[发明专利]红外弱小目标检测方法

说明书

本发明公开红外弱小目标检测方法，其包括：步骤一，根据红外图像的边缘停止函数，考虑弱小目标与背景的差异，构建各向异性背景抑制方案，以弱化背景干扰；步骤二，基于传统的高阶累积量，考虑空域特性，利用弱小目标的运动能量来建立一种时空高阶累积量方案，对背景抑制结果中的候选目标进行增强处理；步骤三，引入尺度空间理论，计算弱小目标的直径，以此改进了管道滤波方案，以充分消除伪目标，从而准确检测弱小目标。

技术领域

本发明属于检测领域，具体涉及红外弱小目标检测算法。

背景技术

由于红外目标跟踪是通过远距离探测来完成的，导致目标的对比度与信噪比较低，且目标在整个图像中所占据的像素较少，使得目标的检测与跟踪较为困难。因此，在复杂背景干扰下，如何精确检测红外目标成为当前的挑战与热点。

为此，研究人员设计了一系列的弱小目标检测方案。如王军等人在文献1中利用形态滤波和方差估计方法，以突出目标像素，并计算每个像素的信噪比(SNR)，将图像中像素SNR高的被标记为目标像素，再对标记过的图像进行分块分析，准确提取出连续图像序列中的目标像素，将检测出的目标像素作为Hough变换的目标跟踪算法的输入，设置双阈值实现目标的有效跟踪。这种方案属于典型的单帧检测方法，其不能充分利用不同帧的真实目标的运动信息之间的差异，无法消除噪声干扰，使其检测结果中存在虚假目标。

为了利用弱小目标的运动轨迹的连续性来消除噪声干扰，学者们提出了多帧检测技术，管道滤波算法是其中一种较为典型的技术，如Qi等人在文献2中通过提取包含真实目标与可疑目标的区域，形成了对应的局部区域相似度差异映射，并引入管道滤波对差异映射进行处理，将其中噪声等虚假目标过滤掉，保留真实目标，实验结果验证了其算法具有较高的正确检测率与较低的虚警率，对应的信噪比达到了79dB，稳定正确检测率保持在93.6％左右。该方案采用了局部区域相似度差异映射来抑制背景，充分考虑了真实目标与背景的信息差别，可有效突出红外目标。但是此方案只考虑了单一特征，使其可用信息较少，对背景与目标之间的差异描述能力不足，使其背景抑制能力有待提高。

Wang等人在文献3中提出了基于局部峰值检测与管道滤波的弱小目标检测方法，基于局部峰值检测机制，获取背景预测结果，从而得到了包含真实目标与可疑目标在内的局部区域，并引入自适应阈值方法，去除大部分非目标峰值，最后，基于管道滤波方法，消除残余噪声等可疑目标的干扰，实验结果显示，其算具有良好的正确检测精度，约为91.8％，以及更低的误分类误差，约为0.0259。该方案联合局部峰值检测与自适应阈值分割机制来消除虚假目标，充分利用了真实目标与背景信息之间的强度分布特征差异，可抑制绝大部分背景信息，但是这种方案严重依赖阈值的选取。

虽然以上两种基于管道滤波的多帧弱小目标检测技术充分利用了真实目标的运动信息之间的差异，可有效消除噪声干扰，但是，这种技术的管道直径是一个固定值，而实际上，由于运动目标与观察者之间的相对运动关系，或者成像系统检测距离的影响，使得弱小目标的尺寸是不断变化的，因此，其只能将尺寸小于管道直径的目标识别出来，缺乏适应性，不能随着弱小目标尺寸的变化而做出相应的调整，导致其检测精度不佳。

其中，上述文献1、文献2以及文献3为：

文献1：王军，姜志，孙慧婷.基于噪声方差估计的红外弱小目标检测与跟踪方法[J].光电子·激光，2018，29(3)：305-318；

文献2：QI H，MO B，LIU F X.Small infrared target detection utilizingLocal Region Similarity Difference map[J].Infrared Physics and Technology，2017，72(2)：131-139；