[发明专利]一种基于单帧红外图像的点目标的实时检测方法

说明书

技术领域

本发明属于红外成像检测系统的技术领域，特别涉及一种基于单帧红外图像的点目标的实时检测方法。

背景技术

近年来，人们研制了各种各样的目标检测系统，如：脉冲多普勒雷达、相控阵雷达、红外成像等。在这些目标检测系统中，红外成像检测系统由于其处理的是多维信号(二维空间信号和一维时间信号)，而且是一种被动检测技术，因此，与其它类型的检测系统相比较而言具有隐蔽性好、抗干扰能力强、跟踪精度高等优点，而且，红外目标检测系统以其全天候工作的特点成为最具发展前途的成像检测系统之一。

从20世纪70年代末，国外学者就开始研究红外图像点目标检测问题，提出了许多有实际意义的实时检测算法和实时处理机体系结构。近十几年我国一些大学也开展了这方面的研究，至今，红外点目标检测仍是研究的热点。红外点目标检测有多帧检测和单帧检测。

经典的单帧图像点目标检测分为背景抑制和阈值选取二值化两大步，背景抑制是指通过抑制背景来增强目标与背景的对比度，从而为后续的目标检测提供较好的基础，单帧图像背景抑制利用红外图像背景相关性强的特点，通过邻域像素估计出当前像素的背景灰度值，然后与原图像做差值，达到背景抑制的效果。

首先，对单帧图像背景抑制得到不含背景的残差图像。背景抑制是点目标检测中的重要步骤，背景抑制的结果直接影响后续步骤的可行性和复杂性。

红外点目标当其距离观察点较远时，无形态及纹理信息可以利用，而且目标成像强度较弱，目标亮度有时会低于一些背景中高亮度的干扰物。但是一般来说，目标与其周围的背景相比有较明显的亮度差，检测点目标时除了利用目标本身的灰度信息外，必须利用目标周围的灰度分布和灰度起伏特征。

然后，选择阈值使残差图像二值化，得到可疑目标点。这时，理想情况下图像中只包含目标点和高斯噪声。阈值通常采用恒虚警准则来选取，阈值由统计量和恒虚警率计算得到，具体计算公式如公式1所示：

Th＝μ-σΦ^-1(P_f)    (1)

上式中，μ为区域内像元灰度均值，σ为区域内像元灰度标准差，P_f为目标检测虚警率。上述阈值计算公式是基于残差数据符合高斯分布假设的，而实际上残差数据并不完全符合高斯分布，因此，可以通过调整Φ^-1(P_f)来得到预期的阈值。在实际应用中，通常采用自适应阈值选取方法，也就是把图像分成相同大小的图像块，每个图像块选取一个阈值把块内图像进行二值化。

传统单帧红外图像点目标检测方法流程图，如图1所示，具体检测方法的步骤如下：

(1)对图像中的每个像元f(i，j)做如下处理：在如图2所示的邻域像元范围内取平均值作为均值滤波背景估计，得到一幅背景估计图像；

(2)用原输入图像减去步骤(1)中得到的背景估计图像，得到残差图像；

(3)将图像分块，计算每块图像的均值μ和标准差σ；

(4)根据恒虚警准则，由公式(1)计算出每块图像的二值化阈值，将残差图像中大于所在块的阈值的点设为1，其他点设为0，得到二值化图像，二值化图像中为1的点就是检测到的目标点。

通过对六组(每组图像30幅)卫星红外图像做实验，根据单帧检测率达到95％以上来调整阈值，得到实验结果如表1所示。

表1传统单帧红外图像点目标检测方法实验结果