[发明专利]一种基于目标背景像元统计约束的红外小目标捕获方法

说明书

本发明公开了一种基于目标背景像元统计约束的红外小目标捕获方法，首先将采集到的红外图像进行形态学腐蚀和形态学膨胀，消除图像中的点目标和孤立噪声点，再用原图像减去经过腐蚀和膨胀后的图像便可以得到这副图像中高亮度的点目标、孤立噪声点以及结构尺寸相似的点目标和孤立噪声点及少数高梯度边角，从而达到对图像背景进行抑制的目的；经过背景抑制的图像中包含了候选目标以及一些孤立的噪声，通过自适应阈值分割与连通域筛选结合的方法提取目标信息；自适应阈值对每幅图计算灰度均值、方差、最大灰度及最小灰度等统计信息，计算出不同的阈值进行分割，因此随着图像的变化，阈值也随之相应变化，准确提取出目标信息，可以提高捕获的正确率。

技术领域

本发明属于红外预警技术领域，具体涉及一种基于目标背景像元统计约束的红外小目标捕获方法。

背景技术

红外小目标捕获算法的性能决定了红外成像防御系统的探测灵敏度和探测距离，探测灵敏度和探测距离是反映可观测红外小目标识别能力至关重要的一项核心指标。由于小目标在红外图像中所占的像素比例十分低，小目标常常被背景和噪声淹没，难以检测到，因此有必要对此类图像进行预处理然后通过阈值分割的方式进一步提取目标。常用的阈值分割方法有人工经验选择法、利用直方图分析法、最大类间方差法等。人工经验选择法需要根据需要处理的图像的先验知识对图像中的目标与背景进行分析，效率较低而且不能实现自动的阈值选取，适用于图片数量较少的情况。直方图分析法是根据波峰与波谷之间的关系选取一个适当的阈值，但只对于存在一个目标和一个背景且二者对比显著的情况才有效果；最大类间方差法是根据图像灰度特性，将图像分为前景和背景两部分，当阈值选取得当时，两部分的差别应该是最大的。该方法对类间方差为单峰的图像产生较好的分割效果，但当目标与背景的大小比例悬殊时(例如受光照不均、反光或背景复杂等因素影响)，类间方差准则函数可能呈现双峰或多峰，此时效果不好。

发明内容

有鉴于此，本发明的目的是提供一种基于目标背景像元统计约束的红外小目标捕获方法，能够识别并跟踪距离较远的非合作飞机，为防空系统尽可能预留足够的反应时间。

一种基于目标背景像元统计约束的红外小目标捕获方法，包括如下步骤：

步骤1：针对输入的每一幅图像，首先进行形态学腐蚀的操作，然后再进行形态学膨胀的操作；最后再用原图像减去经过腐蚀和膨胀后的图像，由此实现红外图像背景抑制；

步骤2：针对步骤1处理完成的每一幅图像，将t_i＝Mean(f)+λ_i·Std(f)作为阈值，对图像进行二值化处理；其中，Max(f)为图像最大灰度值，Mean(f)为图像灰度均值，Std(f)为图像灰度标准差；

步骤3、对经过步骤2处理的二值化图像进行连通区域检测，从而提取出真正的候选目标。

较佳的，

本发明具有如下有益效果：

红外小目标在图像中通常表现为点状或光斑状，缺乏纹理形状等特征，所以不易被检测到。因此本发明针对这类小目标的提取提出了一种基于图像本身统计信息的自适应阈值分割的方法，以图像本身的灰度统计信息为依据，通过灰度平均值、最大灰度值以及灰度标准差为基础计算权重从而得到自适应分割阈值，从而提升了红外小目标的检测能力。首先将采集到的红外图像进行形态学腐蚀和形态学膨胀，消除图像中的点目标和孤立噪声点，再用原图像减去经过腐蚀和膨胀后的图像便可以得到这副图像中高亮度的点目标、孤立噪声点以及结构尺寸相似的点目标和孤立噪声点及少数高梯度边角，从而达到对图像背景进行抑制的目的；经过背景抑制的图像中包含了候选目标以及一些孤立的噪声，通过自适应阈值分割与连通域筛选结合的方法提取目标信息。自适应阈值对每幅图计算灰度均值、方差、最大灰度及最小灰度等统计信息，计算出不同的阈值进行分割，因此随着图像的变化，阈值也随之相应变化，准确提取出目标信息，可以提高捕获的正确率。

附图说明