[发明专利]一种基于多特征点差异的多波段图像融合检测方法

说明书

一种基于多特征点差异的多波段图像融合检测方法，属于图像分割技术和目标提取技术领域，根据目标和背景成像后在多个波段特征点的差异性，提取当前多波段图像有效特征向量，依托预先标定的典型目标和背景的多波段图像信息，利用特征级融合方法对提取的特征向量进行筛选和比对，进而确定真实目标。所述融合检测方法根据目标和背景在多波段成像的特征差异，引入基于多波段的图像分割方法，在分割后图像中抽取典型特征向量，设计基于多波段双色比信息的特征值融合和筛选机制，在复杂背景下检测目标。本发明抑制了复杂背景对目标提取的干扰，降低复杂背景下检测虚警率。

技术领域

本发明涉及一种基于多特征点差异的多波段图像融合检测方法，特别是涉及一种应用于复杂背景下红外成像系统的目标检测方法，属于图像分割技术和目标提取技术领域。

背景技术

在现代高科技战争中，为了能够尽早地发现敌方来袭导弹、飞机等军事目标，使制导系统有足够的反应时间，要求红外侦察系统在远距离处就能发现目标。只有及时地发现目标、跟踪目标、捕获和锁定目标，才能对其实施有效地拦截或攻击。目前单色红外探测获得的信息较单一，导致它存在探测虚警率高的问题。多色红外探测设备成为研究热点，这其中的多波段图像融合技术是该领域的关键技术之一。

图像融合算法可分为像素级融合、特征级融合和决策级融合。其中像素级融合主要方法有HIS变换、神经网络法、小波变换等，特征级融合主要方法有聚类分析法、信息熵方法等，决策级融合主要方法有Bayes估计法、Neural Network法等，在实际应用中根据红外成像系统的特点选择合适的图像融合方法，以达到快速检测识别目标的目的。现有方法均存在算法复杂且对运算载体性能要求高的问题，在嵌入式快速响应系统上工程化实现难度极大。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供了一种基于多特征点差异的多波段图像融合检测方法，根据目标和背景成像后在多个波段特征点的差异性，提取当前多波段图像有效特征向量，依托预先标定的典型目标和背景的多波段图像信息，利用特征级融合方法对提取的特征向量进行筛选和比对，进而确定真实目标。所述融合检测方法根据目标和背景在多波段成像的特征差异，引入基于多波段的图像分割方法，在分割后图像中抽取典型特征向量，设计基于多波段双色比信息的特征值融合和筛选机制，在复杂背景下检测目标。本发明与现有技术相比，其效果是：通过引入特征级融合方法，丰富了目标检测流程，抑制了复杂背景对目标提取的干扰，降低复杂背景下检测虚警率。

本发明目的通过以下技术方案予以实现：

一种基于多特征点差异的多波段图像融合检测方法，包括如下步骤：

S1、利用多阈值分割方法对多波段红外图像进行分割，对所有分割出的对象进行特征值统计；

S2、利用所有分割对象的特征值统计结果，在每个波段图像中建立基于分割对象的位置和灰度的特征向量，并按照位置顺序进行排列；

S3、基于某一波段红外图像中的任一分割对象的位置信息，计算该分割对象的双色比信息；根据预先存储的双色比信息，对所有分割对象进行目标和背景分类，根据多帧累计结果确认目标。

上述基于多特征点差异的多波段图像融合检测方法，优选的，S1中所述的特征值包括所有分割对象的两维坐标和灰度值。

上述基于多特征点差异的多波段图像融合检测方法，优选的，S1中所述多波段红外图像为同一目标场景的多波段红外图像，红外波段数量不少于3个。

上述基于多特征点差异的多波段图像融合检测方法，优选的，S1中，利用多波段红外成像系统接收复杂背景的红外图像信息，形成多波段红外图像。

上述基于多特征点差异的多波段图像融合检测方法，优选的，S2中，每个波段图像中的分割对象按照位置信息的升序或降序排列。