[发明专利]一种基于统计特性预分割的自适应红外小目标检测方法

说明书

本发明提出了一种基于统计特性预分割的自适应红外小目标检测算法，法包括：(1)红外图像均等分割及扩充；(2)统计特性差异性算法筛选兴趣区域；(3)阈值迭代计算范围内由高到低自适应计算阈值；(4)根据阈值二值化图像；(5)匹配原图像重构并输出重构后的图像。本申请发明能提前滤出非目标像素点，减小计算总量，达到初步筛选兴趣区域、减少系统总检测时间的效果；根据目标的灰度值较高确定阈值迭代计算范围，并由高到低自适应计算，减少算法迭代次数；算法鲁棒性强，自适应计算阈值可适用于不同复杂程度的海空背景下红外小目标检测，且对单目标、多目标均能精准检测，有效提高检测率、降低虚警率，可广泛应用于小目标检测领域。

技术领域

本发明涉及红外小目标检测领域，尤其涉及一种基于统计特性预分割的自适应红外小目标检测方法。

背景技术

海洋经济已成为国民经济增长的新的重要途径，海上极端灾害天气、海上运输安全维护及海上救援水平是影响海洋经济发展的重要因素，对目标的检测与识别是维持海洋经济秩序的重要保障。现代国防领域中，海洋局势愈发复杂，海军战备力量在国防领域中扮演着至关重要的角色，对敌方目标的识别检测效率是海防的基础战力和制胜点。传统目标检测技术包括雷达技术、微光成像技术和红外成像技术。雷达技术具有探测距离远、不受光线影响等优点，但容易受到海面各种回波和大气噪声的影响，且对生物体信号感知能力较弱；微光成像技术的成像原理简单、应用成本低，但在夜晚或自然光弱时被动工作，目标与背景之间的反差小，难以识别导致检测率低；红外成像技术具有隐蔽性好、抗干扰能力强、造价低和穿透力强等多种优点，但该技术应用时容易受到海天线、云层等背影因素干扰。

在红外小目标检测领域中，为了实现检测率高、虚警率低、检测时间短、适应性强等关键技术目标，在红外成像技术的基础上研发先进算法提供了最优方法。经典的红外小目标检测算法已经过多年发展，可大体分为多帧连续图像的检测前追踪(TBD)和单帧图像的跟踪前检测(DBT)两类算法，DBT类算法因其算法简单、检测时间短得到广泛应用。经典的DBT类算法中，最大中值滤波、数学形态学Top-hat变换、OTSU阈值分割算法应用较为广泛，但应用在海空背景时，最大中值滤波算法因易受到海杂波、海天线及云层信息干扰，Top-hat变换算法因小目标几乎没有纹理、结构特征而无法提取小目标有效信息，OTSU阈值分割算法适应性较差导致无法有效分离目标和背景信息。

海空背景下小目标检测性能主要受背景信息、噪声及小目标自身性质影响。远距离下目标在灰度图像中所占像素数比例不超过0.12％，尺寸小且无明显的结构纹理特征；背景信息极其复杂，包含海天线、复杂云层、海杂波等，容易淹没目标且图像信噪比较低；红外成像系统及大气噪声产生的像素点与小目标接近，极易对小目标的检测率造成影响。因此经典的红外小目标检测方法具有适应性差、抗干扰能力差以及检测性能低等劣势。综上所述，进一步提高目标检测率、降低虚警率、缩短检测时间仍是该领域学者的研究重点。

发明内容

本申请发明针对解决海空背景下目标尺寸小且无明显结构纹理特征、易受海杂波及海空线等背景干扰、易受红外成像系统及大气噪声影响等关键科学问题，为实现降低背景及噪声的影响从而提升检测性能、提升算法鲁棒性、提高实时性为海防战斗做基础、控制设备成本、提升生存能力等关键技术目标，提出了一种基于统计特性预分割的自适应红外小目标检测算法。该算法预先通过目标与背景的灰度值分布直方图统计分布的差异性将二者分割，再对兴趣子图像进行自适应检测精准提取小目标，最后将兴趣子图像与背景区域匹配重构得到最终检测结果。具体实施步骤为：

步骤一：将大小为x×y的红外图像转化成灰度图像，均等划分成大小为x×y/3的三部分，从左至右分别为a₁、a₂、a₃子图像，若图像无法均匀分割成三部分则需在划分前做扩充处理，其中x×y表示原始图像大小，x表示图像纵向像素数，y表示图像横向像素数；

步骤二：对步骤一处理后得到的三个子图像分别进行灰度值分布统计，根据各子图像灰度值分布统计特性的差异性计算得到兴趣子图像；