一种复杂背景下红外疑似目标的提示方法及系统与流程

本发明属于人工智能
技术领域：
，具体涉及一种复杂背景下红外疑似目标的提示方法及系统。
背景技术：
：目前随着人工智能的发展，红外光电搜索跟踪类产品中，如红外光电搜索跟踪系统需要对复杂场景下的红外热源疑似目标进行提示，智能化辅助发现目标，对于疑似目标的自动提示需求也越来越多，如车库的防盗保护系统、学生宿舍安全监控以及照明节电护目等都需要使用到红外检测提示的功能。已经出现的目标提示方法有：灰度法、梯度法等。以上方法对于天空或海面的干净背景能有较好的效果，但在复杂场景中效果较差，不能高效率的识别疑似目标并进行提醒，并且常常会因为识别不准确而出现虚警问题。技术实现要素：本发明的目的是克服现有技术中复杂场景红外疑似目标提示不稳定的问题。为此，本发明提供了一种复杂背景下红外疑似目标的提示方法，包括：s1：通过高斯滤波对原始图像进行噪声滤除得到真实图像；s2：选取所述真实图像中的像素点，根据所述像素点与所述像素点邻域均值之间的差异大小进行显著性表征得到显著性图；s3：对所述显著性图进行二值化处理得到目标区域，并利用区域联通将所述目标区域进行疑似目标的定位；s4：通过管道处理所述疑似目标并稳定提示。优选地，所述目标图像为红外实时图像。优选地，所述步骤s3具体包括：采用阈值分割对所述显著性图进行二值化处理。优选地，所述阈值分割包括在获取的所述显著性图的基础上，采用最大类间方差法对目标区域进行分割。优选地，对目标区域的像素点集合进行划分，得到多个像素点子集区域，各像素点子集区域具有一致的属性，且各像素点子集区域分别对应现实景物的相应区域。优选地，所述高斯滤波的公式如下所示：其中ifilter(x,y)表示经高斯滤波后的图像，i(x,y)表示该像素点处的向量，g(x,y)表示高斯滤波，表示卷积运算。优选地，所述显著性表征的计算公式如下：s(x,y)＝||iu(x,y)-i(x,y)||(2)其中，s(x,y)表示所述真实图像的在像素点(x,y)处的显著性值，i(x,y)表示在像素点(x,y)处的向量，iu(x,y)表示在像素点(x,y)处的邻域范围内所有像素向量的均值。优选地，所述步骤s4具体包括：对连续多帧疑似目标进行定位，然后使用管道处理对连续多帧疑似目标进行稳定提示。本发明实施例还提供了一种复杂背景下红外疑似目标的提示系统，包括：滤波模块，所述滤波单元用于通过高斯滤波对原始图像进行噪声滤除得到真实图像；显著性建模分析模块，所述显著性建模分析模块用于选取所述真实图像中的像素点，根据所述像素点以及所述像素点邻域均值的差异大小进行显著性表征得到显著性图；二值化处理模块，所述二值化处理模块用于对所述显著性图进行二值化处理，并利用区域联通将二值化处理后的目标区域进行疑似目标定位；管道处理提示模块，所述管道处理提示模块用于通过管道处理对所述目标区域进行稳定提示。优选地，所述二值化处理模块对目标区域的像素点集合进行划分，得到多个像素点子集区域，各像素点子集区域具有一致的属性，且各像素点子集区域分别对应现实景物的相应区域。本发明的有益效果：本发明提供的这种复杂背景下红外疑似目标的提示方法及系统，先通过高斯滤波对原始图像的复杂场景中的噪声进行滤除得到真实图像，然后进行显著性检测，计算真实图像中每个像素点的显著性值得到显著性图，并使用阈值分割对显著性图进行二值化处理，利用区域联通进行疑似目标区域的定位，然后连续多帧进行目标定位，并使用管道处理对目标进行稳定提示。该方案可在复杂场景中有效的去除虚警并进行疑似目标的稳定提示，实现红外光电搜索跟踪系统在复杂场景中对红外热源目标的稳定提示功能，解决了现有复杂环境下目标提示不稳定以及虚警过多等问题。可用于安全监控、交通检测等领域中。以下将结合附图对本发明做进一步详细说明。附图说明图1是本发明复杂背景下红外疑似目标的提示方法的流程示意图；图2是本发明复杂背景下红外疑似目标的提示方法的管道处理示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。本发明实施例提供了一种复杂背景下红外疑似目标的提示方法，包括：s1：通过高斯滤波对原始图像进行噪声滤除得到真实图像。在复杂场景下，红外光电搜索跟踪类产品会实时获取现场的原始图像，先通过高斯滤波对原始图像进行噪声滤除以得到真实图像。s2：选取所述真实图像中的像素点，根据所述像素点与所述像素点邻域均值之间的差异大小进行显著性表征得到显著性图。显著性检验要判断样本与总体所做的假设之间的差异是纯属机会变异，还是有所做的假设与总体真实情况之间不一致所引起的，这样以消除第一类错误和第二类错误，从而尽可能忽略不感兴趣区域，提高计算效率。s3：对所述显著性图进行二值化处理得到目标区域，并利用区域联通将所述目标区域进行疑似目标的定位。二值化是图像分割的一种最简单的方法。二值化可以把灰度图像转换成二值图像。把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。即将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。二值化后的图像分析最重要的方法就是区域联通进行标记，通过对二值图像中白色像素(目标)的标记，让每个单独的连通区域形成一个被标识的块，进一步就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数，通过这些几何参数来筛选定位出疑似目标。s4：通过管道处理所述疑似目标并稳定提示。连续多帧进行目标定位，并使用管道处理来对目标进行稳定提示，将零散的疑似目标区域进行连接，根据信息历史队列轨迹，保存连续一段时间的目标信息，可以用这些信息求平均值，平滑滤波。主要就是防止疑似目标的信息有较大的波动，保存连续几帧的图像信息，取平均值滤波，使其波动变小。这样就使得疑似目标在连续帧的不同位置依次链接起来，从而对疑似目标进行稳定提示。由此可知，如图1和图2所示，通过高斯滤波对原始图像的复杂场景中的噪声进行滤除得到真实图像，然后进行显著性检测，计算真实图像中每个像素点的显著性值得到显著性图，并使用阈值分割对显著性图进行二值化处理，利用区域联通进行疑似目标区域的定位，然后连续多帧进行目标定位，并使用管道处理对目标进行稳定提示。能有效解决现有复杂环境下目标提示不稳定以及虚警过多等问题。优选的方案，所述目标图像为红外实时图像。目标图像还可以是其他如ccd相机等其他手段获取的实时图像。优选的方案，所述步骤s3具体包括：采用阈值分割对所述显著性图进行二值化处理。由此可知，图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。采用最大类间方差法(otsu)进行目标区域的分割。它依据的原理是利用类别方差作为判据，选取使类间方差最大的灰度值作为最佳阈值，采用公式(3)进行阈值计算。设一幅图像灰度值分为0-(l-1)级，灰度值i的像素个数为n，则总的像素个数：各像素值概率：然后用一整数t将图像中的像素按灰度级划分成两类c0和c1，c0＝{0,1,…,t},c1＝{t+1,t+2,…,l-1}c0产生的概率均值c1产生的概率均值其中是整体图像灰度的统计均值，则μ＝w0μ0+w1μ1类间方差为:最佳阈值t*为：其中优选的方案，所述阈值分割包括在获取的所述显著性图的基础上，采用最大类间方差法对目标区域进行分割。具体地，对目标区域的像素点集合进行划分，得到多个像素点子集区域，各像素点子集区域具有一致的属性，且各像素点子集区域分别对应现实景物的相应区域。由此可知，根据像素点属性不同来划分分类，以此来初步筛选疑似目标。优选的方案，所述高斯滤波的公式如下所示：其中ifilter(x,y)表示经高斯滤波后的图像，i(x,y)表示该像素点处的向量，g(x,y)表示高斯滤波，表示卷积运算。由此可知，滤波是信号处理及图像预处理中一个基本操作，旨在特定的应用程序中，选择性地提取图像中被认为传达重要信息的部分。本专利中选用高斯滤波器g(x,y)对图像进行滤波。高斯模板大小为3×3，模板核心参数如下设置：0.07510.12380.07510.12380.20420.12380.07510.12380.0751优选的方案，所述显著性表征的计算公式如下：s(x,y)＝||iu(x,y)-i(x,y)||(2)其中，s(x,y)表示所述真实图像的在像素点(x,y)处的显著性值，i(x,y)表示在像素点(x,y)处的向量，iu(x,y)表示在像素点(x,y)处的邻域范围内所有像素向量的均值。由此可知，显著性建模主要是基于图像对比度的，通过提出不同的对比度假设，从而建立相应的saliencymeasure函数，如公式(2)所示，显著性值的计算公式可以看出，其思想是利用该像素与其邻域均值的差异大小来进行显著性的表征，从而反映整体的saliencymap，其中||||表示二范数，即欧式距离。优选的方案，所述步骤s4具体包括：对连续多帧疑似目标进行定位，然后使用管道处理对连续多帧疑似目标进行稳定提示。先将多个疑似目标筛选出来，然后根据信息的历史队列轨迹来进行排序，将连续多帧疑似目标按照历史队列的先后顺序串接起来以进行稳定连续的报警提示。本发明实施例还提供了一种复杂背景下红外疑似目标的提示系统，包括：滤波模块，所述滤波单元用于通过高斯滤波对原始图像进行噪声滤除得到真实图像；显著性建模分析模块，所述显著性建模分析模块用于选取所述真实图像中的像素点，根据所述像素点以及所述像素点邻域均值的差异大小进行显著性表征得到显著性图；二值化处理模块，所述二值化处理模块用于对所述显著性图进行二值化处理，并利用区域联通将二值化处理后的目标区域进行疑似目标定位；管道处理提示模块，所述管道处理提示模块用于通过管道处理对所述目标区域进行稳定提示。优选的方案，所述二值化处理模块对目标区域的像素点集合进行划分，得到多个像素点子集区域，各像素点子集区域具有一致的属性，且各像素点子集区域分别对应现实景物的相应区域本发明的有益效果：本发明提供的这种复杂背景下红外疑似目标的提示方法及系统，先通过高斯滤波对原始图像的复杂场景中的噪声进行滤除得到真实图像，然后进行显著性检测，计算真实图像中每个像素点的显著性值得到显著性图，并使用阈值分割对显著性图进行二值化处理，利用区域联通进行疑似目标区域的定位，然后连续多帧进行目标定位，并使用管道处理对目标进行稳定提示。该方案可在复杂场景中有效的去除虚警并进行疑似目标的稳定提示，实现红外光电搜索跟踪系统在复杂场景中对红外热源目标的稳定提示功能，解决了现有复杂环境下目标提示不稳定以及虚警过多等问题。可用于安全监控、交通检测等领域中。以上例举仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。当前第1页12