[发明专利]基于空频特征建模联合时域轨迹匹配的红外目标检测方法

说明书

本发明公开的基于空频特征建模联合时域轨迹匹配的红外目标检测方法，属于红外探测、目标检测识别技术领域，完成对图像中各类目标的检测与识别、用于安防监控如无人机目标的监测预警。本发明通过在空域目标检测的基础上，引入频域特征对目标的外形轮廓、目标与背景之间的特征加以补充，结合设计的轨迹关联匹配策略，通过特征多维度信息提取增强了目标特征表达，同时提高了算法模型复杂多样应用场景的适应性，降低了红外目标检测过程中噪声和干扰造成的虚警。

技术领域

本发明属于红外探测、目标检测识别技术领域，完成对图像中各类目标的检测与识别、用于安防监控如无人机目标的监测预警，尤其是涉及基于空频特征建模联合时域轨迹匹配的红外目标检测方法。

背景技术

无人机具有极强的机动性和灵活性，能够在各类复杂背景中如城市建筑、森林、云层中任意飞行和悬停，因此对重要地区和设施的国家安防、民用安保等构成了极大威胁，在此基础上对无人机目标的检测提出了新的要求；目标检测是一种用算法判断图像中物体的分类，同时能够在图像中标记出其相应位置的技术，随着深度学习的不断完善，依赖于其强大的特征抽取和表征能力，深度卷积神经网络能够对各类复杂图像中的目标进行特征挖掘和层次化的表达，从而对复杂背景下的目标有着良好的辨别能力。

现有的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，专利号为(CN115035378A)，包括步骤：将时域、空域特征信息结合起来检测弱小目标；其中将时域、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，实现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。

在实际应用中，由于无人机目标的热辐射特性在红外探测器中可以较为容易凸显，因而采用红外成像探测系统识别低空无人机目标具有广阔的发展前景；但是，当目标位于与自身红外辐射强度相近的背景中或者出现飞鸟等干扰物体时，在红外图像中则会表现出目标的外形轮廓模糊、目标与背景对比度不足、目标与干扰物体区分度不足等问题，使得常规目标检测算法无法实现高性能的检测任务。

因此，本发明提供基于空频特征建模联合时域轨迹匹配的红外目标检测方法，以解决现有技术中存在的在红外图像中则会表现出目标的外形轮廓模糊、目标与背景对比度不足、目标与干扰物体区分度不足等问题，使得常规目标检测算法无法实现高性能的检测任务的问题。

发明内容

本发明的目的在于提供基于空频特征建模联合时域轨迹匹配的红外目标检测方法，在空域目标检测的基础上，引入频域特征对目标的外形轮廓、目标与背景之间的特征加以补充，并结合设计的轨迹关联匹配策略，通过特征多维度信息提取增强了目标特征表达，提高算法模型复杂多样应用场景的适应性，降低了红外目标检测过程中噪声和干扰造成的虚警。

为了解决上述技术问题，本发明采用的技术方案是：基于空频特征建模联合时域轨迹匹配的红外目标检测方法，包括步骤：提取红外图像序列的空域特征和频域特征；将提取到的空域特征和时域特征进行张量拼接并得到空频域目标检测概率热图；通过图匹配方法将相邻帧间的无人机目标关联成轨迹；利用光流法获得无人机目标运动信息，将其与轨迹融合，输出检测结果。

所述提取红外图像序列的空域特征采用密集连接的卷积神经网络与多区域通道模块相结合提取空域特征，所述多区域通道模块用于自动捕获不同通道之间的关键特征信息。

所述提取红外图像序列的频域特征从红外图像中提取空域特征易受图像中斑点噪声的影响，并通过引入频域信息作为网络分支之一，并采用基于离散余弦变换的频率特征提取与选择策略和空间下采样方法相结合实现对图像频域特征的补充抑制噪声干扰。