[发明专利]一种复杂场景下基于深度图的红外小目标检测方法

权利要求书

1.一种复杂场景下基于深度图的红外小目标检测方法，其特征在于，包括以下步骤：

1)获取图像：获取双目红外相机拍摄的单帧或者多帧的红外图像I及其对应的深度图dis_I；

2)图像二值化：选定目标边缘梯度最大的像素值K，使用像素值法对图像进行二值化，得到二值化图像Binary_I；

3)距离限制：设目标与红外相机的距离估计值为d，根据已知的深度信息，对于不在距离范围内的像素点P(x,y)，对应到二值化图像Binary_I中，Binary_I(x,y)为0；

4)形态学处理：对二值化图像进行形态学处理包括求连通区域、膨胀和腐蚀；该步骤的目的是从图像中提取出对于表达和描绘待检测目标形状有用处的图像信息；

5)制定静态和动态打分策略：使用静态和动态特征作为决策项；使用加权打分机制，分别对静态特征和动态特征按照一定的排序策略进行排序，最后加权得出图像上每个连通区域的得分；

6)筛选目标：根据每个连通区域的分数结果筛选出单目标或者多目标。

2.根据权利要求1所述的一种复杂场景下基于深度图的红外小目标检测方法，其特征在于，步骤5)中，制定静态和动态打分策略的具体过程包括：

5-1)根据目标的静态特征，使用矩形度、宽高比、区域灰度值、连通区域灰度值的变异系数、圆形度作为静态特征，制定静态打分策略；各个静态特征的计算公式为：

其中，S_k为第k个连通区域的面积，S_rect为第k个连通区域的最小外接矩形的面积，width_k是第k个连通区域的宽，height_k是第k个连通区域的高，I_i为连通区域内像素点I(x,y)的像素值，w_i为该像素点I(x,y)的像素值对应的权重，N为第k个连通区域中像素点的个数，I_mean为第k个连通区域的平均灰度值，L_k为第k个连通区域的周长，α，β，γ，δ和ε为静态特征对应的权重；RankS_k表示第k个连通区域静态特征的得分；

5-2)根据目标的动态特征，使用面积和距离作为动态特征，制定动态打分策略；

其中，Speed_k表示第k个连通区域的运动速度，speed_min为已知的最小运动速度，speed_max为已知的最大运动速度，Area_k表示第k个连通区域的面积，Area_min为已知的最小连通区域面积，Area_max已知的最大连通区域面积；θ₁，θ₂为对应的速度权重，μ₁，μ₂为对应的面积权重，ζ，为动态特征对应的权重，RankD_k表示第k个连通区域动态特征的得分。