一种红外弱小目标检测方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种红外弱小目标检测方法、装置、存储介质及电子设备，包括：针对获取到的待检测的红外图像的每一个像素点，以该像素点为中心，将待检测的红外图像划分成若干区域，再从划分出的各区域中，确定该像素点的中心区域、各第一区域和各第二区域。再确定该像素点的第一灰度值、第二灰度值以及第三灰度值。然后，根据第一灰度值、第二灰度值和第三灰度值，确定该像素点的梯度特征。根据各像素点的梯度特征，确定待检测的红外图像的显著特征图。根据显著特征图，确定待检测的红外图像的目标检测结果。可以减少噪声和杂波点对红外弱小目标检测结果的影响，提高对红外弱小目标检测的速度以及准确度。测的速度以及准确度。测的速度以及准确度。

【技术实现步骤摘要】
一种红外弱小目标检测方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种红外弱小目标检测方法、装置、存储介质及电子设备。

技术介绍

[0002]随着科技的不断发展，红外探测得到广泛的应用。
[0003]现有的红外探测技术中，如何进行红外弱小目标检是一个技术难点。其中，红外弱小目标，是指红外辐射能量在经过长距离的传输路径衰减后，红外辐射能量减弱，且在红外图像中占用的像素比较少，比如几个像素，缺乏丰富的形状和纹理特征的目标物。在红外图像中，红外弱小目标与背景的对比度较低，难以识别。
[0004]基于此，本说明书提供了一种红外弱小目标检测方法。

技术实现思路

[0005]本说明书提供一种红外弱小目标检测方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：本说明书提供了一种红外弱小目标检测方法，包括：获取待检测的红外图像；针对所述待检测的红外图像的每一个像素点，以该像素点为中心，将所述待检测的红外图像划分为若干区域；从划分出的各区域中，确定该像素点所在的中心区域，确定与所述中心区域相邻各的第一区域，以及确定与任一第一区域相邻的第二区域；确定该像素点所在的中心区域的灰度值，作为第一灰度值；根据各第一区域的灰度值，确定该像素点的第二灰度值；根据各第二区域的灰度值，确定该像素点的第三灰度值；根据该像素点的第一灰度值、该像素点的第二灰度值和该像素点的第三灰度值，确定该像素点的梯度特征；根据各像素点的梯度特征，确定所述待检测的红外图像的显著特征图；根据所述显著特征图，确定所述待检测的红外图像的目标检测结果。
[0007]可选地，以该像素点为中心，将所述待检测的红外图像划分为若干区域，具体包括：在所述待检测的红外图像中，按照预设的第一尺寸，确定以该像素点为中心的指定区域；将所述指定区域按照预设的第二尺寸进行划分，得到若干区域。
[0008]可选地，确定该像素点所在的中心区域的灰度值，作为第一灰度值，具体包括：确定该像素点所在的中心区域内包含的像素点的灰度值，作为中心灰度值；
将确定出的各中心灰度值的均值作为第一灰度值。
[0009]可选地，根据各第一区域的灰度值，确定第二灰度值，具体包括：针对每一个第一区域，确定该第一区域内包含的像素点的灰度值作为第一子灰度值，将确定出的各第一子灰度值的均值作为该第一区域的灰度值；确定各第一区域对应的灰度值中最大的灰度值作为该像素点的第二灰度值；根据各第二区域的灰度值，确定该像素点的第三灰度值，具体包括：针对每一个第二区域，确定该第二区域内包含的像素点的灰度值作为第二子灰度值，将确定出的各第二子灰度值的均值作为该第二区域的灰度值；确定各第二区域对应的灰度值中最大的灰度值作为第三灰度值。
[0010]可选地，所述梯度特征包括第一梯度特征和第二梯度特征；根据该像素点的第一灰度值、该像素点的第二灰度值和该像素点的第三灰度值，确定该像素点的梯度特征，具体包括：根据该像素点的第一灰度值和该像素点的第二灰度值，确定该像素点的第一梯度特征；根据该像素点的第一灰度值和该像素点的第三灰度值，确定该像素点的第二梯度特征。
[0011]可选地，根据该像素点的第一灰度值和该像素点的第二灰度值，确定该像素点的第一梯度特征，具体包括：若该像素点的第一灰度值大于该像素点的第二灰度值，确定该像素点的第一灰度值减该像素点的第二灰度值的值，作为该像素点的第一梯度特征；否则，将指定数值作为该像素点的第一梯度特征；根据该像素点的第一灰度值和该像素点的第三灰度值，确定该像素点的第二梯度特征，具体包括：若该像素点的第一灰度值大于该像素点的第三灰度值，确定该像素点的第一灰度值减该像素点的第三灰度值的值，作为该像素点的第二梯度特征；否则，将指定数值作为该像素点的第二梯度特征。
[0012]可选地，根据各像素点的梯度特征，确定所述待检测的红外图像的显著特征图，具体包括：根据各像素点对应的第一梯度特征，确定第一特征图，以及根据各像素点对应的第二梯度特征，确定第二特征图；根据所述第一特征图和所述第二特征图，确定所述待检测的红外图像的显著特征图。
[0013]可选地，根据所述显著特征图，确定所述待检测的红外图像的目标检测结果，具体包括：根据所述显著特征图，确定所述待检测的红外图像中的待检测的图像块；将所述待检测的图像块输入预先训练的目标检测模型，得到检测结果；根据所述检测结果，确定所述待检测的红外图像的目标检测结果。
[0014]可选地，根据所述显著特征图，确定所述待检测的红外图像中的待检测的图像块，具体包括：
确定所述显著特征图的最大灰度值和灰度均值；根据所述最大灰度值和所述灰度均值，确定阈值，并根据所述阈值对所述显著特征图进行阈值化处理；针对每一个像素点，以该像素点为中心，按照预设的第三尺寸，确定该像素点的图像区域，并根据阈值化处理后的显著特征图，判断该像素点的图像区域是否满足指定条件；若是，将该像素点的图像区域作为待检测的图像块，否则，不将该像素点的图像区域作为待检测的图像块。
[0015]可选地，根据所述检测结果，确定所述待检测的红外图像的目标检测结果，具体包括：若所述检测结果为目标结果，确定所述待检测的图像块的中心位置的坐标为目标坐标；否则，确定所述待检测的图像块的中心位置的坐标不为目标坐标；根据确定出的目标坐标，确定所述待检测的红外图像的目标检测结果。
[0016]可选地，预先训练目标检测模型，具体包括：获取预先存储的红外背景图像、红外图像以及所述红外图像对应的标注；根据预设的规则，对所述红外背景图像进行添加弱小目标处理；将处理后的图像作为仿真图像，以及确定所述仿真图像对应的标注；将所述红外图像和所述仿真图像作为训练样本，并输入待训练的目标检测模型，得到所述待训练的目标检测模型输出的检测结果；以所述检测结果与所述训练样本对应的标注之间的差异最小为训练目标，对所述待训练的目标检测模型进行训练。
[0017]可选地，所述目标检测模型包括若干卷积层、全连接层和分类器；将所述待检测的图像块输入预先训练的目标检测模型，得到检测结果，具体包括：将所述待检测的图像块输入预先训练的目标检测模型的卷积层，得到第一特征；将所述第一特征输入所述目标检测模型的全连接层，得到第二特征；将所述第二特征输入所述目标检测模型的分类器，得到检测结果。
[0018]本说明书提供了一种红外弱小目标检测装置，包括：获取模块，用于获取待检测的红外图像；划分模块，用于针对所述待检测的红外图像的每一个像素点，以该像素点为中心，将所述待检测的红外图像划分为若干区域；第一确定模块，用于从划分出的各区域中，确定该像素点所在的中心区域，确定与所述中心区域相邻的各第一区域，以及确定与任一第一区域相邻的第二区域；第二确定模块去，用于确定该像素点所在的中心区域的灰度值，作为第一灰度值；根据各第一区域的灰度值，确定该像素点的第二灰度值；根据各第二区域的灰度值，确定该像素点的第三灰度值；梯度特征模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种红外弱小目标检测方法，其特征在于，包括：获取待检测的红外图像；针对所述待检测的红外图像的每一个像素点，以该像素点为中心，将所述待检测的红外图像划分为若干区域；从划分出的各区域中，确定该像素点所在的中心区域，确定与所述中心区域相邻的各第一区域，以及确定与任一第一区域相邻的第二区域；确定该像素点所在的中心区域的灰度值，作为第一灰度值；根据各第一区域的灰度值，确定该像素点的第二灰度值；根据各第二区域的灰度值，确定该像素点的第三灰度值；根据该像素点的第一灰度值、该像素点的第二灰度值和该像素点的第三灰度值，确定该像素点的梯度特征；根据各像素点的梯度特征，确定所述待检测的红外图像的显著特征图；根据所述显著特征图，确定所述待检测的红外图像的目标检测结果。2.如权利要求1所述的方法，其特征在于，以该像素点为中心，将所述待检测的红外图像划分为若干区域，具体包括：在所述待检测的红外图像中，按照预设的第一尺寸，确定以该像素点为中心的指定区域；将所述指定区域按照预设的第二尺寸进行划分，得到若干区域。3.如权利要求1所述的方法，其特征在于，确定该像素点所在的中心区域的灰度值，作为第一灰度值，具体包括：确定该像素点所在的中心区域内包含的像素点的灰度值，作为中心灰度值；将确定出的各中心灰度值的均值作为第一灰度值。4.如权利要求1所述的方法，其特征在于，根据各第一区域的灰度值，确定第二灰度值，具体包括：针对每一个第一区域，确定该第一区域内包含的像素点的灰度值作为第一子灰度值，将确定出的各第一子灰度值的均值作为该第一区域的灰度值；确定各第一区域对应的灰度值中最大的灰度值作为该像素点的第二灰度值；根据各第二区域的灰度值，确定该像素点的第三灰度值，具体包括：针对每一个第二区域，确定该第二区域内包含的像素点的灰度值作为第二子灰度值，将确定出的各第二子灰度值的均值作为该第二区域的灰度值；确定各第二区域对应的灰度值中最大的灰度值作为第三灰度值。5.如权利要求1所述的方法，其特征在于，所述梯度特征包括第一梯度特征和第二梯度特征；根据该像素点的第一灰度值、该像素点的第二灰度值和该像素点的第三灰度值，确定该像素点的梯度特征，具体包括：根据该像素点的第一灰度值和该像素点的第二灰度值，确定该像素点的第一梯度特征；根据该像素点的第一灰度值和该像素点的第三灰度值，确定该像素点的第二梯度特征。6.如权利要求5所述的方法，其特征在于，根据该像素点的第一灰度值和该像素点的第
二灰度值，确定该像素点的第一梯度特征，具体包括：若该像素点的第一灰度值大于该像素点的第二灰度值，确定该像素点的第一灰度值减该像素点的第二灰度值的值，作为该像素点的第一梯度特征；否则，将指定数值作为该像素点的第一梯度特征；根据该像素点的第一灰度值和该像素点的第三灰度值，确定该像素点的第二梯度特征，具体包括：若该像素点的第一灰度值大于该像素点的第三灰度值，确定该像素点的第一灰度值减该像素点的第三灰度值的值，作为该像素点的第二梯度特征；否则，将指定数值作为该像素点的第二梯度特征。7.如权利要求5所述的方法，其特征在于，根据各像素点的梯度特征，确定所述待检测的红外图像的显著特征图，具体包括：根据各像素点对应的第一梯度特征，确定第一特征图，以及根据各像素点对应的第二梯度特征，确定第二特征图；根据所述第一特征图和所述第二特征图，确定所述待检测的红外图像的显著特征图。8.如权利要求1所述的方法，其特征在于，根据所述显著特征图，确定所述待检测的红外图像的目标检测结果，具体包括：根据所述显著特征图，确定所述待检测的红外图像中的待检测的图像块；将所述待检测的图像块输入预先训练的目标检测模型，得到检测结果；根据所述检测结果，确定所述待检测的红外图像的目标检测结果。9.如权利要求8所述的方法，其特征在于，根据所述显著特征图，确定所述待检测的红外图像中的待检测的图像块，具体包括：确定所述显著特征图的最大灰度值和灰度均值；根据所述最大灰度值和所述灰度均值，确定阈值，并根据所述阈值对所述显著特征图进行阈值化处理；针对每一个像素点，以该像素点为中心，按照预设的第三尺寸，确定该像素点的图像区域，并根据阈值化处理后的显著特征图，判断该像素点的图像区域是否满足指定条件；若是，将该像素点的图像区域作为待检测的图像块，否则，不将该像素点的图像区域作为待检测的图像块。10.如权利要求8所述的方法，其特征在于，根据所述检测结果，确定所述待检测的红外图像的目标检测结果，具体包括：若所述检测结果为目标结果，确定所述待检测的图像块的中心位置的坐标为目标坐标；否则，确定所述待检测的图像块的中心位置的坐标不为目标坐标；根据确定出的目标坐标，确定所述待检测的红外图像的目标检测结果。11.如权利要求8所述的方法，其特征在于，预先训练目标检测模型，具体包括：获取预先存储的红外背景图像、红外图像以及所述红外图像对应的标注；根据预设的规则，对所述红外背景图像进行添加弱小目标处理；将处理后的图像作为仿真图像，以及确定所述仿真图像对应的标注；将所述红外图像和所述仿真图像作为训练样本，并输入待训练的目标检测模型，得到
所述待训练的目标检测模型输出的检测结果；以所述检测结果与所述训练样本对应的标注之间的差异最小为训练目标，对所述待训练的目标检测模型进行训练。12.如权利要求8所述的方法，其特征在于，所述目标检测模型包括若干卷积层、全连接层和分类器；将所述待检测的图像块输入预先训练的目标检测模型，得到检测结果，具体包括：将所述待检测的图像块输入预先训练的目标检测模型的卷积层，得到第一特征；将所述第一特征输入所述目标检测模型的全连...

【专利技术属性】
技术研发人员：李璐，李超，张超子，陈悦，叶徐清，王京，
申请(专利权)人：之江实验室，
类型：发明
国别省市：