一种检测红外视频中弱小目标的方法技术

本发明专利技术公开了一种检测红外视频中弱小目标的方法。所述方法针对检测红外视频中的图像序列，首先通过Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；然后选定需要处理的N+1帧预处理后图像序列，合并成二维数据，求其自相关矩阵并对其自相关矩阵进行奇异值分解SVD；接着选择特征向量重构图像序列；最后对重构图像序列进行阈值分割，从背景中分离得到原图像序列中弱小目标的位置，对重构图像序列中的每幅图像分别进行修正。本发明专利技术方法将Kalman滤波与奇异值分解方法有效结合用于对红外视频中的弱小目标进行检测，计算时间短，检测效率高，准确性和鲁棒性都比较好。

A method of detecting the dim targets in infrared video

The invention discloses a method for detecting infrared dim target in the video. The method for image sequence detection in infrared video, first through the Kalman filter to suppress background noise removal, obtained after the pretreatment of image sequence; and then select the N+1 frame pretreatment need to deal with the image sequence, with two-dimensional data, calculate the autocorrelation matrix and the autocorrelation matrix singular value decomposition SVD then select the feature vector reconstruction; image sequence; finally the reconstructed image sequence segmentation obtained from original image sequences of dim target position from the background, for each image reconstruction in image sequences are modified respectively. The method of the present invention combines the Kalman filter and the singular value decomposition method effectively, and is used for the detection of small and dim targets in the infrared video.

【技术实现步骤摘要】

本方法属于视频分析领域，具体涉及一种检测红外视频中弱小目标的方法。
技术介绍
弱小目标检测方法已经成为卫星遥感、高能物理、低空预警以及精确制导等领域信息处理的核心技术。由于弱小目标的像元个数很少，可供分割与检测算法利用的目标结构信息更少。而传感器接收的目标强度较弱，噪声和背景杂波干扰较强，使图像的信噪比降低。因此,一直以来，如何更好得利用帧间信息，提高检测的可靠性和效率，是弱小目标检测的重点。目前，已经有人将遗传算法、神经网络算法、小波变换等方法用于弱小目标检测。但是，在复杂背景下，目标点极易被噪声淹没，实现目标的可靠性检测和识别难度较大。此外，在数据吞吐量大、实时性要求高的条件下难以很好的满足检测性能。
技术实现思路
专利技术目的：针对现有技术存在的问题，本专利技术提供了一种计算时间短，检测精准的红外视频中弱小目标的检测方法。为了解决上述技术问题，本专利技术采用的技术方案是：一种检测红外视频中弱小目标的方法，包括以下步骤：步骤1：输入待检测的视频图像序列，通过卡尔曼Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；步骤2：从预处理后图像序列中，读入Nmax帧图像组成的图像序列，进行帧数估计，得到需要处理的帧数N；步骤3：读入N+1帧图像，包括步骤2中需要处理的N帧图像和所述N帧图像的后一帧图像，并将N+1帧图像合并成二维数据，求其自相关矩阵并对其自相关矩阵进行奇异值分解SVD；步骤4：步骤3奇异值分解后得到自相关矩阵的特征值，选择所述特征值的中间值对应的特征向量重构图像序列，得到重构图像序列；步骤5：对重构图像序列进行阈值分割，从背景中分离得到原图像中弱小目标的位置；步骤6：对步骤4中得到的重构图像序列中的每帧图像分别进行帧间位置修正与帧内位置修正；步骤7：重复步骤2到步骤6，直到Nmax帧图像组成的图像序列中最后一幅图像处理完成后输出结果。所述步骤2中帧数估计的方法，其具体步骤为：步骤21：读入Nmax幅图像组成的图像序列，对读入的所有图像进行两两差分操作得到Nmax-1帧图像序列；步骤22：对Nmax-1帧图像序列中的每一幅图像的所有像素灰度值求和，用求得的Nmax-1个像素和像素灰度值和分别除以对应图像的宽和高得到Nmax-1个评估值，将Nmax-1个评估值求平均得到Nmax帧图像变化剧烈程度值X；步骤23：根据以下公式得到本次需要处理的图像帧数N：其中，Nmax表示最大处理帧数，Nmin表示最小处理帧数。进一步，所述最大处理帧数Nmax设为25，最小处理帧数Nmin设为5。进一步，所述步骤5中采用最大熵方法对图像进行阈值分割。进一步，步骤6中所述位置修正，其方法为：在当前搜索窗口内寻找灰度最大值，然后将灰度最大值的坐标作为下次搜索窗口的中心位置迭代搜索，直到最终搜索窗口不变为止，这时搜索窗口中心的位置即为目标位置。有益效果：本专利技术公开了一种检测红外视频中弱小目标的方法。所述方法针对检测红外视频中的图像序列，首先通过Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；然后选定需要处理的N+1帧预处理后图像序列，合并成二维数据，求其自相关矩阵并对其自相关矩阵进行奇异值分解SVD；接着选择特征向量重构图像序列；最后对重构图像序列进行阈值分割，从背景中分离得到原图像序列中弱小目标的位置，对重构图像序列中的每幅图像分别进行修正。本专利技术方法将Kalman滤波与奇异值分解方法有效结合用于对红外视频中的弱小目标进行检测，计算时间短，检测效率高，准确性和鲁棒性都比较好。附图说明图1是本专利技术的工作流程图。具体实施方式下面结合附图，对本专利技术进行详细说明。如图1所示，本专利技术提供了一种检测红外视频中弱小目标的方法，包括以下步骤：步骤1：输入待检测的视频序列，通过Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；考虑到弱小目标的检测，或多或少会遇到噪声图像与非噪声图像发生重叠形成结团，为了兼容平滑噪声和保留图像边缘及其他有意义的特征，本专利技术先对待检测视频中的每一帧图像进行Kalman滤波，这对于恢复噪声污染图像会产生较好的滤波效果。步骤2：从预处理后的图像序列中，读入Nmax幅图像组成的图像序列，进行帧数估计，得到需要处理的帧数N；在弱小目标序列中，不同目标需要一次性处理的帧数并不相同，所以需要通过自适应来确定需要处理的帧数N。在选择帧数的时候，首先要考虑的是图像变化快慢，即变化快时选择较少帧数来处理，反之选择较多帧数。因而，帧数估计的时候需要确定最大处理帧数Nmax和最小处理帧数Nmin，其中，最大处理帧数Nmax即为从预处理后的图像序列中读入的图像数Nmax。若Nmax很大则算法不满足实时性要求，同样，若Nmin≤0，则对其进行奇异值分解也是没有任何意义的。考虑到实时性和可行性，最大处理帧数Nmax设为25，最小处理帧数Nmin设为5，用余弦函数来计算Nmax和Nmin之间的帧数估计，自变量为图像变化剧烈程度X。当X＜0.5时采用最小帧数处理，当X>1.5时采用最大帧数处理，当0.5＜X＜1.5时采用余弦函数过渡方式处理。利用三角函数知识，得到图像变化剧烈程度X和处理帧数N的公式如下：其中，具体评估算法为：在Nmax＝25和Nmin＝5的前提下，首先读入最大帧数的图像，对这些帧的图像进行两两差分操作得到Nmax-1帧图像序列，然后对Nmax-1帧图像序列中的每一幅图像所有像素灰度值求和，再用求得的Nmax-1个像素灰度值和分别除以对应图像的宽和高得到Nmax-1个评估值，将Nmax-1个评估值求平均得到Nmax帧图像变化剧烈程度值X，最后将X代入公式(1)得到本次需要处理的图像帧数N。步骤3：读入N+1幅图像，包括需要处理的N帧图像和N帧图像的后一幅图像，并将N+1幅图像合并成二维数据，求其自相关矩阵并对其自相关矩阵进行SVD；N+1幅图像组成的图像序列A是一个{x,y,z本文档来自技高网...

【技术保护点】
一种检测红外视频中弱小目标的方法，其特征在于，包括以下步骤：步骤1：输入待检测的视频图像序列，通过卡尔曼Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；步骤2：从预处理后图像序列中，读入Nmax帧图像组成的图像序列，进行帧数估计，得到需要处理的帧数N；步骤3：读入N+1帧图像，包括步骤2中需要处理的N帧图像和所述N帧图像的后一帧图像，并将N+1帧图像合并成二维数据，求其自相关矩阵并对其自相关矩阵进行奇异值分解SVD；步骤4：步骤3奇异值分解后得到自相关矩阵的特征值，选择所述特征值的中间值对应的特征向量重构图像序列，得到重构图像序列；步骤5：对重构图像序列进行阈值分割，从背景中分离得到原图像中弱小目标的位置；步骤6：对步骤4中得到的重构图像序列中的每帧图像分别进行帧间位置修正与帧内位置修正；步骤7：重复步骤2到步骤6，直到Nmax帧图像组成的图像序列中最后一幅图像处理完成后输出结果。

【技术特征摘要】
1.一种检测红外视频中弱小目标的方法，其特征在于，包括以下步骤：步骤1：输入待检测的视频图像序列，通过卡尔曼Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；步骤2：从预处理后图像序列中，读入Nmax帧图像组成的图像序列，进行帧数估计，得到需要处理的帧数N；步骤3：读入N+1帧图像，包括步骤2中需要处理的N帧图像和所述N帧图像的后一帧图像，并将N+1帧图像合并成二维数据，求其自相关矩阵并对其自相关矩阵进行奇异值分解SVD；步骤4：步骤3奇异值分解后得到自相关矩阵的特征值，选择所述特征值的中间值对应的特征向量重构图像序列，得到重构图像序列；步骤5：对重构图像序列进行阈值分割，从背景中分离得到原图像中弱小目标的位置；步骤6：对步骤4中得到的重构图像序列中的每帧图像分别进行帧间位置修正与帧内位置修正；步骤7：重复步骤2到步骤6，直到Nmax帧图像组成的图像序列中最后一幅图像处理完成后输出结果。2.根据权利要求1所述的一种检测红外视频中弱小目标的方法，其特征在于：所述步骤2中帧数估计的方法，其具体步骤为：步骤21：读入Nmax幅图像组成的图像序列，对读入的所有图像进行两两差分操作得到Nmax-1帧图像序列；步...

【专利技术属性】
技术研发人员：王敏，钱燕芳，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32