[发明专利]复杂背景下红外背景预测算子的自动选择方法

说明书

(一)技术领域：

本发明涉及一种算子的自动选择方法，尤其是指复杂背景下红外背景预测算子的自动选择方法。属于红外图像目标检测领域。

(二)背景技术：

根据现有的红外辐射理论，所有具有温度的物体每时每刻都在向外辐射红外能量，且物体的温度和材质等因素决定了物体的红外辐射强度。因此可以利用被动式红外成像对特定的目标进行全天的检测和监控。然而红外成像系统也具有自身的弱点：1.对于远距离的运动目标进行捕获时，此类目标在红外图像中所占像素尺寸小、目标强度低且无明显的几何形状和纹理特性，本领域将此类目标称为弱小运动目标；2.目标所在的背景可能是较为复杂的背景，如强起伏的云层背景、带有阳光反射的海面背景、海天背景、复杂的地面背景以及复杂的低空地面混合背景等，复杂的背景对目标检测会带来很大的干扰，甚至会将本身强度不大的弱小目标淹没。复杂背景环境下红外弱小目标检测是红外预警、红外自动寻的系统中关键技术之一，并已经成为国内外的研究热点。单帧目标检测算法对于红外弱小运动目标检测的鲁棒性不强。目前，本领域使用跟踪前检测(DBT)的方法来解决此类问题，其思路可概括为：对红外成像器所获得的图像序列逐帧进行单帧检测，获得所有的疑似目标，然后根据图像序列中帧与帧的相关性进行多帧判别，剔除虚假目标和干扰噪声，最终得到真实目标的运动轨迹。

背景预测的算法思想最早由Narayanan于1981年12月在IEEE Transaction on Systems.Man.and Cybernetics发表的Image Smoothing by Local Use of Global Information一文中提出，此后被越来越多的研究者接受，开始应用于弱小目标检测领域。红外背景预测算法实质是用于红外图像弱小目标检测的一类方法的统称，如图1所示，它利用某种背景预测算子计算出红外图像的背景，然后通过与原图像进行做差，以获得包含目标和部分噪声的残差图像，最后通过多帧联合判别的方法检测出目标。两种采用不同背景预测算子的红外背景预测算法实际上是两种不同的算法。

红外背景预测算法的核心是背景预测算子，通过背景预测算子计算图像中每一像素点的背景预测值。背景预测算子在计算某一像素点的背景预测值的时候首先需要定义该点所在领域的大小，一般采用奇数尺寸的领域，如以该点为中心7×7的领域或者9×9的领域。背景预测值的计算方法是根据该点所在领域的灰度值来计算该点的背景预测值，而且对于邻域中不同的点一般赋予的计算权重也不同。

经过对现有的文献资料的研究发现，徐军2004年在西安电子科技大学发表的博士学位论文《红外弱小目标检测技术研究》中提出一种基于背景预测的红外弱小目标检测方法(如图1所示)，首先通过对单帧图像进行背景预测获得背景图像，然后通过原始图像和背景图像的差获得残差图像，即包含目标和噪音的图像，残差图像中背景的成分得到大幅度的削弱，将残差图像二值化然后根据多帧判断算法进行目标的最终检测。该论文提出了三种背景预测算子：基本加权背景预测、最大化背景预测以及最相似背景预测，并比较了它们的性能差别。但是该论文中并没有提到将三种背景预测算子的性能优点加以综合考量，另外该论文中的目标图像的背景也较为简单，而且也没有提到若遇到复杂背景条件，该如何处理。

(三)发明内容：

本发明的目的在于提出一种复杂背景下红外背景预测算子的自动选择方法，用来解决现有技术不能在复杂背景下进行预测算子的自动选择，以克服现有技术中的缺陷。

本发明的技术方案概括为：首先对单帧图像中的每个点进行邻域操作得到以该点为中心的子图像邻域并计算该子图像的平滑度，然后根据子图像的平滑度选择对应的背景预测算子，以获得背景图像。

以下对本发明的技术方案作进一步的说明。

本发明一种复杂背景下红外背景预测算子的自动选择方法，其具体步骤如下：

(1)获取子图像邻域：