[发明专利]一种红外无人机目标检测方法及系统

权利要求书

1.一种红外无人机目标检测方法，其特征在于，包括：

步骤S1，对采集的红外图像进行预处理获得预处理图像，对预处理图像分割、连通域标记获得红外图像中疑似目标的外形及位置；所述红外图像为红外图像序列，通过FPGA对所述红外图像序列中的每一帧采用帧号进行标记，根据所述帧号通过多核DSP对所述红外图像序列进行流水线处理；

步骤S2，对采集的所述红外图像采用差分盒维数法进行处理，在所述红外图像中包含天空和地面背景时获得分形特征图；利用分形特征图提取出天空与地面的分界线，即天地线；所述步骤S2包括：

步骤S21，将红外图像分成多个大小的子图像，将每个的子图像又分成多个大小的子区域，令尺度系数为：w=s/M，然后计算每个子图像的分形维数D；M、s分别为方形子图像和方形子区域的边长，单位均为像素；

步骤S22，对每个子图像的分形维数用阈值进行二值化处理获得分形特征图；

步骤S23，在分形特征图中，若当前行灰度值为255的白点个数比下一行白点的个数明显小时，则认为当前行为天地交界线；

步骤S3，去掉处于天地线以下的全部疑似目标，将天地线以上的天空区域内的疑似目标作为待判目标；

步骤S4，根据疑似目标的外形及预处理图像的局部灰度与预设参考特征的相似度判断，在待判目标中识别出无人机目标。

2.如权利要求1所述的红外无人机目标检测方法，其特征在于，所述步骤S1包括：

步骤S11，采用Top-Hat滤波算法对红外图像进行滤波处理，获得Top-Hat滤波图像即预处理图像；

步骤S12，对Top-Hat滤波图像进行阈值分割获得二值图像；

步骤S13，对二值图像进行连通域标记，确定所有疑似目标的外形和形心坐标。

3.如权利要求2所述的红外无人机目标检测方法，其特征在于，所述步骤S11包括：

使用3×3的方形算子遍历整个原图像进行一次开运算，然后用原图像素的灰度值与一次开运算后的图像像素灰度值相减得到Top-Hat滤波图像；

所述步骤S12包括：

将Top-Hat滤波图像分割成若干个128×128大小的区域，计算每个区域内图像像素灰度值的均值和均方差，根据公式：获得阈值；对大于阈值的Top-Hat结果，灰度值赋值255；对小于或等于阈值的Top-Hat结果，灰度值赋值0；得到阈值分割后的二值图像；分割成的区域的形状为方形，边长为128像素；k₁为设定的常数；

步骤S13包括：对二值图像中灰度值为255的所有疑似目标，标记疑似目标所在每一行的行数、起始列数；通过分析连通域的每一行的行数、起始列数，得到疑似目标的长度、宽度、面积、形心坐标。

4.如权利要求1所述的红外无人机目标检测方法，其特征在于，所述步骤S21中对子图像的分形维数的计算步骤包括：

步骤S211，将子图像看成三维空间上的曲面，为曲面在水平面上的投影平面坐标，为灰度值，将子图像投影平面划分成若干个大小为的小方格；

步骤S212，在每个小方格上堆积若干个大小为的小立方体以覆盖图像曲面；

步骤S213，在底为一个小方格的空间区域里，图像最大灰度值和最小灰度值分别落在第个立方体和第个立方体中，则覆盖该方格图像曲面需要的立方体数为：，整个子图像曲面需要的立方体个数为：，子图像的分形维数为：；

L等于灰度最大值除以s，K等于灰度最大值除以s，子图像中子区域的最大灰度值和最小灰度值通过对采集的图像进行计算获得；i,j表示s×s大小的小方格在M×M大小的子图像中的位置索引，r代表M×M子图像中的第r个s×s小方格，r为1~R的自然数，R为M×M子图像中划分的子区域的数量，w=s/M；M、s分别为方形子图像和小方格的边长，单位均为像素。