[发明专利]基于时空域显著性分析和稀疏表示的红外运动目标检测方法

说明书

一种基于时空域显著性分析和稀疏表示的红外运动目标检测方法，通过稀疏表示方法对红外序列图像粗分割后的子区域进行平滑处理，提取各子区域的对比特征和局部先验特征，并进行合并，从而得到红外序列图像对应的显著图；再根据预设的阈值和形态学方法对显著图依次进行分割和伪目标区域的滤除，得到红外目标图像；本发明很好地解决了提取目标边缘模糊的问题，可满足红外监控系统快速精确检测地面运动目标的需要且具有较好的自适应性和检测效果。

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种基于时空域显著性分析和稀疏表示的红外运动目标检测方法。

背景技术

红外成像能够在低能见度环境捕捉热目标，不受光照、目标形状或成像角度等因素的影响。红外监控系统能够应用于室内外环境监控，具有全天候、环境适应性强等特点。与可见光视频图像相比，红外图像因其背景相对简单，目标和背景的区分效果较好。

运动目标检测是指：通过图像处理方法在视频序列中提取与固定或移动背景存在着相对运动的前景目标，为更高级的运动分析和场景理解提供支持，作为计算机视觉领域的一个重要研究方向，在智能监控系统、人机交互系统等领域得到广泛应用。

精确定位红外序列图像中运动目标的位置，并提取其完整边缘是红外目标检测的关键。红外成像系统中运动目标不仅受到背景和噪声的影响，还受到来自红外探测器自身的干扰，导致摄取的图像降质严重，清晰度和对比度较差。而红外目标的模糊边缘、缺少明显形状和纹理特征的背景，也增加了分割方法的难度。

以差分法、背景差法、光流法等为代表的经典方法，通过获取背景模型并比较帧间差异进而检测运动目标。由于上述方法的性能高度依赖于获取的背景模型的精度，方法鲁棒性差，在场景变动或外界干扰时会严重降低图像的对比度和信噪比，影响对红外目标的识别。另外，由于混合高斯法的背景模型收敛较慢，遇到低速大目标时该法检测效果并不理想。

经过对现有技术的检索发现，中国专利文献号CN103996209A，公开日2014.8.20，公开了一种基于显著性区域检测的红外舰船目标分割方法，包含七个步骤：一、局部行对比度检测；二、边缘强度检测；三、显著线性结构检测；四、亮前景区域检测；五、显著性区域检测；六、局部显著性区域分割，对显著性图像分区域用基于均值、标准差和估计背景构造的自适应阈值处理得到初步舰船分割结果；七、显著性区域筛选，对于初步结果用显著性特征和形状特征进行筛选判别，最终得到舰船目标分割结果。但该技术在进行显著性检测后直接进行特征融合形成显著性图像，未对图像进行预前处理，增大了后期筛选的复杂度和计算量；并且不能满足实时性要求，没有考虑帧间图像运动目标的移动速度，不适于快速运动小目标的检测，普适性较弱。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于时空域显著性分析和稀疏表示的红外运动目标检测方法，通过稀疏表示法平滑粗分割的子区域，提取对比特征和局部先验特征，根据融合规则确定显著性区域后融合形成显著图；对显著图进行分割和去除干扰后得到较为精确的红外运动目标图像。

本发明是通过以下技术方案实现的：

本发明通过稀疏表示方法对红外序列图像粗分割后的子区域进行平滑处理，提取各子区域的对比特征和局部先验特征，并进行合并，从而得到红外序列图像对应的显著图；再根据预设的阈值和形态学方法对显著图依次进行分割和伪目标区域的滤除，得到红外目标图像。

所述的稀疏表示方法为基于K-SVD字典学习的稀疏表示方法。

所述的平滑处理是指：计算并去除连续帧之间的方向图中和前景图中的伪目标区域，得到连续帧之间的光流矢量的方向信息的修正值和前景特征的修正值。