[发明专利]一种红外目标检测方法

说明书

本发明提出了一种红外目标检测方法，包括如下步骤，将输入的红外图像进行压缩，并用不同大小的窗口对图像滑动窗口进行粗筛选；用局部敏感哈希和迭代量化的方法使连续数据量化成二进制编码；输出最优的旋转矩阵和二进制编码矩阵；计算候选窗口和目标模板的汉明距离，得到第一轮候选窗口；将第一轮候选窗口映射到原始红外图像中，进行精筛选；输出汉明距离小于阈值的窗口即为目标所在位置。本技术方案解决了现有的红外目标检测算法中存在的检测概率低，速度慢以及复杂场景适应性差的技术问题。

技术领域

本发明属于红外目标检测领域，涉及一种红外目标检测方法，具体涉及一种基于迭代量化-局部敏感哈希的多尺度的红外目标检测方法。

背景技术

红外目标检测技术对复杂场景下目标的搜索和跟踪起着重要的作用。在大视场红外场景中，红外图像拥有复杂的背景，包含各种不同的干扰因素，容易产生虚警和漏警。当背景中含有多个不同大小和方向的目标时，从复杂场景中准确检测出所有目标是一个具有挑战性的任务。

现有的目标检测算法中，R-CNN(卷积神经网络)中使用了基于候选区域的方法，减少了候选窗口的数量，但是其需要通过不断的迭代计算进行区域合并，计算复杂度较高。基于SSD(单发多框检测器)和YOLO(单网络全幅检测器)的目标检测算法在目标较大时表现良好，但是当目标较小时，检测效果差。另一方面，从图像中检测候选区域时，传统采用的滑动窗口的方法产生的数据量太大，用传统的方法计算特征向量时速度慢，需要单独对每一个候选区域计算其特征向量，当候选区域很多时需要耗费大量时间。

综上可知，现有技术中，滑动窗口产生的数据量太大，导致计算特征向量时速度慢，耗费大量时间。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出了一种基于迭代量化-局部敏感哈希的多尺度红外目标检测算法，用于解决现有多尺度红外目标检测算法中存在的检测准确率低和速度慢的技术问题。

为了实现上述目的，本发明采取的技术方案，包括如下步骤：

步骤1、将输入的红外图像进行压缩，并用不同大小的窗口对压缩后的红外图像进行窗口滑动，得到多个候选窗口；

步骤2、根据候选窗口和目标模板生成数据矩阵X；

步骤3、将数据矩阵X转换为二进制编码矩阵B；

步骤4、根据二进制编码矩阵B计算候选窗口和目标模板的汉明距离，输出汉明距离小于阈值T的候选窗口，检测出红外目标所在位置。

在本发明的一个实施例中，所述步骤3具体为：

步骤31、对超平面映射矩阵W进行初始化，通过超平面映射矩阵W将数据矩阵X进行映射，使其维度降低到指定维度，设置旋转矩阵R，并对旋转矩阵R进行初始化；

步骤32、用旋转矩阵R对映射后的数据矩阵进行旋转，并通过迭代量化的方法进行优化，得到二进制编码矩阵B。

在本发明的一个实施例中，所述步骤4具体为：

步骤41、根据二进制编码矩阵B计算候选窗口和目标模板的汉明距离，得到第一轮候选窗口；

步骤42、将第一轮候选窗口映射到红外图像中，得到新的二进制编码矩阵D；

步骤43、根据新的二进制编码矩阵D输出汉明距离小于阈值的候选窗口，检测出红外目标所在位置。

在本发明的一个实施例中，所述步骤1具体为：

步骤11、将所述红外图像进行压缩；

步骤12、设定移动步长和不同大小的窗口，对压缩后的红外图像进行窗口滑动，得到多个候选窗口。

在本发明的一个实施例中，所述步骤2具体为：