基于时空特性红外弱小目标检测方法技术

本发明专利技术涉及一种基于时空特性红外弱小目标检测方法，包括：获取目标红外图像的高频分量滤波图，由高频分量滤波图确定多个可疑目标；对每个可疑目标依次利用灰阶分布九宫格进行邻域能量空间分布特性的计算，再进行纹理梯度分布特性计算，再由可疑目标的方位俯仰尺度比及目标饱和度进行判断，最后进行目标时间域分布特性的判断，逐步剔除可疑目标中的伪目标，最后确定真实目标。本发明专利技术方法能够有效排除弱小目标背景中的云层干扰、地物干扰和探测器噪声干扰等，从而可靠地确定真实目标，可极大降低目标探测的虚警率，提高检测概率。

【技术实现步骤摘要】
基于时空特性红外弱小目标检测方法
本专利技术涉及弱小目标的检测
，尤其涉及一种基于时空特性红外弱小目标检测方法。
技术介绍
红外成像目标探测技术因实时性好、隐蔽性强以及抗干扰能力强等特点，被广泛应用于精确制导、探测告警等武器装备系统中。在实际应用中，要求探测系统应尽可能发现远距离目标。由于远距离目标在视场中非常弱小，且背景复杂，如云层干扰、地物干扰等，目标与背景的对比度低，背景中的干扰物极多，因此，如何从众多干扰源中剔除伪目标，获得真实目标，成为红外图像处理的难题。同时全空域搜索检测出目标，是后续对目标进行跟踪打击的前提与基础，因此提高检测概率、降低虚警率，具有重要意义。目前，红外弱小目标检测主要为先滤波预处理检测出疑似目标，再对疑似目标进行确认，剔除虚假目标，进而获得真实目标。剔除虚假目标的方式主要有：目标信噪比、目标尺度和目标的时空相关性。上述剔除虚假目标的方式，当存在云层、地物等干扰时，无法实现对干扰的有效排除。因此，针对以上不足，需要提供一种能够有效排除云层及地物干扰的弱小目标检测方法，以能够有效剔除虚警，进而检测出真实目标。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术中红外弱小目标的检测方法，在存在云层及地物等干扰时，无法有效排除干扰的缺陷，提供一种基于时空特性红外弱小目标检测方法。为了解决上述技术问题，本专利技术提供了一种基于时空特性红外弱小目标检测方法，包括：获取目标红外图像的高频分量滤波图，由高频分量滤波图确定多个可疑目标；对每个可疑目标依次利用灰阶分布九宫格进行邻域能量空间分布特性的计算，再进行纹理梯度分布特性计算，再由可疑目标的方位俯仰尺度比及目标饱和度进行判断，最后进行目标时间域分布特性的判断，逐步剔除可疑目标中的伪目标，最后确定真实目标。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，所述高频分量滤波图通过对采集的目标红外图像进行最大最小滤波，去除平缓背景后获取。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，所述利用灰阶分布九宫格进行邻域能量空间分布特性的计算方法包括：针对每个可疑目标，由高频分量滤波图确定可疑目标的型心、方位尺寸及俯仰尺寸，然后在目标红外图像的相应位置以型心为中心，以当前可疑目标为中间分格，建立九宫格；分别计算九宫格中每个小分格图像的灰度均值和灰度方差，当可疑目标的八个邻域中满足预设能量空间分布要求的领域小于六个，则判定为伪目标。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，通过计算九宫格中每个小分格图像的灰度均值和灰度方差，判定伪目标的方法包括：首先确定真实目标：∑(gray_diffi)＞＝6，∑(deta_diffi)＞＝6，式中gray_diffi表示八邻域中第i个小分格图像的灰度均值与可疑目标所在小分格图像的灰度均值的大小关系，当可疑目标所在小分格图像的灰度均值大于第i个小分格图像的灰度均值，则gray_diffi为1，否则为0，mean5表示可疑目标所在小分格图像的灰度均值，meani表示每个邻域小分格图像的灰度均值，i＝1，2，3，4，6，7，8，9；deta_diff表示八邻域中第i个小分格图像的灰度方差与可疑目标所在小分格图像的灰度方差的大小关系，当可疑目标所在小分格图像的灰度方差大于第i个小分格图像的灰度方差，则deta_diff为1，否则为0；deta5表示可疑目标所在小分格图像的灰度方差，detai表示八个邻域小分格图像的灰度方差；对于满足上式的可疑目标，初步判定为真实目标，不满足上式的可疑目标则判定为伪目标，剔除。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，对可疑目标进行纹理梯度分布特性计算的方法包括：计算可疑目标的纹理梯度分布，将纹理梯度分布不满足高斯分布的可疑目标判断为伪目标，剔除。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，对可疑目标进行纹理梯度分布特性计算的方法还包括：通过以下公式判断可疑目标的纹理梯度分布是否满足高斯分布：G1＝abs[8*f(x,y)-f(x-1,y-1)-f(x,y-1)-f(x+1,y-1)-f(x-1,y)-f(x+1,y)-f(x-1,y+1)-f(x,y+1)-f(x+1,y+1)]/8；G2＝abs[16*f(x,y)-f(x-2,y-2)-f(x-1,y-2)-f(x,y-2)-f(x+1,y-2)-f(x+2,y-2)-f(x-2,y-1)-f(x+2,y-1)-f(x-2,y)-f(x+2,y)-f(x-2,y+1)-f(x+2,y+1)-f(x-2,y+2)-f(x-1,y+2)-f(x,y+2)-f(x+1,y+2)-f(x+2,y+2)]/16；式中f(x,y)是可疑目标图像(x,y)坐标处的灰度值，G1是可疑目标中心点坐标与内圈像素的平均差值；G2是可疑目标中心点坐标与外圈像素的平均差值；当G2大于G1时，可疑目标的纹理梯度分布满足高斯分布。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，由可疑目标的方位俯仰尺度比及目标饱和度进行判断的方法包括：将方位俯仰尺度比大于6：1的可疑目标判定为伪目标，剔除；再将目标饱和度小于0.25的可疑目标判定为伪目标，剔除。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，所述目标饱和度θ的计算方法包括：θ＝s/(x0*y0)，式中s是可疑目标的面积，x0是可疑目标外接矩形的长度，y0是可疑目标外接矩形的宽度。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，进行目标时间域分布特性的判断的方法包括：对可疑目标前一时刻和当前时刻的目标特性进行判断，若有超过预期数目的目标特性发生突变，则判定为伪目标，剔除。在根据本专利技术所述的基于时空特性红外弱小目标检测方法中，所述目标特性包括可疑目标外接矩形的长度、可疑目标外接矩形的宽度、可疑目标的面积、可疑目标亮度、可疑目标方位速度和可疑目标俯仰速度。实施本专利技术的基于时空特性红外弱小目标检测方法，具有以下有益效果：本专利技术方法为了在存在云层、地物及探测器噪声干扰时，依然能有效地捕捉到真实目标，首先通过目标的高频分量滤波图确定可能存在的可疑目标；然后主要通过对可疑目标的纹理特征和目标邻域能量空间分布特性进行分析，剔除虚假目标；最后针对时域，根据目标特性在短时间内的关联性确定真实目标。本专利技术方法充分利用了目标的各种特性对可疑目标进行分析处理，能够有效排除弱小目标背景中的云层干扰、地物干扰或探测器噪声干扰等，从而可靠地确定真实目标，可极大降低目标探测的虚警率，提高检测概率。附图说明图1为根据本专利技术的基于时空特性红外弱小目标检测方法的示例性流程图；图2为根据本专利技术的探测目标的目标红外图像示意图；图3为对图2进行处理后获得的高频分量滤波图；图4为进行邻域能量空间分布特性计算的九宫格示意图；图5为真实目标的纹理梯度分布示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。具体实施方式一、本本文档来自技高网...

【技术保护点】
1.一种基于时空特性红外弱小目标检测方法，其特征在于包括：获取目标红外图像的高频分量滤波图，由高频分量滤波图确定多个可疑目标；对每个可疑目标依次利用灰阶分布九宫格进行邻域能量空间分布特性的计算，再进行纹理梯度分布特性计算，再由可疑目标的方位俯仰尺度比及目标饱和度进行判断，最后进行目标时间域分布特性的判断，逐步剔除可疑目标中的伪目标，最后确定真实目标。

【技术特征摘要】
1.一种基于时空特性红外弱小目标检测方法，其特征在于包括：获取目标红外图像的高频分量滤波图，由高频分量滤波图确定多个可疑目标；对每个可疑目标依次利用灰阶分布九宫格进行邻域能量空间分布特性的计算，再进行纹理梯度分布特性计算，再由可疑目标的方位俯仰尺度比及目标饱和度进行判断，最后进行目标时间域分布特性的判断，逐步剔除可疑目标中的伪目标，最后确定真实目标。2.根据权利要求1所述的基于时空特性红外弱小目标检测方法，其特征在于：所述高频分量滤波图通过对采集的目标红外图像进行最大最小滤波，去除平缓背景后获取。3.根据权利要求1或2所述的基于时空特性红外弱小目标检测方法，其特征在于：所述利用灰阶分布九宫格进行邻域能量空间分布特性的计算方法包括：针对每个可疑目标，由高频分量滤波图确定可疑目标的型心、方位尺寸及俯仰尺寸，然后在目标红外图像的相应位置以型心为中心，以当前可疑目标为中间分格，建立九宫格；分别计算九宫格中每个小分格图像的灰度均值和灰度方差，当可疑目标的八个邻域中满足预设能量空间分布要求的领域小于六个，则判定为伪目标。4.根据权利要求3所述的基于时空特性红外弱小目标检测方法，其特征在于：通过计算九宫格中每个小分格图像的灰度均值和灰度方差，判定伪目标的方法包括：首先确定真实目标：∑(gray_diffi)＞＝6，∑(deta_diffi)＞＝6，式中gray_diffi表示八邻域中第i个小分格图像的灰度均值与可疑目标所在小分格图像的灰度均值的大小关系，当可疑目标所在小分格图像的灰度均值大于第i个小分格图像的灰度均值，则gray_diffi为1，否则为0，mean5表示可疑目标所在小分格图像的灰度均值，meani表示每个邻域小分格图像的灰度均值，i＝1，2，3，4，6，7，8，9；deta_diff表示八邻域中第i个小分格图像的灰度方差与可疑目标所在小分格图像的灰度方差的大小关系，当可疑目标所在小分格图像的灰度方差大于第i个小分格图像的灰度方差，则deta_diff为1，否则为0；deta5表示可疑目标所在小分格图像的灰度方差，detai表示八个邻域小分格图像的灰度方差；对于满足上式的可疑目标，初步判定为真实目标，不满足上式的可疑目标则判定为伪目标，剔除。5.根据权利要求1至4中任一项所述的基于时空特性红外弱小目标检测方法，其特征在于：对可疑目标...

【专利技术属性】
技术研发人员：张挺，崔述金，赵凯，侯棋文，李斌，崔洪，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京,11