[发明专利]基于红外图像的小目标检测的方法

说明书

技术领域

本发明涉及遥感技术领域，特别是指一种基于红外图像的小目标检测的方法。

背景技术

近年来，利用红外成像技术实现目标检测是是现代军事武器装备的主要技术发展方向之一，同时也是军事武器系统的自动化、智能化、现代化的重要标志之一，因此国内外许多科研机构的学者一直致力于该项技术的研究。由于红外传感器受到大气、海面辐射、作用距离以及探测器噪声等因素影响，使得远距离的目标在红外图像上尺寸较小，甚至呈现点状。此外，图像的信噪比较低，加上背景通常情况下比较复杂，目标很容易被噪声和背景杂波所淹没，使得红外小目标的检测变得更加困难，实时鲁棒的小目标检测技术尚未完全突破，仍是机器视觉和图像处理领域的热门研究课题。

当前，基于单帧的红外小目标检测算法大体上可以分为两类：基于图像滤波的检测算法和基于机器学习的检测算法。其中，对于基于图像滤波的检测算法，过程如下：首先对红外图像的背景起伏分量进行估计，也称为背景估计，然后将原始图像与背景起伏分量相减，以得到包含目标成分和噪声成分的图像，接着通过阈值处理或其他方法得到目标的位置。基于机器学习的检测算法，则主要是将目标检测问题转化为模式分类问题，然后根据不同的学习算法对目标模型和背景模型进行训练，利用得到的目标模型和背景模型对输入的测试图像进行分类判别，即依次提取输入图像的子图像，然后根据判别规则判定该子块图像含有目标与否。

而在实际应用中，红外图像的背景一般可分为大气云层背景，海杂波背景和地面起伏背景等。背景强度一般很高，接收器内的噪声也很强，在低信噪比情况下，目标的强度相对较低，往往淹没在强背景噪声里；同时，有价值目标往往在红外图像中只占据几个像素，缺乏几何形状、纹理结构等特征，可供检测识别系统利用的信息很少。综上所述，复杂背景下的对红外图像的小目标检测是很难实现的。

发明内容

本发明要解决的技术问题是实现如何在复杂背景下的对红外图像进行小目标检测。

为解决上述技术问题，本发明的实施例提供一种基于红外图像的小目标检测方法，包括：

检测装置从一组序列图像中选择出一帧图像，对所述选择出的一帧图像进行预处理，获得预处理后的图像f_D；

所述检测装置移动滑动窗将所述原始的预处理后的图像f_D变成多个独立的块图像，矩阵D表示多个独立的块图像；

所述检测装置利用近端加速梯度方法对所述矩阵D进行迭代收敛运算，获得稀疏矩阵和低秩矩阵，其中，所述稀疏矩阵为目标矩阵T和所述低秩矩阵为背景矩阵B；

所述检测装置通过滤波器将所述背景矩阵B和所述目标矩阵T分别恢复成背景图像f_B和目标图像f_T，其中，所述预处理后的图像f_D包含所述背景图像f_B和所述目标图像f_T；

检测装置根据自适应阈值，对所述背景图像f_B和所述目标图像f_T进行阈值处理，消除虚警，实现原始图像中背景图像f_B和目标图像f_T的有效分离，获得小目标的具体位置。

可选的，检测装置移动滑动窗将所述原始的预处理后的图像f_D变成多个独立的块图像，矩阵D表示多个独立的块图像，具体为：

所述检测装置利用一个正方形滑动窗从预处理后的图像f_D左上到右下按照某个移动步长进行滑动，获得一系列局部块图像；然后对每个块图像进行矢量化，使矢量化后每个块图像成为独立的块图像的一个列向量，其中，第一个块图像矢量化向量为矩阵D的第一列，第N个块图像矢量化向量为D的第N列。

可选的，对所述选择出的一帧图像进行预处理，获得预处理后的图像f_D，具体为：对选择出的一帧图像进行高帽变换，然后将高帽变换结果与所述选择出的一帧图像相加获得相加结果，再将所述相加结果与低帽变换结果进行相减，获得预处理后的图像f_D。

可选的，所述检测装置通过滤波器将所述背景矩阵B和所述目标矩阵T分别恢复成背景图像f_B和目标图像f_T，具体为：