【技术实现步骤摘要】
红外弱小目标检测方法
本专利技术属于检测领域，具体涉及红外弱小目标检测算法。
技术介绍
由于红外目标跟踪是通过远距离探测来完成的，导致目标的对比度与信噪比较低，且目标在整个图像中所占据的像素较少，使得目标的检测与跟踪较为困难。因此，在复杂背景干扰下，如何精确检测红外目标成为当前的挑战与热点。为此，研究人员设计了一系列的弱小目标检测方案。如王军等人在文献1中利用形态滤波和方差估计方法，以突出目标像素，并计算每个像素的信噪比(SNR)，将图像中像素SNR高的被标记为目标像素，再对标记过的图像进行分块分析，准确提取出连续图像序列中的目标像素，将检测出的目标像素作为Hough变换的目标跟踪算法的输入，设置双阈值实现目标的有效跟踪。这种方案属于典型的单帧检测方法，其不能充分利用不同帧的真实目标的运动信息之间的差异，无法消除噪声干扰，使其检测结果中存在虚假目标。为了利用弱小目标的运动轨迹的连续性来消除噪声干扰，学者们提出了多帧检测技术，管道滤波算法是其中一种较为典型的技术，如Qi等人在文献2中通过提取包含真实目标与可疑目标的区域，形成了对应的局部区域相似度差异映射，并引入管道...
【技术保护点】
1.红外弱小目标检测方法，其特征在于，包括以下步骤：步骤一，基于各向异性边缘停止函数的背景抑制：根据红外图像的边缘停止函数，考虑弱小目标与背景的差异，构建各向异性背景抑制方案；步骤二，基于时空高阶累积量方法的目标增强：基于传统的高阶累积量，考虑空域特性，利用弱小目标的运动能量来建立一种时空高阶累积量方案；步骤三，基于改进的管道滤波的弱小目标检测：引入尺度空间理论，计算弱小目标的直径，改进管道滤波方案。
【技术特征摘要】
1.红外弱小目标检测方法，其特征在于，包括以下步骤：步骤一，基于各向异性边缘停止函数的背景抑制：根据红外图像的边缘停止函数，考虑弱小目标与背景的差异，构建各向异性背景抑制方案；步骤二，基于时空高阶累积量方法的目标增强：基于传统的高阶累积量，考虑空域特性，利用弱小目标的运动能量来建立一种时空高阶累积量方案；步骤三，基于改进的管道滤波的弱小目标检测：引入尺度空间理论，计算弱小目标的直径，改进管道滤波方案。2.根据权利要求1所述的红外弱小目标检测方法，其特征在于，所述步骤一具体为：各向异性特征不仅可以平滑与稳定背景区域，还可以保持背景的边缘细节和突变区域，各向异性的扩散函数为式(1)所示：其中，u为灰度图像；是图像u的梯度；为边缘停止函数；div为散度算子；在式(1)中的边缘停止函数如式(2)所示，根据不同方向的梯度关系来计算平滑因子：其中，k是一个常量；若红外图像的梯度为f(i，j)，其真实目标所在的局部区域的梯度算子为式(3)所示：其中，Up_Grad，Down_Grad，Left_Grad，Right_Grad分别是图像f(i，j)的上、下、左和右梯度；采用滤波函数对f(i，j)进行滤波处理，相应的滤波函数为式(4)所示：将式(2)代入到式(3)中，则基于式(4)，可计算不同方向上的2个最小参数Min1，Min2的均值，以完成红图像的滤波操作，获取背景抑制结果。3.根据权利要求2所述的红外弱小目标检测方法，其特征在于，所述步骤二具体为：高阶累积量可以在时间域和空间域上有效积累目标能量，能较好地增强红外弱小目标，传统的M帧的高阶累积量模型为式(5)所示：CMf＝E{F0(x，y，t1)+F0(x，y，t2)+…F0(x，y，tM)}(5)其中，F0(x，y，t1)是背景抑制结果；t1＝1，2，...M代表红外图像的帧数；M是图像累积帧的数量；在相邻帧的弱小目标的运动利用12模式来描述；前5帧是水平运动，中间5帧是垂直运动，最后2帧是对角线运动；无论方向如何，目标总是在相邻帧邻域上不断地移动；因此，运动目标的能量累积通过在运动邻域中累加M连续图像帧的最大能量值来实现；弱小目标的运动能量累积可描述为式(6)-(7)所示：其中，TP是弱小目标的运动模式；r是累积窗口的半径；fp(x，y，tM)是背景抑制后的序列图像；P0(x，y，tM)代表12种模式的tM帧的最大值；结合式(5)～式(7)，则改进的M帧高阶累积量为式(8)所示：CMf＝E{P0(x，y，t1)+P0(x，y，t2)+…P0(x，y，tM)}...
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。