一种红外海上小目标抗干扰的检测方法技术

一种红外海上小目标抗干扰的检测方法，它属于海上目标检测技术领域。本发明专利技术解决了由于红外海面图像中存在干扰，导致的采用现有目标检测方法时存在检测率低、虚警率高的问题。本发明专利技术通过计算中心区域及其邻域灰度分布的相异性，实现对疑似目标的召回式检测。然后，进一步提取出疑似目标区域的特征。因为海上干扰存在的聚类特征，松弛互k近邻图被引入通过全局图聚类来区分真实目标，通过这种方法，能够检测出真实目标并将海上干扰滤除。本发明专利技术方法可以应用于海上小目标的检测。以应用于海上小目标的检测。以应用于海上小目标的检测。

【技术实现步骤摘要】
一种红外海上小目标抗干扰的检测方法


[0001]本专利技术属于海上目标检测
，具体涉及一种红外海上小目标抗干扰的检测方法。

技术介绍

[0002]红外小目标检测在红外图像搜索与跟踪(IRST)中发挥着重要作用。红外小目标在图像中只由很少的几个像素组成。这些小目标缺乏形状和纹理特征，经常被复杂的背景干扰所淹没。此外，不同红外图像中背景区域的不断变化会导致不同程度的干扰。因此，这种没有通用特性的干扰会增加检测红外小目标的难度。
[0003]近年来，人们在不同的方法上做了大量的工作来改进单帧红外小目标的检测。该领域中的大多数工作依赖于时域或频域中的滤波。例如Deshpande等人提出了最大中值和最大均值滤波器，该方法在设计上较为简单。对比度是表达前景和背景之间差异的一个很好的特征。Chen提出了局部对比度方法(LCM)。Wei做了进一步的改进提出了基于多尺度补丁的对比度测量(MPCM)，在目标增强方面取得了更好的结果。形态学处理也用于红外小目标检测。Bai改进了顶帽方法，对于红外小目标检测具有良好的性能。使用低秩和稀疏表示，Gao提出了红外图像块模型(IPI)，将检测问题转化为恢复低秩和稀疏矩阵的优化问题。Dai提出了一种新的重新加权红外贴片张量模型(RIPT)，通过结构张量和重新加权来设计权重。这些方法可以准确地分离具有平缓背景图像中的小目标。还有一些使用facet模型进行检测的方法。Bai使用facet模型计算各方向的导数后，使用熵特征来增强目标。
[0004]上述方法在常见的红外场景中表现良好，可应用于实际情况。然而，在红外海面图像中，目标容易受到海浪、海面反射和海天线造成的频繁干扰，特别是海面上的强光反射和波浪会造成误检测或强干扰，如图1和图2所示。因此，由于实际红外海面图像中存在干扰，将导致采用现有的目标检测方法存在检测率低、虚警率高的问题。

技术实现思路

[0005]本专利技术的目的是为解决由于红外海面图像中存在干扰，导致的采用现有目标检测方法时存在检测率低、虚警率高的问题，而提出的一种红外海上小目标抗干扰的检测方法。
[0006]本专利技术为解决上述技术问题所采取的技术方案是：
[0007]一种红外海上小目标抗干扰的检测方法，所述方法具体包括以下步骤：
[0008]步骤一、采集红外海面图像，分别计算出红外海面图像中以每个像素点为中心的区域的局部相异性度量；
[0009]步骤二、根据步骤一的计算结果挑选出疑似目标的像素点，分别提取出以每个疑似目标的像素点为中心的疑似目标区域的特征；
[0010]根据提取出的各个疑似目标区域的特征构建图G(V,E)；
[0011]步骤三、根据构建的图G(V,E)，采用图聚类方法将各个疑似目标区域划分为不同的初始类{C1,C2,
…
C
R
}，其中，C1,C2,
…
C
R
分别为划分的第1类，第2类，
…
，第R类；
[0012]将初始类中包含疑似目标区域个数不超过T
c
的类别作为候选类，再从候选类中筛选出目标类，并从目标类所包含的疑似目标区域中提取出目标。
[0013]进一步地，所述步骤一的具体过程为：
[0014]步骤一一、对于红外图像中的像素点(i,j)，以像素点(i,j)作为大小为d
×
d的图像块的中心点，再将图像块作为中心图像块，以图像块作为中心图像块的八个邻域图像块；
[0015]步骤一二、计算八个邻域图像块的平均图像块
[0016]步骤一三、令X表示中心图像块和平均图像块中不重复灰度值的集合，即
[0017][0018]其中，n和m分别代表中心图像块和平均图像块中不重复灰度值的数量，表示n个灰度值中的第1个灰度值，表示n个灰度值中的第2个灰度值，表示n个灰度值中的第n个灰度值，表示m个灰度值中的第1个灰度值，表示m个灰度值中的第2个灰度值，表示m个灰度值中的第m个灰度值；
[0019]将集合X中的元素按升序排列后形成序列X
a
，再根据序列X
a
计算中心图像块和平均图像块的相异性度量D
CM
(i,j)；
[0020]步骤一四、采用步骤一三的方法分别计算出每个邻域图像块与平均图像块的相异性度量，再将八个邻域图像块所对应的相异性度量相加作为平均图像块与邻域图像块的相异性度量D
NM
(i,j)；
[0021]步骤一五、计算以像素点(i,j)为中心的区域的局部相异性度量LDM(i,j)：
[0022][0023]其中，ε为常数；
[0024]步骤一六、同理，采用步骤一一至步骤一五的方法分别获得红外海面图像中以每个像素点为中心的区域的局部相异性度量。
[0025]进一步地，所述步骤一三中，根据序列X
a
计算中心图像块和平均图像块的相异性度量D
CM
(i,j)，其具体过程为：
[0026][0027]其中，是序列X
a
中的第j个灰度值，是序列X
a
中的第j
‑
1个灰度值，j＝1,2,
…
,J，J+1是序列X
a
的容量，为中心图像块在处的累积概率分布函数，为平均图像块在处的累积概率分布函数。
[0028]进一步地，所述中心图像块在处的累积概率分布函数为：
[0029][0030]其中，p
i
′
是灰度值x
i
′
在中心图像块的归一化灰度直方图中的概率值，灰度值
[0031]进一步地，所述常数ε的取值为1。
[0032]进一步地，所述步骤二的具体过程为：
[0033]步骤一中计算出以每个像素点为中心的区域的局部相异性度量后，将区域的局部相异性度量作为对应中心像素点的局部差异度量值，根据红外海面图像中各个像素点的局部差异度量值得到LDM特征图像；
[0034]对红外海面图像的全部像素点的局部差异度量值进行降序排列，挑选出前N
LDM
个局部差异度量值所对应的像素点作为疑似目标的像素点；
[0035]分别以每个疑似目标像素点为中心，以中心所在的9
×
9邻域作为疑似目标区域，再分别提取出每个疑似目标区域的LDM特征；
[0036]根据提取出的每个疑似目标区域的LDM特征，分别计算出各个疑似目标区域的LDM特征分布直方图，再分别对各个疑似目标区域的LDM特征分布直方图进行幅值傅里叶变换，以分别提取出每个疑似目标区域的M特征；
[0037]对于任意的两个疑似目标区域p和q，根据提取出的M特征计算疑似目标区域p和q之间的距离d
p,q
，对距离d
p,q
进行预处理得到两个疑似目标区域p和q的相似度s
p,q
，再根据相似度s
p,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种红外海上小目标抗干扰的检测方法，其特征在于，所述方法具体包括以下步骤：步骤一、采集红外海面图像，分别计算出红外海面图像中以每个像素点为中心的区域的局部相异性度量；步骤二、根据步骤一的计算结果挑选出疑似目标的像素点，分别提取出以每个疑似目标的像素点为中心的疑似目标区域的特征；根据提取出的各个疑似目标区域的特征构建图G(V,E)；步骤三、根据构建的图G(V,E)，采用图聚类方法将各个疑似目标区域划分为不同的初始类{C1,C2,
…
C
R
}，其中，C1,C2,
…
C
R
分别为划分的第1类，第2类，
…
，第R类；将初始类中包含疑似目标区域个数不超过T
c
的类别作为候选类，再从候选类中筛选出目标类，并从目标类所包含的疑似目标区域中提取出目标。2.根据权利要求1所述的一种红外海上小目标抗干扰的检测方法，其特征在于，所述步骤一的具体过程为：步骤一一、对于红外图像中的像素点(i,j)，以像素点(i,j)作为大小为d
×
d的图像块的中心点，再将图像块作为中心图像块，以图像块l＝1,2,
…
,8作为中心图像块的八个邻域图像块；步骤一二、计算八个邻域图像块的平均图像块步骤一三、令X表示中心图像块和平均图像块中不重复灰度值的集合，即其中，n和m分别代表中心图像块和平均图像块中不重复灰度值的数量，表示n个灰度值中的第1个灰度值，表示n个灰度值中的第2个灰度值，表示n个灰度值中的第n个灰度值，表示m个灰度值中的第1个灰度值，表示m个灰度值中的第2个灰度值，表示m个灰度值中的第m个灰度值；将集合X中的元素按升序排列后形成序列X
a
，再根据序列X
a
计算中心图像块和平均图像块的相异性度量D
CM
(i,j)；步骤一四、采用步骤一三的方法分别计算出每个邻域图像块与平均图像块的相异性度量，再将八个邻域图像块所对应的相异性度量相加作为平均图像块与邻域图像块的相异性度量D
NM
(i,j)；步骤一五、计算以像素点(i,j)为中心的区域的局部相异性度量LDM(i,j)：其中，ε为常数；步骤一六、同理，采用步骤一一至步骤一五的方法分别获得红外海面图像中以每个像素点为中心的区域的局部相异性度量。3.根据权利要求2所述的一种红外海上小目标抗干扰的检测方法，其特征在于，所述步
骤一三中，根据序列X
a
计算中心图像块和平均图像块的相异性度量D
CM
(i,j)，其具体过程为：其中，是序列X
a
中的第j个灰度值，是序列X
a
中的第j
‑
1个灰度值，j＝1,2,
…
,J，J+1是序列X
a
的容量，为中心图像块在处的累积概率分布函数，为平均图像块在处的累积概率分布函数。4.根据权利要求3所述的一种红外海上小目标抗干扰的检测方法，其特征在于，所述中心图像块在处的累积概率分布函数为：其中，p
i
′
是灰度值x
i
′
在中心图像块的归一化灰度直方图中的概率值，灰度值5.根据权利要求4所述的一种红外海上小目标抗干扰的检测方法，其特征在于，所述常数ε的取值为1。6.根据权利要求5所述的一种红外海上小目标抗干扰的检测方法，其特征在于，所述步骤二的具体过程为：步骤一中计算出以每个像素点为中心的区域的局部相异性度量后，将区域的局部相异性度量作为对应中心像素点的局部差异度量值，根据红外海面图像中各个像素点的局部差异度量值得到LDM特征图像；对红外海面图像的全部像素点的局部差异度量值进行降序排列，挑选出前N
LDM
个局部差异度量值所对应的像素点作为疑似目标的像素点；分别以每个疑似目标像素点为中心，以中心所在的9
×
9邻域作为疑似目标区域，再分别提取出每个疑似目标区域的LDM特征；根据提取出的每个疑似目标区域的LDM特征，分别计算出各个疑似目标区域的LDM特征分布直方图，再分别对各个疑似目标区域的LDM特征分布直方图进行幅值傅里叶变换，以分别提取出每个疑似目标区域的M特征...

【专利技术属性】
技术研发人员：郑岩，王爱宇，张勋，邢文，刘阳，周佳加，李本银，张宏瀚，陈涛，王宏健，
申请(专利权)人：青岛哈尔滨工程大学创新发展中心，
类型：发明
国别省市：