[发明专利]多帧红外图像弱小目标检测方法、装置、设备和存储介质

说明书

本申请公开了多帧红外图像弱小目标检测方法、装置、设备和存储介质，方法包括：获取多帧连续的红外图像。通过弱小目标检测网络模型从当前帧红外图像中提取特征数据，并通过特征数据的自动组合与分析，得到当前帧初始目标分割图像。将当前帧初始目标分割图像输入至帧间关联网络模型，以预先存储的前N帧的初始目标分割图像为参考，对当前帧初始目标分割图像进行修正，得到当前帧目标分割图像。通过弱小目标检测网络模型将目标检测问题转换成图像分割问题来解决，并且通过帧间关联网络模型实现了多帧红外图像的检测，克服了单帧红外图像检测中虚警、漏检等问题。

技术领域

本申请涉及信息技术领域，尤其涉及多帧红外图像弱小目标检测方法、装置、设备和存储介质。

背景技术

当传感器进行远距离探测时，兴趣目标经常表现出面积小、信噪比低的特点，我们称之为弱小目标。复杂背景下的弱小目标检测是精确制导、红外预警、靶场测量等自动目标识别领域的经典难题。近年来，随着消费级无人机数量的激增，弱小目标检测成为低空安保、要地防护亟待突破的关键技术。

近年来，深度学习技术在诸如图像分类、人脸识别、光学目标检测、跟踪等计算机视觉领域，取得了巨大的成功。一般地，红外图像建模为：

f(x,y)＝f_T(x,y)+f_B(x,y) (1)

其中，f(x,y)表示(x,y)的像素强度，f_T(x,y)，f_B(x,y)分别表示目标、背景在(x,y)的强度。表达式(1)认为，在红外图像中，任一像素的强度，可以用目标、背景在该点的红外辐射强度之和来表示。

传统的背景估计与抑制等弱小目标检测方法均是基于表达式(1)提出的。这种方法首先采用各类平滑滤波器，利用邻域像素值估计当前像素值，这称作背景估计。然后,根据表达式(1)通过将原始图像与估计背景相减可以提取潜在目标，这称作背景抑制。

但是，现有的方法的风险在于，在背景抑制中，目标被减去了一个背景估计值(通常不为0)，这会削弱目标的强度。在背景估计方法和抑制方法设计得不够精巧的情况下，这可能导致目标的显著度进一步降低，进而损害检测精度。此外，现有的方法一般对单帧红外图像进行检测，虚警、漏检等问题严重。

发明内容

本申请的主要目的在于解决现有的多帧红外图像弱小目标检测方法精度低、效率差的技术问题。

一种多帧红外图像弱小目标检测方法，包括：

以预设的时间间隔获取多帧连续的红外图像，将各红外图像依次输入至弱小目标检测网络模型。

通过所述弱小目标检测网络模型从当前帧红外图像中提取特征数据，并通过特征数据的自动组合与分析，得到当前帧初始目标分割图像，存储当前帧初始目标分割图像。

所述弱小目标检测网络模型的表达式为：

f＝f_T∪f_B

其中，f表示红外图像，f_T表示红外图像的目标区域，f_B表示红外图像的背景区域。

将当前帧初始目标分割图像输入至帧间关联网络模型，以预先存储的前N 帧的初始目标分割图像为参考，对当前帧初始目标分割图像进行修正，得到当前帧目标分割图像；其中，N为大于等于1的整数。

将当前帧目标分割图像转化成二值图像，并标记所述二值图像的连通区域，以得到所述二值图像中的目标的特征信息。

可选地，所述将当前帧目标分割图像转化成二值图像，包括以下步骤：

从当前帧目标分割图像中获取第一像素；所述第一像素为当前帧目标分割图像中的任一像素。