可見光圖像中弱小目標的檢測方法技術

本發(fā)明專利技術公開了一種可見光圖像中弱小目標的檢測方法，首先構建運動整合模型，利用仿人類視覺對色彩、方向及運動特性的敏感性，進行特征提取，構建視覺注意機制模型；進行目標檢測機制選擇，利用不同工作模式下圖像具有的視覺特性，選取視覺注意機制模型，進行不同工作模式下的目標檢測；完成目標質心定位。由于利用目標的視覺特性進行軌跡檢測，充分利用了視覺對色彩、灰度、方向及運動的敏感性，運用集中視覺注意機制模型的不同組合，實現(xiàn)了多種工作模式下的弱小目標檢測。

【技術實現(xiàn)步驟摘要】

本專利技術涉及一種可見光圖像處理方法，特別是可見光圖像中不同工作模式條件下弱小目 標的檢測方法。
技術介紹
多種不同工作模式條件下的目標檢測問題直接決定了天文觀測系統(tǒng)的檢測性能，有效地 解決此問題對于提高系統(tǒng)性能具有非常重要的意義。現(xiàn)有的弱小目標檢測方法主要有基于 靜止背景的目標檢測方法和基于復雜運動背景的目標檢測方法。文獻"空間目標運動軌跡提取算法研究，紅外技術，2007， 29(8),459-462"公開了一種 弱小目標檢測方法，該方法基于序列圖像多幀累加背景掩模幀生成的目標提取算法，采用多 幀累加和閾值分割得到含有動目標的二值圖像，之后采用交叉投影法生成掩模幀確定星點的 區(qū)域，最后通過質心定位方法得到目標的精確質心位置。在獲取含有動目標二值圖階段，該 方法利用序列圖像的前三幀圖像進行背景估計，并采用自動閾值分割方法進行灰度圖像分割， 因此，閾值的選取決定了可檢測目標的強弱程度；在目標運動軌跡提取階段，由于需要生成 的掩模幀和逐點象素進行點乘，計算量大，實現(xiàn)過程復雜。且文獻公開的方法只適合目標跟 蹤模式和恒星跟蹤模式下的目標檢測，使實際應用中具有較大的局限性。
技術實現(xiàn)思路
為了克服現(xiàn)有技術檢測方法對檢測模式限制的不足，本專利技術提供一種可見光圖像中弱小 目標的檢測方法，利用目標的視覺特性進行軌跡檢測，充分利用視覺對色彩、灰度、方向及 運動的敏感性，運用集中視覺注意機制模型的不同組合，可以實現(xiàn)多種工作模式下的弱小目 標檢測。本專利技術解決其技術問題所采用的技術方案 一種， 其特點是包括下述步驟(a)對序列圖像進行灰度特征A"，彩色特征F,(W-G)〃；巧=(3-n〃，方向特征A， F5，《，^的提取，其中角度^{0°;45°;90';13";采用多尺度方式構建特征集F# ，根據(jù)特征 整合公式進行特征集/^的特征整合，通過歸一化方法，構建靜態(tài)模型&,^;對序列圖像采 用局部絕對值的方法進行運動檢測，通過歸一化方法，構建運動模型將得到的靜態(tài)模 型&自和運動模型^。,,。 進行歸一化處理，得到最終的運動整合模型&,。,￡&咖；依據(jù)運動目標 參與顯著性的判決，以及靜態(tài)顯著性按照比例進行顯著性整合，生成條件限制模型&。 ^;.=1， 2， 3，……7; &=1, 2， 3， ......6;(b) 對于固定跟蹤模式工作條件，探測系統(tǒng)的運動方式與搭載平臺的運動方式相同， 獲取的序列圖像中弱小目標和背景恒星產生不同的運動方向和不同的速度，通過灰度《=/和方向《，巧，f;，仄的提取，通過歸一化方法構建的靜態(tài)模型S自,，測到組合幀中弱小目標的運動軌跡，將得到的目標軌跡圖像與序列圖像中的第一幀圖像求取交集，得到弱小 目標的位置；對于恒星跟蹤模式工作條件，探測系統(tǒng)永遠對準恒星的位置，使背景恒星在獲取的序 列圖像中保持靜止，通過運動整合模型5^&—和條件限制模型&。 ,，得到運動點弱小目標的位置；對于目標跟蹤模式工作條件，探測系統(tǒng)永遠對準目標的位置，使目標在獲取的序列圖像 中保持靜止，通過運動整合模型^*&—和條件限制模型&,^，得到所有運動背景恒星，將所有運動背景恒星作為背景恒星掩模幀，利用掩模幀與序列圖像逐幀進行點乘，得到運動點目 標的位置；(c) 根據(jù)得到不同工作模式下點目標的坐標位置，通過平方加權質心提取公式，最終實 現(xiàn)目標的質心定位。本專利技術的有益效果是由于利用目標的視覺特性進行軌跡檢測，充分利用了視覺對色彩、 灰度、方向及運動的敏感性，運用集中視覺注意機制模型的不同組合，實現(xiàn)了多種工作模式 下的弱小目標檢測。下面結合實施例對本專利技術作詳細說明。 具體實施例方式本專利技術方法包括(一)運動整合模型的構建。構建四個與視覺注意機制相對應的模型。第一個是視覺注意機制中最典型的靜態(tài)模型。 第二個是僅限于描述運動特征的運動模型。第三個是將靜態(tài)和運動相結合的運動整合模型， 最后一個是用于運動條件限制的條件限制模型。(a)構建靜態(tài)模型。首先從圖像中提取出7個基本特征1個灰度特征^=/;兩個彩色特征&=(7 -G)//; F3=(B —y)〃； 4個方向特征《，F(xiàn)5， K， F7，其中角度6^{0°;45°;90°;135°}。其次，采用多尺度的方式進行不同尺度A:-1...6下特征巧(J=1...7)的特征集/^的構 建，基于中央周邊操作機制，根據(jù)公式<formula>formula see original document page 5</formula>(1)得到不同尺度下的特征圖，然后進行特征整合<formula>formula see original document page 5</formula> (2)最終得到單特征的顯著性圖，并且通過同樣的整合方式，得到特征顯著圖<formula>formula see original document page 5</formula> (3)/■e(2,3,4,5) je(6,7) 其中，W(，)表示整合過程中的歸一化操作。 在得到特征顯著圖的基礎上，構建靜態(tài)模型模型&,自<formula>formula see original document page 5</formula>(4)本專利技術中只涉及灰度序列圖像的處理，因此，只用到了一個灰度fj =/和4個方向特征F,，f5，《，《，其中角度e^(T;45";90。;135。l來實現(xiàn)靜態(tài)模型的構建。(b) 構建運動模型。采用局部絕對值的方法進行運動檢測。定義絕對值的運動速度如)、1 '、: (5)其中，V/表示空域上的梯度變換，/,時域上的灰度值/的微分。因此，運動顯著性圖 表示為<formula>formula see original document page 5</formula> (6)其中，M,表示尺度Z下的多尺度運動顯著圖S， W(，)表示為歸一化方程，與靜態(tài)模型的 歸一化方程相同。因此，運動模型可最終表示為(c) 構建運動整合模型。運動整合模型是將靜態(tài)特征模型^.,。,,6.和運動特征模型^ ,,。 進行歸一化處理。生成運動S,加,辟=季爐.)+卬—) (8) 運動條件限制模型是將靜態(tài)顯著性模型和運動顯著性模型，依據(jù)運動判決條件即僅運動目標參與顯著性的判決以及靜態(tài)顯著性按照一定的比例進行顯著性整合。生 成的條件限制模型K義,/)叫 . (9)(二) 目標檢測機制選擇。 弱小目標的檢測主要是通過目標與背景恒星運動特性的差異進行目標的判定。根據(jù)探測系統(tǒng)的三種工作模式，即固定跟蹤模式、目標跟蹤模式和恒星跟蹤模式，在序列圖像中將相 應的產生僅有目標運動，或者僅有恒星背景運動，或者目標和背景恒星均有運動的三種情況。 對于固定跟蹤模式。探測系統(tǒng)在固定跟蹤模式工作時，探測系統(tǒng)的運動方式與搭載平臺相同，即獲取的序列 圖像中目標和背景恒星均產生運動，但具有不同的運動方向和速度。因此，在連續(xù)多幀圖像 所產生的組合幀圖像中，目標和背景恒星的運動軌跡表現(xiàn)為具有不同方向性的直線。在基于 顯著性的視覺注意模型中，本文檔來自技高網...

【技術保護點】
一種可見光圖像中弱小目標的檢測方法，其特征在于包括下述步驟：　（ａ）對序列圖像進行灰度特征Ｆ↓［１］＝Ｉ，彩色特征Ｆ↓［２］＝（Ｒ－Ｇ）／Ｉ；Ｆ↓［３］＝（Ｂ－Ｙ）／Ｉ，方向特征Ｆ↓［４］，Ｆ↓［５］，Ｆ↓［６］，Ｆ↓［７］的提取，其 中角度θ∈｛０°；４５°；９０°；１３５°｝；采用多尺度方式構建特征集Ｆ↓［ｊ，ｋ］，根據(jù)特征整合公式進行特征集Ｆ↓［ｊ，ｋ］的特征整合，通過歸一化方法，構建靜態(tài)模型Ｓ↓［ｓｔａｔｉｃ］；對序列圖像采用局部絕對值的方法進行運動檢測，通過歸一化方法，構建運動模型Ｓ↓［ｍｏｔｉｏｎ］；將得到的靜態(tài)模型Ｓ↓［ｓｔａｔｉｃ］和運動模型Ｓ↓［ｍｏｔｉｏｎ］進行歸一化處理，得到最終的運動整合模型Ｓ↓［ｓｔａｔｉｃ＆ｄｙｎ］；依據(jù)運動目標參與顯著性的判決，以及靜態(tài)顯著性按照比例進行顯著性整合，生成條件限制模型Ｓ↓［ｃｏｎｄ］；　ｊ＝１，２，３，……７；　ｋ＝１，２，３，……６；　（ｂ）對于固定跟蹤模式工作條件，探測系統(tǒng)的運動方式與搭載平臺的運動方式相同，獲取的序列圖像中弱小目標和背景恒星產生不同的運動方向和 不同的速度，通過灰度Ｆ↓［１］＝Ｉ和方向Ｆ↓［４］，Ｆ↓［５］，Ｆ↓［６］，Ｆ↓［７］的提取，通過歸一化方法構建的靜態(tài)模型Ｓ↓［ｓｔａｔｉｃ］，測到組合幀中弱小目標的運動軌跡，將得到的目標軌跡圖像與序列圖像中的第一幀圖像求取交集，得到弱小目標的位置；　對于恒星跟蹤模式工作條件，探測系統(tǒng)永遠對準恒星的位置，使背景恒星在獲取的序列圖像中保持靜止，通過運動整合模型Ｓ↓［ｓｔａｔｉｃ＆ｄｙｎ］和條件限制模型Ｓ↓［ｃｏｎｄ］，得到運動點弱小目標的位置；　對于目標跟蹤模式工作 條件，探測系統(tǒng)永遠對準目標的位置，使目標在獲取的序列圖像中保持靜止，通過運動整合模型Ｓ↓［ｓｔａｔｉｃ＆ｄｙｎ］和條件限制模型Ｓ↓［ｃｏｎｄ］，得到所有運動背景恒星，將所有運動背景恒星作為背景恒星掩模幀，利用掩模幀與序列圖像逐幀進行點乘，得到運動點目標的位置；　（ｃ）根據(jù)得到不同工作模式下點目標的坐標位置，通過平方加權質心提取公式，最終實現(xiàn)目標的質心定位。...

【技術特征摘要】

【專利技術屬性】
技術研發(fā)人員：孫瑾秋，張艷寧，姜磊，段鋒，
申請(專利權)人：西北工業(yè)大學，
類型：發(fā)明
國別省市：87[中國|西安]