[发明专利]基于集成融合特征的红外弱小目标检测方法

说明书

本发明公开了基于集成融合特征的红外弱小目标检测方法，涉及机器学习领域，其包括获取红外弱小目标的初始图像作为训练集，建立分类器，得到训练好的模型；获取待检测图像并通过高通滤波器对其进行滤波；对滤波后的图像进行恒虚警阈值分割；对分割后的二值图像进行候选目标区域标记，并计算其中心坐标；根据每个候选目标的中心坐标，在待检测图像中取图像块；提取每个待测图像块的特征参数；通过训练好的模型对待测图像块的特征参数进行分类，得到并输出目标的中心坐标，完成目标检测。本发明融合特征的分类能力更强，不仅能够提高分类精度，还可以加快收敛速度从而实现减少分类器参数的目的；面对复杂应用场景由足够的适应性，便于工程应用。

技术领域

本发明涉及机器学习领域，具体一种涉及基于集成融合特征的红外弱小目标检测方法。

背景技术

红外弱小目标检测技术是机载光电系统的核心技术之一，是目标监视侦察和精确打击的基本前提。随着技术发展，光电探测距离要求越来越远。红外目标在远距条件下在成像尺寸较小，甚至人眼都难以分辨，并受空、地、海各种复杂场景中杂波的干扰，使得弱小目标难以被准确检测。

目前红外弱小目标检测技术从技术路线上可以分为基于多帧和基于单帧图像的方法。基于多帧图像的方法利用输入视频序列图像的时域和空域特征实现对目标的运动特性的提取，达到高精度检测的目的；该类方法需要利用数帧图像整体处理才能得到较高的检测精度，然而在实际应用中光电系统搜索扫描会导致视频前后帧场景变化剧烈，难以利用帧间关联信息，导致检测效果较差。基于单帧图像的方法中：显著性目标检测方法面对开放环境时，难以适应各种复杂的应用场景：一套参数往往只能适应个别场景，当切换到其他应用背景时，就需要调参来适应；而目前基于机器学习的单帧图像检测方法大都需要复杂的特征提取或检测模型，难以在工程应用中实时实现。

发明内容

针对现有技术中的上述不足，本发明提供的基于集成融合特征的红外弱小目标检测方法解决了现有方法面对复杂应用场景适应性不足或计算复杂度高难以工程应用的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于集成融合特征的红外弱小目标检测方法，其包括以下步骤：

S1、获取红外弱小目标的初始图像作为训练集，构建字典滤波器对训练集进行多尺度中心字典特征提取；

S2、基于多尺度中心字典特征建立分类器，得到训练好的模型；

S3、获取待检测图像并通过高通滤波器对其进行滤波，得到滤波后的图像；

S4、对滤波后的图像进行恒虚警阈值分割，得到分割后的二值图像；

S5、对分割后的二值图像进行候选目标区域标记，并计算得到候选目标区域的中心坐标；

S6、根据每个候选目标的中心坐标，在待检测图像中取图像块；

S7、提取每个待测图像块的特征参数；

S8、通过训练好的模型对待测图像块的特征参数进行分类，得到并输出目标的中心坐标，完成目标检测。

进一步地，步骤S1的具体方法为：

S1-1、获取红外弱小目标的初始图像作为训练集，并对训练集中的图像进行候选目标区域标记，计算得到候选目标区域的中心坐标；

S1-2、根据候选目标的中心坐标，提取大小为19×19的图像块；

S1-3、构建字典滤波器，并对图像块进行卷积得到图像块的特征图，并将所有的特征图拉伸为向量，合并形成特征列向量，即完成多尺度中心字典特征提取。

进一步地，步骤S1-3中构建字典滤波器的具体过程为：