[发明专利]图像弱小目标检测方法、装置、设备及存储介质在审

专利信息
申请号: 201911382402.1 申请日: 2019-12-27
公开(公告)号: CN111047624A 公开(公告)日: 2020-04-21
发明(设计)人: 王松;文可钦;向思桦 申请(专利权)人: 成都英飞睿技术有限公司
主分类号: G06T7/254 分类号: G06T7/254;G06K9/62;G06T5/00;G06T5/30
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 薛娇
地址: 610000 四川省成都市*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 弱小 目标 检测 方法 装置 设备 存储 介质
【权利要求书】:

1.一种图像弱小目标检测方法,其特征在于,包括:

获得当前帧的灰度图像;

对所述灰度图像进行顶帽形态学滤波处理;

根据顶帽形态学滤波处理后的所述灰度图像的各个像素点灰度值,进行背景建模,检测出所述灰度图像的各个像素点中的前景点;

对各个所述前景点进行聚类分析处理,将属于同一类的前景点划分至同一前景运动目标的目标框。

2.如权利要求1所述的图像弱小目标检测方法,其特征在于,在获得当前帧的灰度图像之后,对所述灰度图像进行顶帽形态学滤波处理之前,还包括:

获取当前帧的所述灰度图像的前预设数量的历史帧灰度图像对应的灰度最大值和灰度最小值;

以所述灰度最大值和灰度最小值为边界,对所述灰度图像的各个像素点的灰度值进行线性归一化处理。

3.如权利要求2所述的图像弱小目标检测方法,其特征在于,在对所述灰度图像的各个像素点的灰度值进行线性归一化处理之后,还包括:

将所述灰度图像各个像素点灰度值对应的灰度值直方图进行平台化处理,获得所述灰度图像的平台直方图;

基于所述平台直方图对所述灰度图像进行拉伸处理;再根据拉伸处理后的所述灰度图像的各个像素点的灰度值,执行对所述灰度图像进行顶帽形态学滤波处理的步骤。

4.如权利要求2所述的图像弱小目标检测方法,其特征在于,在获得当前帧的灰度图像之后,还包括:

按照预设像素灰度值比例,确定灰度值的最大灰度边界值和最小灰度边界值;

将所述灰度图像的各个像素点中,大于所述最大灰度边界值的灰度值变更为所述最大灰度边界值,且小于所述最小灰度边界值的灰度值变更为所述最小灰度边界值;再执行所述获取当前帧的所述灰度图像的前预设数量的历史帧灰度图像对应的灰度最大值和灰度最小值的操作。

5.如权利要求1至4任一项所述的图像弱小目标检测方法,其特征在于,在将属于同一类的前景点划分至同一前景运动目标的目标框之后,还包括:

剔除各个所述目标框中不满足先验条件的目标框。

6.一种图像弱小目标检测装置,其特征在于,包括:

图像采集模块,用于获得当前帧的灰度图像;

滤波处理模块,用于对所述灰度图像进行顶帽形态学滤波处理;

背景建模模块,用于根据顶帽形态学滤波处理后的所述灰度图像的各个像素点灰度值,进行背景建模,检测出所述灰度图像的各个像素点中的前景点;

目标分类模块,用于对各个所述前景点进行聚类分析处理,将属于同一类的前景点划分至同一前景运动目标的目标框。

7.如权利要求6所述的图像弱小目标检测装置,其特征在于,还包括归一化处理模块,用于在获得当前帧的灰度图像之后,对所述灰度图像进行顶帽形态学滤波处理之前,获取当前帧的所述灰度图像的前预设数量的历史帧灰度图像对应的灰度最大值和灰度最小值;以所述灰度最大值和灰度最小值为边界,对所述灰度图像的各个像素点的灰度值进行线性归一化处理。

8.如权利要求6所述的图像弱小目标检测装置,其特征在于,还包括直方图处理模块,用于在对所述灰度图像的各个像素点的灰度值进行线性归一化处理之后,将所述灰度图像各个像素点灰度值对应的灰度值直方图进行平台化处理,获得所述灰度图像的平台直方图;基于所述平台直方图对所述灰度图像进行拉伸处理;再根据拉伸处理后的所述灰度图像的各个像素点的灰度值,执行对所述灰度图像进行顶帽形态学滤波处理的步骤。

9.一种图像弱小目标检测设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序,以实现如权利要求1至5任一项所述的图像弱小目标检测方法的步骤的操作。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述图像弱小目标检测方法方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都英飞睿技术有限公司,未经成都英飞睿技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911382402.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top