红外大视场环境下的多小目标实时检测方法技术

一种目标检测技术领域的红外大视场环境下的多小目标实时检测方法，步骤为：①根据所需处理的红外大视场的大小，确定其图像数据的分块方法；②实现背景图像数据和能量初值矩阵的初始化；③求取当前帧实时图像的能量新值矩阵；④求取当前帧实时图像对应的能量差值矩阵；⑤能量差值矩阵元素值调整；⑥获取可能存在小目标的分块图像区域；⑦可能存在小目标的相邻图像块合并；⑧获得差分图像块；⑨基于局部能量阈值的多小目标检测及相关参数获取；⑩能量初值矩阵元素值更新及外存中背景图像更新；＊完成第ｋ帧图像中的目标检测，令ｋ＝ｋ＋１，返回第③步循环执行。本发明专利技术实现对红外大视场环境下的各小目标对象的分割和相关参数获取，为后续的工作提供依据。

【技术实现步骤摘要】

本专利技术涉及的是一种检测
的方法，特别是一种。
技术介绍
作为一种纯被动的目标检测技术，红外目标检测已被广泛应用于防空预警、精确制导和卫星遥测等领域中。以防空预警为例，伴随着各种红外成像技术的发展和应用，如何充分发挥红外目标检测技术的优势，争取在最有利的时机获取来袭目标的相关信息成为了决定现代战争胜负的重要因素。于是，尽可能的增大红外目标的检测视场，提高目标的检测距离成为了各国研究人员都非常关注的议题。由于视场越大，干扰因素就越多，系统的实时性能就会受到影响；距离越远，或者军事领域中各种红外隐身技术的运用，目标在检测器件上的成像面积就会越小，检测难度也就会随之增大。显然，研究一类大视场条件下多运动小目标快速而准确的检测方法成为了一项既富挑战性，又有实际意义的工作。现已提出了多种红外小目标图像的预处理和目标检测方法，其主要思路都是将不同背景中的红外小目标理解为图像中的高频成分，进而探索不同的高通滤波方法来解决红外小目标的检测问题。从算法的实用性角度出发，空域高通滤波方法是最容易被人们接受的。经对现有技术的文献检索发现，彭嘉雄等人在《电子学报》1999，27，(12)，pp.47-51上发表的“红外背景抑制与小目标分割检测”，该文中提及空域高通滤波方法中较具代表性的一类基于5×5空域高通滤波模板的小目标增强分割方法。这种方法通过设计一个简单的5×5空域高通滤波模板并与红外小目标图像做卷积，可实现对红外图像信杂比的较大提升。由此就可方便的实现对红外小目标对象的检测了。这种方法不仅思路简单，而且实时性很好，极易在微处理器件(如DSP)上并行实现，所以在红外小目标检测领域得到了广泛的应用。但是该方法不能适用于红外大视场环境下的多小目标实时检测，由于视场太大，方法的实时性能和检测效果之间的矛盾就更加突出(比如，要对每一帧红外大视场图像做卷积计算显然是不切实际的)。在进一步的检索中，迄今为止尚未发现有红外大视场多小目标实时检测方法的报道。
技术实现思路
本专利技术的目的在于针对现有技术中存在的不足，提出一种，使其综合现有的小目标检测算法，通过对红外大视场环境下的各小目标对象进行分割并求取它们的相关参数，可为后续的多目标航迹跟踪、威胁程度判定及目标识别等工作提供依据。本专利技术是通过以下技术方案实现的，本专利技术采用一种“由粗到精”的红外小目标检测方法。首先，根据需处理的图像数据大小确定图像的分块方法，再通过求取实时大视场图像的分块图像能量矩阵，可实现在“粗”尺度上对大视场图像的区域描述。将当前帧图像的能量新值矩阵与系统内存中描述背景特性的能量初值矩阵各元素值进行比较，即可得到当前帧大视场环境下的多小目标存在区域。在这些小目标存在区域的实时图像数据与系统外存中对应的背景图像数据求差得到的差分图像块中，由3×3滑窗求取各象素位置的局部能量值并与一个根据不同红外场景下实验得到的目标区域局部能量阈值进行比较，就可在“精”尺度上实现各小目标对象的分割和相关参数获取。本专利技术的红外大视场中多小目标实时检测方法的具体实现步骤如下①根据所需处理的红外大视场的大小，确定其图像数据的分块方法根据已获知的DSP系统(这里的硬件系统都一般认为是DSP系统，以下同)需处理的图像数据大小确定红外大视场图像数据的分块方法。此时，如果对原图像划分得到的分块图像象素数越少(尺度越小)，分块图像能量矩阵对原始图像的描述就越精确。但矛盾的是，此时系统实时性也会受到影响。所以在系统实现时，必须根据不同的实际情况，对大视场红外图像的分块方式做出权衡，以使得各分块图像既能在“粗”尺度上对原始红外图像进行区域描述，又能满足系统运行的实时性要求。注意，此步处理必须在编制系统程序前完成。以上所述红外图像中某象素点的能量值即为该象素点的灰度值；红外图像的分块图像是指将原始红外图像在行和列方向按一定比例均匀划分，且在相邻图像块间做搭接处理(以防出现目标可能被分割到相邻两块或几块而漏检或重复检测的情形)形成的块图像；红外图像的分块图像能量矩阵是指对各分块图像求取其中能量值(灰度值)的和，并将和值按各分块图像对应的空间位置排列得到的矩阵。②实现背景图像数据和能量初值矩阵的初始化将第1帧实时图像的数据读入DSP中，可得到所谓“原始背景图像”。将这些背景图像数据保存到硬件系统的外存中，就实现了对第2帧处理时需使用的背景图像的初始化；同时，求取背景图像数据的分块图像能量矩阵。将这些分块图像能量矩阵保存下来，就实现了对第2帧能量初值矩阵的初始化。③求取当前帧实时图像的能量新值矩阵不失一般性，设检测系统已运行至第k，k＝2，3，4，…帧，即此时DSP读取的是该第k帧的实时图像数据。同理，可求取此帧实时图像数据的分块图像能量矩阵。为区别起见，将这个分块图像能量矩阵命名为能量新值矩阵。④求取当前帧实时图像对应的能量差值矩阵通过对前后帧间能量矩阵值变化情况的判定，可以估计得到目标存在的可能区域。将上一步求得的当前帧能量新值矩阵与存储空间中的能量初值矩阵求差，可得当前帧实时图象对应的能量差值矩阵A(k)。⑤能量差值矩阵元素值调整为了跟踪背景灰度强度的变化趋势，可求取第k帧分块图像能量差值矩阵A(k)中每一行元素(能量值)的平均值，将其作为能量差值矩阵中每行元素值的修正项，对能量差值矩阵各元素值实施调整。实践证明这样的调整能稳健的跟踪大视场整体灰度的变化。⑥获取可能存在小目标的分块图像区域将经上一步修正得到的能量差值矩阵中各元素与一个根据不同红外场景下实验得到的分块图像能量增加阈值相比较，可实现对矩阵中各元素的二值化处理。由此，可得可能存在小目标区域的二值矩阵T(k)。⑦可能存在小目标的相邻图像块合并查找二值矩阵T(k)中的“1”元素，将其所对应的图像块标记为可能含有目标的图像块。此外，还需对二值矩阵T(k)中左右或上下相邻元素为“1”的部分所对应的两个或多个图像块实施合并，如此可得含有目标的扩充图像块，这样处理可以避免同一个小目标被重复分割到相邻的图像块中。⑧获得差分图像块将上一步得到的可能含有目标的图像块或扩充图像块位置的实时图像数据与硬件系统外存中该位置的背景图像数据相减，即可得到减除了复杂背景和干扰的差分图像块。⑨基于局部能量阈值的多小目标检测及相关参数获取在上一步得到的各差分图像块中，由3×3滑窗求取各象素点区域的局部能量值(即3×3滑窗内各象素点灰度值之和)。将这些局部能量值与一个根据不同红外场景下实验得到的目标区域局部能量阈值比较，可得小目标象素点集合。反复在此集合中遍历相互连接的象素点，并逐步删除集合中已经处理过的象素点，可实现对具有不同象素数量的小目标对象的区域生长和分割，同时可得各小目标对象的象素数量和几何中心坐标等相关参数值。⑩能量初值矩阵元素值更新及外存中背景图像更新在上述第⑥步中被标记为可能存在小目标的分块图像区域，其对应的能量初值矩阵元素值和外存中对应的实时背景图像块数据将保留以供第k+1帧使用；对于未检测到可能存在目标的分块图像区域，其第k+1帧对应的能量初值矩阵元素值将由其当前第k帧求得的能量新值矩阵元素值替换，且外存中对应的实时背景图像将由当前第k帧获得的实时图像数据进行覆盖。这样的更新方法既可以最大限度的保存小目标所处背景的信息，又可以实现对最新背景信本文档来自技高网...

【技术保护点】
一种红外大视场环境下的多小目标实时检测方法，其特征在于，包括如下具体步骤：①根据已获知的ＤＳＰ系统需处理的图像数据大小确定红外大视场图像数据的分块方法，此步处理必须在编制系统程序前完成；②实现背景图像数据和能量初值矩阵的初始 化；③设检测系统运行至第ｋ，ｋ＝２，３，４，…帧，求取此帧实时图像数据的分块图像能量矩阵，为了区别，将这个分块图像能量矩阵命名为能量新值矩阵；④将第③步求得的当前帧能量新值矩阵与存储空间中的能量初值矩阵做差，得到当前帧实时图 象对应的能量差值矩阵；⑤能量差值矩阵元素值调整；⑥获取可能存在小目标的分块图像区域；⑦可能存在小目标的相邻图像块合并，查找二值矩阵中的“１”元素，将其所对应的图像块标记为可能含有目标的图像块，此外，对二值矩阵中左右或 上下相邻元素为“１”的部分所对应的两个或多个图像块实施合并，如此得到含有目标的扩充图像块；⑧获得差分图像块；⑨基于局部能量阈值的多小目标检测及相关参数获取；⑩能量初值矩阵元素值更新及外存中背景图像更新；＊完成 第ｋ帧图像中的目标检测，令ｋ＝ｋ＋１，返回第③步循环执行。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨磊，杨杰，凌建国，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]