一种基于背景感知的弱小目标检测方法技术

本发明专利技术公开了一种基于背景感知的弱小目标检测方法，其包括：对待检测图像进行预处理，以得到滤波图像，对滤波图像进行基于总变分迭代的曲率滤波处理，得到背景估计图像；根据滤波图像和背景估计图像，得到待检测的弱小目标

【技术实现步骤摘要】
一种基于背景感知的弱小目标检测方法


[0001]本专利技术涉及弱小目标检测
，特别是一种基于背景感知的弱小目标检测方法
。

技术介绍

[0002]红外探测器是被动接收目标的热辐射进行成像，具有隐蔽性好
、
定位精度高
、
抗干扰能力强等优点，已成为当前光电探测系统发展的主流方向
。
在实际应用环境中，红外图像往往会面临复杂的背景及远距离弱小目标的难题
。
为了使装备有足够的反应时间，往往要求探测系统能够在较远的距离尽早发现目标
。
此时，目标的成像面积非常小，表现为弱小目标，甚至是极小目标
。
这时的目标信号强度低，完全没有形状
、
纹理信息，极易受到背景噪声干扰，甚至淹没在背景中
。
红外探测系统在生活中已经得到大量使用，实践表明，复杂背景下弱小目标检测技术是实现目标自动跟踪识别的重要前提，其性能指标直接决定系统的灵敏度和探测距离，是红外搜索与跟踪系统智能化光电信息处理的一项核心技术
。
[0003]由于场景的复杂度直接影响目标检测的难度，因此对于红外弱小目标检测，不仅要注重目标特性的研究，还要考虑背景的抑制
。
目前常用的背景抑制方法主要包括帧间对消处理和自适应背景估计两类
。
帧间对消处理主要用在相机固定或运动目标检测的情况，但是容易造成匹配不准确和目标拖影的现象
。
自适应背景估计方法则侧重于目标及背景的特征研究，通过空间滤波算法获得背景的形态
、
起伏等特性，然后进行差分处理
。
这种方法符合人类视觉对运动目标的感知原理，是当前计算机视觉研究的重要发展方向，也是提高红外弱小目标检测技术切实可行的一条技术路径
。

技术实现思路

[0004]鉴于此，本专利技术提供一种基于背景感知的弱小目标检测方法，以解决上述技术问题
。
[0005]本专利技术公开了一种基于背景感知的弱小目标检测方法，其包括：步骤1：对待检测图像进行预处理，以得到滤波图像，步骤2：对滤波图像重复进行基于总变分迭代的曲率滤波处理，得到背景估计图像；步骤3：根据滤波图像和背景估计图像，得到待检测的弱小目标
。
[0006]进一步地，所述步骤1包括：步骤
11
：计算
T1
时间内像素点的核密度估计，若其概率分布大于预设阈值，则该像素点属于盲元点；预设阈值由待检测图像的背景数据统计得到；步骤
12
：通过用每个盲元点的预设邻域点的均值代替其值，最终得到滤波图像
。
[0007]进一步地，所述像素点的灰度值的核密度估计为：
其中，为核密度估计，为当前像素点，
N
为
T1
时间内的像素点数，为
N
个像素点中第
i
个的灰度值，为带宽值，取相邻两帧像素灰度值差值绝对值的均值
。
[0008]进一步地，所述步骤2包括：将滤波图像划分为多个集合，循环对每个集合的像素的灰度值用最小投影算子进行更新，以降低其总变分曲率，最终使正则化因子收敛，使变分模型总能量趋近稳定，从而实现背景估计
。
[0009]进一步地，所述最小投影算子的计算方法为：输入：输入：输入：输入：输入：输入：输入：输入：输入：找到，使得输出：其中，表示坐标为的像素点的灰度值，其中，表示坐标为的像素点的灰度值，表示8个曲率投影距离绝对值中的最小值
。
[0010]进一步地，所述步骤3包括：步骤
31
：将滤波图像与背景估计图像进行差分处理，得到差分图像；步骤
32
：通过阈值分割方法，从差分图像中分割出最终的弱小目标
。
[0011]进一步地，所述步骤
32
中阈值分割方法中采用的阈值的计算公式为：式中，为差分图像中所有灰度值大于0的像素的均值，为差分图像的方差，为常数
。
[0012]进一步地，在差分图像中，若像素灰度值大于时，则其为候选目标；删掉候选目标中像素点小于2的目标，以得到最终的弱小目标
。
[0013]由于采用了上述技术方案，本专利技术具有如下的优点：采用基于总变分迭代的曲率滤波，在图像上重复迭代这种滤波器可以依次降低正则化能量
。
所设计的最小投影算子，考虑了不同梯度方向的曲率变化，可以更好地保留图像背景的细节
。
另外，计算方法简单，可以快速实现收敛计算
。
通过准确的背景估计计算，对弱小目标检测的效果更好
。
附图说明
[0014]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图
。
[0015]图1为本专利技术实施例的一种基于背景感知的弱小目标检测方法的流程示意图；图2为本专利技术实施例的图像像素集分解示意图；图3为本专利技术实施例的输入图像示意图；图4为本专利技术实施例的背景估计图像示意图；图5为本专利技术实施例的目标检测结果示意图
。
具体实施方式
[0016]结合附图和实施例对本专利技术作进一步说明，显然，所描述的实施例仅是本专利技术实施例一部分实施例，而不是全部的实施例
。
本领域普通技术人员所获得的所有其他实施例，都应当属于本专利技术实施例保护的范围
。
[0017]参见图1，本专利技术提供了一种基于背景感知的弱小目标检测方法的实施例，其包括：首先进行滤波处理，去除盲元点；然后通过总变分曲率滤波处理，得到背景估计图像；将红外图像与得到的背景图像进行差分处理，得到差分图像，最后进行阈值分割，进行目标检测处理，得到目标检测结果
。
本专利技术实施例涉及的目标检测系统及装置见图2，结合附图，本专利技术具体实施过程包括以下步骤：步骤
1、
对输入图像
A
进行基于核密度估计的时域滤波处理，去除盲元点；输入图像可参见图3所示；首先，计算第
t
帧灰度值的核密度估计计算方法为其次，计算
T1
时间内像素点的概率分布，若
P
大于阈值
th
，则该点属于盲元；阈值
th
由图像背景数据统计得到（本专利技术中
T
取值为
11
帧，
th
取值为
0.6
）
。
[0018]最后，用盲元点4邻域点的均值代替盲元点的值，得到滤波图像
B。
[0019]步骤
2、
对滤波图像
B
进行基于总变分迭代的曲率滤波处理，得到背景估计图像
C
；背本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于背景感知的弱小目标检测方法，其特征在于，包括：步骤1：对待检测图像进行预处理，以得到滤波图像，步骤2：对滤波图像重复进行基于总变分迭代的曲率滤波处理，得到背景估计图像；步骤3：根据滤波图像和背景估计图像，得到待检测的弱小目标
。2.
根据权利要求1所述的方法，其特征在于，所述步骤1包括：步骤
11
：计算
T1
时间内像素点的核密度估计，若其概率分布大于预设阈值，则该像素点属于盲元点；预设阈值由待检测图像的背景数据统计得到；步骤
12
：通过用每个盲元点的预设邻域点的均值代替其值，最终得到滤波图像
。3.
根据权利要求2所述的方法，其特征在于，所述像素点的灰度值的核密度估计为：其中，为核密度估计，为当前像素点，
N
为
T1
时间内的像素点数，为
N
个像素点中第
i
个的灰度值，为带宽值，取相邻两帧像素灰度值差值绝对值的均值
。4.
根据权利要求1所述的方法，其特征在于，所述步骤2包括：将滤波图像划分为多个集合...

【专利技术属性】
技术研发人员：曹东，赵杨，卢德勇，王海波，杨阳，刘林岩，
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：