一种基于背景抑制的空地红外时敏弱小目标检测方法技术

本发明专利技术涉及一种基于背景抑制的空地红外时敏弱小目标检测方法，特别涉及图像处理领域。包括以下步骤：S1：对每张图像进行候选目标检测；S2：根据所述候选目标描述直线，将所述直线的局部领域作为特征支持区域来构造描述子向量，再通过所述描述子向量的相似性度量来匹配直线；S3：根据匹配的所述直线得到变换矩阵，依据所述变换矩阵将首帧图像中候选目标位置和末帧图像中候选目标的位置统一到同一个坐标系；S4：连续跟踪K帧图像的运动目标并得到首帧和末帧图像相对应的候选目标集，得到位置偏移误差，根据所述位置偏移误差得到运动目标。本方案解决了如何提高动态背景下的动目标检测效果的技术问题，适用于弱小目标检测。

【技术实现步骤摘要】
一种基于背景抑制的空地红外时敏弱小目标检测方法
本专利技术涉及图像处理领域，特别涉及一种基于背景抑制的空地红外时敏弱小目标检测方法。
技术介绍
目标检测技术是计算机视觉领域的基本任务之一，红外弱小移动目标检测是计算机视觉领域研究的热点和难点。目前对于弱小目标检测方法主要分为单帧和多帧图像两种情况。基于单帧的弱小目标检测方法的计算效率很高，在背景比较平稳的情况下通常都可以取得较好的检测结果。但是对于复杂地面背景下的场景，如果存在强边缘干扰、亮斑和高亮区域干扰，那么这类方法的检测性能会剧烈下降。图1给出了几种基于单帧图像的检测方法在复杂场景中的检测结果，可以看出，对于复杂地面场景下的弱小目标检测，这类检测方法很难取得满意的结果。基于多帧的弱小目标检测方法大都基于连续帧之间图像和背景的一些特定的假设信息，以及目标的一些先验性知识。传统三维匹配滤波器检测方法一般可以检测具有固定速度的运动目标，但是需要目标的形状和速度等先验信息。为了提升检测弱小目标的性能，提出了改进的三维双方向滤波器利用三维时空自适应预测滤波器抑制复杂背景，然后分别利用三维粗搜本文档来自技高网...

【技术保护点】
1.一种基于背景抑制的空地红外时敏弱小目标检测方法，其特征在于，包括以下步骤：/nS1：利用多尺度DOG滤波器和几何特征对每张图像进行候选目标检测；/nS2：根据所述候选目标描述直线，将所述直线的局部领域作为特征支持区域来构造描述子向量，再通过所述描述子向量的相似性度量来匹配直线；/nS3：根据匹配的所述直线得到变换矩阵，依据所述变换矩阵将首帧图像中候选目标位置和末帧图像中候选目标的位置统一到同一个坐标系；/nS4：连续跟踪K帧图像的运动目标并得到首帧和末帧图像相对应的候选目标集，得到位置偏移误差，所述位置偏移误差大于预设值的为运动目标。/n

【技术特征摘要】
1.一种基于背景抑制的空地红外时敏弱小目标检测方法，其特征在于，包括以下步骤：
S1：利用多尺度DOG滤波器和几何特征对每张图像进行候选目标检测；
S2：根据所述候选目标描述直线，将所述直线的局部领域作为特征支持区域来构造描述子向量，再通过所述描述子向量的相似性度量来匹配直线；
S3：根据匹配的所述直线得到变换矩阵，依据所述变换矩阵将首帧图像中候选目标位置和末帧图像中候选目标的位置统一到同一个坐标系；
S4：连续跟踪K帧图像的运动目标并得到首帧和末帧图像相对应的候选目标集，得到位置偏移误差，所述位置偏移误差大于预设值的为运动目标。


2.根据权利要求1所述的基于背景抑制的空地红外时敏弱小目标检测方法，其特征在于：
步骤S1具体为：
S11：通过下列公式得到多尺度DOG滤波器：



其中，σ1＜σ2，α为高斯函数的标准差，图像为f(x,y)；
S12：利用所述多尺度DOG滤波器对图像进行卷积，然后通过惯性滤波的方式对所有特征图像进行融合得到显著性图Salk(x，y)：



其中，α是遗忘因子；
S13：采用连通域域内亮度质心的方式来定位几何特征的特征点P：



(x,y)∈Area
其中，Mi,j＝∑∑xiyjI(x,y)，Area是特定连通区域。


3.根据权利要求1所述的基于背景抑制的空地红外时敏弱小目标检测方法，其特征在于：
步骤S2中具体为：
S21：将单张图像的每个像素点支持区域在方向划分成M个不重叠的子区域，则：
Gi＝Gi1∪Gi2∪…∪GiM
其中，Gij表示第i个像素点的第j个子区域；
S22：定...

【专利技术属性】
技术研发人员：杨小冈，卢瑞涛，张涛，席建祥，李传祥，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：陕西;61