[发明专利]一种基于自适应建模的红外弱小目标识别方法

权利要求书

1.一种基于自适应建模的红外弱小目标识别方法，其特征在于包括如下步骤：

S1自适应背景建模，

背景建模即对图像的每一个像素点都建立一个背景模型，设图像某一像素点标记为i，V(i)表示该点的像素值，则它的背景模型初始化如下式所示：

M(i)＝{s₁(i),s₂(i),......,s_N(i)} (1)

M(i)为像素点i的背景模型，包含了N个在|V(i)±10|范围内随机抽取的样值；

S2背景模型重建，

当像素点i被判定为背景点时，从该点背景模型M(i)中随机抽取一个样值s_i(i)，用当前像素值V(i)来替代s_i(i)，被替代的概率设置为P_b，背景点模型更新概率P_b取值越大，模型重建度越大；

当像素点i被判定为前景点时：从该点背景模型中随机抽取一个样值s_i(i)，该样值被前景点像素值V(i)替换的概率设为P_f，概率P_f随图像序列的检测帧数的梯度关系：

式(2)中，g为设定的梯度因子，N为当前图像序列的帧数，

式(3)中V_max是用于限定前景点模型的最小重建度；

S3红外弱小目标检测，

计算红外图像当前像素点i的像素值V(i)与该位置背景模型M(i)中的样值s_j(i)是否匹配，计算如下式所示：

式(4)中参数T₁为设定的判断阈值，

当R_j(i)＝1时，表示像素点i与背景模型样值s_j(i)匹配，将像素点的像素值V(i)和背景模型M(i)中的所有样值逐一比较，然后统计匹配的样值个数，

匹配的个数达到设定的阈值T₂时，则认为像素点i与背景模型匹配，该点被判定为背景点，否则为前景点，如下式所示：

式(5)中B(i)为输出的二值化像素值，当B(i)＝0时，i为背景点，在输出的结果图中表现为黑色像素点；当B(i)＝1时，i为前景点，在输出的结果图中表现为白色像素点。

2.根据权利要求1所述一种自适应聚类的红外图像增强算法，其特征在于还包括：

S4HOG特征匹配识别，

HOG特征的提取首先计算目标区域各像素的梯度值，并对目标区域进行块划分，再对块区域进行cell区域划分，统计每个cell的梯度信息，得到cell区域的特征向量，级联块区域中所有cell区域的特征向量并标准化，从而得到块区域的特征向量，最后将所有块特征向量级联得到整个目标区域的特征向量，

将目标区域的HOG特征向量与模板库中的模板特征向量进行匹配，匹配度最高的模板即判断为该红外目标的类别，完成目标的检测与分类识别。