[发明专利]基于时空域特征融合的红外弱小目标的检测方法及装置

说明书

本发明公开了一种基于时空域特征融合的红外弱小目标的检测方法及装置，属于红外探测技术领域，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。本发明可以获得更高的目标检测率、更低的虚警率以及更远的无人机探测距离，并且该方法简洁高效、复杂度低，易于硬件实现，满足高实时性的应用需求。

技术领域

本发明涉及红外探测技术领域，更为具体的，涉及一种基于时空域特征融合的红外弱小目标的检测方法及装置。

背景技术

近年来，低空慢速小无人机数量呈现爆发式增长趋势，大量非合作无人机的“黑飞”现象时有发生，给公共安全、保密、反恐等工作带来了新挑战。对于非合作“低小慢”无人机，迫切需要探索研制出新型反无人机系统，提供主动雷达/光电/无线电探测、目标跟踪与识别、定向无线电干扰和反制等新技术。探测识别系统，作为反无人机系统中的一个重要组成部分，采用雷达、光电、无线电、声音等多种手段对无人机目标进行探测、识别、跟踪和定位，为指控系统和反制系统提供前提和保证。

作为无人机探测的重要手段之一，红外探测技术为远距离“低小慢”无人机目标的探测跟踪与识别提供一条重要的技术路径。而远距离无人机目标探测是一个富有挑战的问题，有许多困难：(1)由于探测距离远，目标小，缺少形状、文理等特征；(2)无人机目标红外辐射一般较弱，与背景的对比度不高，信噪比低；(3)真实场景中背景复杂、变化迅速，受到杂波和噪声等干扰，虚警高。

目前红外弱小目标检测方法主要分为基于单帧图像的检测方法和基于序列图像的检测方法。基于单帧图像的检测方法包括传统滤波方法、基于人类视觉注意力机制方法、基于低秩稀疏矩阵分解的方法等，这些方法对于简单场景下信噪比足够高的小目标检测任务还可以胜任，但对于复杂场景的低信噪比目标，会出现检测率低、虚警率高、鲁棒性不足等的问题，需要采用基于序列图像的检测方法提高探测精度和探测距离。但是，目前基于序列图像的检测方法仅仅利用时域目标信息，同样存在目标检测率低、虚警率高的缺点，需开发出综合利用弱小目标空域特征和时域特征相结合的新方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于时空域特征融合的红外弱小目标的检测方法及装置，避免了单纯的时域方法或者空域滤波方法的检测率低、虚警率高的不足，通过综合利用时域信息和空域信息来增强弱小目标、抑制背景和杂波，获得更高的目标检测率、更低的虚警率以及更远的无人机探测距离，并且该方法简洁高效、复杂度低，易于硬件实现，满足高实时性的应用需求等。

本发明的目的是通过以下方案实现的：

一种基于时空域特征融合的红外弱小目标的检测方法，包括步骤：

将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。

进一步地，包括子步骤：

所述在时域上提取运动特征得到候选目标区域，包括子步骤：S1，读取原始红外图像；S2，利用时间对比度滤波器，得到当前帧的时域目标显著图；S3，利用阈值分割从时域目标显著图中分割出候选目标区域；

所述在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，包括子步骤：S4，利用图像修补只对候选目标区域进行背景像素估计，重建出当前帧图像的背景估计图；

所述再减去背景估计图像得到空域目标显著图，包括子步骤：S5，利用当前帧图像减去背景估计图像，得到当前帧的空域目标显著图；