基于多特征融合的红外弱小目标检测方法.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CN113822352A(43)申请公布日2021.12.21(21)申请号202111078520.0(22)申请日2021.09.15(71)申请人中北大学地址030051山西省太原市尖草坪区学院路3号(72)发明人蔺素珍武杰禄晓飞李大威余东张海松樊小宇赵亚丽(74)专利代理机构太原科卫专利事务所(普通合伙)14100代理人朱源(51)Int.Cl.G06K9/62(2006.01)G06K9/34(2006.01)权利要求书1页说明书5页附图4页(54)发明名称基于多特征融合的红外弱小目标检测方法(57)摘要本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。CN113822352ACN113822352A权利要求书1/1页1.基于多特征融合的红外弱小目标检测方法，其特征在于：包括以下步骤：首先，基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制；其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一；再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二；最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算阈值进行分割得到最终检测结果。2.根据权利要求1所述的基于多特征融合的红外弱小目标检测方法，其特征在于：利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制具体包括以下步骤：将待检测红外图像Iin转换为灰度图像I；以灰度图像I中的一个像素点s为中心构建滑动窗口，中心单元为S0，其周围的单元Si是局部背景区域；取局部背景区域中灰度均值最大的若干个单元，计算这几个单元的灰度均值μmax；比较中心单元的灰度均值和μmax的大小，2若对中心单元像素进行增强，灰度值设置为I(i,j)*(μ0/μmax)，I(i,j)表示中心单元中(i,j)位置的像素灰度值，否则进行抑制，灰度值设置为0；移动滑动窗口，直至灰度图像I所有像素都经过上述计算，得到背景抑制图像T。3.根据权利要求2所述的基于多特征融合的红外弱小目标检测方法，其特征在于：通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一具体包括以下步骤：以背景抑制图像T中的一个像素点t为中心构建滑动窗口，如果该滑动窗口内像素值不为0，计算该滑动窗口内每个像素到中心像素的距离与灰度差，从而计算整个滑动窗口的协方差系数；移动滑动窗口，直至背景抑制图像T所有像素都经过上述计算，得到由每个滑动窗口的协方差系数组成的协方差显着图COV。4.根据权利要求3所述的基于多特征融合的红外弱小目标检测方法，其特征在于：利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二具体包括以下步骤：以背景抑制图像T中的一个像素点p为中心构建滑动窗口，中心单元称为SM0，其周围的S个背景单元SMij是局部背景区域；分别计算背景单元SMij与中心单元SM0之间的相似性因子SFi；移动滑动窗口，直至背景抑制图像T所有像素都经过上述计算，得到S个相似性矩阵，其中第i个相似性矩阵由中心单元与第i个背景单元的相似性因子组成；S个相似性矩阵中相同位置的元素最小值min(SFi)作为相似性矩阵SF对应位置的元素的值，相似性矩阵SF计算方式如下：其中，min(SFi)为S个相似性矩阵中相同位置的元素最小值，max(SFi)为S个相似性矩阵中相同位置的元素最大值；相似性矩阵SF即为相似性显着图SF。5.根据权利要求4所述的基于多特征融合的红外弱小目标检测方法，其特征在于：将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算阈值进行分割得到最终检测结果，具体包括以下步骤：对协方差显着图和相似性显着图进行点乘操作，得到最终检测显着图SM：SM＝COV⊙SF，计算出分割阈值Th，对最终