[发明专利]一种基于ROI的红外图像检测方法

说明书

技术领域

本发明涉及图像识别领域，特别涉及一种基于ROI的红外图像检测方法。

背景技术

现代战争对信息化程度的要求越来越高，要求制导武器具有高精度、高智能、强抗干扰能力和轻小型化的特点，能够在全天候、全天时、强干扰和复杂背景环境下检测目标并精确地命中目标。红外制导技术在当今精确制导技术中使用非常广泛，是红外技术在军事上的主要应用之一，对各种兵种、多种武器都具有非常重要的作用。另外，红外成像具有多目标全景观察、识别及跟踪能力，能够实现对目标的热成像智能化导引。

红外制导分为红外非成像制导和红外成像制导。红外非成像制导是利用弹上非成像导引头接收目标辐射的红外能量，实现对目标的检测与跟踪。红外成像制导是利用弹上红外成像导引头，依据目标和背景红外图像，检测和跟踪目标，导引导弹或弹药命中目标的制导技术。其中，利用红外成像技术来实现对目标的检测，是军事武器现代化、自动化和智能化的重要标志之一，也是本发明重点研究的内容。它通过对探测器输入的红外图像进行实现处理完成目标的检测和识别。

空中真假目标的识别是红外成像制导系统中的关键技术之一，飞机和诱饵(干扰弹)在其形态，运动状态上十分相似，提取目标和诱饵的特征依靠神经网络识别的方法对图像信息的利用率不高。

发明内容

本发明的目的在于针对上述问题，提供了一种基于ROI的红外图像检测方法，根据红外辐射特性以及成像特点，通过一定的图像处理来划分出可能存在目标的感兴趣区域，为图像的分割和目标识别提供先验知识，在感兴趣区域(ROI区域)中进一步检测目标的形状和位置。

本发明的目的是这样实现的：

一种基于ROI的红外图像检测方法，其特征在于，包含以下步骤：

S1、目标候选区域的确定：首先，用热红外成像设备接收攻击区域内不同物体的热辐射，获取原始图像；然后，利用显著性检测方法，检测出原始图像中可能存在目标的区域，形成显著图；最后，通过构建评价指标，确定显著图上不同区域的显著性程度，并根据显著性程度选出若干个最可能包含目标的ROI区域；

S2、对ROI区域进行目标的识别：首先，对每个可能包含目标的ROI区域进行特征提取，得到每个可能包含目标的ROI区域的特征向量；然后，将每个可能包含目标的ROI区域的特征向量送入分类器进行比对，最终得到含有真实目标的ROI区域。

其中，在对原始图像进行显著性检测之前，还需要对该原始图像采用matlab进行预处理，所述预处理包含以下步骤：

S1、通过matlab分别获取原始图像的灰度直方图、颜色直方图和HSV矩阵，并分别以参数形式进行保存；

S2、对灰度直方图、颜色直方图和HSV矩阵分别使用灰度共生矩阵进行纹理检测，分别得到灰度直方图、颜色直方图和HSV矩阵中灰度的空间相关特性，并也分别以参数形式进行保存；

S3、将原始图像旋转360度，每隔60度重复前述步骤S1和S2，共得到六组不同的参数，用于图像的显著性检测；

其中，所述特征提取包含以下步骤：

S1、种子点提取：通过递归的最大类间方差法提取出最可能包含目标的ROI区域中的高亮度区域，即目标种子区域，并进一步提取出该目标种子区域的边缘图像；

S2、目标的真实边缘片段提取：用Canny形态学边缘检测法，从目标种子区域的边缘图像中检测出真实目标的边缘图像或边缘片段图像；

S3、基于区域生长的图像分割：采用自适应区域生长法，将真实目标的边缘图像或边缘片段图像分割成n个小区域。

其中，所述比对包含以下步骤：

S1、离线学习：采用若干尺寸统一的包含目标的正样本和不包含目标的负样本训练分类器，提取出正样本和负样本中的特征向量并对特征向量标注相对应的标签，得到表征分类器的参数；

S2、在线对比：将得到的每个可能包含目标的ROI区域的特征向量送入分类器与正样本和负样本中的特征向量进行比对，得到最接近的正样本和负样本中的特征向量所对应的标签，根据该标签判断出每个可能包含目标的ROI区域是否包含真实目标。

其中，所述分类器采用基于Haar特征的底层AdaBoost算法。

其中，所述目标为飞机或者舰船。

本发明的有益效果为：该方法可应用于制导武器上，帮助制导武器更精确的区分目标和诱饵，从而引导导弹实现精确打击。

附图说明

图1为本发明的流程图。

图2为分类器的算法流程图。