一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于紅外目標(biāo)檢測(cè)領(lǐng)域。
【背景技術(shù)】
[0002] 紅外小目標(biāo)檢測(cè)在實(shí)際工程中起著至關(guān)重要的作用，比如紅外預(yù)警和防御等。紅 外預(yù)警等應(yīng)用中，精度和魯棒性都有要求。
[0003] 盡管在近幾十年中許多算法被提出，其中大部分在特定情況下會(huì)失效比如空地背 景。這種情況在直升機(jī)視野中是很常見的。目標(biāo)往往有可以識(shí)別的形狀但是尺寸很小，很 容易被背景中的植被、道路、河流、橋梁、等覆蓋或交疊。因?yàn)橐陨显?，傳統(tǒng)算法會(huì)在檢測(cè) 結(jié)果中產(chǎn)生大量的虛檢。
[0004] 人類視覺系統(tǒng)（Humanvisualsystem，HVS)通過視覺注意機(jī)制將場(chǎng)景分割成若干 個(gè)小圖像塊使得場(chǎng)景更容易理解和分析。這種機(jī)制可以有效降低圖像處理的計(jì)算成本保證 系統(tǒng)實(shí)時(shí)性。本方法借鑒人類視覺系統(tǒng)，對(duì)于偽目標(biāo)有較高的魯棒性，而且在較快的檢測(cè)速 度下具有較高的檢測(cè)率和較低的誤檢率。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明是為了解決現(xiàn)有紅外小目標(biāo)檢測(cè)方法檢測(cè)的結(jié)果存在大量的虛檢，導(dǎo)致檢 測(cè)準(zhǔn)確率低的問題，本發(fā)明提供了一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法。
[0006] 一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，該檢測(cè)方法的具體過程為：
[0007] 步驟一，通過視覺注意機(jī)制對(duì)原始圖片進(jìn)行處理獲得候選目標(biāo)，
[0008] 所述的通過視覺注意機(jī)制對(duì)原始圖片進(jìn)行處理獲得候選目標(biāo)的具體過程為：原始 圖像為紅外灰度圖，對(duì)原始圖像進(jìn)行預(yù)處理，使得紅外灰度圖轉(zhuǎn)換為顯著度圖，再通過預(yù)設(shè) 的閾值選取顯著度圖中最顯著的部分，并將顯著度圖中最顯著的部分作為候選目標(biāo)，
[0009] 步驟二，使用支持向量機(jī)分類器對(duì)候選目標(biāo)進(jìn)行分類，使得顯著度圖中最顯著的 部分中的真實(shí)目標(biāo)和背景噪聲區(qū)分開，再識(shí)別最顯著的部分中的真實(shí)目標(biāo)是否真實(shí)存在， 完成對(duì)目標(biāo)的檢測(cè)。
[0010] 步驟一中，對(duì)原始圖像進(jìn)行預(yù)處理采用局部對(duì)比法實(shí)現(xiàn)。
[0011] 所述的原始圖像為紅外灰度圖，對(duì)原始圖像進(jìn)行預(yù)處理，使得紅外灰度圖轉(zhuǎn)換為 顯著度圖，再通過預(yù)設(shè)的閾值選取顯著度圖中最顯著的部分，并將顯著度圖中最顯著的部 分作為候選目標(biāo)的具體過程為：
[0012] 步驟--，在原始圖像中，以任意像素點(diǎn)a為中心擴(kuò)展出本地區(qū)域u和本地背景V， 對(duì)本地背景V進(jìn)行區(qū)域劃分，使得本地背景V構(gòu)成九宮格，本地區(qū)域U位于本地背景V構(gòu)成 的九宮格的中心位置，
[0013] 然后，利用本地區(qū)域u和本地背景v的灰度對(duì)比，得到像素點(diǎn)a的顯著值，
[0014] 對(duì)九宮格中的九個(gè)格子進(jìn)行編號(hào)，序號(hào)為1至9,且序號(hào)的排序?yàn)閺淖蟮接?，從?到下，由1至9依次排序，本地區(qū)域u所在的位置為序號(hào)5所在的位置，
[0015] 步驟一二，通過步驟一一，獲得原始圖像中的所有像素點(diǎn)所對(duì)應(yīng)的顯著值后，將原 始圖像中，每個(gè)像素點(diǎn)所對(duì)應(yīng)的顯著值替換該像素點(diǎn)所對(duì)應(yīng)的灰度值，獲得顯著度圖；
[0016] 步驟一三，設(shè)定閾值T，并通過閾值T選取顯著度圖中最顯著的部分，S卩：將顯著值 高于閾值T的位置作為候選目標(biāo)，
[0017] 其中，
【主權(quán)項(xiàng)】
1. 一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，其特征在于，該檢測(cè)方法的具體過 程為： 步驟一，通過視覺注意機(jī)制對(duì)原始圖片進(jìn)行處理獲得候選目標(biāo)， 所述的通過視覺注意機(jī)制對(duì)原始圖片進(jìn)行處理獲得候選目標(biāo)的具體過程為；原始圖像 為紅外灰度圖，對(duì)原始圖像進(jìn)行預(yù)處理，使得紅外灰度圖轉(zhuǎn)換為顯著度圖，再通過預(yù)設(shè)的闊 值選取顯著度圖中最顯著的部分，并將顯著度圖中最顯著的部分作為候選目標(biāo)， 步驟二，使用支持向量機(jī)分類器對(duì)候選目標(biāo)進(jìn)行分類，使得顯著度圖中最顯著的部分 中的真實(shí)目標(biāo)和背景噪聲區(qū)分開，再識(shí)別最顯著的部分中的真實(shí)目標(biāo)是否真實(shí)存在，完成 對(duì)目標(biāo)的檢測(cè)。
2. 根據(jù)權(quán)利要求1所述的一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，其特征在 于，步驟一中，對(duì)原始圖像進(jìn)行預(yù)處理采用局部對(duì)比法實(shí)現(xiàn)。
3. 根據(jù)權(quán)利要求1所述的一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，其特征在 于，所述的原始圖像為紅外灰度圖，對(duì)原始圖像進(jìn)行預(yù)處理，使得紅外灰度圖轉(zhuǎn)換為顯著度 圖，再通過預(yù)設(shè)的闊值選取顯著度圖中最顯著的部分，并將顯著度圖中最顯著的部分作為 候選目標(biāo)的具體過程為： 步驟一一，在原始圖像中，W任意像素點(diǎn)a為中屯、擴(kuò)展出本地區(qū)域U和本地背景V，對(duì)本 地背景V進(jìn)行區(qū)域劃分，使得本地背景V構(gòu)成九宮格，本地區(qū)域U位于本地背景V構(gòu)成的九 宮格的中屯、位置， 然后，利用本地區(qū)域U和本地背景V的灰度對(duì)比，得到像素點(diǎn)a的顯著值， 對(duì)九宮格中的九個(gè)格子進(jìn)行編號(hào)，序號(hào)為1至9,且序號(hào)的排序?yàn)閺淖蟮接?，從上到下?由1至9依次排序，本地區(qū)域U所在的位置為序號(hào)5所在的位置， 步驟一二，通過步驟一一，獲得原始圖像中的所有像素點(diǎn)所對(duì)應(yīng)的顯著值后，將原始圖 像中，每個(gè)像素點(diǎn)所對(duì)應(yīng)的顯著值替換該像素點(diǎn)所對(duì)應(yīng)的灰度值，獲得顯著度圖； 步驟一=，設(shè)定闊值T，并通過闊值T選取顯著度圖中最顯著的部分，即；將顯著值高于 闊值T的位置作為候選目標(biāo)， 其中，
Cj.表示像素j的顯著值，Ni是圖像的像素?cái)?shù)，k表示調(diào)整系數(shù)，mall表示本地背景區(qū)域V的灰度均值，gma讀示本地區(qū)域U的最大灰度值，N是九宮格中第i號(hào)格子的像素?cái)?shù)，gS是 九宮格中第i號(hào)格中的第j個(gè)像素的灰度值，i和j均為正整數(shù)，且i聲5。
4. 根據(jù)權(quán)利要求3所述的一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，其特征在 于，所述的闊值T的值大于原始圖像中所有像素值的均值，小于原始圖像中像素值的最大 值，且闊值T的值通過系數(shù)調(diào)整。
5. 根據(jù)權(quán)利要求3所述的一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，其特征在 于，所述的k的取值范圍為大于0. 1且小于0. 3。
6. 根據(jù)權(quán)利要求1所述的一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，其特征在 于，所述的支持向量機(jī)分類器采用該升級(jí)支持向量機(jī)分類器內(nèi)部的訓(xùn)練集實(shí)現(xiàn)支持向量機(jī) 分類器的升級(jí)。
【專利摘要】一種基于人類視覺系統(tǒng)的紅外小目標(biāo)檢測(cè)方法，屬于紅外目標(biāo)檢測(cè)領(lǐng)域。解決了現(xiàn)有紅外小目標(biāo)檢測(cè)方法檢測(cè)的結(jié)果存在大量的虛檢，導(dǎo)致檢測(cè)準(zhǔn)確率低的問題。首先，通過視覺注意機(jī)制對(duì)原始圖片進(jìn)行處理獲得候選目標(biāo)，所述的通過視覺注意機(jī)制對(duì)原始圖片進(jìn)行處理獲得候選目標(biāo)的具體過程為：原始圖像為紅外灰度圖，對(duì)原始圖像進(jìn)行預(yù)處理，使得紅外灰度圖轉(zhuǎn)換為顯著度圖，再通過預(yù)設(shè)的閾值選取顯著度圖中最顯著的部分，并將顯著度圖中最顯著的部分作為候選目標(biāo)，其次，使用支持向量機(jī)分類器對(duì)候選目標(biāo)進(jìn)行分類，使得顯著度圖中最顯著的部分中的真實(shí)目標(biāo)和背景噪聲區(qū)分開，再識(shí)別最顯著的部分中的真實(shí)目標(biāo)是否真實(shí)存在，完成目標(biāo)檢測(cè)。主要對(duì)進(jìn)行目標(biāo)檢測(cè)。
【IPC分類】G06T7-20, G06T7-00, G06K9-62
【公開號(hào)】CN104851102
【申請(qǐng)?zhí)枴緾N201510271296
【發(fā)明人】崔征, 楊京禮, 姜守達(dá)
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)
【公開日】2015年8月19日
【申請(qǐng)日】2015年5月25日