【技术实现步骤摘要】
基于多源传感器融合的目标检测方法
本专利技术涉及图像处理自动检测
，具体涉及一种基于多源传感器融合的“低小慢”目标检测方法。
技术介绍
目前，“低小慢”目标检测技术是精确制导、红外搜索跟踪和侦察告警系统的一项关键技术，如何在复杂场景中排除云层、光照、噪声以及遮挡等干扰，准确地检测出低空慢速小目标一直是目标检测领域极具挑战的研究课题，其检测性能直接决定系统的作用距离与探测灵敏度。传统的“低小慢”目标检测VIBE算法、和PBAS算法，无法应对快速场景变化或者复杂背景等特殊场合，因此不能稳定工作。
技术实现思路
本专利技术为解决现有目标检测方法存在无法应对快速场景变化或者复杂背景下检测低小慢目标的问题，提供一种基于多源传感器融合的目标检测方法。基于多源传感器融合的目标检测方法，该方法由以下步骤实现：步骤一、对红外图像及可见光图像的感兴趣区域提取；步骤二、基于滚动引导滤波和加权最小二乘优化函数进行图像融合，获得融合后的图像F；具体过程为：采用滚动引导滤波器对原始红外图像和原始...
【技术保护点】
1.基于多源传感器融合的目标检测方法，其特征是：该检测方法由以下步骤实现：/n步骤一、对红外图像及可见光图像的感兴趣区域提取；/n步骤二、基于滚动引导滤波和加权最小二乘优化函数进行图像融合，获得融合后的图像F；具体过程为：/n采用滚动引导滤波器对原始红外图像和原始可见光图像进行了多尺度分解，并采用视觉显著性算法对分解后的红外图像基础层与可见光图像基础层进行融合处理，采用加权最小二乘函数对红外图像细节层与可见光图像细节层进行融合处理；/n采用高斯滤波器获得原始可见光图像和原始红外图像包含粗尺度结构信息的基础层；/n当j＝1,2…N-1时，第j层滤波后的细节图像，用下式表示为：/n
【技术特征摘要】
1.基于多源传感器融合的目标检测方法，其特征是：该检测方法由以下步骤实现：
步骤一、对红外图像及可见光图像的感兴趣区域提取；
步骤二、基于滚动引导滤波和加权最小二乘优化函数进行图像融合，获得融合后的图像F；具体过程为：
采用滚动引导滤波器对原始红外图像和原始可见光图像进行了多尺度分解，并采用视觉显著性算法对分解后的红外图像基础层与可见光图像基础层进行融合处理，采用加权最小二乘函数对红外图像细节层与可见光图像细节层进行融合处理；
采用高斯滤波器获得原始可见光图像和原始红外图像包含粗尺度结构信息的基础层；
当j＝1,2…N-1时，第j层滤波后的细节图像，用下式表示为：
dj＝uj-1-uj
当j＝N时，第j层滤波后的基础层图像，用下式表示为：
dj＝uj-1-uj
式中，RGF(·)滚动引导滤波器，uj为第j层滤波后的图像，dj为第j层分解图像，N为图像分解的层数，T为迭代次数；σs为尺度参数，σr为权重范围参数，设置获得红外基础层图像B1和可见光基础层图像B2；对于红外基础层图像B1和可见光基础层图像B2，采用视觉显著性算法FT求取其归一化显著性像素值FT1和FT2,并通过融合规则获得输出图像BF的基础融合层，具体表示为：
式中，Wb为融合权重，对于细节层图像和采用MS规则获得初始融合细节层Mj，用公式表示为：
其中，MS加权系数Wj采用下式获得：
第j层融合细节层通过加权最小二乘优化函数获得，具体表示为：
式中，将融合细节层和基于MS规则的初始融合细节层之间的欧几里得距离最小化，中，λ为等式中前后两项的平衡控制参数；
权重参数ωi为以像素n为中心的正方形7×7滑窗，重写其矩阵形式为：
式中，Aj为包含所有权重参数Λ的对角矩阵，则获得融合后的图像F：
F＝BF+D1+D2+…+DN
步骤三、对低小慢目标的检测；
在步骤二中获得的融合图像F内寻找步骤一中确定的感兴趣区域，并输入感兴趣区域内的融合图像，通过SuBSENSE背景建模算法完成低小慢目标的检测；
步骤三一、基于时空二进制相似性和Color-LBSP描述子，在一个无参模型中使用V帧输入的感兴趣区域融合图像值初始化背景模型，用下式表示为：
B(x)＝{B1(x),B2(x),...BV(x)}
步骤三二、计算像素点的当前像素与该像素点的样本集之间的递归滑动平均距离Dmin(x)，计算方式为：
Dmin(x)＝Dmin(x)·(1-α)+dt(x)·α
式中，α为变化更新学习率，dt(x)所有样本之间的最小标准化Color-LBSP距离；
步骤三三、根据SuBSENSE背景建模中的局部距离对阈值进行控制，并对SuBSENSE背景模型进行实时更新，获得分割输出检测结果；用公式表示为：
式中，Ft(x)为t时刻的...
【专利技术属性】
技术研发人员：孙海江，吴言枫，
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
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。