[发明专利]一种基于邻域梯度的复杂背景下红外弱小目标检测方法

说明书

本发明公开了一种基于邻域梯度的复杂背景下红外弱小目标检测方法，包括：1)生成初始搜索主窗口和子窗口模板；2)根据窗口最小值获取前景判断窗口像素矩阵；3)构建前景判断映射表；4)计算邻域峰值梯度特征和邻域阶跃梯度特征；5)对窗口特征进行SVM分类权值判断；6)对窗口进行邻域对比度判断；7)自适应调整窗口步长，完成单帧图像遍历输出目标信息；8)对序列图像进行连续目标检测，分别进行运动特性判断和静止特性判断，计算得到最新帧的目标检测信息数据。本发明可用于远程光电侦察、无人机探测、海岸防卫、车载地物目标侦察等场景，解决现有复杂背景下弱小目标检测技术中检测准确率低、虚警率高、检测鲁棒性低的问题。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及基于邻域梯度的红外弱小目标检测方法。

背景技术

红外弱小目标检测作为光电图像处理技术的研究热点之一，在预警侦察领域被广泛的应用。红外弱小目标具有成像尺寸小、形状特征弱、纹理特征不明显、易受噪声干扰等特点，尤其是在云层、地物、海面等复杂背景中易造成检测虚警和漏警。因此，为了提高光电侦察系统的性能，研究如何在复杂背景下的弱小目标检测技术具有重要的现实意义。

杨慧等人在“地空背景下红外弱小运动目标检测”中提出一种融合时空结构张量的背景差分检测算法，但是基于像素处理图像使得它受光照变化、噪声等影响大，背景模型初始化易造成“鬼影”现象。张高峰等人在“云背景下红外弱小目标检测算法研究”中提出了基于滤波和全局阈值分割的方法实现小目标提取，滤波操作一定程度上对弱目标特征进行削弱，易造成复杂背景下的漏警。管学伟等人在“一种远距离红外弱小目标检测方法”中提出采用局部背景的目标检测方法，能较好对目标虚警进行抑制，但对复杂场景下目标提取鲁棒性不高。

发明内容

针对现有的技术的不足之处，本发明为解决复杂背景下红外弱小目标检测有效性、鲁棒性的问题，提出了一种基于邻域梯度的复杂背景下红外弱小目标检测方法，该方法计算复杂度低且易于工程上实现。

本发明提供的一种基于邻域梯度的复杂背景下红外弱小目标检测方法包括以下步骤：

步骤1，对当前帧图像f(i,j)进行滑动窗口遍历，生成初始搜索主窗口模板W₁和子窗口模板SW₁；

步骤2，计算子窗口模板SW₁矩阵SH₁(i,j)的最小像素值MIN，获取前景判断窗口像素矩阵WF(i,j)；

步骤3，计算矩阵WF(i,j)的均值WF_Mean和方差WF_Varce，生成前景判断映射表Table(i,j)；

步骤4，根据前景判断映射表Table(i,j)计算前景判断窗口像素矩阵WF(i,j)的各子块的邻域峰值梯度、平均梯度和邻域阶跃梯度，生成邻域峰值梯度特征向量U₁和邻域阶跃梯度特征向量U₂；

步骤5，对邻域峰值梯度特征向量U₁和邻域阶跃梯度特征向量U₂进行SVM分类权值判断得到分类判断权值φ(U₁,U₂)；

步骤6，计算满足φ(U₁,U₂)＝1的前景判断窗口像素矩阵的邻域对比度ConRatio，并与图像全局对比度ConRatioAll进行比较判断，如果满足ConRatio≥ConRatioAll，则当前窗口目标标志位Flag＝1，否则Flag＝0；

步骤7，自适应调整滑动窗口步长为S，计算得到下一轮滑动窗口模板，依次完成步骤2～步骤6，实现当前帧图像全部遍历，得到满足窗口目标标志位Flag＝1的所有窗口，生成候选目标窗口向量Vec_Target1；