基于时空域特征融合的红外弱小目标的检测方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115035378A(43)申请公布日2022.09.09(21)申请号202210949749.5(22)申请日2022.08.09(71)申请人中国空气动力研究与发展中心计算空气动力研究所地址621052四川省绵阳市涪城区二环路南段6号(72)发明人卢德勇曹东王海波赵杨杨阳刘林岩陈功(74)专利代理机构成都九鼎天元知识产权代理有限公司51214专利代理师周浩杰(51)Int.Cl.G06V10/80(2022.01)G06V10/26(2022.01)权利要求书2页说明书6页附图9页(54)发明名称基于时空域特征融合的红外弱小目标的检测方法及装置(57)摘要本发明公开了一种基于时空域特征融合的红外弱小目标的检测方法及装置，属于红外探测技术领域，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。本发明可以获得更高的目标检测率、更低的虚警率以及更远的无人机探测距离，并且该方法简洁高效、复杂度低，易于硬件实现，满足高实时性的应用需求。CN115035378ACN115035378A权利要求书1/2页1.一种基于时空域特征融合的红外弱小目标的检测方法，其特征在于，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。2.根据权利要求1所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，所述在时域上提取运动特征得到候选目标区域，包括子步骤：S1，读取原始红外图像；S2，利用时间对比度滤波器，得到当前帧的时域目标显著图；S3，利用阈值分割从时域目标显著图中分割出候选目标区域；所述在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，包括子步骤：S4，利用图像修补只对候选目标区域进行背景像素估计，重建出当前帧图像的背景估计图；所述再减去背景估计图像得到空域目标显著图，包括子步骤：S5，利用当前帧图像减去背景估计图像，得到当前帧的空域目标显著图；所述再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，包括子步骤：S6，利用当前帧的时域目标显著图乘以空域目标显著图，得到最终的目标显著图；所述从最终的目标显著图中分割出弱小目标，包括子步骤：S7，利用阈值分割从最终的目标显著图中分割出无人机弱小目标，并输出目标信息。3.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S1中，读取的原始红外图像为多帧序列图像。4.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S2中，所述时间对比度滤波器中，计算读取的多帧图像中每个像元的时域剖面，根据像元时域剖面上是否存在高于设定值脉冲响应，判断是否有目标经过像元。5.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S3中，所述阈值分割，采用如下公式：，式中，为第一阈值，为步骤S2得到时域目标显著图的均值，为步骤S2得到时域目标显著图的方差，为常数，取值范围为2到8；当时域目标显著图中像素值大于时，记为候选弱小目标区域。6.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S4中，利用标记候选目标区域，将当前帧图像分为目标区域像素和背景区域像素，利用背景区域像素对目标区域像素进行背景估计，获得当前帧的背景估计图像。7.根据权利要求2所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，在步骤S7中，所述阈值分割，采用如下公式：，2CN115035378A权利要求书2/2页式中，为第二阈值，为步骤S6得到的最终的目标显著图的最大值，取值范围为[0.6,0.9]；当最终的目标显著图中像素灰度值大于时为标记为目标像素。8.根据权利要求6所述的基于时空域特征融合的红外弱小目标的检测方法，其特征在于，所述利用背景区域像素对目标区域像素进行背景估计，获得当前帧的背景估计图像，包括子步骤：每完成一个目标区域像素点的背景灰度值计算，都将其更新到背景区域，再进行下一个目标区域像素点的背景估计。9.根据权利要求6所