data-DD)四个方向，各个方向用邻近像素进行比较，决定局部极大值，如下表所示：
[0047]
[0048]
[0049]如果中心位置的像素值data的梯度方向属于DD-data-DD，则将像素值data与像 素值DD进行比较，若像素值data不是最大值，将其置0。
[0050] 步骤（3)中，边缘闭合判断综合行、列方向闭合度来评定当前点是否为目标边缘 点。判定准则包括：1)行、列方向闭合度同时大于阈值T1;2)对于行方向闭合度，列差值 Col^(i) >Τ表示第i行为候选目标区域，Τ是阈值；3)对于列方向闭合度，两行之间的行 差值Row^(j) >T表示第j列为候选目标区域，T是阈值。
[0051] 步骤（4)中，局部图像F&是包含P〇Sl的矩形区域，利用最大类间方差法对FlcJi 行灰度分割，得到候选目标区域P〇s2;
[0052] 步骤（5)中，通过P〇M^P〇s2ffi与运算获得最优目标区域。
[0053] 实施例2
[0054] 结合图1，下面以实例来说明本发明基于灰度和梯度分割的红外目标检测方法。红 外图像的像素个数640X512,帧频50HZ。数字信号通过光纤传给FPGA+DSP架构的专用图 像处理板，基于灰度和梯度分割的红外目标检测方法在DSP处理器中实现，处理时间小于 20ms，满足实时处理的需求，具体实施步骤如下：
[0055] (1)获取原始图像FOTg，利用Sobel算子计算梯度图像:0'U):
[0056] 14-bit数字图像，通过Sobel算子得到梯度图像:
[0057] (2)对?>(x，少)进行非最大值抑制，得到图像妁(U')；
[0058] (3)计算行方向闭合度，假设目标边缘在图像第82~87行，目标所在行的列 最小值Col·、列最大值 0)1"_分别为Col議={122, 118, 119, 118, 120, 121}和ColΜΧ = {129, 125, 129, 128, 127, 123}。目标所在行的列差值为Coldec可表示为：
[0059]Coldec=Colnax-Col_
[0060] = {7, 7, 10, 10, 7, 2}
[0061] 当阈值T= 3时，由判定准则可计算，行方向闭合度为83. 3%。
[0062] 计算列方向闭合度，假设目标边缘在图像第82~87列，目标所在列的行最 小值Row·、列最大值 ^?咖分别为Row議={122, 118, 119, 118, 120, 121}和Rowmx = {129, 125, 129, 128, 127, 123}。目标所在列的行差值为Rowde。可表示为：
[0063]Rowdec=Rownax-Rownin
[0064] = {7, 7, 10, 10, 7, 2}
[0065] 当阈值T= 3时，由判定准则可计算，列方向闭合度为83. 3%。
[0066] ⑷对灼(A.V)进行边缘连接时，设定高阈值为0·85,低阈值为0·34,通过高、低阈 值进行边缘连接、闭合判断操作，得到候选目标区域P〇s1;
[0067] (5)利用最大类间方差法得到的灰度分割阈值是896,利用灰度分割阈值对局部 图像进行分割，得到候选目标区域P〇s2;
[0068] (6)通过PosJPPos2相与运算获得最优目标区域。
[0069] 实施例3
[0070] 图2中，图2a表不原始图像，图2b表不梯度分割结果，图2c为灰度分割结果，图 2d为最终检测结果。图像显示，本发明提出的基于灰度和梯度分割的红外目标检测方法目 标检测精确尚。
[0071] 本发明提供了一种基于灰度和梯度分割的红外目标检测方法，具体实现该技术方 案的方法和途径很多，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，还可以做出若干改进和润饰，这些改进 和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以 实现。
【主权项】
1. 一种基于灰度和梯度分割的红外目标检测方法，其特征在于，包括以下步骤： 步骤（1)，利用原始图像F"g计算梯度图像 步骤（2)，对梯度图像舛u)进行非最大值抑制，得到图像外(W：h 步骤（3)，利用图像η(Λ'，)')进行边缘连接、边缘闭合判断，计算候选目标区域Pos1; 步骤（4)，根据候选目标区域Pos1选取局部图像F w对局部图像F1Ji行分割，得到候 选目标区域Pos2; 步骤（5)，根据公式Pos = Pos1 Π Pos 2计算最优目标区域Pos。2. 根据权利要求1所述的一种基于灰度和梯度分割的红外目标检测方法，其特征在 于，步骤（1)中，使用Sobel算子计算梯度图像沪U.γ) μ3. 根据权利要求1所述的一种基于灰度和梯度分割的红外目标检测方法，其特征在 于，步骤（2)中，对梯度图像舛x，_y)进行非最大值抑制处理； 非最大值抑制处理包括：在以像素 data为中心的3*3邻域内，将梯度方向定义为以像 素 data为中心的，水平方向和垂直方向以及正负45度角的方向共四个方向的连线；各个方 向用该方向与像素 data邻近像素进行比较，决定局部最大值；如果中心位置的像素 data的 梯度方向属于垂直方向，则将像素 data与垂直方向的邻近像素进行比较，若像素值data不 是最大值，将其置〇。4. 根据权利要求1所述的一种基于灰度和梯度分割的红外目标检测方法，其特征在 于，步骤（3)中，使用边缘闭合判断综合行、列方向闭合度来判断当前点是否为目标边缘 点，同时满足以下条件： 1) 行方向闭合度、列方向闭合度同时大于阈值T1, OS T1S 1 ; 2) 若第i行最左边的有效值位置是Col_(i)，最右边的有效值位置是Col_(i)， Col#。⑴> T表示第i行为有效行，否则第i行为无效行，其中，Co。⑴= Colniax⑴-C〇l_⑴，T是阈值，3彡T彡10 ; 其中，行方向闭合度计算公式如下所示：3) 若第j列最上边的有效值位置是Row_(j)，最下边的有效值位置是Rowniax(j)， R〇wdec(j) > T表示第j列为有效列，否贝lj，第j列为无效列，其中，Rowdec(j)= R〇w_(j)-R〇w_(j)，T 是阈值，3 彡 T 彡 10 ; 其中，列方向闭合度计算公式如下所示：5. 根据权利要求1所述的一种基于灰度和梯度分割的红外目标检测方法，其特征在 于，步骤（4)中，局部图像Fkl。是包含Pos 1的矩形区域，利用最大类间方差法对F1Ji行灰 度分割，得到候选目标区域P〇s2。6. 根据权利要求1所述的基于灰度和梯度分割的红外目标检测方法，其特征在于，步 骤（5)中，通过局部图像Pos1和局部图像Pos 2相与运算获得最优目标区域。
【专利摘要】本发明公开了一种基于灰度和梯度分割的红外目标检测方法，包括以下步骤：1)利用原始图像Forg计算梯度图像2)对进行非最大值抑制，得到图像3)利用进行边缘连接、边缘闭合判断，计算候选目标区域Pos1；4)根据Pos1选取局部图像Floc，对Floc进行分割，得到候选目标区域Pos2；5)根据Pos＝Pos1∩Pos2计算最优目标区域Pos。
【IPC分类】G06T7/00
【公开号】CN105427286
【申请号】CN201510753554
【发明人】白俊奇, 杜瀚宇
【申请人】中国电子科技集团公司第二十八研究所
【公开日】2016年3月23日
【申请日】2015年11月6日