一种红外弱小目标检测方法、设备及存储介质技术

本发明专利技术涉及一种红外弱小目标检测方法、设备及存储介质，该方法包括：构建基于过采样子窗结构的三层滑动窗对采集到的红外图像进行逐像素遍历；其中，所述基于过采样子窗结构的三层滑动窗包括最内层的中心子窗，中间层区域以及外层区域；分别计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗、中心子窗与外层子窗的局部对比度特征；将中心子窗与中间层子窗的局部对比度特征与外层子窗的局部对比度特征相乘得到最终的局部对比度显著图；对得到的局部对比度显著图进行归一化处理，设定分割阈值进行目标分割得到最终目标。与现有技术相比，本发明专利技术具有准确性高、实时性好的优点。实时性好的优点。实时性好的优点。

【技术实现步骤摘要】
一种红外弱小目标检测方法、设备及存储介质


[0001]本专利技术涉及红外目标检测
，尤其是涉及一种红外弱小目标检测方法、设备及存储介质。

技术介绍

[0002]红外小目标检测算法是红外探测系统核心组件之一，其性能好坏对探测系统的整体性能至关重要。
[0003]近年来，基于局部对比度的红外小目标检测算法由于其良好的检测性能及实时性，得到了不少研究人员的广泛关注。但是该类算法依旧存在以下几个主要缺点：
[0004]1)为了能够实现对不同大小尺寸的小目标的准确检测，算法需要引入多尺度操作和最大池化操作，算法整体重复度过高。
[0005]2)算法所采用的滑动窗结构在计算对比度特征时通常只使用相邻的4个或8个不重叠的图像子窗，如附图2。当目标或高亮干扰处于相邻图像子窗中间时，计算得到的局部对比度特征的准确性将大幅降低。
[0006]3)在通过滑动窗结构计算对比度特征时，算法复杂度与采用的图像子窗数量成正比。例如，如果使用相邻的8个窗口计算对比度特征，则需要分别计算8次中心子窗T和周围8个相邻子窗的灰度均值差，算法时间复杂度较高。
[0007]因此，亟需设计一种准确性高、实时性好的红外弱小目标检测方法。

技术实现思路

[0008]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种准确性高、实时性好的红外弱小目标检测方法、设备及存储介质。
[0009]本专利技术的目的可以通过以下技术方案来实现：
[0010]根据本专利技术的第一方面，提供了一种红外弱小目标检测方法，该方法包括：
[0011]构建基于过采样子窗结构的三层滑动窗对采集到的红外图像进行逐像素遍历；其中，所述基于过采样子窗结构的三层滑动窗包括最内层的中心子窗，中间层区域以及外层区域；
[0012]分别计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗、中心子窗与外层子窗的局部对比度特征；
[0013]将中心子窗与中间层子窗的局部对比度特征与外层子窗的局部对比度特征相乘得到最终的局部对比度显著图；
[0014]对得到的局部对比度显著图进行归一化处理，设定分割阈值进行目标分割得到最终目标。
[0015]优选地，所述基于过采样子窗结构的三层滑动窗包括最内层的中心子窗，中间层区域以及外层区域，具体为：中心子窗大小为3
×
3；中间层区域大小为9
×
9，分为24个3
×
3大小的子窗，相邻子窗的间隔步距为1个像素；外层区域大小为15
×
15，分为48个3
×
3大小
的子窗，相邻子窗的间隔步距为1个像素。
[0016]优选地，通过形态学膨胀简化策略分别计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗、中心子窗与外层子窗的局部对比度特征。
[0017]优选地，通过形态学膨胀简化策略计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗的局部对比度特征，具体为：
[0018]红外图像中每个像素对应滑动窗的中心子窗与中间层子窗的局部对比度特征D
M
(x,y)，表达式为
[0019][0020]其中，g(x,y)为输入红外图像f(x,y)经过均值滤波器处理后的结果，(x,y)为输入红外图像的当前像素坐标，为灰度学膨胀操作，B
W
(x,y)为膨胀操作所使用的结构元素，决定了膨胀的操作范围。
[0021]优选地，通过形态学膨胀简化策略计算红外图像中每个像素对应滑动窗的中心子窗与外层子窗的局部对比度特征D
O
(x,y)，表达式为：
[0022][0023]其中，g(x,y)为输入红外图像f(x,y)经过均值滤波器处理后的结果，(x,y)为输入红外图像的当前像素坐标，为灰度学膨胀操作，B
O
(x,y)为膨胀操作所使用的结构元素，决定了膨胀的操作范围。
[0024]优选地，所述将中间层子窗的局部对比度特征与外层子窗的局部对比度特征相乘得到最终的局部对比度显著图，表达式为：
[0025]C(x,y)＝D
M
(x,y)2D
O
(x,y)
[0026]式中，D
M
(x,y)、D
O
(x,y)分别为红外图像中每个像素对应滑动窗的中心子窗与中间层子窗、中心子窗与外层子窗的局部对比度特征。
[0027]根据本专利技术的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现任一项所述的方法。
[0028]根据本专利技术的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现任一项所述的方法。
[0029]与现有技术相比，本专利技术具有以下有益效果：
[0030]1)本专利技术所提方法由于引入了基于过采样子窗的三层滑动窗结构，中间层子窗的局部对比度特征可以用于确定较小目标的局部对比度特征，外层子窗的局部对比度特征可以用于确定较大目标的局部对比度特征；因而，只需要计算单一尺度的局部对比度特征即可实现所有尺寸大小的小目标的检测，简化了算法流程，提高了算法实时性。
[0031]2)传统的局部对比度算法所采用的滑动窗在计算对比度特征时通常只使用相邻不重叠的图像子窗。当目标或高亮干扰处于相邻图像子窗中间时，计算得到的局部对比特征准确性将无法得到保证；而本专利技术所设计的基于过采样子窗的三层滑动窗结构能够充分利用目标附近所有方向上局部背景的对比度信息，大幅提高所得到的对比度特征的准确性。
[0032]3)传统的局部对比度算法在通过滑动窗结构计算对比度特征时，算法复杂度与采用的图像子窗数量成正比；本专利技术通过引入形态学膨胀简化策略，能够通过单次膨胀操作
完成任意数量的方向上的局部对比度的计算，实时性得到了大幅提高。
附图说明
[0033]图1为本专利技术的方法流程图；
[0034]图2是传统包含8个子窗的滑动窗结构；
[0035]图3是本专利技术方法的操作示意图；
[0036]图4是本专利技术方法中提出的基于过采样子窗的三层滑动窗结构图；
[0037]图5是本实例中测试所使用的红外图像；
[0038]图6是图5经过本专利技术方法处理后的结果。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0040]实施例
[0041]如图1所示，本实施例给出了一种红外弱小目标检测方法，该方法包括：
[0042]构建基于过采样子窗结构的三层滑动窗对采集到的红外图像进行逐像素遍历；其中，所述基于过采样子窗结构的三层滑动本文档来自技高网...

【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，该方法包括：构建基于过采样子窗结构的三层滑动窗对采集到的红外图像进行逐像素遍历；其中，所述基于过采样子窗结构的三层滑动窗包括最内层的中心子窗，中间层区域以及外层区域；分别计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗、中心子窗与外层子窗的局部对比度特征；将中心子窗与中间层子窗的局部对比度特征与外层子窗的局部对比度特征相乘得到最终的局部对比度显著图；对得到的局部对比度显著图进行归一化处理，设定分割阈值进行目标分割得到最终目标。2.根据权利要求1所述的一种红外弱小目标检测方法，其特征在于，所述基于过采样子窗结构的三层滑动窗包括最内层的中心子窗，中间层区域以及外层区域，具体为：中心子窗大小为3
×
3；中间层区域大小为9
×
9，分为24个3
×
3大小的子窗，相邻子窗的间隔步距为1个像素；外层区域大小为15
×
15，分为48个3
×
3大小的子窗，相邻子窗的间隔步距为1个像素。3.根据权利要求1所述的一种红外弱小目标检测方法，其特征在于，通过形态学膨胀简化策略分别计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗、中心子窗与外层子窗的局部对比度特征。4.根据权利要求3所述的一种红外弱小目标检测方法，其特征在于，通过形态学膨胀简化策略计算红外图像中每个像素对应滑动窗的中心子窗与中间层子窗的局部对比度特征，具体为：红外图像中每个像素对应滑动窗的中心子窗与中间层子窗的局部对比度特征D
M
(x,...

【专利技术属性】
技术研发人员：潘胜达，孙西羽，王思怡，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：