多特征融合的复杂背景中红外弱小目标检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113935984A(43)申请公布日2022.01.14(21)申请号202111281572.8G06T5/10(2006.01)(22)申请日2021.11.01G06T5/30(2006.01)G06V10/762(2022.01)(71)申请人中国电子科技集团公司第三十八研G06V10/80(2022.01)究所G06K9/62(2022.01)地址230088安徽省合肥市高新技术开发区香樟大道199号(72)发明人张程曹菡张玉营姚佰栋许涛刘静寒梁之勇(74)专利代理机构合肥市浩智运专利代理事务所(普通合伙)34124代理人郑浩(51)Int.Cl.G06T7/00(2017.01)G06T7/136(2017.01)G06T5/00(2006.01)权利要求书6页说明书10页附图3页(54)发明名称多特征融合的复杂背景中红外弱小目标检测方法及系统(57)摘要一种多特征融合的复杂背景中红外弱小目标检测方法及系统，属于红外目标检测识别技术领域，解决现有技术在检测复杂背景中红外弱小目标时存在算法适应性较差，导致检测结果中出现大量虚警，影响检测结果精度的问题；本发明首先提取分别代表弱小目标辐射特性、结构特性、强度特性的辐射特征、多阶方向导数特征与谱特征，并融合多个特征，构建特征显著图，对目标进行增强的同时，抑制背景噪声；再利用CFAR自适应检测方法，计算图像的分割阈值，得到二值分割结果，并进行形态学处理筛除孤立点和噪声导致的虚假目标，得到最终弱小目标检测结果；本发明的算法复杂度低，针对复杂背景自适应强，检测精度较高，便于工程实现。CN113935984ACN113935984A权利要求书1/6页1.多特征融合的复杂背景中红外弱小目标检测方法，其特征在于，包括以下步骤：S1、输入原始红外小目标图像，采用高通滤波器对输入的图像进行预处理，分别提取图像的辐射特征显著图、多阶方向导数特征显著图、谱特征显著图；S2、采用基于视觉注意机制的归一化特征融合方式，对辐射特征显著图、多阶方向导数特征显著图、谱特征显著图进行融合，生成显著性特征融合图；S3、对显著性特征融合图，先采用CFAR算法通过遍历每个像素灰度，并判断是否超过自适应分割阈值来实现弱小目标的检测，然后使用像素聚类的方式，将检测结果进行聚类，最后筛除孤立点，筛除噪声导致的虚假目标，得到目标分割结果。2.根据权利要求1所述的多特征融合的复杂背景中红外弱小目标检测方法，其特征在于，步骤S1中所述的辐射特征显著图的提取方法为：1)将原始红外小目标图像通过环境影响修正，得到温度场二维分布图，修正的公式如下：B(Tobs)＝B(Ttarget)·ε·τatm+B(Tatm)·(1‑τatm)2)根据得到温度场二维分布图，计算得到零视距黑体等效亮温二维分布图如下：3)将零视距黑体等效亮温二维分布图经过逆普朗克变换得到零视距温度场反演结果Ttarget，即辐射特征显著图：‑1Sradiation＝Ttarget＝B(L)其中，B(Tobs)为温度等于Tobs的黑体辐射，B(Ttarget)为目标真实温度Ttarget对应的黑体辐射温度，ε为热像仪波段内的黑体等效发射率，B(Tatm)·(1‑τatm)为叠加在观测值中的程辐射，参数τatm与环境参数有关。3.根据权利要求2所述的多特征融合的复杂背景中红外弱小目标检测方法，其特征在于，步骤S1中所述的多阶方向导数特征显著图的提取方法为：a)提取原始红外小目标图像上各像素点(x0，y0)沿方向向量的多阶方向导数特征如下：b)根据最小二乘曲面拟合和多项式的正交性计算：得到：2CN113935984A权利要求书2/6页从而得到三个权重系数矩阵如下：其中，α是方向向量和x轴之间的夹角，β是方向向量和y轴之间的夹角，Ki(i＝4,5,6)表示权重系数；其中参数r、c分别表示x轴、y轴方向的缓冲半径，I(x+r,y+c)表示点(x+r，y+c)处的像素值，Pi(r,c)表示点(r，c)的方向向量；c)对得到的多阶方向导数特征图进行修正，对特征图中像素值遍历，若大于零则置为零，在对特征图进行归一化处理，并使用3×3大小的滤波窗口对图像进行全局处理，将各个方向通道上的图像进行交叉融合，将相互正交的特征图向量进行点乘，抑制背景杂波噪声，并增强弱小目标，得到多阶方向导数特征显著图如下：其中，g表示正交基的组数；Sg表示方向特征图，表示与Sg正交的方向特征图，N(·)表示归一化函数。4.根据权利要求3所述的多特征融合的复杂背景中红外弱小目标检测方法，其特征在于，步骤S1中所述的谱特征显著图的提取方法为：Ⅰ)在频域中，将预处理后的原始红外小目标图像进行傅里叶变换得到：IF＝F(Iorig)