紅外小信號目標增程檢測方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及光電探測【技術領域】，公開了一種紅外小信號目標增程檢測方法及系統(tǒng)。該方法包括：采集步驟，實時采集探測區(qū)域的動態(tài)圖像；搜索步驟，采用多種單幀目標檢測算法同時對所述動態(tài)圖像中相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點；跟蹤步驟，采用動態(tài)規(guī)劃算法對所述待測目標點進行檢測，通過對所述動態(tài)圖像中的多個連續(xù)檢測幀進行累積計算和圖像分割，從所述待測目標點中確認真正的目標點并剔除虛警點。本發(fā)明利用多模式融合算法實現(xiàn)了快速精確的紅外小信號目標的檢測，在前端傳感器輸入信號不變的條件下，可有效提高小弱信號目標的探測距離，且大幅減少運算時間。
【專利說明】紅外小信號目標增程檢測方法及系統(tǒng)
【技術領域】
[0001]本發(fā)明涉及光電檢測【技術領域】，特別涉及一種紅外小信號目標增程檢測方法及系統(tǒng)。
【背景技術】
[0002]相對于雷達探測，光電探測因其不易受電磁干擾影響而日益受到重視，已成為雷達探測之外必不可少的一種探測手段。光電探測在軍用和民用的各個領域均有廣泛用途，比如在可見光或近紅外波段主要用于射線測量和探測、工業(yè)自動控制、光度計量等；在紅外波段主要用于導彈制導、紅外熱成像、紅外遙感等。其中，紅外弱小目標的探測在遠距離遙感或預警領域有著重要的意義。
[0003]現(xiàn)有的光電探測技術主要接收光學信號進行探測，其雖然不易受電磁干擾的影響，但仍會受到傳感器分辨率和傳感方式的限制。比如目標檢測有最低信號強度要求，在遇到強光照射或反射、高亮云層背景時，很容易影響檢測結果甚至報出虛警。尤其是針對紅外小信號目標的檢測，首先需要利用檢測算法將目標從背景中分離，目前檢測算法的實現(xiàn)多借助于DSP模塊，運算復雜耗時多、效率低下，且極容易增大光閉環(huán)的時間延遲，檢測能力較弱且實時跟蹤精度有較大誤差。采用現(xiàn)有技術的方式，檢測信號的最低強度需不小于6個圖像信噪比(小區(qū)域峰值信噪比)，對信號強度有一定要求，小信號目標很難被檢測出。

【發(fā)明內(nèi)容】

[0004]針對現(xiàn)有技術中存在的不足，本發(fā)明所要解決的技術問題是如何實現(xiàn)快速精確的紅外小信號目標的檢測。
[0005]為解決上述技術問題，一方面，本發(fā)明提供了一種紅外小信號目標增程檢測方法，所述方法包括步驟:
[0006]采集步驟，實時采集探測區(qū)域的動態(tài)圖像；
[0007]搜索步驟，采用多種單幀目標檢測算法同時對所述動態(tài)圖像中相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點；
[0008]跟蹤步驟，采用動態(tài)規(guī)劃算法對所述待測目標點進行檢測，通過對所述動態(tài)圖像中的多個連續(xù)檢測幀進行累積計算和圖像分割，從所述待測目標點中確認真正的目標點并副除虛警點。
[0009]優(yōu)選地，所述搜索步驟中，同時采用從目標出發(fā)和從背景出發(fā)兩種檢測算法對相同的檢測幀進行處理。
[0010]優(yōu)選地，所述從目標出發(fā)的檢測算法通過空間匹配濾波模板濾波之后，直接從圖像中尋找閾值，大于閾值即為目標點；
[0011]所述從背景出發(fā)的檢測算法通過空域模板濾除背景，然后和原圖像進行減差，得到目標和少量背景，再利用點源目標輻射特性進行假目標刪除。
[0012]優(yōu)選地，所述從目標出發(fā)的檢測算法包括步驟:首先多級濾波改善圖像成像質量，其次采用高通濾波濾除大部分背景和采用圖像對比度增強使目標信號放大，最后采用閾值分割求取目標灰度質心；
[0013]所述從背景出發(fā)的檢測算法包括步驟:首先多級濾波改善圖像成像質量，其次采用形態(tài)濾波濾除大部分背景和其次采用均值逼近技術使不同場景下的圖像趨同，然后自適應選取閾值進行圖像分割，最后求取目標灰度質心。
[0014]優(yōu)選地，所述利用點源目標輻射特性包括利用長寬比、占空比及分割區(qū)域外的較大值來進行特征提取。
[0015]優(yōu)選地，所述搜索步驟中，還利用整機系統(tǒng)的自身參數(shù)量，計算視場空間中的天際線、海天線，進而計算出圖像視場所處的背景信息，提取出小信號。
[0016]優(yōu)選地，所述跟蹤步驟包括:
[0017]輸入多個連續(xù)檢測幀中的第k幀圖像；
[0018]對第k幀圖像進行預處理；
[0019]預設動態(tài)規(guī)劃管道長度為m，對目標灰度值進行累積能量計算；
[0020]利用圖像中像素灰度值進行圖像的閾值分割并區(qū)域標記；
[0021]在標記后的圖像中進行聚類得到目標，從中刪除假目標而得到真正小信號目標。
[0022]另一方面，本發(fā)明還同時提供了一種紅外小信號目標增程檢測系統(tǒng)，所述系統(tǒng)包括:
[0023]采集模塊，用于實時采集探測區(qū)域的動態(tài)圖像；
[0024]搜索模塊，用于采用多種單幀目標檢測算法同時對所述動態(tài)圖像中相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點；
[0025]跟蹤模塊，用于采用動態(tài)規(guī)劃算法對所述待測目標點進行檢測，通過對所述動態(tài)圖像中的多個連續(xù)檢測幀進行累積計算和圖像分割，從所述待測目標點中確認真正的目標點并副除虛警點。
[0026]優(yōu)選地，所述采集模塊使用LVDS方式進行圖像傳輸。
[0027]優(yōu)選地，所述搜索模塊和所述跟蹤模塊在FPGA器件和DSP器件中實現(xiàn)。
[0028]與現(xiàn)有技術相比，本發(fā)明所提供的紅外小信號目標增程檢測方法及系統(tǒng)利用多模式融合算法實現(xiàn)了快速精確的紅外小信號目標的檢測。本發(fā)明的技術方案在前端傳感器輸入信號不變的條件下，可有效提高小弱信號目標的探測距離，且運算時間大幅減少，有效改善對因光閉環(huán)時間延遲較多造成的跟蹤精度誤差的問題。
【專利附圖】

【附圖說明】
[0029]圖1為本發(fā)明的一個實施例中紅外小信號目標增程檢測方法的流程示意圖；
[0030]圖2為本發(fā)明的一個實施例中分割后目標圖像的灰度信息示意圖；
[0031]圖3為本發(fā)明的應用場景中各種復雜背景下小目標的示意圖；
[0032]圖4為本發(fā)明的一個實施例中進行形態(tài)學變化后的濾波處理效果示意圖；
[0033]圖5為本發(fā)明的一個實施例中虛假目標濾除后的效果示意圖；
[0034]圖6為本發(fā)明的一個實施例中跟蹤步驟的流程示意圖；
[0035]圖7為本發(fā)明的一個實施例中紅外小信號目標增程檢測系統(tǒng)的模塊結構示意圖；
[0036]圖8為本發(fā)明的一個實施例中系統(tǒng)整體的硬件配置結構示意圖?！揪唧w實施方式】
[0037]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述。顯然，所描述的實施例為實施本發(fā)明的較佳實施方式，所述描述是以說明本發(fā)明的一般原則為目的，并非用以限定本發(fā)明的范圍。本發(fā)明的保護范圍應當以權利要求所界定者為準，基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0038]為在各種復雜場景(對空、對地、對海面等)中實現(xiàn)對小信號目標的光電檢測，本發(fā)明利用多模式融合算法，在前端傳感器輸入信號不變的條件下，可提高15%到20%的小弱目標探測距離，且運算時間大幅減少，有效改善對因光閉環(huán)時間延遲較多造成的跟蹤精度誤差的問題。
[0039]在本發(fā)明的一個實施例中，紅外小信號目標增程檢測的實現(xiàn)過程包括兩種工作模式:搜索單幀多模目標檢測模式和跟蹤多幀目標檢測模式。具體地，如圖1所示，在本發(fā)明中所述紅外小信號目標增程檢測方法包括:
[0040]采集步驟，實時采集探測區(qū)域的動態(tài)圖像；
[0041]搜索步驟，采用多種單幀目標檢測算法同時對所述動態(tài)圖像中相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點；
[0042]跟蹤步驟，采用動態(tài)規(guī)劃算法對所述待測目標點進行檢測，通過對所述動態(tài)圖像中的多個連續(xù)檢測幀進行累積計算和圖像分割，從所述待測目標點中確認真正的目標點并副除虛警點。
[0043]其中，在搜索步驟中，由于通常是進行動態(tài)掃描搜索(在未發(fā)現(xiàn)目標之前需進行全方位掃描，探測設備也可能由于機載、車載或船載而隨時處于運動狀態(tài))，整機處于非穩(wěn)定狀態(tài)，相鄰檢測幀圖像所顯示物空間沒有關聯(lián)性，故只能采用單幀目標檢測算法。但是任何一種單幀檢測算法都不具備最佳的普適性、檢測概率和虛警概率，因此，考慮采用兩種或者更多的檢測算法同時對相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點，上報給整機。在跟蹤步驟中，實現(xiàn)方式采用序列多幀相關聯(lián)算法，可以檢測出更弱小的紅外目標。
[0044]針對紅外弱小目標圖像的特點，搜索階段最需要考慮的事情就是提高檢測概率，所以檢測過程需要對不同的采集圖像進行不同的處理算法。本實現(xiàn)方式同時使用兩種檢測算法:(I)從目標出發(fā)來檢測，即通過空間匹配濾波模板濾波之后，直接從圖像中尋找閾值，大于閾值即為目標點；(2)從背景出發(fā)來檢測，即通過空域濾波模板濾除背景，然后和原圖像進行減差，得到目標和少量背景，再利用點源目標輻射特性進行假目標(背景或噪聲等)刪除。最后根據(jù)兩種算法模式下求得的結果，進行融合比較，進一步確定目標信息狀態(tài)。
[0045]其中，空間匹配濾波算法(改進算法詳見“基于空間匹配濾波的紅外背景抑制技術”，孫翠娟等，紅外技術，第23卷第I期，第36?39頁，2003年I月)和空域濾波算法是圖像處理領域中兩種不同的濾波處理算法，空間匹配濾波模板(又稱空間匹配濾波器)和空域濾波模板(又稱空域濾波器)是各自算法中根據(jù)實際情況指定的濾波參數(shù)。在本發(fā)明的優(yōu)選實施例中，空間匹配濾波模板采用
【權利要求】
1.一種紅外小信號目標增程檢測方法，其特征在于，所述方法包括: 采集步驟，實時采集探測區(qū)域的動態(tài)圖像； 搜索步驟，采用多種單幀目標檢測算法同時對所述動態(tài)圖像中相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點； 跟蹤步驟，采用動態(tài)規(guī)劃算法對所述待測目標點進行檢測，通過對所述動態(tài)圖像中的多個連續(xù)檢測幀進行累積計算和圖像分割，從所述待測目標點中確認真正的目標點并剔除虛警點。
2.根據(jù)權利要求1所述的方法，其特征在于，所述搜索步驟中，同時采用從目標出發(fā)和從背景出發(fā)兩種檢測算法對相同的檢測幀進行處理。
3.根據(jù)權利要求2所述的方法，其特征在于，所述從目標出發(fā)的檢測算法通過空間匹配濾波模板濾波之后，直接從圖像中尋找閾值，大于閾值即為目標點； 所述從背景出發(fā)的檢測算法通過空域模板濾除背景，然后和原圖像進行減差，得到目標和少量背景，再利用點源目標輻射特性進行假目標刪除。
4.根據(jù)權利要求3所述的方法，其特征在于，所述從目標出發(fā)的檢測算法包括步驟:首先多級濾波改善圖像成像質量，其次采用高通濾波濾除大部分背景和采用圖像對比度增強使目標信號放大，最后米用閾值分割求取目標灰度質心； 所述從背景出發(fā)的檢測算法包括步驟:首先多級濾波改善圖像成像質量，其次采用形態(tài)濾波濾除大部分背景和其次采用均值逼近技術使不同場景下的圖像趨同，然后自適應選取閾值進行圖像分割，最后求取目標灰度質心。
5.根據(jù)權利要求3所述的方法，其特征在于，所述利用點源目標輻射特性包括利用長寬比、占空比及分割區(qū)域外的較大值來進行特征提取。
6.根據(jù)權利要求1所述的方法，其特征在于，所述搜索步驟中，還利用整機系統(tǒng)的自身參數(shù)量，計算視場空間中的天際線、海天線，進而計算出圖像視場所處的背景信息，提取出小信號。
7.根據(jù)權利要求1所述的方法，其特征在于，所述跟蹤步驟包括: 輸入多個連續(xù)檢測幀中的第k幀圖像； 對第k幀圖像進行預處理； 預設動態(tài)規(guī)劃管道長度為m，對目標灰度值進行累積能量計算； 利用圖像中像素灰度值進行圖像的閾值分割并區(qū)域標記； 在標記后的圖像中進行聚類得到目標，從中刪除假目標而得到真正小信號目標。
8.—種紅外小信號目標增程檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括: 采集模塊，用于實時采集探測區(qū)域的動態(tài)圖像； 搜索模塊，用于采用多種單幀目標檢測算法同時對所述動態(tài)圖像中相同的檢測幀進行處理，將處理的結果進行綜合評估，篩選出最具可信度的待測目標點； 跟蹤模塊，用于采用動態(tài)規(guī)劃算法對所述待測目標點進行檢測，通過對所述動態(tài)圖像中的多個連續(xù)檢測幀進行累積計算和圖像分割，從所述待測目標點中確認真正的目標點并副除虛警點。
9.根據(jù)權利要求8所述的系統(tǒng)，其特征在于，所述采集模塊使用LVDS方式進行圖像傳輸。
10.根據(jù)權利要求8所述的系統(tǒng)，其特征在于， 所述搜索模塊和所述跟蹤模塊在FPGA器件和DSP器件中實現(xiàn)。
【文檔編號】G06K9/32GK103530629SQ201310533521
【公開日】2014年1月22日 申請日期:2013年11月1日 優(yōu)先權日:2013年11月1日
【發(fā)明者】武自剛, 陳斐, 葉鵬, 吳自偉 申請人:四川九洲電器集團有限責任公司