本发明专利技术实施例提供了一种基于频域残差的小目标检测方法及装置，应用于小目标检测领域。该基于频域残差的小目标检测方法包括：利用频域残差法计算含有待检测小目标的原始红外图像的显著图；获取所述显著图的二值积分图及合成积分图；根据原始红外图像的大小确定所述显著图中的滑窗大小范围；计算滑窗大小范围内每种大小的所述滑窗的每一个窗口的显著度，获得含有每一个窗口的位置信息及显著度信息的矩阵Boxa*b；对每个所述矩阵Boxa*b利用非极大值抑制算法，获得表示具有局部最大显著度的窗口的矩阵new_Boxa*b，合并所有的所述矩阵new_Boxa*b，获得矩阵ROI；根据所述矩阵ROI中的所述显著度信息确定所述小目标所在区域。使用该方法可以有效检测到红外图像中小目标所在区域。
【技术实现步骤摘要】
本专利技术涉及小目标检测领域，具体而言，涉及一种红外图像中基于频域残差的小 目标检测方法及装置。
技术介绍
图像中的目标检测是指根据目标与背景的差异将目标从图像背景中分离出来的 过程。根据图像传感器类型的不同，目标检测常使用的图像包括可见光图像、红外图像、合 成孔径雷达图像与毫米波图像等。本专利技术针对红外图像，相比于其他类型的成像方式，红外 图像具有如下优点：1)红外图像的环境适应性强，尤其在夜间和恶劣气候下的工作能力较 强；2)红外辐射透过雾、霾的能力强于可见光;3)红外图像对伪装目标的识别能力强于可见 光图像;4)作为被动传感器获取的图像，红外图像获取过程的隐蔽性较强。 正是由于红外图像的上述优点，近年来基于红外图像的弱小目标检测成为研究和 应用的热点，所谓红外图像中的红外小目标一般是指红外图像中所占像素不超过图像总像 素0.2%~0.6%的目标区域。红外图像弱小目标检测的难点主要体现在：1)红外图像的信 噪比较低，弱小目标常常会淹没在复杂背景中的若干像素点中；2)红外弱小目标尺寸非常 小，无法提取出明显的纹理与形状信息;3)红外图像受到自然界热辐射变化(如阳光照射条 件等)的影响较大，弱小目标区域像素值在不同时间段变化起伏较大。 现有的基于红外图像的弱小目标检测方法主要包括:基于空间域与频域滤波的方 法，基于小波、脊波变换的方法，基于形态学方法，基于马尔科夫随机场的方法，图像区域对 比、机器学习方法等。所有的这些方法都存在着滤波器尺寸提前设定、先验条件要求过多、 自适应性不强、虚警率高、计算复杂等问题。近年来，受到人类视觉机制的启发，视觉显著性 开始受到人们的广泛关注，利用视觉显著性实现对图像中感兴趣区域的检测成为计算机视 觉的研究热点。就红外弱小目标而言，虽然总体上红外弱小目标与局部背景之间的灰度差 不大，但是就局部区域而言，红外弱小目标的红外辐射强度还是在一定程度上高于局部背 景区域，这就使得可以将显著性分析方法引入到红外弱小目标检测中。
技术实现思路
有鉴于此，本专利技术实施例提供了一种红外图像中基于频域残差的小目标检测方法 及装置，在图像频域显著性分析的基础上，利用频域残差图，通过设计一个显著性指标计算 不同区域中包含目标的可能性，根据概率大小确定目标所在区域，完成弱小目标的检测，该 方法的主要计算在频域内完成，计算量小，速度快，易于硬件加速，以改善现有技术中计算 复杂的问题。 为了实现上述目的，本专利技术采用的技术方案如下： -种红外图像中基于频域残差的小目标检测方法，包括： 利用频域残差法计算含有待检测小目标的原始红外图像的显著图；获取所述显著 图的二值积分图及合成积分图；根据所述原始红外图像的大小确定所述显著图中的滑窗大 小范围；根据所述二值积分图及所述合成积分图，分别利用滑窗法计算所述滑窗大小范围 内每种大小的所述滑窗的每一个窗口的显著度，对应每种大小的所述滑窗获得含有每一个 窗口的位置信息及显著度信息的矩阵Box%，其中a*b表示所述滑窗的大小;对每个所述矩 阵Box# 3利用非极大值抑制算法，获得表示具有局部最大显著度的窗口的矩阵neW_B〇X# b， 合并所有的所述neW_B〇x#，获得矩阵R0I;根据所述矩阵R0I中的所述显著度信息确定所述 小目标所在区域。 -种红外图像中基于频域残差的小目标检测装置，包括：显著图获取模块，用于利用频域残差法计算含有待检测小目标的原始红外图像的 显著图；积分图获取模块，用于获取所述显著图的二值积分图及合成积分图；滑窗大小获取 模块，用于根据所述原始红外图像的大小确定所述显著图中的滑窗大小范围；显著度计算 模块，用于根据所述二值积分图及所述合成积分图，分别利用滑窗法计算所述滑窗大小范 围内每种大小的所述滑窗的每一个窗口的显著度，对应每种大小的所述滑窗获得含有每一 个窗口的位置信息及显著度信息的矩阵Box%，其中a*b表示所述滑窗的大小;非极大值抑 制模块，用于对每个所述矩阵Box#利用非极大值抑制算法，获得表示具有局部最大显著度 的窗口的矩阵new_B 〇Xa'合并所有的所述new_B〇Xa'获得矩阵R0I;小目标确定模块，用于 根据所述矩阵R0I中的所述显著度信息确定所述小目标所在区域。 本专利技术实施例提供的红外图像中基于频域残差的小目标检测方法利用频域残差 法，通过对图像频域的计算获得图像的显著图，再根据小目标在图像中所占的比例以及图 像的大小等因素确定显著图中的滑窗大小范围，获得滑窗范围内每种大小的滑窗的每一个 窗口的显著度，同时对应将窗口的位置及其显著度存储在矩阵中，对矩阵中每一行所表示 的窗口及对应窗口的显著度利用非极大值抑制算法获得局部范围内具有最大显著度的窗 口，再利用合并算法将这些窗口进行合并，最后得到表示小目标所在区域的窗口矩阵。该算 法的主要计算发生在频率域，计算量小，速度快，且需要较少的先验知识，便可以获知相应 小目标在红外图像中的位置。 为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合 所附附图，作详细说明如下。【附图说明】 为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例 中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。 图1示出了本专利技术第一实施例提供的红外图像中基于频域残差的小目标检测方法 的流程图； 图2示出了本专利技术第一实施例提供的一种获取显著图的流程图； 图3示出了本专利技术第一实施例提供的原始红外图像；图4示出了本专利技术第一实施例提供的目标红外图像的显著图； 图5示出了本专利技术第一实施例提供的积分图的获取流程图； 图6示出了本专利技术第一实施例提供的根据所有窗口的显著度信息确定小目标区域 的流程图； 图7示出了本专利技术第一实施例提供的矩阵R0I2所示的窗口； 图8示出了本专利技术第一实施例提供的窗口合并中待合并的窗口的示意图；图9不出了本专利技术第一实施例提供的窗口合并中两个窗口合并后的窗口的不意 图；图10示出了本专利技术第一实施例提供的矩阵R0I3所示的窗口； 图11示出了本专利技术第一实施例提供的原始红外图像中小目标所在窗口； 图12示出了本专利技术第一实施例提供的方法的整体的算法流程图； 图13示出了本专利技术第二实施例提供的红外图像中基于频域残差的小目标检测装 置的结构框图； 图14示出了本专利技术第二实施例提供的积分图获取模块的结构框图； 图15示出了本专利技术第二实施例提供的小目标确定模块的结构框图； 图16示出了本专利技术实施例提供的一种红外图像中基于频域残差的小目标检测装 置可储存的计算机。【具体实施方式】 下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整 地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在 此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因 此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的 范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做本文档来自技高网...
【技术保护点】
一种红外图像中基于频域残差的小目标检测方法，其特征在于，包括：利用频域残差法计算含有待检测小目标的原始红外图像的显著图；获取所述显著图的二值积分图及合成积分图；根据所述原始红外图像的大小确定所述显著图中的滑窗大小范围；根据所述二值积分图及所述合成积分图，分别利用滑窗法计算所述滑窗大小范围内每种大小的所述滑窗的每一个窗口的显著度，对应每种大小的所述滑窗获得含有每一个窗口的位置信息及显著度信息的矩阵Boxa*b，其中a*b表示所述滑窗的大小；对每个所述矩阵Boxa*b利用非极大值抑制算法，获得表示具有局部最大显著度的窗口的矩阵new_Boxa*b，合并所有的所述矩阵new_Boxa*b，获得矩阵ROI；根据所述矩阵ROI中的所述显著度信息确定所述小目标所在区域。
【技术特征摘要】
【专利技术属性】
技术研发人员：丁萌，孙泽军，魏丽，张天慈，陈飞，王洁，李明慧，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。