一种红外图像中暗弱点目标检测方法技术

本发明专利技术公开了一种红外图像中暗弱点目标检测方法，采用8个方向5×5维度的结构元素来提取所有可能的不同尺度的目标；经过自适应阈值处理得到目标感兴趣区域，有效提高目标信噪比；采用背景边缘点与点目标在局部邻域分布的判决准则，将残余的背景边缘点剔除；依据帧间匹配关系来剔除噪点并且获得目标运动轨迹；算法复杂度不高，满足实时性要求；结果表明本发明专利技术目标检测概率高，同时虚警率较低，具有重要的应用价值。

【技术实现步骤摘要】
一种红外图像中暗弱点目标检测方法
本专利技术属于红外探测
，具体涉及一种红外图像中暗弱点目标检测方法,适用于复杂背景下信噪比约为2～3的红外图像暗弱点目标检测。
技术介绍
红外暗弱点目标检测技术对于红外搜索系统、精确制导等领域的发展具有重要的意义。作用距离是衡量红外搜索与跟踪系统的重要指标，远距离低信噪比点目标在运动过程中成像尺寸在1×1～3×3个像元之间变化，其形态信息随着距离和成像角度的不同是不断变化的。事实上，点目标在探测器上所成的像占1个像元的情况较少，更多时候会扩散成水平或者垂直方向2个像元，或者3×3个像元。点目标实际成像尺寸大于理想几何成像尺寸，这是因为点目标在运动过程中由于远距离成像发生光学衍射，点目标会弥散成爱里斑，能量扩散到邻近像元。而且点目标机动性较强可能出现在各种不同尺度的复杂场景中而且成像过程中效果往往受到天气、大气辐射、复杂云层，以及各种噪声等因素的影响，这很可能导致红外图像中某些场景的辐射强度超过点目标的辐射强度，以致目标被淹没在复杂背景中。因此复杂背景下的暗弱点目标检测已经成为当今亟待解决的研究难题。国内外学者对暗弱点目标检测展开了大量的研究工作。彭嘉雄等人提出了空域滤波的方法，对图像进行高通滤波处理，噪声得到一定程度抑制，同时算法复杂度不高。李欣等人针对红外云层的特点提出使用模糊聚类的方法准确判别出图像的类别以实现弱小目标的检测。王刚等人对红外图像小目标与背景的特性进行了分析，提出一种基于图像块邻域对比特性的红外弱小目标检测算法用于有效检测低信噪比条件下的红外弱小目标。吴一全提出基于NSCT的红外小目标检测方法，通过对高频子带求距离像来检测小目标。但对不同尺度、不同方向的高频子带求取的距离像与原始图像中的小目标大小不一致，目标分割方法不能准确定位目标所在位置。Laure提出一种背景块匹配三维模型的目标检测算法，通过计算图像块的协方差估计出相似分布的背景区域，然后采用高斯混合模型法对背景进行建模，此法对背景抑制作用很好，但是算法复杂，不利于实时实现。其次还有最大中值滤波器方法、二维最小均方滤波器算法、小波变换法等。很多算法在抑制背景的同时，造成目标信息的丢失，有的算法在预测背景过程中，不仅突出了目标，有时也保留大量的背景高频像素点和孤立噪声，造成较高的虚警率。近年来，很多人提出采用形态学顶帽算法检测点目标，形态学滤波算法对背景抑制的效果取决于结构元素的尺寸与形状，当无法获得暗弱点目标图像的先验知识时，该算法难以获得最佳效果。结构元素在形态学运算中的作用类似于滤波窗口，它的选择至关重要。传统的顶帽算法只采用一种结构元素，忽略了不同方向的点目标细节差异，因此其检测出的候选目标个数有限，可能产生较大的漏检概率。综上所述，暗弱点目标检测算法不仅要适应各种复杂的环境条件，有较强的稳健性，同时算法简单能够满足实时性要求。研究出稳定、高效的暗弱点目标检测算法不仅具有重要的理论意义，而且有重大的应用价值。
技术实现思路
有鉴于此，本专利技术的目的是提供一种红外图像中暗弱点目标检测方法，尽可能地覆盖各个方向分布的点目标，能够提取出不同尺度的点目标。一种红外图像中点目标检测方法，包括如下步骤：步骤一、获取原始图像序列；步骤二、对输入的原始图像I(x,y)，利用8个结构元素采用顶帽和底帽变换组合运算，得到原始图像在8个结构元素对应的8个方向下分布的目标感兴趣区域，具体为：S1、顶帽和底帽变换分别如式(1)和式(2)所示：THn＝I(x，y)-(Iοbn)(x，y)，(1)BHn＝(I·bn)(x,y)-I(x,y)，(2)其中，bn表示第n个结构元素，n＝1,2,…,8，具体的：S2、对步骤S1中得到的顶帽和底帽变换结果进行组合运算，得到第n个方向下目标感兴趣区域ROIn；ROIn＝I+THn-BHn，(3)S3、将S2提取到的8个方位的点目标感兴趣区域ROIn按照各自所在位置拼合成一个完整的图像，即得到疑似的不同灰度分布的点目标结果图像ROI：步骤三、采用恒虚警阈值处理点目标结果图像ROI，得到候选点目标；步骤四、根据所述候选点目标获得目标运动轨迹。进一步的，在步骤三获得候选点目标后，先在候选点目标中剔除残余背景点，再送入步骤四；具体剔除方法为：S31、原始图像I中找到候选目标点的位置，并将候选目标点的位置定义为I(i,j)；S32、针对每个候选目标点，在原始图像上以该点为中心的5×5邻域窗口中，定义如公式(6)所示的4个方向向量Lm，m＝1,2,3,4，每个方向向量包含候选目标点两侧的4个点：S33、然后计算每个方向向量Lm中4个点与中心的候选目标点I(i,j)的灰度差异值之和：其中wx,y表示方向向量上的点I(i+x,j+y)相对中心点I(i,j)的加权系数，x,y∈[-2,2]；其中，距离中心点越近的点，加权系数越大，距离越远，加权系数越小；S34、针对每一个候选目标点，确定四个方向向量的灰度差异值的最大值与最小值的比值，称为该候选点的方向比率DR；S35、将DR值大于或等于设定阈值的点进行舍弃，将小于设定阈值的点保留，最后得到的候选目标点即为剔除了残余背景点的候选目标点。较佳的，所述S33中，加权系数的设置具体如下：向量L1中各点按从远极近的顺序，各邻域点的加权系数为：1,2,2和1；向量L2中各点按从远极近的顺序，各邻域点的加权系数为：3/2,5/2,5/2和3/2；向量L3中各点按从远极近的顺序，各邻域点的加权系数为：1,2,2和1；向量L4中各点按从远极近的顺序，各邻域点的加权系数为：3/2,5/2,5/2和3/2；对所有邻域点的加权系数进行归一化，得到最终的加权系数。较佳的，所述设定阈值设为2。较佳的，所述步骤三中，采用恒虚警阈值处理点目标结果图像ROI，得到候选点目标的具体过程如下：针对步骤二得到的每个目标感兴趣区域ROIn计算该区域的恒虚警阈值：式中为本区域内背景区域的灰度均值，σb为本区域内背景区域的标准差，k为固定常数；将本区域内各个点与本区域对应的恒虚警阈值进行比较，大于或等于恒虚警阈值Th的进行保留确定为候选目标点；小于恒虚警阈值的进行剔除，得到候选目标点图像。较佳的，取k为较佳的，所述步骤一中，斯特林制冷碲镉汞长波红外焦平面探测器采集复杂云层背景下暗弱点目标图像序列。较佳的，图像序列中每间隔10帧选取一帧图像加入所述原始图像序列。本专利技术具有如下有益效果：本专利技术采用自主搭建的长波红外焦平面探测器，采集含有点目标的图像视频序列；采用8个方向5×5维度的结构元素来提取所有可能的不同尺度的目标；经过自适应阈值处理得到目标感兴趣区域，有效提高目标信噪比；采用背景边缘点与点目标在局部邻域分布的判决准则，将残余的背景边缘点剔除；依据帧间匹配关系来剔除噪点并且获得目标运动轨迹。算法复杂度不高，满足实时性要求。结果表明本专利技术目标检测概率高，同时虚警率较低，具有重要的应用价值。本专利技术设计的8个方向5×5维度的结构元素，对每一种结构元素采取Top-hat、Bottom-hat变换组合运算，能够提取出图像中所有可能灰度分布的点目标。本专利技术提出的局部对比特征准则利用点目标和背景边缘点分布的不同，成功剔除了残余的背景边缘点，有效提高目标信噪比。本专利技术采用的算法复杂度不高，易于实时本文档来自技高网...

【技术保护点】
一种红外图像中点目标检测方法，其特征在于，包括如下步骤：步骤一、获取原始图像序列；步骤二、对输入的原始图像I(x,y)，利用8个结构元素采用顶帽和底帽变换组合运算，得到原始图像在8个结构元素对应的8个方向下分布的目标感兴趣区域，具体为：S1、顶帽和底帽变换分别如式(1)和式(2)所示：

【技术特征摘要】
1.一种红外图像中点目标检测方法，其特征在于，包括如下步骤：步骤一、获取原始图像序列；步骤二、对输入的原始图像I(x,y)，利用8个结构元素采用顶帽和底帽变换组合运算，得到原始图像在8个结构元素对应的8个方向下分布的目标感兴趣区域，具体为：S1、顶帽和底帽变换分别如式(1)和式(2)所示：BHn＝(I·bn)(x,y)-I(x,y)，(2)其中，bn表示第n个结构元素，n＝1,2,…,8，具体的：S2、对步骤S1中得到的顶帽和底帽变换结果进行组合运算，得到第n个方向下目标感兴趣区域ROIn；ROIn＝I+THn-BHn，(3)S3、将S2提取到的8个方位的点目标感兴趣区域ROIn按照各自所在位置拼合成一个完整的图像，即得到疑似的不同灰度分布的点目标结果图像ROI：步骤三、采用恒虚警阈值处理点目标结果图像ROI，得到候选点目标；步骤四、根据所述候选点目标获得目标运动轨迹。2.如权利要求1所述的一种红外图像中点目标检测方法，其特征在于，在步骤三获得候选点目标后，先在候选点目标中剔除残余背景点，再送入步骤四；具体剔除方法为：S31、原始图像I中找到候选目标点的位置，并将候选目标点的位置定义为I(i,j)；S32、针对每个候选目标点，在原始图像上以该点为中心的5×5邻域窗口中，定义如公式(6)所示的4个方向向量Lm，m＝1,2,3,4，每个方向向量包含候选目标点两侧的4个点：S33、...

【专利技术属性】
技术研发人员：王德江，刘让，贾平，车鑫，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林,22