[发明专利]基于多源传感器融合的目标检测方法

说明书

基于多源传感器融合的目标检测方法，涉及图像处理自动检测技术领域，解决现有目标检测方法存在无法应对快速场景变化或者复杂背景下检测低小慢目标的问题，本发明通过对红外图像及可见光图像的感兴趣区域提取；基于滚动引导滤波和加权最小二乘优化函数进行图像融合，获得融合后的图像F；输入感兴趣区域的融合图像，通过背景建模方法完成像小慢目标的检测。本发明采用了多传感器图像融合的方式对目标进行检测，与VIBE、PBAS等传统算法不同，利用可见光相机与红外相机间的信息互补来提高检测的精确性及可靠性，融合后的图像具有明显的纹理特征和较高的分辨率，输入静态背景建模框架中可以抵抗光照、特殊天气、物体遮挡的影响实现全天候工作。

技术领域

本发明涉及图像处理自动检测技术领域，具体涉及一种基于多源传感器融合的“低小慢”目标检测方法。

背景技术

目前，“低小慢”目标检测技术是精确制导、红外搜索跟踪和侦察告警系统的一项关键技术，如何在复杂场景中排除云层、光照、噪声以及遮挡等干扰，准确地检测出低空慢速小目标一直是目标检测领域极具挑战的研究课题，其检测性能直接决定系统的作用距离与探测灵敏度。传统的“低小慢”目标检测VIBE算法、和PBAS算法，无法应对快速场景变化或者复杂背景等特殊场合，因此不能稳定工作。

发明内容

本发明为解决现有目标检测方法存在无法应对快速场景变化或者复杂背景下检测低小慢目标的问题，提供一种基于多源传感器融合的目标检测方法。

基于多源传感器融合的目标检测方法，该方法由以下步骤实现：

步骤一、对红外图像及可见光图像的感兴趣区域提取；

步骤二、基于滚动引导滤波和加权最小二乘优化函数进行图像融合，获得融合后的图像F；具体过程为：

采用滚动引导滤波器对原始红外图像和原始可见光图像进行了多尺度分解，并采用视觉显著性算法对分解后的红外图像基础层与可见光图像基础层进行融合处理，采用加权最小二乘函数对红外图像细节层与可见光图像细节层进行融合处理；

采用高斯滤波器获得原始可见光图像和原始红外图像包含粗尺度结构信息的基础层；

当j＝1,2…N-1时，第j层滤波后的细节图像，用下式表示为：

d^j＝u^j-1-u^j

当j＝N时，第j层滤波后的基础层图像，用下式表示为：

d^j＝u^j-1-u^j

式中，RGF(·)滚动引导滤波器，u^j为第j层滤波后的图像，d^j为第j层分解图像，N为图像分解的层数，T为迭代次数；σ_s为尺度参数，σ_r为权重范围参数，设置获得红外基础层图像B₁和可见光基础层图像B₂；对于红外基础层图像B₁和可见光基础层图像B₂，采用视觉显著性算法FT求取其归一化显著性像素值FT₁和FT₂,并通过融合规则获得输出图像B_F的基础融合层，具体表示为：

式中，W_b为融合权重，对于细节层图像和采用MS规则获得初始融合细节层M^j，用公式表示为：

其中，MS加权系数W^j采用下式获得：