[发明专利]一种复杂场景的红外运动小目标检测方法

说明书

本发明公开了一种复杂场景的红外运动小目标检测方法，主要步骤为：1)提取运动目标区域。2)根据图像的灰度特性，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，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，分析形态学滤波后运动目标区域的连通域，对不同运动目标区域进行标识。5)设定连通域的探测概率，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。6)对连通域中待检测的样本特征量进行迭代计算，准确提取出运动小目标。本发明降低了算法复杂度，提高了检测准确率，有效解决了由于背景与目标差别过大、目标局部遮挡造成的目标误检、漏检及误匹配等问题。

技术领域

本发明涉及红外检测领域，具体是一种复杂场景的红外运动小目标检测方法。

背景技术

红外运动目标传统的检测方法有背景差分、光流法、帧差法等方法，其中背景差分法的关键在于背景建模及其更新，在复杂的地面场景下，易受光照影响，难以用参数化的统计模型来快速准确的描述背景；帧差法是基于像素的时间差分，通过二值化来分割提取运动区域，不易受光照影响，但对环境噪声较为敏感，造成目标检测不完整。光流法根据图像序列的时空梯度来估算运动场，通过分析运动场的变化检测出运动对象，检测精度高，但计算过程较为复杂，实时运行有待提高。运用均值漂移算法在边缘遮挡和背景运动不均的情况下，能很好地完成检测过程，是一种不需要先验知识的无参估计方法，但是需要对每个像素值的特征量进行迭代计算，计算量大，实时性较差。

综上所述，在高信噪比环境下采用上述算法能取得较好的检测结果，但是在复杂背景下，易受地面背景干扰，如光照变化、背景扰动、阴影且目标数目和运动速度具有随机性，使现有红外目标检测算法的准确性与实时性难以兼顾。当目标出现局部遮挡、目标与背景比例相差较大时，现有算法易出现目标丢失、误匹配等现象，造成检测准确性降低。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，一种复杂场景的红外运动小目标检测方法，主要包括以下步骤：

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。

所述预处理主要包括以下步骤：

1.1)利用中值滤波法和均值滤波法对原始图像进行背景抑制，从而消除脉冲噪声与高斯噪声，削弱抖动影响。主要步骤如下：

1.1.1)利用中值滤波方法对抽取的原始图像进行滤波，消除高频随机噪声。高频随机噪声主要由抖动、电路传输和像元畸变造成。

1.1.2)利用均值滤波对消除高频随机噪声的原始图像进行再次滤波，消除高斯噪声，得到保留边缘信息的平滑图像。

1.2)利用隔帧差分法对背景抑制后的图像进行与运算，提取出运动目标区域。主要步骤如下：

1.2.1)确定图像间隔帧数N。N＝4。

1.2.2)记消除高频随机噪声和高斯噪声的四帧图像为f_i(x,y)，i＝1，2，3，4。

1.2.3)提取差分图像D₁(x,y)和差分图像D₂(x,y)。

差分图像D₁(x,y)如下所示：

D₁(x,y)＝f_i(x,y)-f_i-n(x,y)。 (1)

式中，f_i(x,y)为消除高频随机噪声和高斯噪声的图像。f_i-n(x,y)为和图像f_i(x,y)间隔n-1的图像。n-1为间隔帧数。

差分图像D₂(x,y)如下所示：