[發明專利]基于紅外圖像的遠距離無人機小目標探測方法

有效

• 申請號: 202110454766.7
• 申請日: 2021-04-26
• 公開（公告）號: CN113343758B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 魏周朝;叱干鵬飛
• 申請（專利權）人: 西安卓越視訊科技有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/25;G06V10/44;G06V10/82;G06N3/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 范巍

1.一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，包括以下步驟：

步驟1、構造紅外圖像各個方向上多個尺度的累積方向導數卷積核；

步驟2、對平均絕對灰度差分算法的輸出進行優化，引入階躍函數，消除負對比度，只保留正對比度；

步驟3、對每個尺度采用累積方向導數卷積核計算優化的平均絕對灰度差分算法的加權系數，得到每個尺度上每個方向的加權系數；

步驟4、在每個尺度上將各個方向上相同位置加權系數最小的響應作為該尺度的響應圖D₂；

步驟5、在每個尺度上將響應圖D₂作為優化的平均絕對灰度差分算法的加權系數，得到不同尺度上的響應圖AAD_i；

步驟6、將不同尺度上相同位置的最大響應值構成的最大響應圖AAD_i作為最終響應圖；

步驟7、對最終響應圖進行輪廓提取，得到紅外圖像上的疑似目標。

2.根據權利要求1所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，步驟1中所述各個方向為東西南北四個方向；

步驟1中多個尺度為四個尺度，分別為3*3,5*5,7*7和9*9。

3.根據權利要求1所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，步驟2中，優化的平均絕對灰度差分算法的表述如下：

D₁＝|μ_Φ-μ_Ω|²×H(μ_Φ-μ_Ω)

其中，μ_Φ為目標區域像素總數和μ_Ω為背景該區域的像素總數，H為階躍函數，值為正。

4.根據權利要求3所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，所述階躍函數H的表達式如下：

5.根據權利要求1所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，步驟3中所述每個尺度上每個方向的加權系數的表達式如下：

CDD_n＝I*k_n×H(I*k_n)

CDD_e＝I*k_e×H(I*k_e)

CDD_s＝I*k_s×H(I*k_s)

CDD_w＝I*k_w×H(I*k_w)

其中，I為原始紅外圖像，k_e,k_s,k_w,k_n為四個方向卷積核，H為階躍函數，I*k為圖像與卷積核做卷積操作,CDD_n,CDD_e,CDD_s,CDD_w分別為四個方向的加權系數。

6.根據權利要求1所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，步驟6中所述最終響應圖的表達式如下：

AAD_CDD＝max{AAD_i,AAD_i+2,AAD_i+5,AAD_i+7}。

7.根據權利要求1所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，還包括以下步驟：

步驟8、采用峰值信噪比確定疑似目標的可信度。

8.根據權利要求7所述的一種基于紅外圖像的遠距離無人機小目標探測方法，其特征在于，采用峰值信噪比確定疑似目標的可信度的方法如下：

PSNR＝(MAX_I-bmean)/sqrtf(MSE)

其中，bmean為目標背景均值，MAX_I為疑似區域內像素最大值，MSE為均方差。