本发明专利技术涉及目标检测技术领域，特别涉及一种基于多特征融合的红外弱小多目标的检测方法和装置。该方法包括：获取待检测的第一红外图像，并对第一红外图像进行锐化处理，得到第二红外图像；对第二红外图像在预设方向上所有像素点的灰度值进行重构，得到方向特征图像；对第二红外图像进行傅里叶变换，得到第一幅度频谱和相位频谱；基于第一幅度频谱和相位频谱，得到用于表征第二红外图像的频谱特征图像；利用尺度滤波法对第二红外图像进行处理，得到尺度特征图像；将方向特征图像、频谱特征图像和尺度特征图像进行特征融合，得到多特征融合图像；对多特征融合图像进行阈值分割，得到第一红外图像中的目标。本方案能够提高提高弱小多目标的检测准确率。弱小多目标的检测准确率。弱小多目标的检测准确率。
【技术实现步骤摘要】
一种基于多特征融合的红外弱小多目标的检测方法和装置
[0001]本专利技术实施例涉及目标检测
，特别涉及一种基于多特征融合的红外弱小多目标的检测方法和装置。
技术介绍
[0002]随着军事作战形式的多样化，群体协同作战模式变得越来越重要，探测到的目标也将从单个向多个转变，但当视场环境中出现多目标时，由于各目标自身能量微弱程度不同，多目标检测变得更加艰难，故针对红外弱小多目标检测算法的研究十分必要。
[0003]现有技术中，针对红外弱小多目标检测算法，例如包括：最大中值滤波(Max
‑
median)算法、谱残差(SF)算法和Infrared Small Target Detection Based on Facet Kernel and Random Walker(FKRW)算法等。但是，上述目标检测算法可能存在杂波干扰，导致产生虚景现象，并且弱小多目标的检测准确率较低。
[0004]因此，目前亟待需要一种基于多特征融合的红外弱小多目标的检测方法和装置来解决上述技术问题。
技术实现思路
[0005]本专利技术实施例提供了一种基于多特征融合的红外弱小多目标的检测方法和装置，能够提高弱小多目标的检测准确率。
[0006]第一方面，本专利技术实施例提供了一种基于多特征融合的红外弱小多目标的检测方法，包括：
[0007]获取待检测的第一红外图像，并对所述第一红外图像进行锐化处理，得到第二红外图像；
[0008]对所述第二红外图像在预设方向上所有像素点的灰度值进行重构，得到方向特征图像；
[0009]对所述第二红外图像进行傅里叶变换，得到第一幅度频谱和相位频谱；
[0010]基于所述第一幅度频谱和所述相位频谱，得到用于表征所述第二红外图像的频谱特征图像；
[0011]利用尺度滤波法对所述第二红外图像进行处理，得到尺度特征图像；
[0012]将所述方向特征图像、所述频谱特征图像和所述尺度特征图像进行特征融合，得到多特征融合图像；
[0013]对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标。
[0014]在一种可能的设计中，所述对所述第一红外图像进行锐化处理，包括：
[0015]采用拉普拉斯算子对所述第一红外图像进行轮廓边缘提取，得到轮廓边缘图像；
[0016]将所述第一红外图像和所述轮廓边缘图像进行叠加，以完成锐化处理。
[0017]在一种可能的设计中，所述对所述第二红外图像在预设方向上所有像素点的灰度值进行重构，包括：
[0018]选取所述第二红外图像的八个方向；其中，所述八个方向包括上、下、左、右、左上、左下、右上和右下；
[0019]针对所述八个方向中的每个方向，执行：确定当前方向上所有像素点的最小灰度值；将当前方向上每个像素点的灰度值与所述最小灰度值的差值作为当前像素点的灰度值，以完成在预设方向上所有像素点的灰度值的重构。
[0020]在一种可能的设计中，所述基于所述第一幅度频谱和所述相位频谱，得到用于表征所述第二红外图像的频谱特征图像，包括：
[0021]基于所述第一幅度频谱，得到第一对数幅度频谱；
[0022]对所述第一对数幅度频谱进行均值滤波处理，得到第二对数幅度频谱；
[0023]将所述第一对数幅度频谱和所述第二对数幅度频谱的差值作为第二幅度频谱；
[0024]将所述第二幅度频谱和所述相位频谱进行叠加，并对叠加后的结果进行傅里叶逆变换，得到用于表征所述第二红外图像的频谱特征图像。
[0025]在一种可能的设计中，所述对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标，包括：
[0026]基于所述多特征融合图像，得到所述多特征融合图像中所有非零像素点的平均灰度值和灰度值方差；
[0027]基于所述平均灰度值和所述灰度值方差，确定用于分割图像的阈值；
[0028]利用所述阈值对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标。
[0029]第二方面，本专利技术实施例还提供了一种基于多特征融合的红外弱小多目标的检测装置，包括：
[0030]锐化处理模块，用于获取待检测的第一红外图像，并对所述第一红外图像进行锐化处理，得到第二红外图像；
[0031]第一确定模块，用于对所述第二红外图像在预设方向上所有像素点的灰度值进行重构，得到方向特征图像；
[0032]第二确定模块，用于：对所述第二红外图像进行傅里叶变换，得到第一幅度频谱和相位频谱；基于所述第一幅度频谱和所述相位频谱，得到用于表征所述第二红外图像的频谱特征图像；
[0033]第三确定模块，用于利用尺度滤波法对所述第二红外图像进行处理，得到尺度特征图像；
[0034]特征融合模块，用于将所述方向特征图像、所述频谱特征图像和所述尺度特征图像进行特征融合，得到多特征融合图像；
[0035]阈值分割模块，用于对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标。
[0036]在一种可能的设计中，所述锐化处理模块，用于执行如下操作：
[0037]采用拉普拉斯算子对所述第一红外图像进行轮廓边缘提取，得到轮廓边缘图像；
[0038]将所述第一红外图像和所述轮廓边缘图像进行叠加，以完成锐化处理。
[0039]在一种可能的设计中，所述第一确定模块，用于执行如下操作：
[0040]选取所述第二红外图像的八个方向；其中，所述八个方向包括上、下、左、右、左上、
左下、右上和右下；
[0041]针对所述八个方向中的每个方向，执行：确定当前方向上所有像素点的最小灰度值；将当前方向上每个像素点的灰度值与所述最小灰度值的差值作为当前像素点的灰度值，以完成在预设方向上所有像素点的灰度值的重构。
[0042]在一种可能的设计中，所述第二确定模块在执行所述基于所述第一幅度频谱和所述相位频谱，得到用于表征所述第二红外图像的频谱特征图像时，用于执行如下操作：
[0043]基于所述第一幅度频谱，得到第一对数幅度频谱；
[0044]对所述第一对数幅度频谱进行均值滤波处理，得到第二对数幅度频谱；
[0045]将所述第一对数幅度频谱和所述第二对数幅度频谱的差值作为第二幅度频谱；
[0046]将所述第二幅度频谱和所述相位频谱进行叠加，并对叠加后的结果进行傅里叶逆变换，得到用于表征所述第二红外图像的频谱特征图像。
[0047]在一种可能的设计中，所述阈值分割模块，用于执行如下操作：
[0048]基于所述多特征融合图像，得到所述多特征融合图像中所有非零像素点的平均灰度值和灰度值方差；
[0049]基于所述平均灰度值和所述灰度值方差，确定用于分割图像的阈值；
[0050]利用所述阈值对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标。
[0051]本专利技术实施例提供了一种基于多特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多特征融合的红外弱小多目标的检测方法，其特征在于，包括：获取待检测的第一红外图像，并对所述第一红外图像进行锐化处理，得到第二红外图像；对所述第二红外图像在预设方向上所有像素点的灰度值进行重构，得到方向特征图像；对所述第二红外图像进行傅里叶变换，得到第一幅度频谱和相位频谱；基于所述第一幅度频谱和所述相位频谱，得到用于表征所述第二红外图像的频谱特征图像；利用尺度滤波法对所述第二红外图像进行处理，得到尺度特征图像；将所述方向特征图像、所述频谱特征图像和所述尺度特征图像进行特征融合，得到多特征融合图像；对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标。2.根据权利要求1所述的方法，其特征在于，所述对所述第一红外图像进行锐化处理，包括：采用拉普拉斯算子对所述第一红外图像进行轮廓边缘提取，得到轮廓边缘图像；将所述第一红外图像和所述轮廓边缘图像进行叠加，以完成锐化处理。3.根据权利要求1所述的方法，其特征在于，所述对所述第二红外图像在预设方向上所有像素点的灰度值进行重构，包括：选取所述第二红外图像的八个方向；其中，所述八个方向包括上、下、左、右、左上、左下、右上和右下；针对所述八个方向中的每个方向，执行：确定当前方向上所有像素点的最小灰度值；将当前方向上每个像素点的灰度值与所述最小灰度值的差值作为当前像素点的灰度值，以完成在预设方向上所有像素点的灰度值的重构。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一幅度频谱和所述相位频谱，得到用于表征所述第二红外图像的频谱特征图像，包括：基于所述第一幅度频谱，得到第一对数幅度频谱；对所述第一对数幅度频谱进行均值滤波处理，得到第二对数幅度频谱；将所述第一对数幅度频谱和所述第二对数幅度频谱的差值作为第二幅度频谱；将所述第二幅度频谱和所述相位频谱进行叠加，并对叠加后的结果进行傅里叶逆变换，得到用于表征所述第二红外图像的频谱特征图像。5.根据权利要求1所述的方法，其特征在于，所述对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标，包括：基于所述多特征融合图像，得到所述多特征融合图像中所有非零像素点的平均灰度值和灰度值方差；基于所述平均灰度值和所述灰度值方差，确定用于分割图像的阈值；利用所述阈值对所述多特征融合图像进行阈值分割，得到所述多特征融合图像中的目标。6.一种基于多特征融合的红外弱小多目标的检测装置...
【专利技术属性】
技术研发人员：李司同，张樯，李斌，张蛟淏，万耀辉，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。