[发明专利]基于机器学习的红外小目标图像背景预测方法与装置

权利要求书

1.一种基于机器学习的红外小目标图像背景预测方法，适于对红外小目标图像进行背景预测，其特征在于，该方法的实现包括以下步骤：

步骤1、以第1帧到第l帧图像作为原始数据来构造机器学习的原始训练样本；

步骤2、对输入的图像进行背景复杂判断：如果背景复杂，则进入步骤3进行背景的冗余剔除；如果背景不复杂，则进入下述步骤4进行机器学习；

步骤3、对输入图像中的冗余信息进行剔除，得到更新后较少的训练样本；

步骤4、利用前述原始训练样本或更新的训练样本来训练一个学习机器；

步骤5、以第l+1帧图像作为测试样本，利用前述训练好的学习机器预测第l+1帧图像的背景；

步骤6、以第l+1帧图像的原始背景减去前述步骤5预测出来的背景得到残差图像；以及

步骤7、使预测窗口滑过整幅图像，并采用前述步骤1-6的单个像素点的预测方式，得到整幅图像的预测背景；

其中，前述步骤1中的原始训练样本，以下述方法生成：

对于连续输入的图像帧，原始训练样本的第i个输入样本是由第i帧图像中像素点(m,n)及其周围预测窗口区域的灰度值构成的(xi,yi)，其中xi是由像素点(m,n)周围预测窗口区域内的灰度值构成的向量p为预测窗口内的除目标以外的像素点数目，yi是像素点(m,n)的原始灰度值；

前述预测窗口为准圆形预测窗口，以一大小为(2q+1)×(2q+1)的矩形预测窗口中心像素(m,n)点为圆心，以矩形预测窗口边长为直径做圆，该圆构成一个准圆形预测窗口；圆周与预测窗口内像素相交，如果某一像素点被圆切割后包含在圆内的面积小于像素面积的1/2，则在剔除该像素点，依此逐个判断，最后，将剩余像素点依次排列生成训练样本。