[发明专利]一种基于超像素和场景预测的小型无人机目标检测方法

说明书

本发明属于图像处理和无人机检测技术领域，涉及一种基于超像素和场景预测的小型无人机目标检测方法。本发明主要包括预处理：将待检测光学图像进行超像素生成和场景分类，获得基于超像素的场景分类图像；无人机目标概率估计：分别估算步骤a获得的分类图像中每一个场景的显著性深度值，计算每个场景存在无人机目标的概率；无人机检测：提取待检测图像的特征，采用基于SVD的多层金字塔结构获得特征显著图，对不同特征显著图加权获得总显著图，载入步骤a中获得的超像素分类图像，根据步骤b中获得的概率加入不同场景区域的权重，采用胜者全赢和抑制返回机制，获得小型无人机的目标检测结果。本发明的有益效果为，相对于传统技术，本发明的检测精度更高。

技术领域

本发明属于图像处理和无人机检测技术领域，涉及一种基于超像素和场景预测的小型无人机目标检测方法。

背景技术

随着无人机技术的不断成熟和相关产品价格的大幅下降，各类型无人机已被应用于不同领域。但由于针对无人机的监管控制措施的缺失，无人机违规飞行现象日趋严重，甚至成为不法分子的低成本犯罪手段之一。面对此类目标的威胁，目前尚无有效的探测与发现手段。

基于上述需求，目前急需研制针对小型无人飞行机目标的探测与发现技术。利用高清光学摄像头获取小型无人机目标的图像与视频，并可以充分利用到无人机的亮度、对比度等各个特征信息，通过对光学图像或视频进行目标检测等处理，达到对小型无人机目标的快速发现与定位，是实现小型无人机目标自动实时监测的重要技术手段。该技术在军事警戒、公共安保等方面有重要的应用价值，具有显著的经济效益与社会效益。

由于小型无人机目标具有尺寸小、飞行环境复杂等特点，使得光学图像或视频中小型无人机目标的检测成为典型的复杂环境弱目标检测问题，是基于光学传感器小型无人机目标探测的难点技术问题。传统的Itti视觉注意机制的主要技术为：金字塔模型、视觉特征提取、中央周边差算法、胜者全赢机制以及返回抑制操作，由于待检测的无人机图像中每个小型无人机目标像素点要比一般光学图像中描述显著物体的像素点少很多，其尺寸更小。这就导致随着金字塔层数的增加，所有目标像素点强度降低，并且很快与背景近似，使得目标信息几乎丢失，目标存在区域显著性低，同时在背景中出现大量的虚警，出现这些虚警的原因是由于目标像素点强度过低，背景中起伏的斑点噪声中较强的部分也与其近似。

另外，传统算法忽略掉场景的一些显著信息，未能充分利用图像特征，应用范围和有效性受到限制，如何高效精确实现无人机检测，是本发明要解决的问题。

发明内容

本发明所要解决的，就是针对上述现有技术的不足和局限性，提出一种利用超像素和场景预测的光学图像小型无人机目标检测方法，并提出改进的基于SVD的视觉注意模型，使用该方法避免了小目标随分辨率降低会变得模糊并且很快消失的问题，另外充分地利用了场景信息，预测目标存在的可能性，能够大幅度提高小型无人机目标的检测精度，同时也大大提高了图像的处理效率。

本发明的技术方案是：一种基于超像素和场景预测的小型无人机目标检测方法，其特征在于，包括以下步骤：

a.预处理：将待检测光学图像进行超像素生成和场景分类，获得基于超像素的场景分类图像；

b.无人机目标概率估计：分别估算步骤a获得的分类图像中每一个场景的显著性深度值，计算每个场景存在无人机目标的概率；

c.无人机检测：提取待检测图像的特征，采用基于SVD的多层金字塔结构获得特征显著图，对不同特征显著图加权获得总显著图，载入步骤a中获得的超像素分类图像，根据步骤b中获得的概率加入不同场景区域的权重，采用胜者全赢和抑制返回机制，获得小型无人机的目标检测结果。