一种红外空中目标检测方法技术

本发明专利技术公开了一种红外空中目标检测方法。根据目标大小在图像中设置尺寸为目标尺寸3倍的局部切片，局部切片从左至右，自顶向下移动。将切片均分为9块子切片，中间的子切片用名称表示。统计局部切片的均值、标准差和子切片目标能量等局部统计值，计算局部统计值对比度。定义红外小目标的能量集中度，计算出子切片的能量集中度。将局部统计值对比度与能量集中度的乘积赋予局部切片的中心点，获得图像矩阵I_map。最后设置自适应分割阈值实现I_map的二值化，确定目标位置。本方法通过定义局部统计值对比度和能量集中度，实现红外空中目标检测，结构简单，降低了红外空中目标检测的处理复杂度和硬件实现的资源需求，有效提高了目标检测的效率。

【技术实现步骤摘要】
一种红外空中目标检测方法
：本专利技术属于图像处理
，主要内容为针对低对信杂比图像中的空中目标检测算法，特别适合在红外遥感图像中对复杂背景下的空中目标进行背景抑制和目标增强，提升信杂比，实现对目标的高精度检测。
技术介绍
：当空中目标与红外探测器之间的距离达到数十甚至数百公里时，由于红外遥感的分辨率较低以及大气干扰，光学散射和衍射等因素的影响，空中目标在红外图像中多表现小尺寸和能量弱的特点，符合红外弱小目标的标准。能量弱意味着目标和背景之间的对比度不够明显，而小尺寸意味着目标没有一定的形状和纹理特征。另外，在实际应用场景中，红外图像的背景由云，天空，海洋和各种随机噪声组成，这些复杂的因素都被称为背景杂波，可以很容易地将红外小目标浸没。由于上述原因，实现对以空中目标为主的红外弱小目标远距离检测仍然是一项艰巨的任务。对背景的滤波是早期红外弱小目标检测方法中必要的步骤。例如最大值-中值滤波或最大值-均值滤波、中值滤波和Top-hat等算法，这些方法很容易实现，但会削弱目标信号，从而导致丢失实际目标。此外，基于频域滤波的方法，例如高通滤波(HP)算法和小波变换算法，通过抑制图像中的高频分量来抑制背景。但是，这些方法仅在背景简单的情况下有效，同时硬件实现难度大而且资源消耗大。此后，受人类视觉系统(HVS)的启发，2014年有学者提出了局部对比度(LCM)的方法,并在此后相关学者提出了许多基于LCM的新方法。LCM通过增强目标和抑制背景增强目标与背景的对比度从而突出目标，此方法原理简单且容易硬件实现。但是LCM的缺点比较明显，LCM会增强目标的邻域和高灰度值背景，导致了虚警率的增加。因此一些算法在不断改进LCM表征方式的同时，也结合了一些抑制背景的方法，例如比率差分联合局部对比度和多方向二维最小均方滤波法(RDLCM-MDTDLMS)、局部差分度量法(WLDM)、多尺度局部对比度和多尺度梯度一致性法(MCLC-MGC)、新型局部对比度方法(NLCM)和水平-垂直多尺度灰度差分加权滤波法(HV-MSGDBF)等，上述方法通过构造更复杂的运算核虽然具有良好的检测性能，但会增加计算资源和处理时间，从而降低了实时性能。此外，还有基于其他不同理论的算法。例如基于奇异值分解(SVD)的方法和基于低秩稀疏表示(LRSR)的方法，它们具有较高的检测率，但具有较高的虚警率因为此类算法对高频区域较为敏感。同时，基于深度学习的检测方法是热门研究方向，但是测试样本的缺乏和巨大的计算量仍然是需要解决的问题。综上，当前主要的红外弱小目标检测算法还存在虚警率高和硬件实现难度大的不足之处。虚警率高的原因在于算法对于变化剧烈的背景抑制能力差，而硬件实现难度大的原因在于算法通过构造维度更高的运算核去提取目标特征，导致运算量增大，资源消耗增加。因此在本专利技术所提的基于局部统计值对比度和能量集中度(LSVC-ECD)的红外弱小目标检测方法在红外空中目标检测领域具有重要的意义。
技术实现思路
：为了克服上述现有技术的不足，本专利技术提供了一种高精度并易于硬件实现的红外空中目标检测方法，以解决上述虚警率高和硬件实现难度大的问题，主要特点为基于局部统计值对比度和能量集中度。该方法在局部切片中统计切片的均值、标准差和目标能量等统计值进而算出局部统计值对比度，实现对噪声和变化较缓的背景的抑制，同时增强目标；然后通过计算中心子切片区域的能量集中度抑制变化较为剧烈的背景，有效降低虚警率，最后实现对目标的精确检测。本专利技术的上述目的是通过如下技术方案予以实现的：1、一种红外小目标检测方法，其特征在于局部统计值对比度和能量集中度的联合，包括如下步骤：(1)在原始红外图像中以任一像素点(x,y)为中心，根据目标大小设置局部切片slice，并将切片均分为9个子切片，中心子切片以slice0表示，其余子切片从左至右自顶向下分别用slice1～slice8表示；slice和slice0内各个点的位置分布分别位于点(x,y)的邻域Ωslice和内；Ωslice＝{(i,j)|max(|i-x|,|j-y|)≤1.5l-0.5},l＝3,5,7,9(1)其中(i,j)为局部切片slice内部任意像素点位置，(g,h)为局部子切片slice0内部任意像素点坐标，l为目标尺寸，由原始图像中的实际目标尺寸而定；(2)计算中心点为(x,y)的局部切片slice的平均值sl_m(x,y)和标准差sl_std(x,y)，在局部切片中，Ibk(x,y)用局部切片的均值sl_m(x,y)表示；其中I(i,j)表示局部切片slice内点(i,j)处的灰度值；(3)减背景，生成以像素点(x,y)为中心的子切片S0，S0中各个点的值S0(g,h)由公式(5)求得，则此时点(x,y)的值用Star(x,y)表示；其中slice0(g,h)表示局部子切片slice0内点(g,h)处的灰度值；(4)进行目标能量积累，获得点(x,y)处的目标能量累积值enac(x,y)：(5)计算局部切片中心点(x,y)的局部统计值对比度因子的值Lcon(x,y)；Lcon(x,y)＝enac(x,y)/sl_std(7)(6)计算局部切片中心点(x,y)的局部统计值对比度值lsvc(x,y)；lsvc(x,y)＝Lcon(x,y)×Star(x,y)(8)(7)计算局部切片中心点(x,y)的子切片slice0的能量集中度ξen(x,y)；ξen(x,y)＝encen(x,y)/[enslice(x,y)-encen(x,y)](9)其中slice0(g,h)表示子切片内像素点(g,h)处的灰度值，表示子切片slice0的能量值，encen(x,y)表示子切片slice0中心区域的能量值；(8)将能量集中度作为约束因子，计算局部切片中心点(x,y)处经处理后的最终值Imap(x,y)，构成经处理后的图像矩阵Imap；Imap(x,y)＝lsvc(x,y)×ζ(x,y)(12)(9)根据公式(13)计算自适应分割阈值T对Imap进行二值化分割，确定目标位置；T＝k×stdmap+mnmap(13)其中stdmap和mnmap分别为矩阵Imap的标准差和均值，k为分割系数，取值20～35，当Imap中的元素的值大于T时置1，反之置0，置1的点为空中目标的位置。与现有技术相比，本专利技术的有益效果是：1)通过局部统计值对比度计算，增强目标同时抑制噪声和平缓背景，提升目标的检测率；2)通过能量集中度计算，能有效抑制快速变化的背景，于1)一起实现了对绝大部分背景和噪声的抑制，有效降低虚警率；3)采用处理模块是局部单一尺度的，有利于于硬件实现和节省资源。附图说明图1为本专利技术的实现流程框图；图2为本专利技术中提及的局部切片及其子切片示意图；...

【技术保护点】
1.一种红外空中目标检测方法，其特征在于包括如下步骤：/n(1)在原始红外图像中以任一像素点(x,y)为中心，根据目标大小设置局部切片slice，并将切片均分为9个子切片，中心子切片以slice

【技术特征摘要】
1.一种红外空中目标检测方法，其特征在于包括如下步骤：
(1)在原始红外图像中以任一像素点(x,y)为中心，根据目标大小设置局部切片slice，并将切片均分为9个子切片，中心子切片以slice0表示，其余子切片从左至右自顶向下分别用slice1～slice8表示；slice和slice0内各个点的位置分布分别位于点(x,y)的邻域Ωslice和内；
Ωslice＝{(i,j)|max(|i-x|,|j-y|)≤1.5l-0.5},l＝3,5,7,9(1)



其中(i,j)为局部切片slice内部任意像素点位置，(g,h)为局部子切片slice0内部任意像素点坐标，l为目标尺寸，由原始图像中的实际目标尺寸而定；
(2)计算中心点为(x,y)的局部切片slice的平均值sl_m(x,y)和标准差sl_std(x,y),在局部切片中，Ibk(x,y)用局部切片的均值sl_m(x,y)表示；






其中I(i,j)表示局部切片slice内点(i,j)处的灰度值；
(3)减背景，生成以像素点(x,y)为中心的子切片S0，S0中各个点的值S0(g,h)由公式(5)求得，则此时点(x,y)的值用Star(x,y)表示；



其中slice0(g,h)表示局部子切片slice0内点(g,h)处的灰度值；
(4)进行目标能量积累，获得点(x,y)处的目标...

【专利技术属性】
技术研发人员：饶鹏，陈忻，陈略，
申请(专利权)人：中国科学院上海技术物理研究所，
类型：发明
国别省市：上海;31