基于红外图像的远距离无人机小目标探测方法技术

本发明专利技术提供的一种基于红外图像的远距离无人机小目标探测方法及系统，首先构造红外图像各个方向上多个尺度的累积方向导数卷积核；然后对平均绝对灰度差分算法的输出进行优化，再然后对每个尺度采用累积方向导数卷积核计算优化的平均绝对灰度差分算法的加权系数，得到每个尺度上每个方向的加权系数，将每个尺度上各个方向加权系数最小的响应作为该尺度的响应图，其次，在每个尺度上将响应图作为优化的平均绝对灰度差分算法的加权系数，得到不同尺度上的响应图，最后将不同尺度上最大响应图作为最终响应图，对最终响应图进行轮廓提取，得到红外图像上的疑似目标。该方法有效地抑制了背景杂波，增强了目标区域，实现目标的准确探测。探测。探测。

【技术实现步骤摘要】
基于红外图像的远距离无人机小目标探测方法


[0001]本专利技术涉及无人机探测领域，具体为一种基于红外图像的远距离无人机小目标探测方法。

技术介绍

[0002]红外目标搜索与跟踪系统(IRST)由于具有隐蔽操作、抗电子干扰等特点，由于低信噪比和复杂背景环境干扰，导致在红外图像中检测远距离小目标仍然难以实现，目前的红外小目标检测研究可分为两大类，第一类为基于去背景的方法，在第一类使用期望的算子(如最大中值，形态开运算、主成分追踪)来学习近似背景。然后，从原始图像中减去近似的背景。最后，采用适当的阈值分割策略提取目标。虽然这种方法简单明了，计算复杂度低，但对于复杂背景下，它存在较高的虚警率。且相机只能对着固定区域，没法扫描学习背景，检测范围有限。
[0003]第二类方法是在红外小目标检测过程中直接增强目标区域，抑制背景区域，考虑到小目标空间分布的高斯模型，在尺度空间上采用归一化拉普拉斯高斯(LoG)来解决连续红外图像中目标尺寸的变化，该方法虽然能增强低信杂比(psnr)目标，但由于利用二阶导数，对背景噪声敏感。局部对比度法(LCM)目标检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外图像的远距离无人机小目标探测方法，其特征在于，包括以下步骤：步骤1、构造红外图像各个方向上多个尺度的累积方向导数卷积核；步骤2、对平均绝对灰度差分算法的输出进行优化，引入阶跃函数，消除负对比度，只保留正对比度；步骤3、对每个尺度采用累积方向导数卷积核计算优化的平均绝对灰度差分算法的加权系数，得到每个尺度上每个方向的加权系数；步骤4、在每个尺度上将各个方向上相同位置加权系数最小的响应作为该尺度的响应图D2；步骤5、在每个尺度上将响应图D2作为优化的平均绝对灰度差分算法的加权系数，得到不同尺度上的响应图AAD
i
；步骤6、将不同尺度上相同位置的最大响应值构成的最大响应图AAD
i
作为最终响应图，对最终响应图进行轮廓提取，得到红外图像上的疑似目标。2.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤1中所述各个方向为东西南北四个方向；步骤1中多个尺度为四个尺度，分别为3*3,5*5,7*7和9*9。3.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤2中，优化的平均绝对灰度差分算法的表述如下：D1＝|μ
Φ
‑
μ
Ω
|2×
H(μ
Φ
‑
μ
Ω
)其中，μ
Φ
为目标区域像素总数和μ
Ω
为背景该区域的像素总数，H为阶跃函数，值为正。4.根据权利要求3所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，所述阶跃函数H的表达式如下：5.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤3中所述每个尺度上每个方向的加权系数的表达式如下：CDD
n
＝I*k
n
×
H(I*k
n
)CDD
e
＝I*k
e
×
H(I*k
e
)CDD
s
＝I*k
s
×
H(I*k
s
)CDD
w
＝I*k
w
×
H(I*k
...

【专利技术属性】
技术研发人员：魏周朝，叱干鹏飞，
申请(专利权)人：西安卓越视讯科技有限公司，
类型：发明
国别省市：