[發明專利]基于機器學習的紅外圖像弱小目標檢測跟蹤方法及系統

在審

• 申請號: 202210857720.4
• 申請日: 2022-07-20
• 公開（公告）號: CN115345902A
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 許禎瑜;曹岸杰;樓宇濤;茹海忠;杜一凡;吳澤鵬;朱晨聰;汪伊婕
• 申請（專利權）人: 上海衛星工程研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06F16/583;G06F16/587
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

本發明提供了一種基于機器學習的紅外圖像弱小目標檢測跟蹤方法及系統，包括如下步驟：步驟1：輸入紅外圖像，構建先驗權重塊張量圖；步驟2：構建紅外圖像塊張量圖，確定目標函數；步驟3：求解目標函數，得到背景和目標塊張量圖；步驟4：重建背景和目標二維圖像，得到候選檢測目標質心位置，得到紅外圖像的候選目標位置；步驟5：由濾波器初始軌跡假設；步驟6：將連續軌跡估計模型和離散數據關聯模型融合得到跟蹤能量模型；步驟7：對跟蹤能量模型進行求解，實現紅外圖像檢測目標的實時跟蹤；步驟8：選取目標軌跡進行有效目標檢測跟蹤。本發明使紅外圖像弱小目標檢測精度更高，跟蹤效果更為穩定,同時實現特定需求目標的選擇檢測跟蹤。

技術領域

本發明涉及紅外圖像目標檢測跟蹤的技術領域，具體地，涉及基于機器學習的紅外圖像弱小目標檢測跟蹤方法及系統。

背景技術

紅外技術不僅能進行遠距離的探測，實現全天連續工作，還具備不易受干擾、屏蔽性高、細節捕捉力強等諸多優點。紅外探測和跟蹤識別系統軍事和民用價值極高，紅外圖像弱小目標檢測跟蹤技術在紅外探測系統中不可或缺。紅外圖像中的弱小目標是指：復雜背景下，目標在整幅圖像中輻射能量占比較弱，一般認為其信雜比不大于3，另外，目標在圖像中占的像素少，通常尺寸不超過9*9個像素，面積不超過一幅256*256圖像的0.15％。目標弱小意味著可提取特征少，導致紅外弱小目標檢測跟蹤充滿挑戰，難點主要體現在：目標在成像平面上往往呈點狀和斑點狀，缺乏紋理、結構和顏色等特征；紅外探測器的成像分辨率普遍不高，成像質量低下；實際應用中背景復雜，包含許多干擾會造成虛警；目標的位置、形狀和尺寸可能會隨著自身的運動而變化。以上難點均為紅外圖像弱小目標檢測跟蹤需要克服的問題。

為了解決以上問題，研究期間學習調研了大量的文獻資料，發現對于紅外圖像目標檢測的方法中以基于單幀圖像進行檢測的方法為主，能夠有效關聯單幀和多幀的紅外目標檢測方法很少。

公開號CN102819740A的中國發明專利文件公開了一種基于形態學帶通濾波和尺度空間理論的單幀紅外圖像弱小目標檢測和定位方法。首先對預處理后的紅外圖像進行形態學帶通濾波，檢測出紅外弱小目標的潛在區域；然后利用DoG算子對預處理后的紅外圖像進行多尺度空間變換，并在目標的潛在區域通過尺度空間的極大值檢測獲得候選目標的位置和尺度；最后通過對候選目標的信雜比進行閾值化實現紅外弱小目標的精確檢測和定位。利用本發明方法，可以從復雜背景下的單幀紅外圖像中檢測并定位出弱小目標。本方法具有很高的檢測精度和較低的虛警率，同時具有較小的運算量，利于硬件系統實現。該方法通過尺度空間的極大值檢測獲取目標位置，通過目標信雜比進行閾值分割，但是對噪聲影響和信雜比低的圖像效果不明顯。

公開號為CN110827262A的中國發明申請文件公開了一種基于連續有限幀的紅外圖像弱小目標檢測方法，首先采用Lucas–Kanade光流法對連續兩幀紅外原始圖像進行光流場計算，建立紅外圖像光流場；然后對得到紅外圖像光流場進行疑似運動區域檢測，在保證檢測精度的情況下處理幀數更少，處理速度更快，冗余信息更少；之后通過將感興趣區域分解為更小的紅外圖像塊，進行基于SVD分解的背景抑制，處理后的目標集與背景集分別重構；最后通過自適應濾波檢測出紅外弱小目標位置。通過在構建的modis 紅外弱小目標圖像庫中進行驗證，選取3組紅外弱小目標序列圖像實驗分析，驗證了本發明的檢測準確性。該方法采用光流法進行運動區域檢測，并基于SVD分解對背景進行抑制，最后通過自適應濾波檢測出目標位置，然而該方法對光線變化敏感，會影響檢測效果，而且計算量大，無法滿足實時需求。