[发明专利]一种基于红外图像的弱小运动目标检测方法

说明书

技术领域

本发明属于计算机视觉、图像分析领域，特别是一种基于红外图像的弱小运动目标检测方法。

背景技术

基于红外图像的弱小运动目标检测是航天、军事领域上重要检测技术。目前已渗透到了一些民用领域，如视频监控，航空、海上安防等。近年来，索马里海盗劫船事件屡屡发生，我国去年开始相继派遣数艘战舰为各国商务船只护航。但由于海域辽阔，发挥的实际作用较为有限，更多的只是威慑作用，大多数船只需要自身发现周边的可疑船只，提前作好防范准备，红外图像的弱小运动目标检测为尽早发现和防范海盗的侵袭提供了一条有效途径。由上分析，近年来，弱小目标检测技术成为信息处理的一个热门课题，国内外学者围绕这一问题进行了广泛而深入的研究，提出了许多检测算法，如基于三维匹配滤波算法，基于投影变换算法，基于全局搜索算法，基于多级假设检验算法，基于动态规划算法，基于神经网络算法，基于概率统计最大似然比算法，给予相位信息算法，基于马尔科夫变换算法，给予高阶相关算法，基于遗传算法以及基于管道滤波、图像流方法。但是上述方法不能准确的、昼夜不间断的对弱小目标进行检测，时间复杂度比较高，不能进行实时处理，且系统配置复杂，硬件成本比较高，不易于大规模推广。

发明内容

本发明所解决的技术问题在于提供一种基于红外图像的弱小运动目标检测方法。

实现本发明目的的技术解决方案为：一种基于红外图像的弱小运动目标检测方法，包括以下步骤：

步骤1、对接收到的红外图像进行中值背景差处理，得到中值背景，之后将中值背景与检测帧作绝对值帧差；

步骤2、生成累积差图像，对相邻两帧图像连续作绝对值帧差，并将差图像累积相加得到累积差图像；

步骤3、对差图像进行分割，选取阈值分割中值背景差图像和累积差图像；

步骤4、对中值背景差图像和累积差图像进行二值化处理，得到二值化图像，之后利用周期性约束对两二值化图像进行处理，消除周期性运动区域干扰，突出真实运动目标；

步骤5、利用目标运动轨迹的连续性和灰度一致性对得到的运动目标进行检测，消除虚假目标，得到合理目标运动轨迹。

本发明与现有技术相比，其显著优点：1)使用中值背景和累积帧差两种统计技术能较鲁棒的突出微弱运动区域；2)使用图像异或思想能有效剔除树木、旗帜等周期性晃动物体，3)利用目标灰度、运动的一致性能进一步有效剔除噪声区域；4)算法能准确检测3*2个象素面积的目标，为远距离目标的检测提供了可靠保障；5)适用于红外图像，可昼夜不间断地进行弱小运动目标检测；6)时间复杂度低，能实时处理；7)系统配置简单、易于大规模推广到诸如军用机器人战场侦察、视频监控等应用领域。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明的算法结构图。

图2是周期性区域消除，其中图(a)是I₀I₁I₂…I_n周期累积差图像二值化图，图(b)是I_nI_n+1I_n+2…I_2n周期累积差图像二值化图，图(c)是图(a)和图(b)的异或图像。

图3是轨迹筛选图，其中图(a)是全轨迹图，图(b)是按角度和灰度变化约束删减后的轨迹图，图(c)是按目标最大速度约束进一步删减后的轨迹图。

图4是几种典型天气条件下的小目标检测结果图，其中图(a)是白天序列，图(b)晚上序列，图(c)阴雨天序列。

具体实施方式

结合图1，本发明的一种基于红外图像的弱小运动目标检测方法，包括以下步骤：

步骤1、对接收到的红外图像进行中值背景差处理，得到中值背景，之后将中值背景与检测帧作绝对值帧差；对接收到的红外图像进行中值背景差处理具体包括以下步骤：

步骤11、采用灰度直方图计算历史N帧象素点中灰度值的中值，象素灰度级为0到255，从直方图中得到中值方法是灰度级从低到高的累加，所有经过的灰度级的频数f，当f＞＝N/2，累计停止，当前对应的灰度级即为中值；

步骤12、用循环队列保存N帧图像，用以动态更新每个象素的灰度直方图；对每个象素的灰度直方图进行动态更新时，即当处理第K帧时，将第K-1帧对应的直方图作如下更新：根据第K-N帧各象素灰度值将灰度直方图上的对应灰度级的频数减1，根据第K帧各象素灰度值将灰度直方图上的对应灰度级的频数加1，上述K＞N