[发明专利]基于局部稀疏表示和对比度的红外目标检测方法

说明书

本发明公开了基于局部稀疏表示和对比度的红外目标检测方法，包括：一，首先给定原始红外图像，在局部稀疏表示思想的基础上，设计一种基于内积的方法，构建每个图像块的非相似性字典；然后基于该字典，计算每个图像块的残差图像块；最终计算整幅图像的残差图像。二，基于灰度对比度的方法预测原始红外图像中候选目标区域，得到目标预测图像。三，将上述得到的残差图像和目标预测图像融合，进行目标精确定位，并进行二值化分割得到最终目标检测结果。本发明一面基于局部稀疏表示和内积方法计算残差图像，提高了目标检测的准确性；另一面基于灰度对比度方法计算得到目标预测图像，有效的抑制背景噪声；两方面结合，提高了目标检测的鲁棒性和精确性。

技术领域

本发明涉及基于局部稀疏表示和对比度的红外目标检测方法，特别是涉及一种复杂背景杂波干扰情况下的红外图像目标检测方法，属于计算机视觉技术领域。

背景技术

伴随着红外成像技术的发展，红外目标检测不仅应用于军事领域，还在工业、农业、医学、交通等民用领域有着广泛的应用。红外成像技术具有隐蔽性好、抗干扰能力强、适应环境能力强等优点。然而，在复杂背景下进行精确的红外目标检测仍然是一个具有挑战性的问题，因为复杂背景中杂波和噪声的干扰，造成红外目标检测精确性不高、稳健性不强等问题。

近年来，随着稀疏表示理论的不断发展，很多研究学者将稀疏表示理论应用于目标检测领域。

公开号CN103440502A基于混合高斯稀疏表示的红外小目标检测方法，该方法采用K聚类奇异值分解法K_SVD自适应构建图像的超完备形态字典，该字典通过高斯超完备字典形成具有目标形态字典和背景形态字典的自适应混合高斯超完备字典，并求取原图像块在该字典下的稀疏表示系数，通过比较稀疏表示系数与阈值之间的关系来实现目标检测。但是，该算法需要目标先验信息，普适性不强。

公开号CN102842047A基于多尺度稀疏字典的红外弱小目标检测方法，它利用原始图像构造基于四叉树模型的多尺度自适应过完备字典，并在此基础上对每个原始图像子块进行稀疏表示，得到稀疏系数，将这些稀疏系进行联合并进行指数分布拟合，通过阈值判断和稀疏系数的多尺度方向性来确定目标的准确位置。但是，该方法在噪声干扰较强的情况下，目标检测性能有所下降。

发明内容

本发明所要解决的技术问题是：提供基于局部稀疏表示和对比度的红外目标检测方法，能够克服背景杂波和噪声干扰所带来的影响，大大提高目标检测率，降低目标虚警率。

本发明为解决上述技术问题采用以下技术方案：

基于局部稀疏表示和对比度的红外目标检测方法，包括如下步骤：

步骤1，将原始红外图像分为若干图像块，利用局部稀疏表示和内积方法构建每个图像块的非相似性字典，并基于非相似性字典，计算每个图像块的残差图像块，根据残差图像块得到原始红外图像的残差图像；

步骤2，对于原始红外图像，利用灰度对比度的方法预测图像中的候选目标区域，将图像中非候选目标区域像素的灰度值置零，得到目标预测图像；

步骤3，将步骤1得到的残差图像和步骤2得到的目标预测图像相融合，得到目标预测残差图像，根据目标预测残差图像定位目标区域，并对目标区域进行二值化分割得到最终目标检测结果。

作为本发明的一种优选方案，步骤1所述将原始红外图像分为若干图像块，利用局部稀疏表示和内积方法构建每个图像块的非相似性字典，具体过程如下：

步骤11，利用大小的滑动窗口将原始红外图像Y按从上到下、从左到右的方式遍历，得到m个大小相同的图像块k＝1,2,…,m，B_s为图像块Y_k的大小；