一种基于局部对比度的低复杂度红外弱小目标检测方法技术

一种基于局部对比度的低复杂度红外弱小目标检测方法，涉及目标检测技术领域，针对现有技术中复杂背景下的目标检测速度慢的问题，本申请利用红外弱小目标与背景具有较大的差异性，在局部具有较高对比度的特性进行红外弱小目标检测，在实现过程中通过高效滤波模板充分利用数字系统传输带宽，减少图像遍历时间，大大提升了系统处理速度；同时通过降低算法复杂度，减少浮点运算以及非线性运算，减少了系统处理时延，便于设计大规模流水线，减小了硬件实现难度。最终本方法能够实现可靠的高速红外弱小目标检测，实测系统吞吐量达到20Gbps，检测率高于90％，虚警率低于10％，在工程应用中可以实现高速检测。中可以实现高速检测。中可以实现高速检测。

【技术实现步骤摘要】
一种基于局部对比度的低复杂度红外弱小目标检测方法


[0001]本专利技术涉及目标检测
，具体为一种基于局部对比度的低复杂度红外弱小目标检测方法。

技术介绍

[0002]红外成像目标检测系统具有可昼夜工作，不受云雾等自然环境干扰等优点，抗干扰能力强。因此，红外成像系统被广泛应用于全天候安防监控、无人机救灾探测、武器制导的军事、工业与民用领域。
[0003]复杂背景下的低信噪比小目标检测是一项十分具有挑战性的任务，因为图像中的目标通常很小很弱并缺乏特定的形状、纹理和结构信息，这就导致小目标在图像中往往只占据很小的几个像素，并且会受到背景杂波或者随机噪声的强烈干扰。为了解决上述问题，人类视觉系统的机制近年来开始被应用在在红外弱小目标检测领域中，它主要利用了人眼的视觉注意机制、亮度和对比度敏感机制等，采用显著图实现特征提取。基于人眼视觉的检测算法主要分为2类，第一类是基于频谱残差的算法，主要原理是将红外图像的频谱经过一个低通滤波器，得到平滑后的频谱，然后与原频谱做差，得到频谱残差，基于残差中的高频分量对小目标位置进行检测。另一类是基于局部对比度的检测算法，利用小目标的亮度与其邻域存在较大差异，采用滑窗的思想，检测滑窗内部的对比度，寻找小目标位置。
[0004]由于局部对比度测量算法相较于频谱残差法来说需要的运算量小，检测效果良好，得到了诸多学者的使用和改进，改进的思路是对计算对比度的方式进行改进以及对窗口进行改进，但这一类算法都是针对软件实现而设计的，会用到很多浮点以及非线性运算，不利于基于FPGA的高速数字图像处理系统并行实现；受限于CPU或DSP的串行处理能力，这类算法往往处理时延较高，实时性不够好，同时滤波窗口一般不会选择的太大，这就导致遍历一副图像耗费的时间过长，而且一般不会考虑充分利用数字信号传输过程中的有限带宽资源。

技术实现思路

[0005]本专利技术的目的是：针对现有技术中复杂背景下的目标检测速度慢的问题，提出一种基于局部对比度的低复杂度红外弱小目标检测方法。
[0006]本专利技术为了解决上述技术问题采取的技术方案是：
[0007]一种基于局部对比度的低复杂度红外弱小目标检测方法，包括以下步骤：
[0008]步骤一：获取待识别对象的红外图像，并对待识别对象的红外图像进行预处理，所述预处理包括形态学开运算滤波处理和最大中值滤波处理；
[0009]步骤二：利用高效滤波模板对预处理后的红外图像进行对比度检测，所述高效滤波模板为正方形模板，高效滤波模板为2
n
×2n
个子块构成，2≤n≤5，每个子块的大小为8
×
8像素；
[0010]所述对比度检测的步骤为：
[0011]步骤二一：利用高效滤波模板中3
×
3个子块作为处理单元，所述处理单元的中心子块为待处理目标区域，其余子块为背景区域；
[0012]步骤二二：以处理单元为测量窗口，对预处理后的红外图像进行处理，具体步骤为：
[0013]步骤二一一：对待处理目标区域内的所有像素以灰度值进行排序，然后，取灰度值的最大值和次大值，之后计算最大值和次大值的均值，以该值作为A值；
[0014]步骤二一二：计算背景区域对应子块中像素的灰度值的均值，以该值为B值；
[0015]步骤二一三：获取待处理目标区域8个方向中一个方向对应的三个子块，然后得到三个子块B值的均值，以该值为C值；
[0016]步骤二一四：将A值与C值作差，结果即为待处理目标区域8个方向中对应方向的对比度测量值；
[0017]步骤二一五：重复步骤二一三和步骤二一四，得到8个方向的对比度测量值；
[0018]所述处理单元中目标区域为area0，背景区域由左至右，由上至下依次为area1、area2、area3、area4、area5、area6、area7、area8；
[0019]所述8个方向具体为：上方向邻域(area1,area2,area3)、下方向邻域(area6,area7,area8)、左方向邻域(area1,area4,area6)、右方向邻域(area3,area5,area8)、第一象限邻域(area2,area3,area5)、第二象限邻域(area2,area1,area4)、第三象限邻域(area4,area6,area7)、第四象限邻域(area5,area8,area7)；
[0020]步骤三：以待处理目标区域作为显著图的一个像素，然后将8个方向的对比度测量值取绝对值并求和后作为该像素的灰度值；
[0021]步骤四：重复步骤二和步骤三，直至处理完红外图像，进而得到显著图；
[0022]步骤五：利用恒虚警率将显著图进行阈值分割，并将分割结果中对比度大于阈值的区域提取出来并进行位置输出。
[0023]进一步的，所述高效滤波模板为双层模板，高效滤波模板包括第一层模板和第二层模板，所述第一层模板为2
n
×2n
个子块的正方形模板，所述第二层模板为2
n
‑1×2n
‑
1个子块的正方形模板，所述第一层模板中每四个相邻的子块，对应第二层模板中一个子块，第一层模板中四个相邻的子块的交点与第二层模板中子块的中心点重合。
[0024]进一步的，所述对比度检测的具体步骤为：
[0025]步骤1：将目标区域area0中所有像素以灰度值进行排序，并将灰度值最大值像素和次大值的均值作为目标区域的显著性亮度Lmax；
[0026]步骤2：将每个背景区域进行均值池化操作，得到每个背景区域灰度的均值，并用每个背景区域的灰度的均值代表背景区域的显著性亮度Lmean
i
，i＝1,2,
…
,8；
[0027]步骤3：根据背景区域的显著性亮度Lmean
i
得到每个方向的显著性亮度Lneighbor
m
：
[0028]步骤4：利用目标区域的显著性亮度分别与8个方向上的显著性亮度做差，得到对比度测量值。
[0029]进一步的，所述目标区域的显著性亮度Lmax表示为：
[0030][0031]其中，G1、G2代表目标区域最大值像素和次大值像素。
[0032]进一步的，所述背景区域的显著性亮度Lmean
i
表示为：
[0033][0034]其中，G
i
(s,t)代表第i块区域的位置(s,t)处的灰度值，i取当前方向对比度所需要的3个子块的序号。
[0035]进一步的，所述每个方向的显著性亮度Lneighbor
m
表示为：
[0036][0037]进一步的，所述对比度测量值表示为：
[0038]contrast
m
＝Lmax
‑
Lneighbor
m
[0039]其中，m＝1,2,
…
,8。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部对比度的低复杂度红外弱小目标检测方法，其特征在于：包括以下步骤：步骤一：获取待识别对象的红外图像，并对待识别对象的红外图像进行预处理，所述预处理包括形态学开运算滤波处理和最大中值滤波处理；步骤二：利用高效滤波模板对预处理后的红外图像进行对比度检测，所述高效滤波模板为正方形模板，高效滤波模板为2
n
×2n
个子块构成，2≤n≤5，每个子块的大小为8
×
8像素；所述对比度检测的步骤为：步骤二一：利用高效滤波模板中3
×
3个子块作为处理单元，所述处理单元的中心子块为待处理目标区域，其余子块为背景区域；步骤二二：以处理单元为测量窗口，对预处理后的红外图像进行处理，具体步骤为：步骤二一一：对待处理目标区域内的所有像素以灰度值进行排序，然后，取灰度值的最大值和次大值，之后计算最大值和次大值的均值，以该值作为A值；步骤二一二：计算背景区域对应子块中像素的灰度值的均值，以该值为B值；步骤二一三：获取待处理目标区域8个方向中一个方向对应的三个子块，然后得到三个子块B值的均值，以该值为C值；步骤二一四：将A值与C值作差，结果即为待处理目标区域8个方向中对应方向的对比度测量值；步骤二一五：重复步骤二一三和步骤二一四，得到8个方向的对比度测量值；所述处理单元中目标区域为area0，背景区域由左至右，由上至下依次为area1、area2、area3、area4、area5、area6、area7、area8；所述8个方向具体为：上方向邻域(area1,area2,area3)、下方向邻域(area6,area7,area8)、左方向邻域(area1,area4,area6)、右方向邻域(area3,area5,area8)、第一象限邻域(area2,area3,area5)、第二象限邻域(area2,area1,area4)、第三象限邻域(area4,area6,area7)、第四象限邻域(area5,area8,area7)；步骤三：以待处理目标区域作为显著图的一个像素，然后将8个方向的对比度测量值取绝对值并求和后作为该像素的灰度值；步骤四：重复步骤二和步骤三，直至处理完红外图像，进而得到显著图；步骤五：利用恒虚警率将显著图进行阈值分割，并将分割结果中对比度大于阈值的区域提取出来并进行位置输出。2.根据权利要求1所述的一种基于局部对比度的低复杂度红外弱小目标检测方法，其特征在于所述高效滤波模板为双层模板，高效滤波模板包括第一层模板和第二层模板，所述第一层模板为2
n
×2n
个子块的正方形模板，...

【专利技术属性】
技术研发人员：马永奎，王俊杰，张佳岩，赵洪林，单成兆，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：