一种基于组合滤波优化的红外小目标检测方法及系统

本发明属于红外小目标检测处理，具体涉及一种基于组合滤波优化的红外小目标检测方法及系统。

背景技术：

1、由于红外小目标在图像中所占面积小，缺少形状和纹理等信息，容易淹没在背景中，导致红外小目标的检测难度大。基于空间滤波的红外小目标检测算法通过对红外图像进行空域滤波处理，能够滤除噪声、平滑背景、增强红外小目标信号，然后采用自适应阈值分割得到目标的位置，从而最终实现红外小目标的检测。基于空域滤波的红外小目标检测算法具有快速、易实现、鲁棒性强的优势，常用的滤波方法包括中值滤波、最大中值滤波、高斯滤波等。

2、但是滤波类的红外小目标检测算法是基于目标与背景先验特征人为设计滤波核，在使用过程中针对不同类型复杂背景的红外图像均采用相同的滤波核结构，存在着过于泛化、针对性差的缺点，导致滤波类红外小目标检测算法在复杂背景下的虚警多、对低信杂比目标的检测性能差。

3、为了解决上述问题，本发明通过典型滤波核加权融合的方式构造出新的滤波核进行红外小目标检测，其中典型滤波核的加权系数利用大量样本训练优化得到，对于不同特征的输入图像其滤波核加权系数不同，从而实现强针对性的个性化滤波方法。

技术实现思路

1、为了克服传统滤波类算法过于泛化，复杂背景下虚警多的不足，提出了一种基于滤波核组合优化的红外小目标检测技术方案。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于组合滤波优化的红外小目标检测方法，包括以下步骤：

4、s1：构建红外小目标图像块样本库，并将所述红外小目标图像块样本库作为训练样本，其中，所述红外小目标图像块样本库包括：原始红外图像块和目标标注掩码图；

5、s2：对所述红外小目标图像块样本库中每个图像样本块进行滤波核组合训练优化，获得每个图像样本块对应的最优滤波组合系数，并将每个图像样本块与对应的最优滤波组合系数组成先验样本数据，通过收集满足预设要求数量且不同背景下的先验样本数据构成完备的先验样本数据库；

6、s3：对待测试图像进行滑窗获得图像块，并从所述先验样本库中找到最相似样本图像块，采用所述最相似样本图像块的滤波组合系数对所述图像块进行加权融合滤波，获得整张图像混合滤波的结果，对所述整张图像混合滤波的结果进行自适应阈值分割得到红外小目标。

7、优选的，所述s1中，构建红外小目标图像块样本库的方法包括：

8、s11：提取红外图像中红外小目标的位置，并以所述红外小目标的位置为中心裁剪出m×m像素的红外图像块原图exn(i,j)，其中，(i,j)表示像素位置，n表示图像样本块编号；

9、s12：对得到的所述红外图像块原图exn(i,j)进行逐像素分类，构成目标标注掩码图labeln(i,j)，其中，对得到的所述红外图像块原图exn(i,j)进行逐像素分类的方法包括：将红外小目标位置处像素置为1，背景位置处的像素置为0；

10、s13：重复所述s11和所述s12，将获得的所有目标标注掩码图形成红外小目标图像块样本库。

11、优选的，所述s2中，对所述红外小目标图像块样本库中每个图像样本块进行滤波核组合训练优化，获得每个图像样本块对应的最优滤波组合系数的方法包括：

12、s21：获取红外图像块原图exn(i,j)，对所述红外图像块原图exn(i,j)分别进行中值滤波、最大中值滤波和高斯滤波；

13、s22：将中值滤波、最大中值滤波和高斯滤波的结果进行加权得到组合滤波的结果；

14、s23：采用所述组合滤波的结果与目标标注掩码图labeln(i,j)的均方差作为目标函数；

15、s24：利用拉格朗日法求解所述目标函数最小时对应的最优滤波组合系数。

16、优选的，所述s3中，得到红外小目标的方法包括：

17、s31：对所述待测试图像从左到右、从上到下依次滑窗遍历选取图像块，其中，所述滑窗的窗口大小为m×m像素，步长为m/2像素；

18、s32：采用均值哈希算法度量滑窗得到的图像块与所述先验样本数据库中图像块的相似度，在所述先验样本数据库找到与滑窗得到的图像块汉明距离最大的样本图像块，并获取所述样本图像块的滤波权重；

19、s33：对滑窗得到的图像块分别进行中值滤波、最大中值滤波、高斯滤波，得到滤波后结果，将单独滤波的结果根据获得的所述样本图像块的权重系数进行加权融合，得到图像块滤波结果，重复s32、s33得到整张图像混合滤波后结果；

20、s34：对所述整张图像混合滤波的结果进行自适应阈值分割，得到红外小目标位置。

21、本发明还提供了一种基于组合滤波优化的红外小目标检测系统，包括：构建模块、优化模块和定位模块；

22、所述构建模块用于构建红外小目标图像块样本库，并将所述红外小目标图像块样本库作为训练样本，其中，所述红外小目标图像块样本库包括：原始红外图像块和目标标注掩码图；

23、所述优化模块用于对所述红外小目标图像块样本库中每个图像样本块进行滤波核组合训练优化，获得每个图像样本块对应的最优滤波组合系数，并将每个图像样本块与对应的最优滤波组合系数组成先验样本数据，通过收集满足预设要求数量且不同背景下的先验样本数据构成完备的先验样本数据库；

24、所述定位模块用于对待测试图像进行滑窗获得图像块，并从所述先验样本库中找到最相似样本图像块，采用所述最相似样本图像块的滤波组合系数对所述图像块进行加权融合滤波，获得整张图像混合滤波的结果，对所述整张图像混合滤波的结果进行自适应阈值分割得到红外小目标。

25、优选的，所述构建模块包括：提取单元、分类单元和样本库构建单元；

26、所述提取单元用于提取红外图像中红外小目标的位置，并以所述红外小目标的位置为中心裁剪出m×m像素的红外图像块原图exn(i,j)，其中，(i,j)表示像素位置，n表示图像样本块编号；

27、所述分类单元用于对得到的所述红外图像块原图exn(i,j)进行逐像素分类，构成目标标注掩码图labeln(i,j)，其中，对得到的所述红外图像块原图exn(i,j)进行逐像素分类的方法包括：将红外小目标位置处像素置为1，背景位置处的像素置为0；

28、所述样本库构建单元用于重复所述提取单元和所述分类单元，将获得的所有目标标注掩码图形成红外小目标图像块样本库。

29、优选的，所述优化模块包括：滤波单元、加权单元、目标函数构建单元和求解单元；

30、所述滤波单元用于对获取的红外图像块原图exn(i,j)分别进行中值滤波、最大中值滤波和高斯滤波得到滤波结果；

31、所述加权单元用于将中值滤波、最大中值滤波和高斯滤波的结果进行加权得到组合滤波的结果；

32、所述目标函数构建单元用于采用所述组合滤波的结果与目标标注掩码图labeln(i,j)的均方差作为目标函数；

33、所述求解单元用于利用拉格朗日法求解所述目标函数最小时对应的最优滤波组合系数。

34、优选的，所述定位模块包括：滑窗单元、匹配单元、混合单元和分割单元；

35、所述滑窗单元用于对所述待测试图像从左到右、从上到下依次滑窗遍历选取图像块，其中，所述滑窗的窗口大小为m×m像素，步长为m/2像素；

36、所述匹配单元用于采用均值哈希算法度量滑窗得到的图像块与所述先验样本数据库中图像块的相似度，在所述先验样本数据库找到与滑窗得到的图像块汉明距离最大的样本图像块，并获取所述样本图像块的滤波权重；

37、所述混合单元用于对滑窗得到的图像块分别进行中值滤波、最大中值滤波、高斯滤波，得到滤波后结果，将单独滤波的结果根据获得的所述样本图像块的权重系数进行加权融合，最终得到整张图像混合滤波后结果；

38、所述分割单元用于对所述整张图像混合滤波的结果进行自适应阈值分割，得到红外小目标位置。

39、与现有技术相比，本发明的有益效果为：

40、本发明提出了一种基于滤波核组合优化的红外小目标检测方法。构建输入图像块、目标标注掩码图与滤波核权重的数学模型，通过最优化求解滤波核权重，生成先验样本数据库。推理时，将测试图像与先验样本数据库中图像块进行相似匹配，采用匹配上的图像块滤波核权重系数对其进行组合滤波。最终实现精细化滤波，提高了红外小目标的检测性能，同时降低系统虚警。

41、本发明设计了一种滤波核组合优化方法，以红外图像块原图及其目标标注掩码图作为输入，将组合滤波结果与目标标注掩码图的均方差作为目标函数，采用拉格朗日法对目标函数求解得到各滤波核的权重，将红外图像块原图与各滤波核的权重构成先验样本数据。通过对大量红外图像块进行滤波核组合优化，形成完备的先验样本数据库

42、本发明设计了一种基于相似性的推理方法，对红外图像滑窗选取图像块，滑窗图像块与先验样本库中的样本图像块利用均值哈希算法进行相似性度量，采用最相似样本图像块的滤波核权重对滑窗图像块进行个性化组合滤波，完成整张图像的滤波后进行自适应阈值分割，实现红外图像中小目标的检测。