[发明专利]一种应用于红外全景系统的虚假目标识别方法及存储介质

说明书

本发明公开了一种应用于红外全景系统的虚假目标识别方法及存储介质，该方法利用Lucas‑Kanade光流法中建立图像金字塔思想，针对红外全景图像大分辨率且相邻帧运动目标位置间距较大等问题，能够把其中因建筑物或地杂波干扰生成的虚假目标加以剔除以方便后续监控跟踪任务。本发明的方法那个以FPGA+DSP架构的嵌入式平台为目标计算机，有效地克服了基于特征分类识别的算法由于全景成像系统的视场范围增大、目标数量增多等因素造成的计算量增加导致依托现有基于嵌入式的计算平台是无法实现的问题。本发明的方法处理后图像中真实运动目标被实线框出，而虚假的目标则被虚线框出，对全景红外图像中容易引起误检测的目标起到了良好的筛除作用。

技术领域

本发明涉及一种应用于红外全景系统的虚假目标识别方法及存储介质，属于红外探测技术领域。

背景技术

大视场多目标监视是目前红外成像领域研究的热点，红外探测系统正朝着高分辨率、多像元、超大视场成像的方向发展。

对应大视场下多目标的监视与跟踪任务，视场的增大，红外图像的背景成分变得极其复杂，又加上来自地面建筑物、地杂波等的干扰，极其容易在图像区域产生伪目标，造成红外全景系统的虚警。

在实施全景搜索跟踪的任务过程中，视场中难免出现虚假运动目标，其中既有静止物体，也可能包含运动方向与真实目标不一致的物体。

由于红外全景搜索跟踪系统中全景图像需要周扫设备旋转一周才能产生一幅图像，因而帧率普遍较慢，生成一幅图像往往需要1秒甚至更长的时间。较长的相邻帧时间间隔和全景图具备的大视场范围极易造成前后两幅全景图中同一运动物体位置间距较大，以及图像中因地杂波和建筑物材料生成的高亮区域形成伪目标造成干扰等问题。这类伪目标如果不加以剔除，全景搜索跟踪系统无法对其加以甄别，这将给后续跟踪任务带来极大负担，并带来高虚警率等弊端，极大降低红外全景搜索跟踪系统的工作效能。

如果不能对以上虚假目标及时进行识别并剔除，将会严重影响后续搜索跟踪任务的执行。

针对运动目标监控中虚假目标提出了的问题，国防科技大学王卫华等人提出了一种基于兴趣区(ROI)提取的目标实时监测算法，根据目标运动特性与灰度特性快速提取目标可能存在的兴趣区，再针对兴趣区内的局部目标图像切片，进一步剔除虚假目标干扰；武汉大学陈炳文提出一种基于时空融合与粒子滤波的弱目标检测算法，熟悉那里用像素点的帧间、领域相关性，采用短程非参数核建模算法检测候选目标，接着采用粒子滤波跟踪候选目标，以剔除虚假目标得到真实航迹；西南技术物理研究所王雪梅等提出了基于背景检测的单帧检测弱小目标改进算法，结合多方向多极梯度算法，对背景预测初步检测出来的可能目标点进一步检测，从而排除虚假目标。

可见，传统红外伪目标甄别多依赖于对目标特征加以识别来作出判断，这对于小视场目标数量较少的情况比较合适，一旦视场范围增大目标数量增多，基于特征分类识别的算法计算量将大为增加，而全景成像系统视场方位涵盖360度，实际获得图像中高亮目标区域往往达到数十个，如果依赖传统特征识别方法对每一帧图像都完成伪目标甄别工作，则依托目前基于嵌入式的计算平台是无法实现的。

此外，上述方法并不专门针对全景图像，因此对于全景图像中同一运动目标帧间距离过大造成的影响，这些方法并不能有效解决。

发明内容

本发明的目的是提供一种应用于红外全景系统的虚假目标识别方法，该方法利用Lucas-Kanade光流法中建立图像金字塔思想，针对红外全景图像大分辨率且相邻帧运动目标位置间距较大等问题，能够把其中因建筑物或地杂波干扰生成的虚假目标加以剔除以方便后续监控跟踪任务。

本发明的技术方案是：

本方法针对以上问题提出了一种以FPGA+DSP架构的嵌入式平台为目标计算机、基于Lucas-Kanade光流特征的红外全景系统虚假目标甄别与剔除的应用于红外全景系统的虚假目标识别方法，其具体实现步骤如下：