[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

说明书

本发明公开了复杂背景下基于熵和距离加权特征的红外目标检测方法，涉及红外图像目标检测技术领域。本发明包括采用改进的萤火虫算法对红外图像进行阈值分割；对分割后的图像采用形态学算法进行降噪和修复；采用基于几何参数约束的连通区域对图像进行标记，得到感兴趣区域；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；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；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；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。本发明实现了更简便的计算方式，优化了整个算法的复杂度，有效的节约了运算资源，有利于算法的硬件实现。

技术领域

本发明涉及红外图像目标检测技术领域，更具体的说是涉及一种复杂背景下基于熵和距离加权特征的红外目标检测方法。

背景技术

随着目标检测技术的发展，红外目标检测技术也得到了广泛的研究，在精确制导、夜视夜战和远程预警等领域都有应用。红外成像具有隐蔽性强、灵敏度高、烟雾穿透能力强和探测精度高等优势，相对于可见光成像，红外成像系统可探测的距离更远。但是，由于红外成像原理限制，得到的红外图像是灰度图像，而且红外目标的细节信息较少，整个图像的对比度较低，随着探测距离增加红外图像的信噪比也较低。目前，现有的红外图像目标检测算法对复杂背景和低信噪比的图像目标检测虚警率较高，目标检测算法的实时性较差，难以满足工程应用的需求。

中国专利公开号为“CN113822279A”，名称为“基于多特征融合的红外目标检测方法、装置、设备及介质”，该方法首先采用全局阈值分割，得到二值化图像；然后，对二值化图像进行连通域标记，得到候选目标，对候选目标进行特征提取，得到候选目标的特征分量值；其次，对候选目标进行多特征融合，获取归一化特征向量；最后，判断归一化特征向量是否达到检测门限，若达到检测门限则保留候选目标，否则删除候选目标。该红外图像目标检测方法对复杂背景的红外图像检测精度低，而且整个算法复杂度高，无法做到实时检测。

为了解决上述问题，提供一种复杂背景下基于熵和距离加权特征的红外目标检测方法提高红外图像目标检测的检测效率，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种复杂背景下基于熵和距离加权特征的红外目标检测方法，解决了现有的红外图像目标检测方法在复杂背景下检测精度低的问题，达到了提高红外图像目标检测的检测效率的目的。

为了实现上述目的，本发明采用如下技术方案：

复杂背景下基于熵和距离加权特征的红外目标检测方法，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。

可选的，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；