基于红外特性及空时显著性的红外弱小目标检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115797769A(43)申请公布日2023.03.14(21)申请号202211540053.3(22)申请日2022.12.02(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人李加辉郑华靖(74)专利代理机构北京天奇智新知识产权代理有限公司11340专利代理师许驰(51)Int.Cl.G06V20/10(2022.01)G06V10/62(2022.01)G06V10/52(2022.01)G06V10/80(2022.01)G06V10/44(2022.01)权利要求书2页说明书4页附图13页(54)发明名称基于红外特性及空时显著性的红外弱小目标检测方法(57)摘要本发明公开了基于红外特性及空时显著性的红外弱小目标检测方法，涉及目标检测领域，包括：获取原始图像，提取原始图像的空域显著图，采用香农熵方法提取原始图像的时域显著图，融合空域显著图与时域显著图获得检测结果；在空域显著性滤波处理上改良了传统itti模型，增加sobel算子提取边缘的效果，对比如云层边缘这类的干扰项的抑制更为明显，增强图像的空间显著性；在时域显著性滤波上引入了香农熵的概念，将多帧图像序列的信息融合在一起，提高了信息的利用率，增强了空间信息的显著性；提取空域检测和时域检测的优点，创造性地使用权重值的方法将两者融合，极大地排除了背景杂波的干扰，使得实现红外小目标的检测。CN115797769ACN115797769A权利要求书1/2页1.基于红外特性及空时显著性的红外弱小目标检测方法，其特征在于，包括：获取原始图像；提取原始图像的空域显著图；采用香农熵方法提取原始图像的时域显著图；融合空域显著图与时域显著图获得检测结果。2.根据权利要求1所述的基于红外特性及空时显著性的红外弱小目标检测方法，其特征在于，提取空域显著图具体包括：(1)、构建图像金字塔；(2)、原始图像导入图像金字塔，分离原始图像的亮度特征和方向特征；(3)、利用Center‑Surround方法计算亮度特征和方向特征对应的亮度特征图和方向特征图；(4)、对亮度特征图和方向特征图归一化至统一范围[0..M]；(5)、采用高斯差分迭代对归一化后的亮度特征图和方向特征图进行相加操作，初始图像的空域显著图。3.根据权利要求2所述的基于红外特性及空时显著性的红外弱小目标检测方法，其特征在于，对亮度特征图或方向特征图进行归一化具体包括：确定亮度特征图或方向特征图的全局最大值M所在位置；计算其他所有局部最大值的均值然后把整个亮度特征图或方向特征图同乘以把整个亮度特征图或方向特征图归一化至统一范围[0..M]。4.根据权利要求1所述的基于红外特性及空时显著性的红外弱小目标检测方法，其特征在于，提取时域显著图具体包括：1)、计算一个序列vn的时间显着图，将原始图像的图像序列VΩ分成子序列VΩ(r,s)；2)、计算帧Im0中区域Im0(r,s)的显著性，帧Im0的显着性映射表示为3)、基于香农熵的概念和理论，得出时间显著性，表示为：IT(x0)＝IT(r,s)IT(r,s)＝‑log2[P(Imo(r,s)|VΩ(r,s))]＝‑log2(P(x0|X))其中X为输入视频序列，X0为当前帧的计算区域，即Im0(r,s)；为了计算方便，将X0划分为向量Y＝{y0y1,...,yN‑1}；4)、根据公式IT(x0)＝‑log2(P(y0|Y))＝‑log2(f(y0))得出该序列的时间显著图。5.根据权利要求1所述的基于红外特性及空时显著性的红外弱小目标检测方法，其特征在于，融合空域显著图与时域显著图具体包括：①、计算空间显著图的权重值ks，表示为：2CN115797769A权利要求书2/2页②、计算时间显著图kT，表示为：其中VarT＝max(IS(x0))‑median(IT(x0))③、计算得到空时显著图IST作为检测结果；表示为：IST(x0)＝ks×Is(x0)+kT×IT(x0)。3CN115797769A说明书1/4页基于红外特性及空时显著性的红外弱小目标检测方法技术领域[0001]本发明涉及目标检测领域，尤其涉及一种基于红外特性及空时显著性的红外弱小目标检测方法。背景技术[0002]近年来，由于红外检测系统具有夜视、抗隐、透雾等优点，红外探测技术被广泛应用在精确制导、预警、遥感、航空航天等领域。它通过接收外界不同强度的红外辐射能来产生序列红外原始图像，具有作用距离远、目标特性突出、可以全时段检测等优点。并且红外探测器能观察到远距离的模糊物体，从而发现隐藏在杂波和干扰物中的真实目标。[0003]现代红外搜索与跟踪系统(IRST)具有大视场、高精度、高帧频等特点。因此,从大量红外图像中