一種基于紅外圖像的海上目標(biāo)檢測(cè)方法技術(shù)

一種基于紅外圖像的海上目標(biāo)檢測(cè)方法，它涉及一種海上目標(biāo)檢測(cè)方法。本發(fā)明專(zhuān)利技術(shù)的目的是提供一種既能較好地抑制海雜波，獲得合理的圖像分割，又可以以較快速度提取出分形特征，去除虛假目標(biāo)，實(shí)現(xiàn)有效檢測(cè)的海上目標(biāo)檢測(cè)方法。本發(fā)明專(zhuān)利技術(shù)的步驟為：對(duì)獲得的紅外圖像進(jìn)行預(yù)處理、自適應(yīng)迭代閾值分割、檢驗(yàn)海天線處是否有感興趣區(qū)域（ＲＯＩ）、提取海天線背景處的ＲＯＩ、提取非海天線背景處的ＲＯＩ、感興趣區(qū)域合并得到待進(jìn)一步處理的感興趣圖像和提取每個(gè)ＲＯＩ分形特征進(jìn)行目標(biāo)檢測(cè)。本方法可以快速有效地分割出紅外圖像中的感興趣區(qū)域，由于提取的感興趣區(qū)域較原圖小很多，既減少了計(jì)算量，以較快速度提取出分形特征，又可以通過(guò)分形特征去除閾值分割中出現(xiàn)的偽目標(biāo)。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專(zhuān)利技術(shù)涉及一種海上目標(biāo)檢測(cè)方法。
技術(shù)介紹
紅外圖像與可見(jiàn)光相比，噪聲大、分辨率低，但是由于其具有無(wú)源的優(yōu)勢(shì)， 特別是對(duì)海上紅外目標(biāo)的檢測(cè)已引起世界各國(guó)的密切關(guān)注。隨著高科技的不斷 發(fā)展，對(duì)紅外目標(biāo)的檢測(cè)也提出了更高的要求，既要保證較高的檢測(cè)概率和較 低的虛警概率，又要在較短的時(shí)間內(nèi)做出判斷乃至相應(yīng)的反應(yīng)。目前經(jīng)典的海上紅外目標(biāo)檢測(cè)算法，是先對(duì)紅外圖像進(jìn)行各種預(yù)處理，如 去噪聲、提取邊緣等，然后再提取目標(biāo)的灰度和幾何特征，達(dá)到檢測(cè)目標(biāo)的目的。國(guó)內(nèi)外的不少研究機(jī)構(gòu)都在進(jìn)行這方面的研究。M.Diani等提出將原圖像 與中值濾波后的背景圖像相減，得到目標(biāo)圖像。此外相繼有人提出基于圖像統(tǒng) 計(jì)特征、小波變換、形態(tài)學(xué)以及Hough變換等方法。盡管各有特點(diǎn)，但總的 來(lái)說(shuō)傳統(tǒng)的紅外目標(biāo)檢測(cè)k法都需要花費(fèi)大量的精力去消除背景干擾和噪聲， 算法繁瑣，過(guò)程復(fù)雜，實(shí)時(shí)性不強(qiáng)，背景噪聲去除效果不能令人滿意。由于紅外圖像成像的特點(diǎn)，海上紅外圖像往往存在各種各樣的干擾，如水 矢線、亮'帶、海浪、魚(yú)鱗光、島嶼、地面建筑物和尾浪等的干擾，還有紅外檢 測(cè)器本身形成的噪聲，使得傳統(tǒng)的紅外目標(biāo)檢測(cè)方法計(jì)算復(fù)雜、自適應(yīng)性差， 檢測(cè)和識(shí)別結(jié)果有較大的局限。由此可見(jiàn)，進(jìn)行海上紅外目標(biāo)檢測(cè)的主要困難 在于圖像復(fù)雜，所受干擾主要來(lái)自于自然背景，結(jié)果造成較高的虛警率。分形理論利用分形對(duì)象的自相似性為人們提供了分析自然現(xiàn)象的新方法， 恰好可以解決上述問(wèn)題，通過(guò)分形理論提取的自然背景和人造目標(biāo)的分形特性 有著較大的區(qū)別，因此這些困擾經(jīng)典算法的自然噪聲，利用分形技術(shù)很容易被 去除，從而可以實(shí)現(xiàn)海上紅外目標(biāo)的檢測(cè)。但是如果直接利用分形特征來(lái)進(jìn)行圖像的分割和目標(biāo)提取及識(shí)別，存在如 下弊端1)計(jì)算量大。分形計(jì)算一般都需要開(kāi)窗，而且是對(duì)開(kāi)窗尺度變化進(jìn)行計(jì)算，這無(wú)疑增加了計(jì)算量和復(fù)雜度，不利于實(shí)時(shí)處理。2)采用分形理論 分割圖像，如果用矩形窗口滑動(dòng)計(jì)算，只能提取感興趣矩形區(qū)域，不能獲取目 標(biāo)實(shí)際形'狀，更不用說(shuō)分割出目標(biāo)；如果對(duì)每點(diǎn)進(jìn)行開(kāi)窗計(jì)算，除了增加計(jì)算 暈外，還很容易將一個(gè)目標(biāo)分割成多個(gè)目標(biāo)，或者形成所謂的散點(diǎn)目標(biāo)(即使 是同一個(gè)目標(biāo)，其本身的紋理也可能有差別)，這將不利于后續(xù)的目標(biāo)檢測(cè)。
技術(shù)實(shí)現(xiàn)思路
針對(duì)
技術(shù)介紹
所提及的問(wèn)題，本專(zhuān)利技術(shù)提供一種既能較好地抑制海雜波，獲 得合理的圖像分割，又可以以較快速度提取出分形特征，去除虛假目標(biāo)，實(shí)現(xiàn) 有效檢測(cè)的海上目標(biāo)檢測(cè)方法。本專(zhuān)利技術(shù)解決上述技術(shù)問(wèn)題所采用的技術(shù)方案是本專(zhuān)利技術(shù)所述方法針對(duì)海上 紅外圖像的特點(diǎn)，采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過(guò)程通過(guò)預(yù)處理 和合理的閾值設(shè)置有效抑制了海雜波，然后對(duì)感興趣區(qū)域進(jìn)行逐點(diǎn)分形計(jì)算， 在逐點(diǎn)分形計(jì)算中考慮了尺度的影響并對(duì)邊界進(jìn)行了對(duì)稱(chēng)處理，最后對(duì)每點(diǎn)的 分形特征加和取平均作為該區(qū)域的分形特征，根據(jù)特征檢測(cè)出艦船等人造目 標(biāo)；所述方法的具體步驟如下步驟A、對(duì)獲得的紅外圖像進(jìn)行預(yù)處理步驟八1:輸入紅外圖像/(附,")，其中附=1，2,...,肘表示圖像的行,"=1，2，..,^ 表示圖像的列；步驟A2:求圖像/(附，w)的灰度最大值，/應(yīng)-mox(/(m,"))，即Mx^個(gè)點(diǎn) ^對(duì)應(yīng)的灰度的最大值；步驟A3:統(tǒng)計(jì)圖像/ (m，")的直方圖，通過(guò)對(duì)圖像各灰度級(jí)的統(tǒng)計(jì)A(/), /=1,2,...，/ ^，獲直方圖波谷位置/o，在/o附近是目標(biāo)和背景之間的海雜波區(qū) 域，其灰度值范圍在/。 A之間；即/。</0</6;步驟A4:根據(jù)/。 =〃^77計(jì)算非線性變換參數(shù)的近似值范圍y^ )Vu，并取最終的y=0.50w +)Wx);也可取y^ ^^之間的一個(gè)經(jīng)驗(yàn)值；步驟A5:利用公式(l)對(duì)圖像/(m,")進(jìn)行逐像素的非線性變換，完成預(yù)處 理，實(shí)現(xiàn)海雜波抑制；/rf ^55x(V255)" (1)其中/,是原圖像的灰度值，且/,e， /rf是變換后的灰度值，y為 非線性變換參數(shù)且大于0;步驟B、自適應(yīng)迭代閾值分割步驟B1:設(shè)置初始分割閾值為r1 = (/z+e1)/2，其中^是變換后圖像的平 均灰度，是對(duì)分割閾值的先驗(yàn)估計(jì)；灰度大于A的點(diǎn)被看成是觀測(cè)點(diǎn)，所有觀 ji點(diǎn)的集合用&Ot"表示，^表示其平均值；/i=-y y w) 〔2、=1 /2=1s1 = g("，其中(g("〉 = (g(t)I = ")，〃附,= 1,…W (3)步驟B2:迭代計(jì)算求^-(w+s2)/2，此時(shí)所有大于r1的點(diǎn)被看成是觀測(cè) 點(diǎn)，￡2為新的觀測(cè)點(diǎn)集的平均灰度值；步驟B3:到第/次迭代，計(jì)算觀測(cè)點(diǎn)的平均灰度值A(chǔ)觀測(cè)點(diǎn)即灰度大于 第卜l步算出的閾值f"的像素點(diǎn)；步驟B4:更新閾值7" = ^+心/2;步驟B5:如果f-廣1，則停止，繼續(xù)步驟B6，否則返回步驟B3;步驟B6:利用步驟B1 B5迭代獲得的自適應(yīng)閾值將圖像進(jìn)行分割， 分離出包含海岸背景和船艦?zāi)繕?biāo)的二值步驟C、檢驗(yàn)海天線處是否有感興趣區(qū)域(ROI):利用Sobd算子提取邊 緣，對(duì)獲得的海天線底線進(jìn)行直線擬合，根據(jù)擬合誤差e。，設(shè)置經(jīng)驗(yàn)閾值77/ 來(lái)判定海天線背景處是否有目標(biāo)；如果^〉77z，則海天線處有目標(biāo)，轉(zhuǎn)到步驟D;反之海天線處無(wú)目標(biāo)，直接轉(zhuǎn)到步驟E;步驟.D:提取海天線背景處的感興趣區(qū)域采用步驟B的自適應(yīng)迭代閾 值方法，對(duì)該區(qū)域進(jìn)行二次閾值分割，濾除掉海天線背景，保留目標(biāo)區(qū)域；步驟E:提取非海天線背景處的感興趣區(qū)域貫穿圖像兩邊的海天線，進(jìn) 行閾值分割和邊緣提取后，形成一個(gè)非閉合區(qū)域，而目標(biāo)仍然為一個(gè)閉合區(qū)， 再對(duì)閉合區(qū)域進(jìn)行填充，然后進(jìn)行占優(yōu)算法處理(目標(biāo)像素個(gè)數(shù)占窗口內(nèi)總像素?cái)?shù)的50%以上即為目標(biāo)區(qū)，如3X3窗口內(nèi)有5個(gè)以上點(diǎn)為目標(biāo)則確定該區(qū) 域?yàn)槟繕?biāo)區(qū)域)，則可提取出非海天線背景處的ROI;步驟F、感興趣區(qū)域合并得到待進(jìn)一步處理的感興趣圖像將非海天線背景處分割的ROI圖像和海天線背景處分割的ROI圖像相加，所得到的結(jié)果，即為最后分割出來(lái)的感興趣區(qū)域圖像；步驟G、提取每個(gè)ROI分形特征進(jìn)行目標(biāo)檢測(cè)步驟G1:分形特征提取在感興趣區(qū)域內(nèi)逐點(diǎn)計(jì)算分形維數(shù)Z)和擬合誤 差￡;在求分形特征的過(guò)程中，將圖像視為三維空間中的曲面，高度即為像素的^度；設(shè)待處理的圖像為X/力，當(dāng)尺度^0時(shí)，覆蓋圖像的上下表面f/(zV，0)、 丄(zV,O)為-f/(zV，o)^ov'，o^/(!v) (4)對(duì)于非零尺度，產(chǎn)1,2，…，M，覆蓋圖像不同尺度的上下表面C/0V力、丄(!V力可以用下面的遞歸公式求得f/0V，rH) = max{} (5)丄(/j/,H" 1) min1 ,min} (A，w e " )， (6) c7 = ((A;,m):max(4(^，附)，0V〕])Sl} (7) 其中4(^"),0V)]為(&m)和0V)兩點(diǎn)間的距離；(A:，w)是不同于("')的另 一點(diǎn)的坐標(biāo)；在計(jì)算過(guò)程中，對(duì)位于邊界處的像素點(diǎn)，采用邊界對(duì)稱(chēng)處理；同時(shí)考慮到不同尺度/ 的影響，原始圖像yov)在(/力處的表面積J(zV力由式(8)求得' 4U',"卜『(U))-W，/,r-1)]/2r (8)其中. W,y,r^Z (A,m)e5式中5為中心在(/力處的矩形窗，對(duì)于一個(gè)分形表面，有l(wèi)og, = C2log(r) + G (10本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于紅外圖像的海上目標(biāo)檢測(cè)方法，其特征在于：所述方法針對(duì)海上紅外圖像的特點(diǎn)，采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過(guò)程通過(guò)預(yù)處理和合理的閾值設(shè)置有效抑制了海雜波，然后對(duì)感興趣區(qū)域進(jìn)行逐點(diǎn)分形計(jì)算，在逐點(diǎn)分形計(jì)算中考慮了尺度的影響并對(duì)邊界進(jìn)行了對(duì)稱(chēng)處理，最后對(duì)每點(diǎn)的分形特征加和取平均作為該區(qū)域的分形特征，根據(jù)特征檢測(cè)出艦船等人造目標(biāo)；　所述方法的具體步驟如下：　步驟Ａ、對(duì)獲得的紅外圖像進(jìn)行預(yù)處理：　步驟Ａ１：輸入紅外圖像Ｉ（ｍ，ｎ），其中ｍ＝１，２，…，Ｍ 表示圖像的行，ｎ＝１，２，…，Ｎ表示圖像的列；　步驟Ａ２：求圖像Ｉ（ｍ，ｎ）的灰度最大值，Ｉ↓［ｍａｘ］＝ｍａｘ（Ｉ（ｍ，ｎ）），即Ｍ×Ｎ個(gè)點(diǎn)所對(duì)應(yīng)的灰度的最大值；　步驟Ａ３：統(tǒng)計(jì)圖像Ｉ（ｍ，ｎ）的直方圖，通過(guò)對(duì)圖像各灰度級(jí)的統(tǒng) 計(jì)ｈ（ｉ），ｉ＝１，２，…，Ｉ↓［ｍａｘ］，獲直方圖波谷位置Ｉ↓［０］，在Ｉ↓［０］附近是目標(biāo)和背景之間的海雜波區(qū)域，其灰度值范圍在Ｉ↓［ａ］～Ｉ↓［ｂ］之間；即Ｉ↓［ａ］＜Ｉ↓［０］＜Ｉ↓［ｂ］；　步驟Ａ４：根據(jù)Ｉ↓［０］＝＊＊＊計(jì) 算非線性變換參數(shù)的近似值范圍γ↓［ｍｉｎ］～γ↓［ｍａｘ］，并取最終的γ＝０．５（γ↓［ｍｉｎ］＋γ↓［ｍａｘ］）；也可取γ↓［ｍｉｎ］～γ↓［ｍａｘ］之間的一個(gè)經(jīng)驗(yàn)值；　步驟Ａ５：利用公式（１）對(duì)圖像Ｉ（ｍ，ｎ）進(jìn)行逐像素的非線性變 換，完成預(yù)處理，實(shí)現(xiàn)海雜波抑制；　Ｉ↓［ｄ］＝２５５×（Ｉ↓［ｓ］／２５５）↑［γ］　（１）　其中Ｉ↓［ｓ］是原圖像的灰度值，且Ｉ↓［ｓ］∈［０，２５５］，Ｉ↓［ｄ］是變換后的灰度值，γ為非線性變換參數(shù)且大于０；　步驟Ｂ 、自適應(yīng)迭代閾值分割：　步驟Ｂ１：設(shè)置初始分割閾值為Ｔ↑［１］＝（μ＋ε↑［１］）／２，其中μ是變換后圖像的平均灰度，是對(duì)分割閾值的先驗(yàn)估計(jì)；灰度大于μ的點(diǎn)被看成是觀測(cè)點(diǎn)，所有觀測(cè)點(diǎn)的集合用｛ｇ（ｋ）｝表示，ε↑［１］表示其平均值；　 　μ＝１／Ｍ×Ｎ＊＊Ｉ（ｍ，ｎ）　（２）　ε↑［１］＝１／Ｓ＊ｇ（ｋ），其中｛ｇ（ｋ）｝＝｛ｇ（ｋ）｜ｇ（ｋ）＝Ｉ（ｍ，ｎ），Ｉ（ｍ，ｎ）＞μ，ｋ＝１，…Ｓ｝　（３）　步驟Ｂ２：迭代計(jì)算求Ｔ↑［２］＝（μ＋ε↑［２］）／ ２，此時(shí)所有大于Ｔ↑［１］的點(diǎn)被看成是觀測(cè)點(diǎn)，ε↑［２］為新的觀測(cè)點(diǎn)集的平均灰度值；　步驟Ｂ３：到第ｔ次迭代，計(jì)算觀測(cè)點(diǎn)的平均...

【技術(shù)特征摘要】

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：張鈞萍，陳浩，張曄，
申請(qǐng)(專(zhuān)利權(quán))人：哈爾濱工業(yè)大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：93[中國(guó)|哈爾濱]