一种基于局部信息的复杂背景下红外弱小目标检测方法技术

本发明专利技术公开了一种基于局部信息的复杂背景下红外弱小目标检测方法，属于计算机视觉图像技术领域。本发明专利技术以待测图像中一点v0为中心构建滤波结构，滤波结构包括保护框和滤波窗口；再找出以点v0为中心，指向滤波窗口的多个方向，多个方向平均分布，分别计算多个方向上保护框到滤波窗口的加权灰度值，所得结果和点v0灰度值最接近的值作为点v0的背景估计值，在待测图像中滑动滤波窗口，得到所有点的背景估计值，构成背景估计图像；将背景估计图像和红外待测图像进行差分，得到差分图像；最后对差分图像做目标分割提取，得到目标检测结果。本发明专利技术方法能有效抑制复杂背景中边缘信息，边缘交叉处等杂波干扰，能够适应亮暗目标，有效提高目标检测效果。

【技术实现步骤摘要】
一种基于局部信息的复杂背景下红外弱小目标检测方法
本专利技术属于计算机视觉图像
，更具体地，涉及一种基于局部信息的复杂背景下红外弱小目标检测方法。
技术介绍
随着红外技术的快速发展，红外图像中的目标检测在精确制导与远程预警等许多方面都有应用。而随着技术进一步发展，提高检测系统的检测距离红外检测算法的重要因素，红外小目标检测方法作为远距离目标检测的关键技术受到重点研究。当目标与红外探测器距离较远的时候，目标在红外图像中往往表现为小目标，由于目标在红外图像中所占像素数目过少，缺乏有效的特征(纹理、颜色、形状等特征)来建立有效的目标检测模型；同时目标的辐射能量在长距离传播中逐渐减弱，红外图像中小目标信杂比通常相对较低，目标与其周围环境杂波缺乏稳定的特征差异。目前提出的小目标检测算法主要可以分为两类：第一类方法是利用红外小目标与其周围背景存在的灰度局部对比度特征，其代表性方法如基于Top-Hat算子的红外弱小目标检测方法，基于图像显著性的红外弱小目标检测方法，基于局部信息熵的红外小目标检测方法等；第二类方法是利用背景中局部像素之间具有关联性，进行对红外背景图像的估计，之后将原始红外图像和所获得的背景估计图像进行差分，从而有效地抑制红外背景干扰，实现对红外小目标的检测，其代表性方法如基于稀疏表达的红外小目标检测算法，基于二维的最小二乘滤波(TwoDimensionLMSFilter,TDLMS)的红外小目标检测算法，基于核回归模型的红外小目标检测方法，基于环形最大中值滤波的红外小目标检测方法等。现有的两类主要方法各有不足之处。第一类利用红外小目标与其周围背景存在的灰度局部对比度特征来检测小目标，但是其只适用于较为平坦的区域，复杂背景条件下所具有的边缘、边缘交叉处等信息同样会被检测出来；第二类利用利用背景中局部像素之间具有关联性，进行对红外背景图像的估计；但是目前所提出的方法中，基于二维的最小二乘滤波的红外小目标检测算法需要依靠边缘方向进行边缘背景的估计，无法有效应用于存在弯曲边缘的场景中，基于核回归模型的红外小目标检测方法难以保留图像中的边缘交叉处的信息，基于环形最大中值滤波的背景估计方法对于亮边缘与边缘交叉处有较好的背景保留效果，但是在暗边缘处会引入杂波，导致暗目标检测难以有较好的效果。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于局部信息的复杂背景下红外弱小目标检测方法，其目的在于构建一种滤波结构，能够尽可能保留背景图像中的边缘与边缘交叉处的同时，避免引入杂波干扰，能够同时适应亮暗小目标的检测任务。利用提出的滤波结构预测背景估计图像，将背景估计图像和红外待测图像进行差分，得到差分图像；最后对差分图像做目标分割提取，得到目标检测结果。由此解决现有技术中红外弱小目标预测对复杂背景处理不准确的问题。为实现上述目的，本专利技术提供了一种基于局部信息的复杂背景下红外弱小目标检测方法，所述方法包括：(1)以待测图像中一点v0为中心构建滤波结构，滤波结构包括保护框和滤波窗口，保护框大小为N×N，滤波窗口大小为M×M，N＝d+x，M≈2N，其中，d为目标尺寸，x为设定的保护阈值，x的取值范围为[0，2]，优选取值1；(2)找出以点v0为中心，指向滤波窗口预先设定的T个方向，T个方向平均分布，分别计算T个方向上保护框到滤波窗口的加权灰度值，所得结果和点v0灰度值最接近的值作为点v0的背景估计值，在待测图像中滑动滤波窗口，得到所有点的背景估计值，构成背景估计图像；T的取值范围为[4，8，16]，优选取值8；(3)将背景估计图像和红外待测图像进行差分，得到差分图像；(4)对差分图像做目标分割提取，得到目标检测结果。进一步地，其特征在于，所述步骤(2)中T个方向上保护框到滤波窗口的加权灰度值Si的求取方法具体为：其中，ωij为第i方向上第j个点的权重系数，σ表示控制像素点距离权重的参数，与M大小有关，一般设为M/2，Vij表示第i方向上第j个点的位置，I(Vij)表示该点的灰度值。进一步地，其特征在于，所述步骤(2)中点v0的背景估计值求取方法具体为：其中，I(v0)表示点v0的灰度值。进一步地，其特征在于，所述步骤(4)中具体采用自适应阈值分割算法对差分图像做目标分割提取，其中阈值AdaptiveTh＝μtarget+k·σtarget，式中，μtarget为差分图像的灰度平均值，σtarget为差分图像的灰度标注差，k是用来控制目标检测率与预警率的参数，k的取值范围为[5，15]，优选取值10。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下技术特征及有益效果：(1)本专利技术方法通过构建的滤波结构中多个方向的加权灰度值来分别预测中心点的背景灰度值，对于每个方向上的点，通过其与中心点的距离加权获得该方向最终的预测结果，该方法可以使与中心点像素具有更高关联性的点具有更高的权重，尽可能使各个方向上的预测值更接近目标灰度值；(2)本专利技术方法通过多个方向中灰度预测值最接近中心点的灰度值作为中心点的背景估计值，并构建背景估计图像，该方法在平坦区域能够较地估计背景区域像素，不会造成残差虚警；其对于边缘、边缘交汇处能够选择边缘方向的加权结果作为背景估计值，能够适应亮暗边缘的估计，不引入杂波干扰，同时有效保留边缘、边缘交叉处的背景信息；对于目标区域，由于保护框存在，可以较好保留目标信息，从而能够使目标信号增强；目标检测结果能有效抑制复杂背景中边缘信息，边缘交叉处等杂波干扰，适应亮暗目标检测任务，有效提高目标检测结果。附图说明图1是本专利技术实施例的方法流程图；图2是本专利技术实施例中滤波结构示意图；图3(a)是本专利技术实施例中平坦区域滤波结构示意图；图3(b)是本专利技术实施例中边缘区域滤波结构示意图；图3(c)是本专利技术实施例中边缘交叉区域滤波结构示意图；图3(d)是本专利技术实施例中目标区域滤波结构示意图；图4(a)是本专利技术实施例中红外原始图像；图4(b)是本专利技术实施例中背景估计图像；图4(c)是本专利技术实施例中差分图像；图5(a)是本专利技术实施例中天空背景下弱小目标检测结果；图5(b)是本专利技术实施例中天地混合背景下弱小目标检测结果；图5(c)是本专利技术实施例中地面背景下弱小目标检测结果；图6(a)是本专利技术实施例中对于平坦区域背景信息保留示意图；图6(b)是本专利技术实施例中对于边缘区域背景信息保留示意图；图6(c)是本专利技术实施例中对于边缘交叉区域背景信息保留示意图；图7是本专利技术方法采集不同类型背景进行对比实验的原始红外图像；图8(a)是采用TDLMS红外小目标检测算法后所得到的差分图像；图8(b)是采用核回归模型红外小目标检测算法后得到的差分图像；图8(c)是采用最大中值滤波红外小目标检测算法后得到的差分图像；图8(d)是采用本专利技术所提出的红外小目标检测算法得到的差分图像。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。如图1所示为本专利技术实施例的具体流程：在红外图像中对背景和目标的特性进行分析，其主要本文档来自技高网...

【技术保护点】
1.一种基于局部信息的复杂背景下红外弱小目标检测方法，其特征在于，所述方法包括：(1)以待测图像中一点v0为中心构建滤波结构，滤波结构包括保护框和滤波窗口，保护框大小为N×N，滤波窗口大小为M×M，N＝d+x，M≈2N，其中，d为目标尺寸，x为设定的保护阈值；(2)找出以点v0为中心，指向滤波窗口预先设定的T个方向，T个方向平均分布，分别计算T个方向上保护框到滤波窗口的加权灰度值，所得结果和点v0灰度值最接近的值作为点v0的背景估计值，在待测图像中滑动滤波窗口，得到所有点的背景估计值，构成背景估计图像；(3)将背景估计图像和红外待测图像进行差分，得到差分图像；(4)对差分图像做目标分割提取，得到目标检测结果。

【技术特征摘要】
1.一种基于局部信息的复杂背景下红外弱小目标检测方法，其特征在于，所述方法包括：(1)以待测图像中一点v0为中心构建滤波结构，滤波结构包括保护框和滤波窗口，保护框大小为N×N，滤波窗口大小为M×M，N＝d+x，M≈2N，其中，d为目标尺寸，x为设定的保护阈值；(2)找出以点v0为中心，指向滤波窗口预先设定的T个方向，T个方向平均分布，分别计算T个方向上保护框到滤波窗口的加权灰度值，所得结果和点v0灰度值最接近的值作为点v0的背景估计值，在待测图像中滑动滤波窗口，得到所有点的背景估计值，构成背景估计图像；(3)将背景估计图像和红外待测图像进行差分，得到差分图像；(4)对差分图像做目标分割提取，得到目标检测结果。2.根据权利要求1所述的一种基于局部信息的复杂背景下红外弱小目标检测方法，其特征在于，所述步骤(2)中...

【专利技术属性】
技术研发人员：王岳环，岳诺宁，徐雪萍，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42