[发明专利]红外干扰源检测的方法

说明书

本发明提供一种红外干扰源检测的方法，用于检测装置，包括：接收同一个场景的多幅光谱波段图像，分别对各幅光谱波段的图像进行预处理操作，获得预处理后的图像；将预处理后的图像通过空间域的形态学特征提取，并进行背景抑制，获得空间域处理后的图像；将预处理后的图像进行时频分析及时频特征提取，获得时频分析后的图像；利用NSCT融合算法，对空间域处理后的图像和时频分析后的图像进行多光谱特征级融合，获得融合后的图像；对图像融合过程中各图像吻合度最大的兴趣区域标记为干扰源区域，对干扰源区域的时频特征进行识别，获得识别结果；根据识别结果在原始图像中标记干扰源区域。检测率高、运算速度快、干扰率低且可靠性高的优点。

技术领域

本发明涉及遥感技术领域，特别是指一种红外干扰源检测的方法。

背景技术

近年来，全球军备竞争日益激烈，出于国家安全及战略发展的需要，地球外层空间的开发和利用得到了越来越多的重视。卫星作为监视、探测和跟踪的重要手段。

红外成像系统不仅能透过烟、尘、雾等障碍来探测目标，实现昼夜连续被动探测，而且可以观察目标细节，进一步识别、精确定位及跟踪目标。利用天基卫星的红外成像系统对地观测，作为一种先进的电子信息技术手段在地形勘探、飞行目标监测、农林业数据统计和气象与自然灾害监控等多种领域广泛使用。

由于红外探测器噪声与视场中杂波干扰，很难将目标从红外图像中提取出来。在红外空域弱小目标探测系统中，火山对目标检测过程中产生干扰的固定因素来源。在红外图像处理和目标识别中，去除干扰和噪声，提高实际应用中的成功检测率，降低干扰率。

干扰源的检测实质上也是一种红外目标的检测，但是不同的干扰源都具有固定且明显的能量特征、运动特征、频谱特征等。目前，国内外对红外目标检测的技术研究主要是对红外目标的直接检测方法。归纳起来，根据检测目标的先验信息和与背景信息特征，红外目标的检测主要分为两大类：先检测后跟踪(Detection-Before-Track，DBT)算法和先跟踪后检测(Track-Before-Detection，TBD)算法。其中，DBT算法先在单帧图片中通过背景抑制和目标分割在图像中标定所有疑似目标，再利用多帧图像序列信息排除虚假目标，最后得到真正的检测目标。该方法常常通过空间域滤波、频率域滤波、小波变换、形态学滤波等进行背景抑制，再根据目标在多帧图像序列中的运动连续性进行筛选和判别。但是在复杂背景下，这种方法的目标检测性不是很理想。

TBD算法是通过对运动目标轨迹进行检测和跟踪之后，根据轨迹的规律进行判别。优点是当目标图像的信噪比较低时，还是能够准确的避免目标的丢失。

常用的方法有时空域匹配滤波算法、多级假设进行检验、动态规划等等。但是在同时检测多条轨迹的过程中，要实现遍历和穷尽搜索计算量很大，应用范围小、实效性低。

发明内容

本发明要解决的技术问题是提供一种基于光谱特性和时频特性的火山检测方法，解决现有技术中对红外目标检测准确率低、实时性差的问题，同时也为复杂背景下红外弱小目标的检测提供了判断条件。

为了实现上述目的，本发明采用的技术方案为：

一种红外干扰源检测的方法，该方法应用于检测装置，包括：

所述检测装置接收同一个场景的多幅光谱波段图像，分别对各幅光谱波段的图像进行预处理操作，获得预处理后的图像；所述检测装置将所述预处理后的图像通过空间域的形态学特征提取，并进行背景抑制，获得空间域处理后的图像；所述检测装置将所述预处理后的图像进行时频分析及时频特征提取，获得时频分析后的图像；所述检测装置利用非下采样轮廓波变换(NSCT)融合算法，对空间域处理后的图像和时频分析后的图像进行多光谱特征级融合，获得融合后的图像；所述检测装置对图像融合过程中各图像吻合度最大的兴趣区域标记为干扰源区域，并通过经过样本训练的分类器对干扰源区域的时频特征进行识别，获得识别结果；所述检测装置根据所述识别结果在原始图像中标记干扰源区域。