一种基于人类视觉系统的红外小目标检测方法
【技术领域】
[0001] 本发明属于红外目标检测领域。
【背景技术】
[0002] 红外小目标检测在实际工程中起着至关重要的作用，比如红外预警和防御等。红 外预警等应用中，精度和鲁棒性都有要求。
[0003] 尽管在近几十年中许多算法被提出，其中大部分在特定情况下会失效比如空地背 景。这种情况在直升机视野中是很常见的。目标往往有可以识别的形状但是尺寸很小，很 容易被背景中的植被、道路、河流、桥梁、等覆盖或交叠。因为以上原因，传统算法会在检测 结果中产生大量的虚检。
[0004] 人类视觉系统（Humanvisualsystem，HVS)通过视觉注意机制将场景分割成若干 个小图像块使得场景更容易理解和分析。这种机制可以有效降低图像处理的计算成本保证 系统实时性。本方法借鉴人类视觉系统，对于伪目标有较高的鲁棒性，而且在较快的检测速 度下具有较高的检测率和较低的误检率。
【发明内容】
[0005] 本发明是为了解决现有红外小目标检测方法检测的结果存在大量的虚检，导致检 测准确率低的问题，本发明提供了一种基于人类视觉系统的红外小目标检测方法。
[0006] 一种基于人类视觉系统的红外小目标检测方法，该检测方法的具体过程为：
[0007] 步骤一，通过视觉注意机制对原始图片进行处理获得候选目标，
[0008] 所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始 图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设 的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，
[0009] 步骤二，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的 部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在， 完成对目标的检测。
[0010] 步骤一中，对原始图像进行预处理采用局部对比法实现。
[0011] 所述的原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为 显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部 分作为候选目标的具体过程为：
[0012] 步骤--，在原始图像中，以任意像素点a为中心扩展出本地区域u和本地背景V， 对本地背景V进行区域划分，使得本地背景V构成九宫格，本地区域U位于本地背景V构成 的九宫格的中心位置，
[0013] 然后，利用本地区域u和本地背景v的灰度对比，得到像素点a的显著值，
[0014] 对九宫格中的九个格子进行编号，序号为1至9,且序号的排序为从左到右，从上 到下，由1至9依次排序，本地区域u所在的位置为序号5所在的位置，
[0015] 步骤一二，通过步骤一一，获得原始图像中的所有像素点所对应的显著值后，将原 始图像中，每个像素点所对应的显著值替换该像素点所对应的灰度值，获得显著度图；
[0016] 步骤一三，设定阈值T，并通过阈值T选取显著度图中最显著的部分，S卩：将显著值 高于阈值T的位置作为候选目标，
[0017] 其中，
【主权项】
1. 一种基于人类视觉系统的红外小目标检测方法，其特征在于，该检测方法的具体过 程为： 步骤一，通过视觉注意机制对原始图片进行处理获得候选目标， 所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为；原始图像 为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阔 值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标， 步骤二，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分 中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成 对目标的检测。
2. 根据权利要求1所述的一种基于人类视觉系统的红外小目标检测方法，其特征在 于，步骤一中，对原始图像进行预处理采用局部对比法实现。
3. 根据权利要求1所述的一种基于人类视觉系统的红外小目标检测方法，其特征在 于，所述的原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度 图，再通过预设的阔值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为 候选目标的具体过程为： 步骤一一，在原始图像中，W任意像素点a为中屯、扩展出本地区域U和本地背景V，对本 地背景V进行区域划分，使得本地背景V构成九宫格，本地区域U位于本地背景V构成的九 宫格的中屯、位置， 然后，利用本地区域U和本地背景V的灰度对比，得到像素点a的显著值， 对九宫格中的九个格子进行编号，序号为1至9,且序号的排序为从左到右，从上到下， 由1至9依次排序，本地区域U所在的位置为序号5所在的位置， 步骤一二，通过步骤一一，获得原始图像中的所有像素点所对应的显著值后，将原始图 像中，每个像素点所对应的显著值替换该像素点所对应的灰度值，获得显著度图； 步骤一=，设定阔值T，并通过阔值T选取显著度图中最显著的部分，即；将显著值高于 阔值T的位置作为候选目标， 其中，
Cj.表示像素j的显著值，Ni是图像的像素数，k表示调整系数，mall表示本地背景区域V的灰度均值，gma读示本地区域U的最大灰度值，N是九宫格中第i号格子的像素数，gS是 九宫格中第i号格中的第j个像素的灰度值，i和j均为正整数，且i声5。
4. 根据权利要求3所述的一种基于人类视觉系统的红外小目标检测方法，其特征在 于，所述的阔值T的值大于原始图像中所有像素值的均值，小于原始图像中像素值的最大 值，且阔值T的值通过系数调整。
5. 根据权利要求3所述的一种基于人类视觉系统的红外小目标检测方法，其特征在 于，所述的k的取值范围为大于0. 1且小于0. 3。
6. 根据权利要求1所述的一种基于人类视觉系统的红外小目标检测方法，其特征在 于，所述的支持向量机分类器采用该升级支持向量机分类器内部的训练集实现支持向量机 分类器的升级。
【专利摘要】一种基于人类视觉系统的红外小目标检测方法，属于红外目标检测领域。解决了现有红外小目标检测方法检测的结果存在大量的虚检，导致检测准确率低的问题。首先，通过视觉注意机制对原始图片进行处理获得候选目标，所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，其次，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成目标检测。主要对进行目标检测。
【IPC分类】G06T7-20, G06T7-00, G06K9-62
【公开号】CN104851102
【申请号】CN201510271296
【发明人】崔征, 杨京礼, 姜守达
【申请人】哈尔滨工业大学
【公开日】2015年8月19日
【申请日】2015年5月25日