[发明专利]一种基于空时平稳性的红外小目标检测方法

说明书

本发明公开了一种基于空时平稳性的红外小目标检测方法，涉及红外图像处理及目标检测技术领域。本发明基于红外小目标图像中背景成分在空间和时间上的平稳性，对当前帧之前的若干帧求取时间平均，用当前帧减去平均结果并进行阈值分割，随后滤除分割结果中的脉冲噪声，并进行形态学闭运算，得到时间平稳性目标响应图。对当前帧进行快速保边滤波，得到空间平稳性目标响应图。两个目标响应图用与运算进行融合，并对融合结果进行连通域分析，进而得到对目标质心位置的估计。最后在当前帧标记检测结果。本发明有较好的算法实时性和检测准确性，对辐射强度变化、目标尺度变化、背景杂波干扰等复杂情况下的红外小目标检测有较好的鲁棒性。

技术领域

本发明涉及红外图像处理及目标检测技术领域，具体涉及一种基于空时平稳性的红外小目标检测方法。

背景技术

红外目标检测是红外探测系统中的一项关键技术，在军事侦察领域中的预警系统、海防系统、空防系统等有着非常重要的意义和价值，同时也广泛应用于如医疗成像、机器人、自动驾驶及交通管理等民用领域。但由于红外成像系统通常距离目标较远，目标在图像上的成像较小，通常只有几个或几十个像素，且受到大气对红外光的吸收和散射，红外目标在图像中的对比度和信杂比也往往较低，容易淹没在噪点和背景杂波中，给检测工作带来了很大的困难，信杂比指的是在标准照度下摄像机亮度通道输出信号的峰峰值与视频杂波的有效值之比。

现有的红外小目标检测技术通常基于对红外图像的建模。一般认为，红外图像由目标信号、背景信号和噪声信号三个部分组成。目标信号通常边缘模糊，同时缺乏有效特征进行描述，但局部对比度相对较高，且与背景呈现弱相关；背景信号则在空间和时间上均基本平稳，具有缓变低频的特性，且与周围的背景信号有高相关性；噪声信号通常在时间和空间上随机分布，与背景图像无关，且帧间分布也不具备相关性。

现有的技术中，基于红外小目标检测技术主要分为两类：检测前跟踪(TrackBefore Detect,TBD)和跟踪前检测(Detect Before Track,DBT)。TBD算法通过对小目标的跟踪生成多个候选轨迹，再通过某种判据对虚假轨迹进行逐步剔除，最终得到对目标航迹及位置的估计；DBT算法则首先对背景进行估计和抑制，并尽量减少背景杂波产生的影响，并通过阈值分割将目标同背景和噪声进行分离。

以上两种方法存在的缺点为：现有DBT算法在辐射不均匀、背景杂波干扰等复杂环境下鲁棒性差、虚警率高；TBD算法则通常运算量大，实时性较差。

发明内容

针对现有技术中在辐射不均匀、背景杂波干扰等复杂环境下，红外小目标检测算法实时性差、虚警率高等问题，本发明提供一种基于空时平稳性的红外小目标检测方法，其目的在于：提高目标信杂比，实现对红外小目标的实时检测，提高检测的鲁棒性和准确性。

为了达到上述目的，本发明采用如下技术方案：

一种基于空时平稳性的红外小目标检测方法,包括如下步骤：

步骤A：获取红外小目标检测的图像，读取第n帧图像，并对所述第n帧图像进行预处理，将第n帧图像灰度化，得到处理结果；

步骤B：获取第n帧之前的k帧图像，求出所述第n帧之前的k帧图像的时间平均，将所述求出的时间平均结果与步骤A中结果进行差分计算，得到差分结果；

步骤C：将步骤B中的差分结果进行阈值分割，并滤除脉冲噪声，得出滤波结果，随后对滤波结果进行形态学闭运算，将得到的形态学闭运算结果作为时间平稳性目标响应图；

步骤D：将灰度值作为强度维度，形成平面-灰度三维空间，然后将步骤A中结果映射到平面-灰度三维空间，并进行平均下采样，得到下采样结果；

步骤E：将步骤D中的下采样结果进行三维高斯滤波，并对进行了三维高斯滤波后得到的结果进行线性上采样，得到上采样结果；

步骤F：对所述上采样结果进行归一化处理，然后进行阈值分割，得到空间平稳性目标响应图；