一种弱小目标检测方法、检测系统、存储装置及终端设备制造方法及图纸

本发明专利技术公开了一种弱小目标检测方法、检测系统、存储装置及终端设备，所述弱小目标检测方法包括：获取图像；对所述图像进行初级信息处理，初步检测出弱小目标；而后，对于初级信息处理后的图像，在空域通道和频域通道分别提取出其结构分量特征和高频分量特征；将所述结构分量特征和所述高频分量特征整合为输出图像特征；根据所述输出图像特征提取出弱小目标。本发明专利技术增强了杂波抑制能力的同时也提高了检测效果的优异度。

The utility model relates to a detection method, a detection system, a storage device and a terminal device for a dim and small target

【技术实现步骤摘要】
一种弱小目标检测方法、检测系统、存储装置及终端设备
本专利技术属于红外图像目标检测与跟踪领域，尤其涉及一种弱小目标检测方法、检测系统、存储装置及终端设备。
技术介绍
随着红外成像技术的广泛应用，红外目标检测与跟踪技术在交通、医疗、安防及军事等领域得到了广泛应用。而红外目标检测与跟踪领域存在的主要问题有：(1)目标弱小。当目标在图像中的尺寸低于9×9像素，且目标与背景的信噪比低于4dB时，目标则被视为弱小目标。弱小目标与周围背景的对比度较低，不具备形状特征，很难从复杂的背景中检测出来。(2)背景复杂。一方面，由于烟雾、云层、目标与载体的相对运动以及人为因素的干扰，导致红外图像中出现噪声、模糊、阴影等，从而使得红外背景杂波日益复杂。基于上述问题，目前常规的红外目标检测方法有空域高通滤波方法、巴特沃斯频域滤波方法、最大均值滤波方法、形态学方法等，但对于复杂背景条件下的弱小目标检测能力有限。另外，随着神经科学及脑科学的发展，针对复杂背景下红外目标检测问题，将人类视觉特征整合机制应用到红外目标检测领域，有利于提高红外弱小目标检测算法的抗干扰能力。本文档来自技高网...

【技术保护点】
1.一种弱小目标检测方法，应用于红外图像领域，其特征在于，所述方法包括：/nS1、获取图像；/nS2、对所述图像进行初级信息处理，初步检测出弱小目标；/nS3、对于初级信息处理后的图像，在空域通道和频域通道分别提取出其结构分量特征和高频分量特征；/nS4、将所述结构分量特征和所述高频分量特征整合为输出图像特征；/nS5、根据所述输出图像特征提取所述弱小目标。/n

【技术特征摘要】
1.一种弱小目标检测方法，应用于红外图像领域，其特征在于，所述方法包括：
S1、获取图像；
S2、对所述图像进行初级信息处理，初步检测出弱小目标；
S3、对于初级信息处理后的图像，在空域通道和频域通道分别提取出其结构分量特征和高频分量特征；
S4、将所述结构分量特征和所述高频分量特征整合为输出图像特征；
S5、根据所述输出图像特征提取所述弱小目标。


2.如权利要求1所述的弱小目标检测方法，其特征在于，采用视网膜神经节细胞感受野的DOG模型对所述图像中的各像素点通过卷积运算进行初级信息处理以初步检测出弱小目标。


3.如权利要求1所述的弱小目标检测方法，其特征在于，所述对于初级信息处理后的图像，在所述空域通道构造二阶微分Hessian矩阵，提取出所述图像的所述结构分量特征；
对于初级信息处理后的图像，在所述频域通道，利用小波变换，提取出所述图像的所述高频分量特征。


4.如权利要求3所述的弱小目标检测方法，其特征在于，所述在空域通道，构造二阶微分Hessian矩阵，提取出所述图像的结构分量特征，还包括：
根据所述二阶微分Hessian矩阵的特征值计算二阶微分Hessian矩阵的直迹Tr_H与行列式Det_H；
利用所述直迹Tr_Hu与行列式Det_H判断图像中的局部极值，进而提取出空域通道的结构分量特征。


5.如权利要求3所述的弱小目标检测方法，其特征在于，在频域通道，利用小波变换...

【专利技术属性】
技术研发人员：张新，赵尚男，王灵杰，吴洪波，
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