一种海面监测图像弱小目标检测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种海面监测图像弱小目标检测方法及装置，解决了目前四种目标检测算法所导致的对目标和背景的对比度要求较高、对图像的整体信噪比要求较高、不能适用于复杂背景条件、量积累时要求参加累加的图像帧数较多、运算量较大的技术问题。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种海面监测图像弱小目标检测方法及装置。
技术介绍
当成像系统的距离较远时，在成像平面上只占几个或十几个像素的面积，表现为点状或者斑点状，对比度和信噪比较低的目标，称为小目标。由其定义可以看出，小目标中的“小”包含目标属性的两个方面的含义：一是指目标的尺寸小，即图像中目标像素数量少；二是指目标的灰度对比度或信噪比低。目标检测就是将目标图像从背景图像中分离出来，在序列图像中检测出具有较低信噪比目标的弱小目标检测过程应包括背景抑制、轨迹搜索和能量积累、恒虚警率条件下的阈值分割、基于序列图像中航迹相关的目标确认等四个完整的步骤。当前所见报道的各种弱小目标检测算法，均为此过程的部分组合，不同之处仅在于各环节采用的具体算法不同、各环节的搭配方式不同。根据上述的四个步骤，目标检测的常用方法为如下四种。1、阈值分割对于海面监测图像而言，一般认为目标的灰度和背景及噪声的灰度有所区别，因此最直接也是最简单的目标检测方法就是阈值分割。设定一个阈值，场景图像中高于阈值的像素认为是目标点，而低于阈值的像素认为是背景和噪声。直接进行阈值分割方法简单、意义明了，但实际应用中并不实用。由于成像视场范围内往往存在各种背景物，如天空背景中的云团，海面背景中的海浪等，这些背景物在整个场景中的灰度等级往往处于一个较高的量值范围，甚至于高出要检测的目标灰度。此时影响检测结果的不仅是噪声，还包括这些杂乱背景，如果直接进行阈值分割往往不能得到正确的目标。2、背景抑制+阈值分割考虑到目标在场景图像中所占范围较小(一个或几个像素)，可认为是高频部分；而背景物表现为大面积区域，可认为是低频部分。利用两者之间的这种差别，首先将表现为低频分量的背景物从红外场景图像中滤除，只保留
表现为高频成分的目标和噪声；而后再对滤除背景后的图像进行阈值分割。这种将图像背景滤除而只保留点目标信号和噪声的过程通常被称为“背景抑制”。由于经过背景抑制后图像的信噪比较之没有经过背景抑制图像的信杂比要高出许多，故对于目标的检测效果可得到明显改善。目前被小目标检测普遍采用的背景抑制方法有高通滤波法、顺序滤波法、中值滤波、最小二乘法滤波、匹配滤波、背景预测、二维最小均方差(LMS)自适应空间预测滤波、局部熵法、神经网络法、小波变换、分形技术、数学形态学方法等。通过进行背景抑制再进行阈值分割的目标检测效果虽有一定改善，但要在保证检测率和虚警率的前提下检测到目标，对图像的信噪比还有一定要求。要检测到具有较小信噪比的目标信号，必须采用更低的分割阈值来对图像进行分割。而随着阈值的降低，将导致更多的噪声点被分割成为“目标”，使系统虚警率增加。3、背景抑制+恒虚警率条件下的阈值分割+序列图像检测目标的轨迹在时、空上具有连续性，表现在序列图像中就是目标点在前后相邻帧图像中的位置具有相关性。与之相反，噪声点的幅度和空间位置都是随机的，所以在单帧图像中被误分割出的“假目标”，其在相邻帧图像中的位置将不具备空间上的相关性。因此可用目标与噪声点的这种时、空相关性差异来剔除高幅值噪声所造成的“假目标”，降低系统虚警率。如果为追求检测信噪比更低的目标而将分割阈值取得过低，会造成噪声被分割成“假目标”的点的数量急剧增加，表现为一幅图像中“目标点”的密度较大。这样，分割后目标位置的相关性将被“假目标点”淹没，依赖轨迹相关性来判别真假目标将失去作用。此外，实际系统中后端用于进行判别目标位置相关性的处理机的处理能力是有限的，必须对分割后的总体“目标”数进行一定的限制，既保证分割后的“目标”密度不至于过大，又保证处理机能够进行实时处理。为此，人们将雷达信号处理过程中的“恒虚警率”(CFAR)检测方法引入到序列图像目标检测过程中，完成对于图像的自适应分割。采用“背景抑制+恒虚警率条件下的阈值分割+序列图像检测”的检测方法，根据轨迹相关处理算法以及处理机性能的不同，一般要求目标信噪比在3.5～4.5，分割阈值小于3.5时将造成场景中的假目标密度过大，造成轨迹相关处理过程失效。4、背景抑制+轨迹搜索和能量积累+恒虚警率条件下的阈值分割+序列图像检测利用序列图像中目标点的位置相关特性进行检测，可以使分割阈值降低，以检测到信噪比较低的弱目标。但是，由于“假目标”密度以及轨迹相关处理机处理能力的限制，决定了检测过程中的阈值信噪比受到一定的限制，不可能“无限制”地减小，这也就决定了检测系统所能检测到的目标最小信噪比，该值的大小与系统噪声水平有着密切的关系。考虑到能够被分割的阈值信噪比不可能“无限制”减小，通过信号累加是提高信号信噪比最有效的途径。由于信号的相关性，经过N次累加后，信号幅度将增为原来的N倍；而噪声具有随机性，不同时刻的噪声彼此之间不具有相关性，故进行N次累加后，信号功率将增加N倍，即幅度增加N倍；也就是说通过N次累加后，系统的信噪比将增加N倍。理论上讲，只要累加的次数N足够大，再低信噪比的目标信号也可以通过累加而使其信噪比提高进而超过可检测的最小信噪比阈值，但这在实际过程中会受到多方面因素的限制。借助信号累加方法提高信号信噪比的首要前提是能够将不同时刻的目标信号精确累加，如不能保证这一点，使不同时刻的累加值中既有目标信号，又有噪声信号，累加过程将失去意义。采用“背景抑制+轨迹搜索和能量积累+恒虚警率条件下的阈值分割+序列图像检测”方法的检测性能，决定于检测算法在一定时间内能够搜索到有效用于信号累积的帧数N。目前各类检测算法，由于在进行信号累积过程中均有非目标信号帧的加入，其性能远不能达到理论上将信噪比提高N倍的效果，故对于检测性能的提高能力有限。综上所述，上述四种目标检测算法都存在着适用范围的局限性，主要表现在：(1)对目标和背景的对比度要求较高；(2)对图像的整体信噪比要求较高；(3)不能适用于复杂背景条件；(4)能量积累时要求参加累加的图像帧数较多；(5)运算量较大。
技术实现思路
本专利技术实施例提供了一种海面监测图像弱小目标检测方法及装置，解决了目前四种目标检测算法所导致的对目标和背景的对比度要求较高、对图像的整体信噪比要求较高、不能适用于复杂背景条件、量积累时要求参加累加
的图像帧数较多、运算量较大的技术问题。本专利技术实施例提供的一种海面监测图像弱小目标检测方法，包括：确定海面监测图像的天水线纵坐标Y，并根据预置的原始图像确定坐标原点O；以所述天水线纵坐标Y为中心纵坐标，根据所述坐标原点O设定检测矩形的检测矩形尺寸，所述检测矩形尺寸的宽度为W个像素，长度为H个像素；对所述原始图像的原始图像横坐标的方向每两个相邻的所述检测矩形的所述检测矩形尺寸范围内的灰度值总和求取灰度总和差值，所述原始图像中包括k个所述检测矩形；根据所述灰度总和差值确定最大灰度总和差值对应的所述检测矩形的最后一列检测矩形横坐标为待测目标横坐标，并确定所述天水线纵坐标Y为待测目标纵坐标。可选地，确定海面监测图像的天水线纵坐标Y，并根据预置的原始图像确定坐标原点O具体包括：将通过传感器采集的所述原始图像的左上角确定为坐标原点O，所述原始图像的原始图像尺寸的宽度为W0个像素，总高度为H0个像素；确定海面监测图像的所述天水线纵坐标Y。可选地，对所述原始图像的原始图像横坐标的方向每两个相邻本文档来自技高网...

【技术保护点】
一种海面监测图像弱小目标检测方法，其特征在于，包括：确定海面监测图像的天水线纵坐标Y，并根据预置的原始图像确定坐标原点O；以所述天水线纵坐标Y为中心纵坐标，根据所述坐标原点O设定检测矩形的检测矩形尺寸，所述检测矩形尺寸的宽度为W个像素，长度为H个像素；对所述原始图像的原始图像横坐标的方向每两个相邻的所述检测矩形的所述检测矩形尺寸范围内的灰度值总和求取灰度总和差值，所述原始图像中包括k个所述检测矩形；根据所述灰度总和差值确定最大灰度总和差值对应的所述检测矩形的最后一列检测矩形横坐标为待测目标横坐标，并确定所述天水线纵坐标Y为待测目标纵坐标。

【技术特征摘要】
1.一种海面监测图像弱小目标检测方法，其特征在于，包括：确定海面监测图像的天水线纵坐标Y，并根据预置的原始图像确定坐标原点O；以所述天水线纵坐标Y为中心纵坐标，根据所述坐标原点O设定检测矩形的检测矩形尺寸，所述检测矩形尺寸的宽度为W个像素，长度为H个像素；对所述原始图像的原始图像横坐标的方向每两个相邻的所述检测矩形的所述检测矩形尺寸范围内的灰度值总和求取灰度总和差值，所述原始图像中包括k个所述检测矩形；根据所述灰度总和差值确定最大灰度总和差值对应的所述检测矩形的最后一列检测矩形横坐标为待测目标横坐标，并确定所述天水线纵坐标Y为待测目标纵坐标。2.根据权利要求1所述的海面监测图像弱小目标检测方法，其特征在于，确定海面监测图像的天水线纵坐标Y，并根据预置的原始图像确定坐标原点O具体包括：将通过传感器采集的所述原始图像的左上角确定为坐标原点O，所述原始图像的原始图像尺寸的宽度为W0个像素，总高度为H0个像素；确定海面监测图像的所述天水线纵坐标Y。3.根据权利要求2所述的海面监测图像弱小目标检测方法，其特征在于，对所述原始图像的原始图像横坐标的方向每两个相邻的所述检测矩形的所述检测矩形尺寸范围内的灰度值总和求取灰度总和差值具体包括：以所述W0＝1为起始的所述原始图像横坐标，沿着所述原始图像横坐标方向依次按照公式计算每一个所述检测矩形尺寸范围内的灰度值总和，所述P(i,j)为第i行第j列像素的灰度值；对每两个相邻的所述检测矩形的所述灰度值总和求取k-1个所述灰度总和差值ΔS1,2,…,k-1。4.根据权利要求3所述的海面监测图像弱小目标检测方法，其特征在于，根据所述灰度总和差值确定最大灰度总和差值对应的所述检测矩形的最后一列检测矩形横坐标为待测目标横坐标，并确定所述天水线纵坐标Y为待测目
\t标纵坐标具体包括：判断所述最大灰度总和差值是否存在两个相等所述最大灰度总和差值，若是，则确定两个相等所述最大灰度总和差值对应的两个所述检测矩形，并根据所述原始图像的中心横坐标确定距离最相近的所述检测矩形最后一列检测矩形横坐标为待测目标横坐标；确定所述天水线纵坐标Y为待测目标纵坐标。5.根据权利要求4所述的海面监测图像弱小目标检测方法，其特征在于，判断所述最大灰度总和差值是否存在两个相等所述最大灰度总和差值为否时，则根据所述灰度总和差值确定最大灰度总和差值对应...

【专利技术属性】
技术研发人员：杨利，王学伟，付冬波，李建辉，
申请(专利权)人：广东东软学院，
类型：发明
国别省市：广东;44