骤2中的公式分别计算超像素块的灰度均值y和 领域滴H特征；
[0056] 巧b)判断灰度均值y和领域滴H特征是否满足特征约束条巧
若 满足，则该超像素块为初检测目标，如图2(d)中的红色区域；反之，则不是，其中y'，曰'，H'表示目标模板的灰度均值，标准差及领域滴，Ki表示超像素块与目标模板的灰度均值相 似度阔值，K,表示超像素块与目标模板的领域滴相似度阔值。图2(d)中的红色区域即为初 检测目标；
[0057] 巧C)对于初检测目标，按照各目标间的重叠率对目标区域进行合并；若重叠率大 于0. 1，则将重叠区域进行合并，合并后的结果如图2(e)所示；反之，则不合并；然后采用面 积滤波去除部分错误的初检测目标，面积滤波的公式为；T2=areaopenCr，S)，其中T表示 初检测目标，T2表示面积滤波后图像，S表示最大目标面积，其根据目标在图像中的大小先 验设定，面积滤波后的图像如图2(f)所示。
[005引从图2(3)、2化）、2似、2(屯、2(6)、2讯中可^看到，原始图像经过增强、分割^ 及初步检测、区域合并和面积滤波处理可W初步剔除虚假目标。
[0化9] 步骤6,对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结 果。
[0060] (6a)从本帖图像开始，连续输入3帖图像；
[0061] 化b)在3帖图像的空间位置上W目标为中屯、建立一个空间管道，管道的直径为目 标的邻域大小，其大小略大于目标，管道的长度为所需的图像帖数；
[006引化C)取第一帖图像作为当前帖，确定该图像中的所有初步检测目标点Pi，并记录 它们的位置信息，i= 1，2, 3...;
[0063] 化d)对所有的初步检测目标点，在下一帖中观察W管道直径大小为5的邻域内是 否有可疑目标点存在；如果有，则目标出现计数器加1，同时比较初步检测目标点和可疑目 标点的位置，判断位置是否发生变化；如果有变化，则其相应的目标位置变化计数器加1 ; 记录该帖中的可疑目标点位置，并将其设为初步检测目标点的当前位置；如果没有变化，贝U 跳过该帖，并转到下下一帖继续捜索，直到管道中的3帖图像全部捜索完毕；
[0064] 化e)在对第3帖图像处理完后，判断每个计数器的输出值；如果目标出现次数计 数器的值大于等于2,则判定目标出现次数计数器所对应的初步检测目标点为最终目标，并 标记其位置；否则，将初步检测目标点视为假目标剔除。图3展示了通过帖间积分剔除虚假 目标的过程，其中图3(a)为对第1帖无人机目标的检测结果，图3化）为对第2帖无人机目 标检测结果，图3(C)为对第=帖无人机目标检测结果，图3 (d)为对最终第1帖剔除虚假目 标的结果。
[0065] 从图3 (a)、3化）、3 (C)、3 (d)可W依次看到对3帖无人机图像的目标检测过程和最 终第1帖剔除虚假目标的结果，该结果表明，本发明能准确地检测出无人机图像中的人物 目柄。
[0066] W上描述仅是本发明的一个具体实例，显然对于本领域的专业人员来说，在了解 了本
【发明内容】
和原理之后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上 的各种修正和改变，但是该些基于本发明思想的修正和改变仍在本发明的权利要求范围之 内。
【主权项】
1. 一种无人机可见光图像中的弱小目标检测方法，包括如下步骤： (1) 输入一帧含有多个人物目标的无人机图像，从中提取N个图像块作为目标模板，每 个图像块含有1个人物目标，1〈 =N〈 = 3 ; (2) 求取目标模板的均值y、标准差〇和MH; (3) 对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超 像素块； (4) 对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测： (4a)在每个超像素块内，分别提取超像素块的灰度均值y和领域熵H特征；足，则该超像素块为初检测目标，反之，则不是，其中U'，〇'，H'表示目标模板的灰度均 值，标准差及领域熵，K1表示超像素块与目标模板的灰度均值相似度阈值，K2表示超像素块 与目标模板的领域熵相似度阈值； (4c)对于初检测目标，按照各目标间的重叠率对目标区域进行合并：若重叠率大于 0. 1，则将重叠区域进行合并，反之，则不。然后采用面积滤波去除部分错误的初检测目标； (5) 对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果： (5a)从本帧图像开始，连续输入3帧图像； (5b)在3帧图像的空间位置上以目标为中心建立一个空间管道，管道的直径为目标的 邻域大小，其大小略大于目标，管道的长度为所需的图像帧数； (5c)取第一帧图像作为当前帧，确定该图像中的所有初步检测目标点Pi,并记录它们 的位置信息，i= 1，2, 3...; (5d)对所有的初步检测目标点，在下一帧中观察以管道直径大小为5的邻域内是否有 可疑目标点存在：如果有，则目标出现计数器加1，同时比较初步检测目标点和可疑目标点 的位置，判断位置是否发生变化：如果有变化，则其相应的目标位置变化计数器加1 ;记录 该帧中的可疑目标点位置，并将其设为初步检测目标点的当前位置；如果没有变化，则跳过 该帧，并转到下下一帧继续搜索，直到管道中的3帧图像全部搜索完毕； (5e)在3帧图像处理完后，判断每个计数器的输出值：如果目标出现次数计数器的值 大于等于2,则判定目标出现次数计数器所对应的初步检测目标点为最终目标，并标记其位 置，否则，将初步检测目标点视为假目标剔除。2. 根据权利要求1所述的无人机可见光图像中的弱小目标检测方法，所述步骤（2)中 求取目标模板的均值U、标准差〇和熵H，通过如下公式计算：式中Pi表示图像中灰度值为i的像素点所占目标模板所有像素点的比例，k表示图像 灰度级最大值。3. 根据权利要求1所述的无人机可见光图像中的弱小目标检测方法，所述步骤（3)中 对输入图像进行增强处理，按照如下步骤进行： (3a)用中值滤波处理原图像，去除图像中的噪声； (3b)用伽马变换对除噪后图像的灰度进行拉伸，以提高图像中低亮度区域的亮度。4. 根据权利要求1所述的无人机可见光图像中的弱小目标检测方法，所述步骤（3)中 对增强后的图像按照颜色信息进行分割，得到多个超像素块，按照如下步骤进行： (4a)从灰度拉伸后的图像中随机选择一个像素，记为X，选取以该像素X为中心的一个 窗口； (4b)计算该像素X的均值漂移向量Hlh(X):式中，11是以像素X为中心的窗口中的像素点，g(X) = - ▽k(x)，k(x)为单位高斯核 函数，▽表示求导，h是核函数k(x)的颜色带宽； (4c)设定误差阈值e= 〇. 1，判断|mh(x)-x| <e是否成立，若成立，则X即为收敛 点z，执行步骤（4d)，否贝1」，更新X=mh(x)，返回步骤（4b)重新迭代； (4d)依次求出增强后的图像中的每个像素点的局部收敛点Zi，i= 1，2, ???，!!； (4e)将具有相同收敛点的像素点Zi归为同一类，即划为一个分割区域，得到分割后的 图像。
【专利摘要】本发明公开了一种无人机可见光图像弱小目标检测方法，主要解决现有技术因形状信息中存在的缩放和旋转而导致目标很难检测的问题。其实现步骤为：(1)输入一帧含有多个人物目标的无人机图像，从中提取两个图像块作为目标模板，每个图像块含有1个人物目标；(2)求取目标模板的均值μ、标准差σ和熵H；(3)对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超像素块；(4)对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测：(5)对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果。本发明有效提高了无人机图像中的弱小目标的识别准确率，可用于无人机可见光图像或视频中。
【IPC分类】G06K9/00
【公开号】CN104966054
【申请号】CN201510320098
【发明人】张建龙, 高新波, 赵坤, 张国宾, 王勇
【申请人】西安电子科技大学, 中国电子科技集团公司第二十七研究所
【公开日】2015年10月7日
【申请日】2015年6月11日