[發(fā)明專利]基于多特征融合的紅外弱小目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111078520.0
• 申請(qǐng)日: 2021-09-15
• 公開（公告）號(hào): CN113822352A
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 藺素珍;武杰;祿曉飛;李大威;余東;張海松;樊小宇;趙亞麗
• 申請(qǐng)（專利權(quán)）人: 中北大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/34
• 代理公司: 太原科衛(wèi)專利事務(wù)所(普通合伙) 14100
• 代理人: 朱源

本發(fā)明提出了基于多特征融合的紅外弱小目標(biāo)檢測(cè)方法，先基于紅外弱小目標(biāo)局部灰度值大的特性，利用目標(biāo)與鄰域背景的灰度對(duì)比度對(duì)真實(shí)目標(biāo)進(jìn)行增強(qiáng)、部分復(fù)雜背景進(jìn)行抑制。其次，利用紅外弱小目標(biāo)自身灰度信息符合二維高斯分布的特性，通過計(jì)算紅外弱小目標(biāo)邊緣像素點(diǎn)與中心像素點(diǎn)之間的距離和灰度差的協(xié)方差來檢測(cè)目標(biāo)，得到顯著圖一。再次，利用紅外弱小目標(biāo)與鄰域相似度低的特性，通過計(jì)算相似性因子來檢測(cè)目標(biāo)，得到顯著圖二。最后，將顯著圖一與顯著圖二進(jìn)行點(diǎn)乘，通過融合紅外弱小目標(biāo)多種特性得到最終顯著圖，對(duì)最終顯著圖計(jì)算簡(jiǎn)單閾值進(jìn)行分割得到最終檢測(cè)結(jié)果。本發(fā)明有效抑制了紅外圖像中的復(fù)雜雜波，同時(shí)提升了弱小目標(biāo)檢測(cè)的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及紅外圖像目標(biāo)檢測(cè)領(lǐng)域，具體為基于多特征融合的紅外弱小目標(biāo)檢測(cè)方法。

背景技術(shù)

紅外目標(biāo)檢測(cè)是遠(yuǎn)程預(yù)警、精確制導(dǎo)等系統(tǒng)的核心技術(shù)之一，其中紅外弱小目標(biāo)檢測(cè)是經(jīng)典的難題。主要難點(diǎn)在于：1)成像距離很遠(yuǎn)，目標(biāo)在圖像中不僅缺乏特征信息而且極易與噪點(diǎn)混淆；2)高強(qiáng)度的雜波邊緣很容易被誤檢為目標(biāo)，使得虛警增加；3)既弱又小的目標(biāo)往往會(huì)淹沒在復(fù)雜背景中，從而造成嚴(yán)重的漏檢。因此，復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)一直是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。

目前，關(guān)于紅外弱小目標(biāo)檢測(cè)的研究還很少。與之相關(guān)的紅外小目標(biāo)檢測(cè)方法大體上可分為以深度學(xué)習(xí)為代表的數(shù)據(jù)驅(qū)動(dòng)法和基于數(shù)學(xué)、物理知識(shí)建模的模型驅(qū)動(dòng)法兩類。其中，由于缺乏紅外弱小目標(biāo)圖像集、訓(xùn)練開銷大且實(shí)時(shí)性差等問題，導(dǎo)致數(shù)據(jù)驅(qū)動(dòng)法在實(shí)際工程中應(yīng)用較少。模型驅(qū)動(dòng)的紅外小目標(biāo)檢測(cè)方法可進(jìn)一步分為單幀方法和多幀方法。不過，由于無法獲取目標(biāo)的精確運(yùn)動(dòng)模型，使得多幀方法在紅外弱小目標(biāo)檢測(cè)中效果受限。因此，高性能的單幀方法在紅外小目標(biāo)檢測(cè)中更受重視。

自處理思路方面分析，紅外小目標(biāo)的單幀檢測(cè)方法包括三類：一類可以稱之為恢復(fù)背景法，其思想是先基于稀疏和低秩矩陣恢復(fù)背景，再用原圖像減去背景圖像，從而達(dá)到凸顯目標(biāo)的目的，但是存在對(duì)像素值敏感、耗時(shí)較長(zhǎng)等問題。第二類是背景抑制法，主要是采用濾波技術(shù)抑制均勻背景和雜波。但是，該類方法對(duì)背景邊緣很敏感，制約了其在空天目標(biāo)檢測(cè)等復(fù)雜場(chǎng)景中的使用。第三類是新興的抑制背景增強(qiáng)目標(biāo)并舉法，主要是利用人類視覺的局部對(duì)比度敏感特性，通過提取目標(biāo)與背景的局部對(duì)比度增強(qiáng)目標(biāo)。該類多數(shù)方法在背景變化平穩(wěn)的場(chǎng)景中檢測(cè)效果都較好，但用于復(fù)雜場(chǎng)景的紅外弱小目標(biāo)檢測(cè)時(shí)，無法有效抑制復(fù)雜背景中的高強(qiáng)度雜波邊緣，致使虛警率高。因此，復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)方法還有較大的發(fā)展空間。

發(fā)明內(nèi)容

本發(fā)明針對(duì)復(fù)雜背景下紅外弱小目標(biāo)普遍存在檢測(cè)率低、虛警率高的問題，提出一種基于多特征融合的紅外弱小目標(biāo)檢測(cè)方法，用于復(fù)雜背景下紅外圖像弱小目標(biāo)的檢測(cè)，有效提高檢測(cè)的準(zhǔn)確率及魯棒性。

本發(fā)明采用如下技術(shù)方案：基于多特征融合的紅外弱小目標(biāo)檢測(cè)方法，包括以下步驟：首先，基于紅外弱小目標(biāo)局部灰度值大的特性，利用目標(biāo)與鄰域背景的灰度對(duì)比度對(duì)真實(shí)目標(biāo)進(jìn)行增強(qiáng)、部分復(fù)雜背景進(jìn)行抑制；其次，利用紅外弱小目標(biāo)自身灰度信息符合二維高斯分布的特性，通過計(jì)算紅外弱小目標(biāo)邊緣像素點(diǎn)與中心像素點(diǎn)之間的距離和灰度差的協(xié)方差來檢測(cè)目標(biāo)，得到顯著圖一；再次，利用紅外弱小目標(biāo)與鄰域相似度低的特性，通過計(jì)算相似性因子來檢測(cè)目標(biāo)，得到顯著圖二；最后，將顯著圖一與顯著圖二進(jìn)行點(diǎn)乘，通過融合紅外弱小目標(biāo)多種特性得到最終顯著圖，對(duì)最終顯著圖計(jì)算閾值進(jìn)行分割得到最終檢測(cè)結(jié)果。