[发明专利]基于自适应角约束的空地红外时敏弱小移动目标检测方法

权利要求书

1.一种基于自适应角约束的空地红外时敏弱小移动目标检测方法，其特征在于，该方法包括以下步骤：

S1：利用多尺度局部差异度量算子计算所有帧图像的显著性图，利用自适应分割算法对显著性图进行分割，提取每帧图像的候选目标点集；

S2：利用核相关滤波跟踪算法对首帧图像的候选目标点集进行跟踪确定其在第2帧图像中的位置得到跟踪位置；结合第2帧图像的候选目标点集，利用最邻近方法，对跟踪位置进行修正，从而得到首帧图像和第2帧图像的对应候选目标点集对；

依次对当前帧图像的候选目标点集进行跟踪确定其在下一帧图像中的位置得到跟踪位置；结合下一帧图像的候选目标点集，对跟踪位置进行修正，从而得到当前帧图像和其下一帧图像的对应候选目标点集对；连续跟踪至末帧图像的候选目标点并修正后，得到首帧图像和末帧图像的候选目标点集对；

S3：利用候选目标点之间的空间角度约束关系，分别构建首帧图像和末帧图像的角约束矩阵；

S4：利用首帧图像和末帧图像的角约束矩阵，基于首帧图像和末帧图像的目标点集对，计算首帧图像每个候选目标点与末帧图像对应的候选目标点的角度变化偏差；利用自适应阈值对角度变化偏差进行分割，首帧图像和末帧图像候选目标点的角度变化偏差大于阈值的候选目标点判定为红外时敏弱小移动目标。

2.如权利要求1所述的基于自适应角约束的空地红外时敏弱小移动目标检测方法，其特征在于，S1中，所述多尺度局部差异度量算子定义为：

WLDM(x,y)＝C(x,y)×W(x,y)

其中，C(x,y)为多尺度局部差异对比度，W(x,y)为修正的局部熵权重；

所述显著性图是基于多尺度局部差异度量算子对所有帧图像进行滑动窗操作得到的，显著性图中每个位置的显著值代表该位置属于候选目标点的概率；

所述自适应分割算法中自适应阈值为：

τ＝λ·max(map_WLDM)+(1-λ)·mean(map_WLDM)；其中max(map_WLDM)为显著性图的最大值，mean(map_WLDM)为显著性图的均值，λ加权因子。

3.如权利要求1所述的基于自适应角约束的空地红外时敏弱小移动目标检测方法，其特征在于，所述S2包括：

S21：对首帧图像的候选目标点集进行跟踪：对于首帧图像中的每个候选目标点{P₁ⁱ,i＝1,2,...,N₁}，其中N₁表示候选目标点的数量，提取候选目标点的邻域区域把邻域区域的的灰度特征作为特征描述子利用核相关滤波跟踪算法(KCF)对候选目标点进行跟踪，从而确定首帧图像候选目标点在第2帧图像中的位置：

其中，kcf(·)表示KCF跟踪算法，表示首帧图像的候选目标点P₁ⁱ在第2帧图像的跟踪位置，为滤波器的响应值，θ为阈值；构建了首帧图像和第2帧图像的粗匹配的点集对；

S22：对跟踪位置进行修正：利用第2帧图像的检测的候选目标点集对首帧图像的候选目标点P₁ⁱ在第2帧图像的跟踪位置进行修正，修正的原则是尽可能的接近跟踪位置，并且如果两者距离较大，就从初始点对中进行删除：

其中，P₂第2帧图像的检测的候选目标点集，为修正之后的候选目标点集，O_s为邻域的尺度，N_t表示当前候选目标点的数量；从而得到了首帧图像和第2帧图像的候选目标点集对；

S23：通过连续跟踪K帧图像后，得到首帧图像和末帧图像的候选目标点集对：

其中，为当前首帧图像候选目标点集，为跟踪修正后的末帧图像候选目标点集，为首帧图像和末帧图像的一个候选目标点对，表示首帧图像第j个候选目标点，表示末帧图像中与关联的候选目标点，表示第K帧图像候选目标点的数量。