[发明专利]一种沙漠戈壁背景下红外弱小目标快速检测方法

说明书

技术领域

本发明涉及一种目标检测方法，具体是一种沙漠戈壁背景下红外弱小目标快速检测方法。

背景技术

红外成像系统依赖目标自身热辐射工作，无需任何辅助光源，是一种非接触主动测量手段。与可见光测量系统相比，红外成像系统具有识别伪装能力强、作用距离远、可昼夜工作等特点，适合中远距离小目标的检测和跟踪。沙漠戈壁面积广阔，置身于其中的人或者小物体不易被可见光系统发现。对红外成型系统而言，沙漠戈壁背景相对单一，噪声主要来源于在一定程度的大气红外辐射和背景辐射。因此，红外成像系统是检测沙漠戈壁背景中人或者小物体存在的有效手段。为了提高检测效率，红外成像系统的观测范围一般较大，同时该类目标与沙漠戈壁背景的温度差别不是特别强烈，因此，该类目标的检测属于典型的红外弱小目标(弱小目标通常指对比度小于15％、信噪比小于4、尺寸小于6×6像元的目标)检测。

国内外对红外弱小目标的检测方法概括起来主要分为以下三类：1)基于空间阈的检测方法，该类方法直接在空间域对图像进行处理因而具有较快的处理速度，但同时存在较高的虚警率，常见的方法有中值滤波法、二维最小均方法、背景预测法等；2)基于频域的检测方法，该类方法在频率域对图像进行处理分析，具有较高的细节分析能力，但对高分辨率和高帧频的图像来说运算过程较为复杂、不易实现；3)基于时间域的检测方法，该类方法利用连续多帧图像的信息，具有较高的检测率和较低的虚警率，但很多情况下无法对同一目标获得那么多的图像，常见的方法有管道滤波法、动态规划法、图像熵差法等。

发明内容

针对上述现有技术的不足，本发明提出了一种沙漠戈壁背景下红外弱小目标快速检测方法，能够实时准确的检测沙漠戈壁背景下的红外弱小目标。

为了实现上述技术任务，本发明采用如下技术方案予以实现：

一种沙漠戈壁背景下红外弱小目标快速检测方法，包括以下步骤：首先根据对输入的红外图像进行目标预测和背景预测处理并获得它们的残差图像，其次对残差图像采用自适应阈值分割并提取可疑目标点，最后对可疑目标点进行亮度和形状判断，并输出结果。

作为本发明的进一步改进，具体步骤如下：

(1)目标预测处理：采用目标预测模板对图像进行空间域滤波处理，即采用当前像素点自身和相邻像素点结合对其进行处理，增强具有弥散圆特点的小目标的同时削弱各类明暗噪声点；

(2)背景预测处理：采用背景预测模板对图像进行空间域滤波处理，即采用像素点周围的背景点对该点进行预测，削弱图像中小目标和各类噪声点；

(3)残差图像的获得：将分别经过目标预测和背景预测的图像做差得到残差图像；

(4)自适应阈值分割：对残差图像进行自适应阈值分割，提取出可疑目标；其中自适应阈值由残差图像的最大值、均值和方差决定：

thresh＝c₁×max+c₂×mean+c₃×σ

式中：

max为残差图像的最大值，c₁为其起作用的系数；

mean表示残差图像的均值，c₂为其起作用的系数，与虚警率有关；

σ表示残差图像的方差，c₃为其起作用的系数，与虚警率有关；

(5)可疑目标的亮度和形状判断：对由步骤(4)提取出的可疑目标进行聚类处理后对其亮度和形状进行判断，最终判定其是否为真实目标；若判断为真，则提输出目标，并将其从残差图像中剔除，转入步骤(4)，直到无真目标为止。

作为本发明的进一步改进，所述步骤(1)中，目标预测模板与目标成像的弥散圆特点有关，优选3×3的归一化十字形模板或3×3的归一化X形模板。

作为本发明的进一步改进，所述步骤(3)中，残差图像通过以下步骤得到：将目标预测模板和背景预测模板组合，进行一次空间滤波操作同时实现目标预测处理和背景预测处理，即得到它们的残差。

作为本发明的进一步改进，残差图像的处理步骤为：设置处理模板W＝Wt-Wb,其中目标预测模板为3×3的归一化十字形模板Wt，背景预测模板为7×7的中空归一化模板Wb，设置t₂＝4/8,t₁＝1/8，b₂＝1/108,b₃＝2/108,b₄＝3/108；