【技术实现步骤摘要】
基于图像数据特征的红外图像目标自动识别系统及方法
[0001]本专利技术属于红外光学以及图像电数据处理领域，尤其涉及基于图像数据特征的红外图像目标自动识别系统及方法。
技术介绍
[0002]近些年来，随着红外成像探测器技术的不断发展以及红外目标成像特性研究的不断深入，性能更好的红外成像探测器与先进的图像处理识别设备相结合，使红外成像制导系统在复杂的环境下具有图像分析和目标识别能力，并提高了对目标的识别精度。
[0003]一般而言，红外成像系统获取的原始红外图像具有信噪比和对比度较低的特点，同时红外图像在获取、传输及显示的过程中会受到各种因素的影响，从而产生噪声导致图像的质量下降。对红外图像进行相应的预处理，提高图像质量，增强图像中的有用信息，为目标识别打下良好的基础是十分必要的。
[0004]目前红外成像自动目标识别技术有两个研究方向:一是基于模板匹配的自动目标识别研究；二是基于目标特征提取的自动目标识别研究。
[0005]这两种自动目标识别方法各有优劣，其中基于模板匹配的自动目标识别方法，由于需要预...
【技术保护点】
【技术特征摘要】
1.基于图像数据特征的红外图像目标自动识别方法，其特征在于，包括如下步骤：S1、采用高斯滤波器对红外光进行滤波，对滤波后的红外光进行幂次变换，得到经幂次变换后的红外图像；S2、对变换后的红外图像进行A/D转换生成图像数据，并对所述图像数据进行存储；S3、分割所述图像数据得到含有感兴趣区域的二值图像数据；S4、对所述感兴趣区域的二值图像数据进行伽玛校正；S5、计算校正后的感兴趣区域的二值图像数据的特征矢量；S6、基于所述特征矢量进行自动目标识别。2.根据权利要求1所述的红外图像目标自动识别方法，其特征在于，步骤S1具体包括：步骤1.1、滤波前的第i条红外光为I
i
，滤波后的第i条红外光q
i
，满足如下线性变化模型：q
i
＝a
k
×
I
i
+b
k
；式中，a
k
和b
k
是滤波窗口的线性系数；在保持线性变化模型的前提下，得出噪声能量E(a
k
，b
k
)为：E(a
k
，b
k
)＝∑
i∈n
((a
k
I
i
+b
k
)2+εa
k2
)；式中，∈是a
k
的正规划参数，n为波数；步骤1.2、对滤波后的红外光进行幂次变换，得到经幂次变换后的红外图像；根据I
′
i
＝(Norm(Filter(q
i
)))
γ
对滤波后的红外光进行幂次变换，得到经幂次变换后的红外图像，其中，I
′
i
代表经幂次变换后的红外图像，Filter(q
i
)表示去噪滤波，Norm(Filter(q
i
))表示去噪滤波后的归一化操作，幂次变换的伽马值满足γ＞1。3.根据权利要求1所述的红外图像目标自动识别方法，其特征在于，步骤S3包括如下步骤：步骤3.1、用直方图方法检测图像数据的背景数据峰值T1和目标数据峰值T2，并计算两峰值的平均值AVER，以峰值T1‑
2为图像数据灰度低端起始的剪切值；步骤3.2、通过将低端剪切函数作用到像素(x，y)的灰度L(x，y)上，得到低端剪切值f
L
(x，y)，其中，L为在0～255之间变化的灰度值；步骤3.3、计算经步骤3.2低端剪切函数作用后的图像数据的有效平均梯度EAG确定过渡区，EAG＝TG/TP；其中，TG为图像数据的总梯度值，TP为非零梯度像素的总数：其中，TG为图像数据的总梯度值，TP为非零梯度像素的总数：(x，y)∈I，I为表示像素空间坐标的整数集合，表示图像的梯度；步骤3.4、以下一个灰度值作为剪切值，重复步骤3.3，一直到灰度值为AVER+2为止，得到EAG
low
(L)～L曲线，取对应峰值的剪切值，记为L
low
；步骤3.5、以灰度值AVER
‑
2为起始剪切值，将高端剪切函数作用到像素(x，y)的灰度L
(x，y)上，得到高端剪切值f
H
(x，y)，其中，L为在0～255之间变化的灰度值；步骤3.6、以下一个灰度值作为剪切值，重复步骤3.5，一直到灰度值T2+2为止，得到高端剪切曲线EAG
high
(L)～L，取对应峰值的剪切值，记为L
high
；步骤3.7、将灰度值介于L
low
和L
high
...
【专利技术属性】
技术研发人员：姜明，李智勇，
申请(专利权)人：北京中星时代科技有限公司，
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。