[发明专利]一种基于自适应建模的红外弱小目标识别方法

摘要

本发明揭示了一种基于自适应建模的红外弱小目标识别方法，采用自适应背景建模、背景模型重建、红外弱小目标检测及HOG特征匹配识别。本发明采用像素级自适应建模方法对复杂背景进行精准的建模，自适应建模根据图像变化采用动态参数对每帧图像进行不同程度的重建，实时精确描述了图像背景状态；像素级的建模方式理论可以检测单个像素大小的红外目标，几乎检测出所有尺寸的红外目标，不会造成漏检。基于红外目标检测区域标记，对目标区域进行精确的HOG特征提取，通过匹配目标特征数据库，可以实现对弱小目标的分类识别，识别精准可靠。

主权项

1.一种基于自适应建模的红外弱小目标识别方法，其特征在于包括如下步骤：S1自适应背景建模，背景建模即对图像的每一个像素点都建立一个背景模型，设图像某一像素点标记为i，V(i)表示该点的像素值，则它的背景模型初始化如下式所示：M(i)＝{s₁(i),s₂(i),......,s_N(i)}  (1)M(i)为像素点i的背景模型，包含了N个在|V(i)±10|范围内随机抽取的样值；S2背景模型重建，当像素点i被判定为背景点时，从该点背景模型M(i)中随机抽取一个样值s_i(i)，用当前像素值V(i)来替代s_i(i)，被替代的概率设置为P_b，背景点模型更新概率P_b取值越大，模型重建度越大；当像素点i被判定为前景点时：从该点背景模型中随机抽取一个样值s_i(i)，该样值被前景点像素值V(i)替换的概率设为P_f，概率P_f随图像序列的检测帧数的梯度关系：式(2)中，g为设定的梯度因子，N为当前图像序列的帧数，式(3)中V_max是用于限定前景点模型的最小重建度；S3红外弱小目标检测，计算红外图像当前像素点i的像素值V(i)与该位置背景模型M(i)中的样值s_j(i)是否匹配，计算如下式所示：式(4)中参数T₁为设定的判断阈值，当R_j(i)＝1时，表示像素点i与背景模型样值s_j(i)匹配，将像素点的像素值V(i)和背景模型M(i)中的所有样值逐一比较，然后统计匹配的样值个数，匹配的个数达到设定的阈值T₂时，则认为像素点i与背景模型匹配，该点被判定为背景点，否则为前景点，如下式所示：式(5)中B(i)为输出的二值化像素值，当B(i)＝0时，i为背景点，在输出的结果图中表现为黑色像素点；当B(i)＝1时，i为前景点，在输出的结果图中表现为白色像素点。