一种红外图像目标筛选方法及系统与流程

本发明涉及红外图像处理领域，尤其涉及一种红外图像目标筛选方法及系统。

背景技术：

红外传感器获取图像信号时，存在盲闪元、非线性元、噪点等奇异点影响，在信噪较低或非均匀校正不好时，这些奇异点的灰度值与目标接近或大于目标，因此在对红外图像进行弱小目标分割时，在计算域中很难从灰度上区分盲闪元、非线性元、噪点等奇异点与目标，常常造成目标的误提取。

因此，亟需一种能够区分上述奇异点与目标的红外图像目标筛选方法以解决上述问题。

技术实现要素：

本发明提供一种红外图像目标筛选方法及系统，能够对盲闪元、非线性元、噪点等奇异点与目标进行准确区分，进而实现目标的精确筛选。

本发明一方面提供一种红外图像目标筛选方法，包括步骤：

S1.对红外图像进行检测，确定近似目标点；

S2.基于近似目标点确定计算域；

S3.选取分割阈值对计算域内的像素进行分割，标记计算域内至少包含N个像素的连通域；其中，N为自然数且大于2；

S4.在标记的连通域中选择包含像素最多的连通域作为目标点。

优选地，所述对红外图像进行检测具体为：通过红外弱小目标检测算法对红外图像进行检测。

优选地，步骤S2具体为：确定包含近似目标点的M*M计算域；其中，M为所述计算域横向与纵向的像素数目，M≥7。

优选地，所述选取分割阈值对计算域内的像素进行分割具体为：选取分割阈值对计算域内的像素进行二值化分割，将像素值小于分割阈值的像素设置为暗点，将像素值大于等于分割阈值的像素设置为亮点。

优选地，所述分割阈值具体为计算域内全部像素值方差的3倍。

优选地，所述连通域具体为计算域内由亮点组成、且亮点全部连通的区域。

优选地，N为4；以及在步骤S1前，所述方法包括：对红外图像进行非均匀性校正。

优选地，步骤S4具体为：在标记的连通域中确定包含像素最多的连通域，以该连通域包含的所有像素作为目标点。

本发明另一方面提供一种红外图像目标筛选系统，包括：

近似目标点确定单元，用于对红外图像进行弱小目标检测，确定近似目标点；

计算域确定单元，用于确定包含近似目标点的M*M计算域；其中，M为所述计算域横向与纵向的像素数目，M≥7；

分割标记单元，用于选取分割阈值对计算域内的像素进行二值化分割，将像素值小于分割阈值的像素设置为暗点，将像素值大于等于分割阈值的像素设置为亮点；并对亮点组成的、至少包括4个像素的连通域进行标记；

目标点确定单元，用于在标记的连通域中确定包含像素最多的连通域，以该连通域包含的所有像素作为目标点。

优选地，所述分割阈值具体为计算域内全部像素值方差的3倍。

由以上技术方案可知，本发明提供的红外图像目标筛选方法及系统通过连通域特征进行目标筛选，能够最大程度减小盲闪元、非线性元、噪点等奇异点对目标提取造成的影响，实现目标的精确筛选。

附图说明

图1是本发明的红外图像目标筛选方法示意图；

图2是本发明的红外图像目标筛选系统示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。

本发明的发明人考虑到，现有的红外图像目标提取技术直接跟据目标跟踪检测结果坐标作为真实的目标坐标，但是由于传感器上盲闪元、非线性元、噪点等奇异点的影响，会使提取结果出现较大偏差。

本发明的发明人注意到，由于上述奇异点连通的像素数目较小，多在1或2个连通像素，因此可以以连通数作为区分特征对真实目标进行筛选。

图1示出了本发明的红外图像目标筛选方法，如图1所示，上述方法按照如下步骤执行：

步骤S0，对红外图像进行非均匀性校正。

上述步骤用于提高红外图像的质量。

步骤S1，对红外图像进行检测，确定近似目标点。

具体应用中，通过红外弱小目标检测算法对红外图像进行检测确定近似目标点。上述算法在本领域属于已知技术，此处不再赘述。

步骤S2，基于近似目标点确定计算域。

实际应用中，上述步骤具体为：确定包含近似目标点的计算域，该计算域的像素分布为M*M。计算域的选取与红外传感器分辨率、目标红外辐射强度、传感器的衍射极限相关，一般取7*7或以上的区域。

步骤S3，选取分割阈值对计算域内的像素进行分割，标记计算域内至少包含N个像素的连通域。其中的N为大于2的自然数。

在本发明优选实施例中，上述分割的具体过程为：选取分割阈值对计算域内的像素进行二值化分割，将像素值小于分割阈值的像素设置为暗点，将像素值大于等于分割阈值的像素设置为亮点。分割阈值选取计算域内全部像素值方差的3倍。

上述连通域指的是计算域内由亮点组成、且亮点全部连通的区域，连通方式可为4连通方式或8连通方式。由于盲闪元、非线性元、噪点等奇异点的连通像素多小于3，所以本发明在连通域标记时，可选取包含3个或3个以上亮点像素的连通域进行标记，以实现与奇异点的区分。

较佳地，可选取包含4个或4个以上亮点像素的连通域进行标记，实现更为精确的目标筛选。

步骤S4，在标记的连通域中选择包含像素最多的连通域作为目标点。

一般地，上述步骤具体为：在标记的连通域中确定包含像素最多的连通域，以该连通域包含的所有像素作为目标点。

经过上述步骤S1-S4，本发明最大程度减小盲闪元、非线性元、噪点等奇异点对目标提取造成的影响，实现目标的精确筛选。

图2示出了本发明的红外图像目标筛选系统，参见图2，此系统包括：近似目标点确定单元1、计算域确定单元2、分割标记单元3、目标点确定单元4。具体而言：

近似目标点确定单元1用于对红外图像进行弱小目标检测，确定近似目标点。

计算域确定单元2用于确定包含近似目标点的M*M计算域；其中，M为所述计算域横向与纵向的像素数目，M≥7。

分割标记单元3用于选取分割阈值对计算域内的像素进行二值化分割，将像素值小于分割阈值的像素设置为暗点，将像素值大于等于分割阈值的像素设置为亮点；并对亮点组成的、至少包括4个像素的连通域进行标记。

目标点确定单元4用于在标记的连通域中确定包含像素最多的连通域，以该连通域包含的所有像素作为目标点。

较佳地，分割阈值具体为计算域内全部像素值方差的3倍。

本发明提供的红外图像目标筛选方法及系统，在确定分割计算域后，通过连通域像素排序来提取真实目标，能够有效减少盲闪元、非均匀点、噪点等对提取精度的影响。本发明简单易行，易于推广，在工程应用中具有广阔前景。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读取存储介质中，如：ROM/RAM、磁碟、光盘等。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。