[发明专利]一种复杂场景的红外运动小目标检测方法

权利要求书

1.一种复杂场景的红外运动小目标检测方法，其特征在于，包括以下步骤：

1)对待检测的原始图像进行预处理，从而提取出运动目标区域；

2)利用改进的自适应阈值分割法将图像分为前景和背景两个部分；

3)利用光流法对提取出的运动目标区域进行光流估计，从而提取目标运动矢量信息；

4)对提取的运动目标区域进行形态学滤波，并分析形态学滤波后运动目标区域的连通域，从而对不同运动目标区域进行标识；

5)设定连通域的探测概率，并确定连通域中待检测的样本特征量个数；对所有连通域进行随机采样，同时提取连通域的样本特征量；

随机采样步骤如下所示：

5.1)设定连通区域的检测概率P_M；

5.2)根据运动目标区域得到样本空间子集S_i，即连通域个数，假设S_i中包括属于聚类集合A和不属于聚类集合A的样本集B；其中，样本集样本集B中的元素个数为N_B；提取特征向量样本X，即连通域中的像素点；

5.3)分别计算样本X属于集合A的概率p(X∈A)和样本X属于集合B的概率p(X∈B)；

式中，N_B为集合B的元素总数；为样本空间子集S_i的元素总数；

式中，N_B为集合B的元素总数；为样本空间子集S_i的元素总数；

5.4)在S_i中重复采样m次；

设定m次采样中，事件发生次数ζ大于0的概率P(ζ＞0)如下所示：

P(ζ＞0)＝1-P(x∈A)^m； (11)

式中，m为采样次数；

5.5)要求事件ζ大于0的检测概率必须大于等于P_M,即：

P(ζ＞0)≥P_M； (12)

式中，P_M为连通区域的检测概率；

5.6)m次采样中，聚类集合A的发生次数检测概率如下所示：

P(x∈A)^m≤1-P_M； (13)

式中，P_M为设定的检测概率阈值；

5.7)计算得到采样次数m的最小值即：

式中，N_B为集合B的元素总数；为样本空间子集S_i的元素总数；

5.8)根据公式14，绘制最小采样次数和样本数的关系曲线图；

6)对连通域中的待检测样本特征量进行迭代计算，准确提取出运动小目标。