基于目标坐标分布特性的弱小目标恒虚警检测方法技术

本发明专利技术公开了一种基于目标坐标分布特性的弱小目标恒虚警检测方法，在对目标进行阈值分割得到离散点的基础上，首先对离散点的目标分布特性来自适应的划分恒虚警统计子区域来进行阈值检测，然后对每个被分割子区域进行目标数目统计得到整幅图像的虚警概率，最后在设定的恒虚警值的基础上，通过阈值迭代公式得到下一帧的子区域分割阈值，最终达到控制虚警率的目的。本发明专利技术极大地降低了算法的计算复杂度，满足实时性的要求，易于后续的硬件化操作；虚警率可控，探测率较高，对弱小目标的检测精度较高。

Detection method for dim target constant false alarm based on target coordinate distribution

The invention discloses a target coordinate distribution based on CFAR detection method in the threshold of the object segmentation based on discrete points, dividing the first target distribution of discrete points from adaptive CFAR statistical sub region of threshold detection, and then to each sub segment the goal of regional statistics the number of the false alarm probability of the whole image, finally in the setting of CFAR values based on the iterative formula obtained by the threshold region next frame segmentation threshold, and ultimately achieve the purpose of controlling the false alarm rate. The invention greatly reduces the computational complexity of the algorithm, meets the requirement of real-time, and is easy to follow up the hardware operation; the false alarm rate is controllable, the detection rate is high, and the detection precision of the small and weak target is higher.

【技术实现步骤摘要】

本专利技术属于目标检测和图像处理
，特别是一种基于目标坐标分布特性的弱小目标恒虚警检测方法。
技术介绍
复杂背景下红外弱小目标搜索是红外弱小目标探测系统中的一个关键技术，而如何在检测过程中合理控制虚警率则是系统成败的重中之重。低虚警率、高探测率的红外弱小目标搜索算法可以降低红外预警系统的作用时间，提高搜索定位疑似目标的准确性。然而，当目标距离较远时，目标在红外图像中表现为点目标；当图像信噪比低时，目标基本上被背景和噪声淹没，无法利用形状、大小、纹理等特征来搜索目标，这为控制虚警率、提高探测率造成了很大的困难。目前的红外弱小目标探测系统多采用单帧探测的方法实现红外弱小目标探测，采用滤波器获取目标图像抑制低频背景，常见的方法有形态滤波TopHat变换(叶斌,彭嘉雄.基于形态学Top-Hat算子的小目标检测方法[J].中国图象图形学报,2002,07:15-19.)、Laplace高通滤波(范璐,顾国华,陈钱等.复杂背景下的红外弱小目标阈值更新恒虚警算法[J].红外技术,2011,33(10):559-563.DOI:10.3969/j.issn.1001-8891.2011.10.001.)和Robinson滤波(陈喆,顾国华.基于Robinson双模板匹配及融合的点目标检测算法[J].红外技术,2011,06:340-344.)等。但是这些方法都会造成较高的虚警率而使系统的探测结果不能获得很好的利用价值。事实上，虚警率和探测率是一对矛盾的概念，要求探测概率提高的同时很难降低探测系统的虚警率。针对这一问题，我们致力于在恒定的虚警率条件下追求系统探测率的最大化，而实现这一理论的技术称为“恒虚警技术”。近年来，单帧探测的方法不断改进，可以实现目标强度和背景强度接近的目标探测，然而由于红外背景的复杂度和变化性，目标图像经过阈值分割后出现虚警率不可控和不可预知的问题：虚警率过高导致疑似目标过多，后端程序计算量过大；虚警率过低，会出现漏警。一种典型的恒虚警检测方法是基于背景自适应调整的恒虚警目标探测算法，即：利用目标和边缘的奇异性和空间相关性的差别得到背景调整因子，最后通过CFAR检测(杨磊,杨杰,郑忠龙.海空复杂背景中基于自适应局部能量阈值的红外小目标检测[J].红外与毫米波学报,2006,01:41-45.)来提高目标探测率。然而上述方法存在着诸如：虚警率不可控，或者是在恒定虚警概率下，算法计算量大，实时性差的问题。
技术实现思路
本专利技术的目的在于提供一种计算时间短、精确度高的基于目标坐标分布特性的弱小目标恒虚警检测方法。实现本专利技术目的的技术解决方案为：一种基于目标坐标分布特性的弱小目标恒虚警检测方法，在对目标进行阈值分割得到离散点的基础上，首先对离散点的目标分布特性来自适应的划分恒虚警统计子区域来进行阈值检测，然后对每个被分割子区域进行目标数目统计得到整幅图像的虚警概率，最后在设定的恒虚警值的基础上，通过阈值迭代公式得到下一帧的子区域分割阈值，最终达到控制虚警率的目的。本专利技术与现有技术相比，其显著优点：(1)在图像处理后端对离散的目标点进行恒虚警检测，极大地降低了算法的计算复杂度，满足实时性的要求，易于后续的硬件化操作。(2)根据点目标的疏密关系分别对X和Y方向进行统计，能够快速地自适应划分阈值分割子区域。(3)虚警率可控，探测率较高，对弱小目标的检测精度较高。下面结合附图对本专利技术作进一步详细描述。附图说明图1是专利技术基于目标坐标分布特性的弱小目标恒虚警检测方法的流程图。图2是子区域划分图：(a)目标在图像上分布的示意图；(b)x方向的坐标分布统计图；(c)y方向的坐标分布统计图。图3是区域目标数目统计。图4是恒虚警仿真结果图：(a)是原始图像；(b)是本专利技术的检测结果；(c)是基于背景自适应CFAR检测结果。图5是虚警率动态变化图。图6是虚警率和探测率对比关系图。具体实施方式如图1，本专利技术基于目标坐标分布特性的弱小目标恒虚警检测方法，在对目标进行阈值分割得到离散点的基础上，首先对离散点的目标分布特性自适应地划分恒虚警统计子区域来进行阈值检测，然后对每个被分割子区域进行目标数目统计得到整幅图像的虚警概率，最后在设定的恒虚警值的基础上，通过阈值迭代公式得到下一帧的子区域分割阈值，重复操作直到虚警率值满足设定的值为止，最终达到控制虚警率的目的。具体而言是，利用目标的疏密分布自适应划分子区域，分别对所获取的目标点进行X和Y方向的直方图统计，横坐标为该方向上的坐标分布，纵坐标为该方向坐标所对应的目标数；然后对两个方向分别进行极值比较求取最大值所在坐标xn、yn，向X、Y方向两侧区域进行区域标识为n的邻域搜索来确定区域n在该方向上的边界坐标，并对区域n外的直方图进行同样的峰值搜索；再假设X和Y划分得到的区域个数分别为S和T，则最终通过目标的疏密划分得到S×T个区域；用区域内的孤立目标点数目来重新定义虚警率PFA，在之前设定的虚警值PFA′和阈值更新过程中区域不发生变化的条件下，通过阈值迭代公式得到下一帧的阈值来进行目标分割，直到满足恒虚警的条件后为止。上述方法的具体步骤如下：1.重新定义虚警公式。对图像进行目标检测，实为一种二元假设检验问题。因为背景杂波是一个随机过程，目标和背景的混合信号也是随机过程，不能用一个预定的时间函数来描述，只能用概率方法来描述。通过与常用虚警公式的比较，本专利技术采用对面积的解析来重新定义虚警公式。因为实际的红外图像序列经过目标检测之后会留下大量的离散孤立点，所以可以通过划分区域进行目标数目统计，用区域内目标数目比重来重新定义虚警公式。区域内点目标数目偏多的原因归结于目标跟背景的高频分量，会造成较高的虚警率，重新定义的虚警公式如下：PFA=sM*N]]>其中PFA为虚警率(虚警概率)，s为区域内检测到的点目标个数，M和N分别表示为图像水平和垂直分辨率，于是虚警率的控制可以转换为目标点数目的控制。2.区域自适应划分。由于图像序列经过阈值分割后只剩下点目标的不规则分布，利用目标的疏密分布可以很好的自适应划分区(目标图像中的目标分布如图2的(a)所示)。先对所获取的目标点进行X和Y方向直方图统计，横坐标为该方向上的坐标分布，纵坐标为该方向坐标上的目标数目。X方向上，先通过极值比较求取最大值所在的坐标xn，然后在xn附近向两侧区域进行区域标记为n的邻域搜索。若某一侧X坐标所在位置统计得到的目标点数小于个数阈值Nth，且继续扩大坐标搜寻，当增加到2个坐标单位以上时本文档来自技高网...

【技术保护点】
一种基于目标坐标分布特性的弱小目标恒虚警检测方法，其特征在于：在对目标进行阈值分割得到离散点的基础上，首先对离散点的目标分布特性来自适应的划分恒虚警统计子区域来进行阈值检测，然后对每个被分割子区域进行目标数目统计得到整幅图像的虚警概率，最后在设定的恒虚警值的基础上，通过阈值迭代公式得到下一帧的子区域分割阈值，最终达到控制虚警率的目的。

【技术特征摘要】
1.一种基于目标坐标分布特性的弱小目标恒虚警检测方法，其特征在于：在对目标进
行阈值分割得到离散点的基础上，首先对离散点的目标分布特性来自适应的划分恒虚警统
计子区域来进行阈值检测，然后对每个被分割子区域进行目标数目统计得到整幅图像的虚
警概率，最后在设定的恒虚警值的基础上，通过阈值迭代公式得到下一帧的子区域分割阈
值，最终达到控制虚警率的目的。
2.根据权利要求1所述的基于目标坐标分布特性的弱小目标恒虚警检测方法，其特征
在于：利用目标的疏密分布自适应划分子区域，分别对所获取的目标点进行X和Y方向的直
方图统计，横坐标为该方向上的坐标分布，纵坐标为该方向坐标所对应的目标数；然后对两
个方向分别进行极值比较求取最大值所在坐标xn、yn，向X、Y方向两侧区域进行区域标识为n
的邻域搜索来确定区域n在该方向上的边界坐标，并对区域n外的直方图进行同样的峰值搜
索；再假设X和Y划分得到的区域个数分别为S和T，则最终通过目标的疏密划分得到S×T个
区域；用区域内的孤立目标点数目来重新定义虚警率PFA，在之前设定的虚警值PFA′和阈值
更新过程中区域不发生变化的条件下，通过阈值迭代公式得到下一帧的阈值来进行目标分
割，直到满足恒虚警的条件后为止。
3.根据权利要求2所述的基于目标坐标分布特性的弱小目标恒虚警检测方法，其特征
在于虚警率PFA的计算过程如下：
3.1重新定义虚警公式，即
PFA=sM*N]]>其中PFA为虚警概率，s为区域内检测到的点目标个数，M和N分别表示为图像水平和垂直
分辨率，于是虚警率的控制转换为目标点数目的控制；
3.2区域自适应划分，对于所获取的目标点进行X和Y方向直方图统计，横坐标为该方向
上的坐标分布，纵坐标为该方向坐标上的目标数目；对于X方向，先通过极值比较求取最大
值所在X坐标x1，然后在x1附近向两侧区域进行区域标记为n的邻域搜索；若某一侧X坐标所
在位置统计得到的目标点数小于个数阈值Nth，且继续扩大坐标搜寻，当增加到2个坐标单位
以上时，相应坐标对应的目标点数仍然小于阈值Nth，那么设定该坐标为区域n的边界坐标，
按照这种方法，获得区域n的边界坐标xn-right和xn-le...

【专利技术属性】
技术研发人员：顾国华，万敏杰，陈钱，钱惟贤，任侃，隋修宝，何伟基，张闻文，徐潇秋，蔡成，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32