一种复杂背景下的红外弱小目标检测虚警抑制方法技术

本发明专利技术提供了一种复杂背景下的红外弱小目标检测虚警抑制方法，主要解决现有弱小目标检测技术中检测虚警率过高、检测鲁棒性低问题。包括如下步骤：1)首先对原始红外图像进行图像预处理，获取背景抑制图像；2)根据候选目标点迹向量位置信息进行目标点迹重映射，采用限定邻域最大值搜索方法生成候选目标点迹窗口；3)分别计算候选目标点迹窗口的相关菱形邻域、圆形邻域特征参数和邻域信噪比参数；4)依次对所有候选目标点迹窗口的邻域特征参数和邻域信噪比参数进行自适应阈值判断，实现虚警抑制后的弱小目标点迹提取。本发明专利技术可以用于目标搜索、远程监视、侦察告警等领域，红外弱小目标检测性能优异。

【技术实现步骤摘要】
一种复杂背景下的红外弱小目标检测虚警抑制方法
本专利技术涉及数字图像处理
，尤其涉及一种复杂背景下的红外弱小目标检测虚警抑制方法。
技术介绍
红外弱小目标检测是远程光电搜索系统中一项重要技术，由于红外传感器在成像过程中易受到外界环境、天气、传感器噪声等影响，且在远距离获取红外图像时，背景相对较为复杂，特别是在云雨杂波、地物杂波等场景下，如何有效试试检测出真实红外弱小目标成为远程光电系统中的关键。红外弱小目标的特征表现像素点尺寸低于3×3，纹理特征信息缺失，图像信噪比低，小目标提取方法更多关注提高目标检测概率，导致在搜索系统中提取的虚警较高，从而带来观察员观察难度高、空情发现不及时，因此研究红外弱小目标检测如何抑制虚警具有很高的研究价值。方义强等人在“一种基于方差标记的形态学红外弱小目标检测算法”中提出利用局部方差对红外图像像素点进行分类，剔除分类非目标像素，执行TOP-Hat变换，但是方差分类与选择计算复杂度高，分类准确率不高。王露等人在“基于对比度和梯度分布的红外弱小目标检测”中提出利用多尺度局部对比度机制增强图像，再利用局部梯本文档来自技高网...

【技术保护点】
1.一种复杂背景下的红外弱小目标检测虚警抑制方法，其特征在于，包括如下步骤：/n步骤1，输入原始红外图像和候选目标点迹向量，对原始红外图像f(x,y)采用相关邻域滤波进行图像预处理操作，得到背景抑制图像B(x,y)；/n步骤2，生成候选目标点迹窗口图像；/n步骤3，分别计算候选目标点迹窗口图像的相关菱形邻域特征参数、圆形邻域特征参数和邻域信噪比参数；/n步骤4，依次对所有候选目标点迹窗口图像的菱形邻域特征参数、圆形邻域特征参数和邻域信噪比参数进行自适应阈值判断，实现虚警抑制后的弱小目标点迹提取。/n

【技术特征摘要】
1.一种复杂背景下的红外弱小目标检测虚警抑制方法，其特征在于，包括如下步骤：
步骤1，输入原始红外图像和候选目标点迹向量，对原始红外图像f(x,y)采用相关邻域滤波进行图像预处理操作，得到背景抑制图像B(x,y)；
步骤2，生成候选目标点迹窗口图像；
步骤3，分别计算候选目标点迹窗口图像的相关菱形邻域特征参数、圆形邻域特征参数和邻域信噪比参数；
步骤4，依次对所有候选目标点迹窗口图像的菱形邻域特征参数、圆形邻域特征参数和邻域信噪比参数进行自适应阈值判断，实现虚警抑制后的弱小目标点迹提取。


2.如权利要求1所述的方法，其特征在于，步骤1包括：采用如下公式进行相关邻域滤波：



其中，参数z1,z2,z3,z4计算公式如下：
z1＝mid[f(x-N:x+N,y)]
z2＝mid[f(x,y-N:y+N)]
z3＝mid[diag(f(x+N:x-N,y-N:y+N),1)]
z4＝mid[diag(f(x+N:x-N,y-N:y+N),2)]
其中，x,y分别为像素水平坐标和垂直坐标，max为向量取最大值操作，min为向量取最小值操作，mid为向量取中值操作，diag为向量取对角线操作，N为相关邻域模板尺寸大小。


3.如权利要求2所述的方法，其特征在于，步骤2包括：
对候选目标点迹向量的点迹中心像素位置信息(x0,y0)映射到背景抑制图像B(x,y)中心像素位置B(x0,y0)，在B(x0,y0)中心像素周围取M×M窗口区域得到窗口图像B0(x,y)，计算窗口图像B0(x,y)灰度最大值像素点位置B0(xmax,ymax)，并以B0(xmax,ymax)为窗口中心重新扩展M×M窗口区域，得到调整后的候选目标窗口图像B1(x,y)，依次完成对候选目标点迹向量Vp(n，loc)进行上述限定区域的最大值搜索映射生成候选目标点迹窗口Wp(n，rec)，其中候选目标点迹向量Vp(n，loc)包括点迹序号、点迹中心像素水平与垂直位置，所述候选目标点迹窗口Wp(n，rec)包括点迹序号、点迹窗口左上角水平与垂直位置坐标、窗口宽度、窗口高度。


4.如权利要求3所述的方法，其特征在于，步骤3中，所述计算候选目标窗口图像的相关菱形邻域特征参数，包括：
定义目标窗口图像B1(x,y)中位置(x0，y0)构成的像素点为B1(x0,y0)，像素点B1(x0,y0)相关菱形一阶邻域特征向量是：
[B1(x0-1,y0)，B1(x0+1,y0)，B1(x0,y0-1)，B1(x0,y0+1)]
像素点B1(x,y)相关菱形二阶邻域特征向量是：
[B1(x0+2,y0)，B1(x0-2,y0)，B1(x0-1,y0-1)，B1(x0-1,y0+1)
B1(x0+1,y0-1)，B1(x0+1,y0+1)，B1(x0,y0-2)，B1(x0,y0+2)]
分别计算候选目标窗口图像的相关菱形一阶邻域特征向量的均值LM1、二阶邻域特征向量的均值LM2，再计算得到相关菱形邻域特征参数S1：
S1＝LM1/LM2。


5.如权利要求4所述的方法，其特征在于，步骤3中，所述计算候选目标窗口图像的相关圆形邻域特征参数，包括：
像素点B1(x0,y0)的相关圆形一阶邻域特征向量是：
[B1(x0-1,y0-1)，B1(x0,y0-1)，B1(x0+1,y0-1)，B1(x0-1,y0)
B1(x0+...

【专利技术属性】
技术研发人员：朱伟，翟尚礼，赵春光，杜瀚宇，白俊奇，苗锋，
申请(专利权)人：南京莱斯电子设备有限公司，
类型：发明
国别省市：江苏;32