[发明专利]基于多源传感器融合的目标检测方法

权利要求书

1.基于多源传感器融合的目标检测方法，其特征是：该检测方法由以下步骤实现：

步骤一、对原始红外图像及原始可见光图像的感兴趣区域进行提取；

步骤二、基于滚动引导滤波和加权最小二乘优化函数进行图像融合，获得融合后的图像F；具体过程为：

采用滚动引导滤波器对原始红外图像和原始可见光图像进行了多尺度分解，并采用视觉显著性算法对分解后的红外图像基础层与可见光图像基础层进行融合处理，采用加权最小二乘函数对红外图像细节层与可见光图像细节层进行融合处理；

采用高斯滤波器获得原始可见光图像和原始红外图像包含粗尺度结构信息的基础层；

当j＝1,2…N-1时，第j层滤波后的细节图像，用下式表示为：

d^j＝u^j-1-u^j

当j＝N时，第j层滤波后的基础层图像，用下式表示为：

dd^j＝U^j-1-U^j

式中，RGF(·)滚动引导滤波器，u^j为第j层滤波后的细节图像，d^j为第j层分解的细节图像，U^j为第j层滤波后的基础层图像，dd^j为第j层分解的基础层图像，N为图像分解的层数，T为迭代次数；σ_s为尺度参数，σ_r为权重范围参数，设置

对于红外基础层图像B₁和可见光基础层图像B₂，采用视觉显著性算法FT求取其归一化显著性像素值FT₁和FT₂,并通过融合规则获得输出图像B_F的基础融合层，具体表示为：

式中，W_b为融合权重，对于红外分解层图像和可见光分解层图像采用MS规则获得初始融合细节层M^j，用公式表示为：

其中，MS加权系数W^j采用下式获得：

第j层融合细节层通过加权最小二乘优化函数获得，具体表示为：

式中，将融合细节层和基于MS规则的初始融合细节层之间的欧几里得距离最小化，中，λ为上述公式中前后两项的平衡控制参数；

权重参数ω_i为以像素n为中心的正方形7×7滑窗，重写其矩阵形式为：

式中，A^j为包含所有权重参数Λ的对角矩阵，则获得融合后的图像F：

F＝B_F+D¹+D²+…+D^N

步骤三、对低小慢目标的检测；

在步骤二中获得的融合图像F内寻找确定的感兴趣区域，并输入感兴趣区域内的融合图像，通过SuBSENSE背景建模算法完成低小慢目标的检测；

步骤三一、基于时空二进制相似性和Color-LBSP描述子，在一个无参模型中使用V帧输入的感兴趣区域融合图像值初始化背景模型，用下式表示为：

B(x)＝{B₁(x)，B₂(x)，...B_V(x)}

步骤三二、计算像素点的当前像素与该像素点的样本集之间的递归滑动平均距离D_min(x)，计算方式为：

D_min(x)＝D_min(x)·(1-α)+d_t(x)·α

式中，α为变化更新学习率，d_t(x)所有样本之间的最小标准化Color-LBSP距离；

步骤三三、根据SuBSENSE背景建模中的局部距离对最大距离阈值R_max进行控制，并对SuBSENSE背景模型进行实时更新，获得分割输出检测结果；用公式表示为：

式中，F_t(x)为t时刻的融合后图像，S_t(x)为分割输出检测结果，R_max为最大距离阈值，#min为背景分类所需的最小匹配数，dist(F_t(x)，B(x))返回当前观测值与给定背景样本之间的距离，获得检测结果。