【技术实现步骤摘要】
本专利技术属于红外和光学图像处理及目标融合探测
，具体涉及一种基于无人平台的多波段融合探测方法。
技术介绍
无人平台是指无人驾驶的、完全按遥控操作或者按预编程序自主运作的、携带武器进行一定任务的一类平台，它包括无人作战机、无人水面艇、无人潜航器和无人地面平台以及包括鱼雷、机动水雷、弹道导弹和巡航导弹等武器系统。因其具有风险小、低价低、适用于侦查云层下或隐蔽的目标、适用于长时间“盯梢”监视、侦查、预警、稳瞄、火控和打击评估等独特优势，一直备受关注。目前无人机成像传感器可以获取可见光图像、红外图像、多光谱图像等类型图像。由于目标辐射特性、光照、气候等条件的影响，单一波段传感器拍摄的图像会受到一定的影响导致目标的误判，无法满足实际应用需求。伴随成像传感器技术的成熟，多波段成像传感器应运而生，多波段成像传感器可以通过融合技术将复杂、多变的数据处理成更可靠、更全面的数据。多波段传感器的成像原理有时不尽相同，如可见光成像与红外成像。可见光成像传感器利用的是光反射原理，拍摄得到彩色的细节清晰的图像，但是在能见度较低的条件下，获得的图像效果有局限性；红外成像传感器利用的是热辐射原理，获得的图像红外目标亮度大，但是目标不清晰、边缘模糊。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种基于无人平台的多波段融合探测方法。为达到上述目的，本专利技术的技术方案是这样实现的：本专利技术实施例提供一种基于无人平台的多波段融合探测方法，该方法为：将无人平台上获取的红外图像序列和可见光图像序列进行空间配准，再对配准好的红外图像序列和可见光图像序列进行预处理，将所述预处理后的红...
【技术保护点】
一种基于无人平台的多波段融合探测方法，其特征在于，该方法为：将无人平台上获取的红外图像序列和可见光图像序列进行空间配准，再对配准好的红外图像序列和可见光图像序列进行预处理，将所述预处理后的红外图像序列和可见光图像序列进行图像融合，最后，对融合后的图像序列进行多弱小目标检测处理，输出目标的状态数据和数目信息。
【技术特征摘要】
1.一种基于无人平台的多波段融合探测方法，其特征在于，该方法为：将无人平台上获取的红外图像序列和可见光图像序列进行空间配准，再对配准好的红外图像序列和可见光图像序列进行预处理，将所述预处理后的红外图像序列和可见光图像序列进行图像融合，最后，对融合后的图像序列进行多弱小目标检测处理，输出目标的状态数据和数目信息。2.根据权利要求1所述的基于无人平台的多波段融合探测方法，其特征在于：所述对配准好的红外图像序列和可见光图像序列进行预处理为：基于统计滤波对配准好的红外图像序列和可见光图像序列进行平滑去噪。3.根据权利要求1或2所述的基于无人平台的多波段融合探测方法，其特征在于：所述对配准好的红外图像序列和可见光图像序列进行预处理，具体通过以下步骤实现：步骤2-1：在给定像素x(i,j)的邻域窗S内，求出所有像素的平均值μ和方差σ2；步骤2-2：基于简单统计法的阈值选取，如(1)式所示。 T = Σ x Σ y e ( x , y ) g ( x , y ) Σ x Σ y e ( x , y ) - - - ( 1 ) ]]>其中e(x,y)为ex、ey中最大绝对值，g(x,y)为像素点的灰度值。ex水平方向的灰度差值如(2)式：ex＝g(x-1,y)-g(x+1,y)，ey为垂直方向的灰度差值如(3)式：ey＝g(x,y-1)-g(x,y+1)，e(x,y)为水平和垂直方向最大的灰度差值；步骤2-3：通过给定阈值T求出S窗口的像素s(i,j)表达式，如(4)式所示。式中是像素s(i,j)为邻域窗S内像素x(i,j)的滤波后的数值，μ为邻域窗S内所有像素的平均值，σ2为邻域窗S内所有像素的方差。4.根据权利要求3所述的基于无人平台的多波段融合探测方法，其特征在于：将所述预处理后的红外图像序列和可见光图像序列进行图像融合，具体为：将可见光图像序列由RGB空间变换到HSI空间，提取亮度分量I，即灰度图像序列；对配准好的红外图像序列和灰度图像序列进行多尺度变换，获得边缘图像序列和不同尺度下的纹理图像序列；根据不同的融合策略分别对所述边缘图像序列和纹理图像序列进行融合处理，最后根据多尺度逆变换对融合后的图像进行图像重构，获得可见光图像序列和红外图像序列融合后的图像序列，即为最终融合图像序列。5.根据权利要求4所述的基于无人平台的多波段融合探测方法，其特征在于：所述边缘图像序列采用区域能量法进行融合，具体为：低频系数矩阵中以某像素点p(i,j)为中心的区域大小为L×W的能量大小定义为 E ( i , j ) = Σ m ∈ L , n ∈ W f 2 ( i + m , j + n ) - - - ( 5 ) ]]>其中，f(i+m,j+n)为图像的亮度信息，m和n的变化在L和W之内，融合规则为 C p ( i , j ) = f A ( i , j ) , E A ( i , j ) ≥ E B ( i , j ) f B ( i , j ) , E A ( i , j ) < E B ( i , j ) - - - ( 6 ) ]]>其中，Cp(i,j)表示像素点p(i,j)处的低频变换系数，fA(i,j)表示灰度图像序列A的边缘图像像素点p(i,j)处的亮度信息，fB(i,j)表示红外图像序列B的边缘图像像素点p(i,j)处的亮度信息，EA(i,j)表示灰度图像序列A的边缘图像L×W区域能量，EB(i,j)表示红外图像序列B的边缘图像L×W区域能量，计算采用的区域大小为3×3。6.根据权利要求5所述的基于无人平台的多波段融合探测方法，其特征在于：所述纹理图像序列采用基于Canny算子的区域方差法进行图像融合，具体为：对灰度图像序列A的纹理图像和红外图像序列B的纹理图像分别取一个R×S大小的窗口，μ表示窗口区域方差均值；按照式(7)和式(8)计算两个窗口的局部方差，HAi(x,y)、HBi(x,y)分别表示灰度图像序列A的纹理图像和红外图像序列B的纹理图像的高频系数；i＝1,2,3分别表示水平方向、垂直方向及对角线方向的系数。灰度图像序列A的纹理图像和红外图像序列B的纹理图像分解尺度为Qn，在各个方向上的局部方差可表示为： D A i , Q n ( x , y ) = Σ x = 1 R Σ y = 1 S [ H A i ( x , y ) - μ ] 2 - - - ( 7 ) ]]> D B i , Q ...
【专利技术属性】
技术研发人员：周慧鑫，杜娟，庞英名，秦翰林，荣生辉，赖睿，王炳健，金浩文，成宽洪，宋尚真，
申请(专利权)人：西安电子科技大学昆山创新研究院，
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。