[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

本發明提供的一種基于紅外圖像的遠距離無人機小目標探測方法及系統，首先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；然后對平均絕對灰度差分算法的輸出進行優化，再然后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，將每個尺度上各個方向加權系數最小的響應作為該尺度的響應圖，其次，在每個尺度上將響應圖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，最后將不同尺度上最大響應圖作為最終響應圖，對最終響應圖進行輪廓提取，得到紅外圖像上的疑似目標。該方法有效地抑制了背景雜波，增強了目標區域，實現目標的準確探測。

技術領域

本發明涉及無人機探測領域，具體為一種基于紅外圖像的遠距離無人機小目標探測方法。

背景技術

紅外目標搜索與跟蹤系統(IRST)由于具有隱蔽操作、抗電子干擾等特點，由于低信噪比和復雜背景環境干擾，導致在紅外圖像中檢測遠距離小目標仍然難以實現，目前的紅外小目標檢測研究可分為兩大類，第一類為基于去背景的方法，在第一類使用期望的算子(如最大中值，形態開運算、主成分追蹤)來學習近似背景。然后，從原始圖像中減去近似的背景。最后，采用適當的閾值分割策略提取目標。雖然這種方法簡單明了，計算復雜度低，但對于復雜背景下，它存在較高的虛警率。且相機只能對著固定區域，沒法掃描學習背景，檢測范圍有限。

第二類方法是在紅外小目標檢測過程中直接增強目標區域，抑制背景區域，考慮到小目標空間分布的高斯模型，在尺度空間上采用歸一化拉普拉斯高斯(LoG)來解決連續紅外圖像中目標尺寸的變化，該方法雖然能增強低信雜比(psnr)目標，但由于利用二階導數，對背景噪聲敏感。局部對比度法(LCM)目標檢測[1]顯示了良好的目標增強能力。然而，將區域最大響應值視為評判標準(最大響應值的單像素噪聲)，使得這些算法對椒鹽噪聲非常敏感。同時，使用局部背景窗來實現這些算法，可以減弱在高復雜背景雜波附近的機動目標，平均絕對灰度差分是一種相對強大和魯棒的紅外小目標檢測算法，雖然平均絕對灰度差分可以有效地抑制背景噪聲(由于局部平均特性)和增強弱小目標，但該算法對高強度邊緣敏感。此外，與其他基于局部對比度的算法一樣，該算法利用了局部背景窗，從而提高了目標接近高強度邊緣時的脫靶率。

但是平均絕對灰度差算法由于沒有正負對比度的區別，因此局部對比度的靶區和局部對比度的空洞區均為陰性的區域將被強化，如圖2所示，錯誤地增強了與孔狀區域相對應的區域，反過來增加了虛警率，同時當紅外圖像的背景含有高強度的銳邊時，AAGD算法的檢測性能急劇下降，如圖3所示。

發明內容

針對現有技術中存在的問題，本發明提供一種基于紅外圖像的遠距離無人機小目標探測方法，實現小目標的準確探測。

本發明是通過以下技術方案來實現：

一種基于紅外圖像的遠距離無人機小目標探測方法，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，對最終響應圖進行輪廓提取，得到紅外圖像上的疑似目標。

優選的，步驟1中所述各個方向為東西南北四個方向；