[发明专利]复杂背景下基于熵和距离加权特征的红外目标检测方法

权利要求书

1.复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，具体步骤包括：

S1、采用改进的萤火虫算法对红外图像进行阈值分割；

S2、对分割后的图像采用形态学算法进行降噪和修复，得到预处理图像；

S3、采用基于几何参数约束的连通区域对预处理图像进行标记，得到感兴趣区域；

S4、对感兴趣区域进行基于距离加权的特征提取，得到第一特征向量；

S5、对感兴趣区域进行基于熵加权的特征提取，得到第二特征向量；

S6、将第一特征向量、第二特征向量进行加权融合，得到融合特征向量；

S7、将融合特征向量输入支持向量机中进行训练和分类，得到目标检测结果。

2.根据权利要求1所述复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，

所述S1的具体步骤包括：

S1.1、设置萤火虫算法的参数；

S1.2、计算每个萤火虫对应的亮度；

S1.3、根据萤火虫移动公式模型，更新萤火虫的位置；

S1.4、寻找并记录亮度最大的萤火虫；

S1.5、当达到最大迭代次数且萤火虫移动距离小于预设的移动距离阈值，则记录亮度最大的萤火虫的位置为(s,t)，得到位置数组；否则，重复S1.2-S1.5；其中，位置数组为本轮迭代二维图像阈值分割法最佳阈值得到的数组。

3.根据权利要求2所述复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，

所述S1.1的具体步骤包括：

初始化萤火虫种群；

设置最大迭代数为M；

设置种群萤火虫数量为N；其中，M、N为大于等于1的整数；

设置随机步长因子的为α；

设置传播介质的光强吸收系数为γ；

设置初始吸引度为β；

初始化萤火虫的位置。

4.根据权利要求1所述复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，

所述S2的具体步骤包括：

采用开运算对红外图像中的前景区域进行噪声去除；

采用闭运算对红外图像中的前景区域进行修复处理。

5.根据权利要求1所述复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，

所述S3的具体步骤包括：

对连通区域的形状因子进行限定，缩小连通区域的范围；

采用8邻域的方法判断一组像素集合是否属于连通分量；

将属于连通分量的像素集合确定为最终的感兴趣区域。

6.根据权利要求5所述复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，

所述S4的具体步骤包括：

将每个感兴趣区域的邻域内8个像素点按照距离进行分类，计算中心像素点的局部二值模式值和；

对计算得到的局部二值模式值计算其对应的权值；

根据权值，计算最终的中心像素点二值模式值；

计算每个感兴趣区域的直方图，并对直方图进行归一化处理；

将每个归一化处理后的直方图串联起来，得到感兴趣区域的第一特征向量。

7.根据权利要求1所述复杂背景下基于熵和距离加权特征的红外目标检测方法，其特征在于，

所述S5的具体步骤包括：

将感兴趣区域进行归一化处理；

计算感兴趣区域的图像中所有像素点梯度的方向和幅值大小；

将图像划分为A个细胞单元，并计算每个细胞单元的梯度直方图；其中，A为大于1的正整数；

确定关键细胞单元和放大系数；

将A个细胞单元中的B个细胞单元进行重组，得到一个块，所有块组成的图像与原图像相同；其中，B为大于1的正整数，块组成的图像与原图像相同；

将每个块内的细胞单元特征进行串联，得到该块的特征；

将图像内所有块的特征串联，得到图像最终的第二特征向量。