基于时空域特征融合的红外弱小目标的检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于时空域特征融合的红外弱小目标的检测方法及装置，属于红外探测技术领域，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。本发明专利技术可以获得更高的目标检测率、更低的虚警率以及更远的无人机探测距离，并且该方法简洁高效、复杂度低，易于硬件实现，满足高实时性的应用需求。满足高实时性的应用需求。满足高实时性的应用需求。

【技术实现步骤摘要】
基于时空域特征融合的红外弱小目标的检测方法及装置


[0001]本专利技术涉及红外探测
，更为具体的，涉及一种基于时空域特征融合的红外弱小目标的检测方法及装置。

技术介绍

[0002]近年来，低空慢速小无人机数量呈现爆发式增长趋势，大量非合作无人机的“黑飞”现象时有发生，给公共安全、保密、反恐等工作带来了新挑战。对于非合作“低小慢”无人机，迫切需要探索研制出新型反无人机系统，提供主动雷达/光电/无线电探测、目标跟踪与识别、定向无线电干扰和反制等新技术。探测识别系统，作为反无人机系统中的一个重要组成部分，采用雷达、光电、无线电、声音等多种手段对无人机目标进行探测、识别、跟踪和定位，为指控系统和反制系统提供前提和保证。
[0003]作为无人机探测的重要手段之一，红外探测技术为远距离“低小慢”无人机目标的探测跟踪与识别提供一条重要的技术路径。而远距离无人机目标探测是一个富有挑战的问题，有许多困难：(1)由于探测距离远，目标小，缺少形状、文理等特征；(2)无人机目标红外辐射一般较弱，与背景的对比度不高，信噪比低；(3)真实场景中背景复杂、变化迅速，受到杂波和噪声等干扰，虚警高。
[0004]目前红外弱小目标检测方法主要分为基于单帧图像的检测方法和基于序列图像的检测方法。基于单帧图像的检测方法包括传统滤波方法、基于人类视觉注意力机制方法、基于低秩稀疏矩阵分解的方法等，这些方法对于简单场景下信噪比足够高的小目标检测任务还可以胜任，但对于复杂场景的低信噪比目标，会出现检测率低、虚警率高、鲁棒性不足等的问题，需要采用基于序列图像的检测方法提高探测精度和探测距离。但是，目前基于序列图像的检测方法仅仅利用时域目标信息，同样存在目标检测率低、虚警率高的缺点，需开发出综合利用弱小目标空域特征和时域特征相结合的新方法。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种基于时空域特征融合的红外弱小目标的检测方法及装置，避免了单纯的时域方法或者空域滤波方法的检测率低、虚警率高的不足，通过综合利用时域信息和空域信息来增强弱小目标、抑制背景和杂波，获得更高的目标检测率、更低的虚警率以及更远的无人机探测距离，并且该方法简洁高效、复杂度低，易于硬件实现，满足高实时性的应用需求等。
[0006]本专利技术的目的是通过以下方案实现的：一种基于时空域特征融合的红外弱小目标的检测方法，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的
目标显著图中分割出弱小目标。
[0007]进一步地，包括子步骤：所述在时域上提取运动特征得到候选目标区域，包括子步骤：S1，读取原始红外图像；S2，利用时间对比度滤波器，得到当前帧的时域目标显著图；S3，利用阈值分割从时域目标显著图中分割出候选目标区域；所述在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，包括子步骤：S4，利用图像修补只对候选目标区域进行背景像素估计，重建出当前帧图像的背景估计图；所述再减去背景估计图像得到空域目标显著图，包括子步骤：S5，利用当前帧图像减去背景估计图像，得到当前帧的空域目标显著图；所述再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，包括子步骤：S6，利用当前帧的时域目标显著图乘以空域目标显著图，得到最终的目标显著图；所述从最终的目标显著图中分割出弱小目标，包括子步骤：S7，利用阈值分割从最终的目标显著图中分割出无人机弱小目标，并输出目标信息。
[0008]进一步地，在步骤S1中，读取的原始红外图像为多帧序列图像。
[0009]进一步地，在步骤S2中，所述时间对比度滤波器中，计算读取的多帧图像中每个像元的时域剖面，根据像元时域剖面上是否存在高于设定值脉冲响应，判断是否有目标经过像元。
[0010]进一步地，在步骤S3中，所述阈值分割，采用如下公式：，式中，为第一阈值，为步骤S2得到时域目标显著图的均值，为步骤S2得到时域目标显著图的方差，为常数，取值范围为2到8；当时域目标显著图中像素值大于时，记为候选弱小目标区域。
[0011]进一步地，在步骤S4中，利用标记候选目标区域，将当前帧图像分为目标区域像素和背景区域像素，利用背景区域像素对目标区域像素进行背景估计，获得当前帧的背景估计图像。
[0012]进一步地，在步骤S7中，所述阈值分割，采用如下公式：，式中，为第二阈值，为步骤S6得到的最终的目标显著图的最大值，取值范围为[0.6,0.9]；当最终的目标显著图中像素灰度值大于时为标记为目标像素。
[0013]进一步地，所述利用背景区域像素对目标区域像素进行背景估计，获得当前帧的背景估计图像，包括子步骤：每完成一个目标区域像素点的背景灰度值计算，都将其更新到背景区域，再进行下一个目标区域像素点的背景估计。
[0014]进一步地，所述利用背景区域像素对目标区域像素进行背景估计，获得当前帧的背景估计图像，包括子步骤：通过计算目标区域像素的像素点的邻域窗口内所有背景像素
的平均值，得到该像素点的背景估计值。
[0015]一种基于时空域特征融合的红外弱小目标的检测装置，包括可读存储介质和程序，当程序在所述可读存储介质中被处理器加载运行时，实现如上任一所述方法。
[0016]本专利技术的有益效果包括：本专利技术首先利用时域对比度滤波计算出弱小目标的运动特征，然后利用基于背景相减的空域滤波方法计算出弱小目标的辐射特征，有效结合了弱小目标的空域信息和时域信息，解决了由于噪声、杂波、复杂背景等因素导致的检测率低、虚警率高的问题，可以有效抑制复杂背景和增强弱小目标，可以探测远距离无人机目标，并且方法简洁高效，易于硬件实现，满足反无人机探测系统的高实时性的应用需求。具体而言，在实施例中，结合了弱小目标的空域信息和时域信息，基于融合的思想利用步骤S2、S3和S4等，通过时域滤波方法得到候选目标，然后空域滤波修补得到背景，相减得空域目标特征，最终分割出了无人机弱小目标。本专利技术提供了一种综合利用弱小目标空域特征和时域特征相结合的新方法，解决了背景中提出的问题。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例的方法流程图；图2为本专利技术实施例中采用的序列图像的代表图像；图3为本专利技术实施例中图像序列中第35帧图像；图4为本专利技术实施例中第35帧图像的时域目标显著图；图5为本专利技术实施例中第35帧图像分割出的候选目标区域；图6为本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空域特征融合的红外弱小目标的检测方法，其特征在于，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。2.根据权利要求1所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，所述在时域上提取运动特征得到候选目标区域，包括子步骤：S1，读取原始红外图像；S2，利用时间对比度滤波器，得到当前帧的时域目标显著图；S3，利用阈值分割从时域目标显著图中分割出候选目标区域；所述在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，包括子步骤：S4，利用图像修补只对候选目标区域进行背景像素估计，重建出当前帧图像的背景估计图；所述再减去背景估计图像得到空域目标显著图，包括子步骤：S5，利用当前帧图像减去背景估计图像，得到当前帧的空域目标显著图；所述再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，包括子步骤：S6，利用当前帧的时域目标显著图乘以空域目标显著图，得到最终的目标显著图；所述从最终的目标显著图中分割出弱小目标，包括子步骤：S7，利用阈值分割从最终的目标显著图中分割出无人机弱小目标，并输出目标信息。3.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S1中，读取的原始红外图像为多帧序列图像。4.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S2中，所述时间对比度滤波器中，计算读取的多帧图像中每个像元的时域剖面，根据像元时域剖面上是否...

【专利技术属性】
技术研发人员：卢德勇，曹东，王海波，赵杨，杨阳，刘林岩，陈功，
申请(专利权)人：中国空气动力研究与发展中心计算空气动力研究所，
类型：发明
国别省市：