[发明专利]红外弱小目标检测方法

说明书

技术领域

本发明涉及的是一种视频图像处理技术领域的方法，具体是一种红外弱小目标检测方法。

背景技术

弱小目标的检测与提取算法可以分为单帧检测与提取算法和多帧检测与提取算法两大类。单帧小目标的检测与提取算法主要依靠对目标和背景在各单帧图像中的灰度差异来实现对弱小目标对象的检测与提取和分割。该类算法通常并不考虑序列图像的帧间信息，在实际应用中通常还要结合后续的目标航迹关联或目标识别模块来实现对实际红外弱小目标对象的确定。多帧弱小目标检测与提取算法主要利用序列图像中目标运动的连续性和轨迹的一致性来实施目标检测与提取任务。从多帧图像序列中检测运动目标的方法主要有差图像法和光流法。差图像法是检测序列图像中运动目标的最简单的方法。这种方法速度快，易于硬件实现，已得到广泛应用，不足之处是在跟踪过程中需要停顿，不能精确定位目标(其解算出的目标位置其实是两帧图像中目标的平均位置)，很难求出运动物体的速度且当运动物体在成像平面有重叠时，差图像法难以检测出有重叠的运动物体。光流法是分析序列图像中运动目标的重要方法，不需要建立特征之间的对应而是利用图像的灰度信息来计算目标的运动与结构参数。但是光流的计算以及从光流中恢复结构与运动参数需要计算图像亮度与光流的一阶或二阶导数，一般来说实际的图像会受到噪声的污染，而计算导数的过程是一个放大噪声的过程，阶数越高导数对噪声越敏感。

经对现有技术的文献检索发现，Alexander Borghgraef和Marc Acheroy发表在《Proceedings of SPIE Optics and Photonics in Security and Defence 2006》第6395卷的“Using optical flow for the detection of floating mines in IR”(“在红外图像中使用光流法实现漂雷的检测”)中通过计算红外弱小目标图像序列的光流场实现小目标运动特性的检测和跟踪，但是也发现了光流法的不足，包括：当背景复杂时噪声比较大可能淹没目标点，检测到的目标与背景的对比度较弱，并且当有海杂波时，算法的虚警较多。故传统的光流法应用于实际检测器时还需要结合基于像素强度和运动的方法才能提高光流的性能。Ce Liu和Jenny Yuen在《European Conference on Computer Vision(ECCV)2008》上发表的文章“SIFT flow：dense correspondence across different scenes”(“尺度不变特征变换流：不同场景中的稠密度对应关系”，SIFT：Scale-invariant featuretransform)中提出了一种SIFT流方法，对每个像素提取稠密SIFT描述子，生成图像的局部结构，然后通过应用光流算法匹配两幅图像之间的SIFT描述子，实现查询图像与数据库图像的配准。但是该现有技术具有如下不足：1)该算法仅提出了一种图像之间的稠密对应关系，缺乏必要的分割技术，不适用于更广泛的视频目标的检测和跟踪。2)SIFT描述子本身计算量较大大，而该方法要求对每一个像素计算其SIFT描述子，在实际的流场的生成过程中非常费时。3)生成的流场图为由RGB的不同颜色块组成，无法根据流场强度和方向进一步处理得到目标位置。瑞士洛桑联邦理工学院的E.Tola和V.Lepetit等人在《IEEE Conference onComputer Vision and Pattern Recognition(2008)》发表的文章“A fast localdescriptor for dense matching”(“一种适用于稠密度匹配的快速局部描述子”)中提出了一种DAISY(“菊花描述子”)，这种描述子具有尺度、旋转、仿射变换不变性、亮度无关等特性。该算法相对于SIFT描述子具有在描述效果基本不变的情况下，大幅减少计算时间的特征。

发明内容

本发明针对现有技术存在的上述不足，提出了一种红外弱小目标检测方法，避免了传统光流法对于运动目标亮度一致性和光滑性这两点在实际系统中较难满足条件的假设，通过使用DAISY描述子来描述图像中的稠密度，并从流场的角度来获取相邻帧图像的稠密度的差别，并提出相应的分割算法获得弱小目标的准确位置。该方法可用于宽基线情况下的目标匹配，具有对噪声和亮度不敏感等特性。这种方法相比传统光流法检测红外弱小目标，大大提高了系统检测效率和降低虚警率。

本发明是通过以下技术方案实现的，本发明包括以下步骤：