基礎(chǔ)上研發(fā)先進(jìn)算法提供了最優(yōu)方法。經(jīng)典的紅外小目標(biāo)檢測(cè)算法已經(jīng)過(guò)多年發(fā)展，可大體分為多幀連續(xù)圖像的檢測(cè)前追蹤(TBD)和單幀圖像的跟蹤前檢測(cè)(DBT)兩類(lèi)算法，DBT類(lèi)算法因其算法簡(jiǎn)單、檢測(cè)時(shí)間短得到廣泛應(yīng)用。經(jīng)典的DBT類(lèi)算法中，最大中值濾波、數(shù)學(xué)形態(tài)學(xué)Top-hat變換、OTSU閾值分割算法應(yīng)用較為廣泛，但應(yīng)用在海空背景時(shí)，最大中值濾波算法因易受到海雜波、海天線(xiàn)及云層信息干擾，Top-hat變換算法因小目標(biāo)幾乎沒(méi)有紋理、結(jié)構(gòu)特征而無(wú)法提取小目標(biāo)有效信息，OTSU閾值分割算法適應(yīng)性較差導(dǎo)致無(wú)法有效分離目標(biāo)和背景信息。

海空背景下小目標(biāo)檢測(cè)性能主要受背景信息、噪聲及小目標(biāo)自身性質(zhì)影響。遠(yuǎn)距離下目標(biāo)在灰度圖像中所占像素?cái)?shù)比例不超過(guò)0.12％，尺寸小且無(wú)明顯的結(jié)構(gòu)紋理特征；背景信息極其復(fù)雜，包含海天線(xiàn)、復(fù)雜云層、海雜波等，容易淹沒(méi)目標(biāo)且圖像信噪比較低；紅外成像系統(tǒng)及大氣噪聲產(chǎn)生的像素點(diǎn)與小目標(biāo)接近，極易對(duì)小目標(biāo)的檢測(cè)率造成影響。因此經(jīng)典的紅外小目標(biāo)檢測(cè)方法具有適應(yīng)性差、抗干擾能力差以及檢測(cè)性能低等劣勢(shì)。綜上所述，進(jìn)一步提高目標(biāo)檢測(cè)率、降低虛警率、縮短檢測(cè)時(shí)間仍是該領(lǐng)域?qū)W者的研究重點(diǎn)。

發(fā)明內(nèi)容

本申請(qǐng)發(fā)明針對(duì)解決海空背景下目標(biāo)尺寸小且無(wú)明顯結(jié)構(gòu)紋理特征、易受海雜波及海空線(xiàn)等背景干擾、易受紅外成像系統(tǒng)及大氣噪聲影響等關(guān)鍵科學(xué)問(wèn)題，為實(shí)現(xiàn)降低背景及噪聲的影響從而提升檢測(cè)性能、提升算法魯棒性、提高實(shí)時(shí)性為海防戰(zhàn)斗做基礎(chǔ)、控制設(shè)備成本、提升生存能力等關(guān)鍵技術(shù)目標(biāo)，提出了一種基于統(tǒng)計(jì)特性預(yù)分割的自適應(yīng)紅外小目標(biāo)檢測(cè)算法。該算法預(yù)先通過(guò)目標(biāo)與背景的灰度值分布直方圖統(tǒng)計(jì)分布的差異性將二者分割，再對(duì)興趣子圖像進(jìn)行自適應(yīng)檢測(cè)精準(zhǔn)提取小目標(biāo)，最后將興趣子圖像與背景區(qū)域匹配重構(gòu)得到最終檢測(cè)結(jié)果。具體實(shí)施步驟為：

步驟一：將大小為x×y的紅外圖像轉(zhuǎn)化成灰度圖像，均等劃分成大小為x×y/3的三部分，從左至右分別為a₁、a₂、a₃子圖像，若圖像無(wú)法均勻分割成三部分則需在劃分前做擴(kuò)充處理，其中x×y表示原始圖像大小，x表示圖像縱向像素?cái)?shù)，y表示圖像橫向像素?cái)?shù)；

步驟二：對(duì)步驟一處理后得到的三個(gè)子圖像分別進(jìn)行灰度值分布統(tǒng)計(jì)，根據(jù)各子圖像灰度值分布統(tǒng)計(jì)特性的差異性計(jì)算得到興趣子圖像；