[发明专利]一种红外弱小目标检测方法及其系统

说明书

本发明提供一种红外弱小目标检测方法，其中，所述方法包括：背景抑制步骤：利用基于亮度对比度显著性的辐射能量特征及基于扇形高斯差分滤波器的各向同性特征对目标进行背景抑制；轨迹提取步骤：然后利用帧间差分法及恒虚警率阈值分割法提取目标运动轨迹特征；结果输出步骤：根据目标运动轨迹的连续性得出最终检测结果。本发明还提供一种红外弱小目标检测系统。本发明提供的技术方案针对天基卫星对地观测图像，对方向性特征、能量特征及运动特征进行了综合分析，有效的减弱了地表多种复杂虚警源的干扰，降低了检测虚警率，增强了算法鲁棒性，且计算简单高效，具有较高实时性，可方便地在硬件平台上实现。

技术领域

本发明涉及目标检测领域，尤其涉及一种基于扇形高斯差分滤波器的红外弱小目标检测方法及其系统。

背景技术

当前，全球军备竞争日益激烈，出于国家安全以及战略发展的考虑，地球外层空间的开发和利用得到了越来越多的重视。卫星是监视、探测、发现的重要手段，天基红外探测的核心部分是红外探测器系统，而红外探测器的作用是探测获取有关导弹目标的红外图像。由于天基红外探测距离远，探测背景复杂，如何从获取的红外图像中检测并跟踪目标就成为重中之重了，探索和研究新的目标检测理论和算法，并将它们运用到对目标的实时监测、跟踪和识别上，这使得目标检测一直是红外探测领域的热点课题，研究红外弱小目标的检测方法对反导作战具有深远的意义。

在国外，对弱小目标检测的主要研究机构有美国的海军实验室、空军实验室、NASA以及加利福尼亚大学应用数学中心等。许多国际刊物也经常刊登一些弱小目标检测技术的研究成果。其中，研究的重点集中在红外预警系统、机载前下视系统对地面及低空目标的监测、红外制导等领域。

红外弱小目标检测算法可以分为2类：第一类是基于单帧图像的跟踪前检测算法(Detect before Track，简记为DBT)；第二类是基于序列图像的检测前跟踪算法(Trackbefore Detect，简记为TBD)。

DBT算法的基本思想是：首先对序列图像中的每幅图像都进行预处理、分割，获得众多疑似目标，然后根据目标运动规律的先验知识和灰度分布形式对目标进行确认。此算法逻辑清晰，实现简单。但是，当目标的信噪比较低时，分割出的疑似目标中很可能不包含真实目标，导致算法失效。

TBD算法的基本思想是：首先根据目标运动规律的先验知识对序列图像进行搜索，然后根据判定准则获取疑似目标运动轨迹，最后根据新输入的序列图像进行真实目标运动轨迹确认。这类方法对目标信噪比的要求不高，在搜索目标轨迹时，一旦搜索到正确的目标轨迹，就有可能检测到目标。典型的TBD算法有管道滤波算法、多假设检验算法、动态规划方法、基于高阶统计量的方法、投影变换法、三维匹配滤波法、时域滤波方法及贝叶斯估计及粒子滤波方法。

对于天基红外探测卫星的成像系统，在其成像波段内存在大量辐射能量很高的虚警源，如河流、山脊、海岸线、高山湖泊、雪山、高空卷云、南北极冰盖等，这些虚警源不可避免地对成像系统产生干扰。此外，由于大气辐射等影响，目标的辐射特性可能发生变化，影响了对地探测中目标检测及识别的精度。

因此，针对天基红外探测在对地观测及遥感系统中存在的场景复杂多变、弱小目标面积小、信噪比及信杂比低以及潜在虚警源多等难题，需要研究可靠的虚警源抑制算法及红外弱小目标检测算法，以提高对地探测系统的精度和反应速度。

发明内容

有鉴于此，本发明的目的在于提供一种红外弱小目标检测方法及其系统，旨在提高对地探测系统的精度和反应速度。

本发明提出一种红外弱小目标检测方法，其中，所述方法包括：

背景抑制步骤：利用基于亮度对比度显著性的辐射能量特征及基于扇形高斯差分滤波器的各向同性特征对目标进行背景抑制；

轨迹提取步骤：然后利用帧间差分法及恒虚警率阈值分割法提取目标运动轨迹特征；