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 ...
【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
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。