[发明专利]一种红外弱小目标检测方法

说明书

本发明属于图像处理技术领域，具体涉及一种红外弱小目标检测方法。本发明提供了使用卷积神经网络的空中红外弱小目标检测方法，使用MNIST手写数据集生成需要的数据集，针对基于单帧红外图像的滤波器难以设计的问题，让卷积神经网络学习背景的分布模式，通过学习到的滤波器可以对红外图像的背景进行很好的抑制；避免了通过自己来设计滤波器这一步骤，因为只需要使用简单的滤波器来进行背景抑制，所以对检测速度也有很好的提升。本发明测试红外弱小目标的图像都能很好的检测出来，并且同其他的算法进行ROC曲线对比也有比较好的效果。

技术领域

本发明属于图像处理技术领域，具体涉及一种红外弱小目标检测方法。

背景技术

红外成像探测技术是指运用光电探测技术将物体的热辐射信号转换成可供人类视觉分辨的图像和图形，即：利用目标的红外辐射能量来获取目标的相关信息。这一技术的发展使得人眼的视觉范围扩展到肉眼看不到的红外辐射区域。红外探测技术具有诸多优点。它采用连续无源被动的工作方式，具有较强的隐蔽性和抗干扰能力，且红外探测系统结构简单可靠、体积小、重量轻，易于携带，因此在现代军事防御系统中发挥着巨大的作用。

目前红外弱小目标图像多是运用于军事领域，存在数据比较少的问题。而且由于红外探测器的限制，使得红外成像的弱小目标面积往往小于10*10个像素，且信噪比低。这类目标的特点是目标面积小、对比度较低、背景复杂、易受杂波干扰、特征较少等特点。对于这类目标的检测，主要有两种不同方向的解决方法：

其一是基于序列的红外小目标检测算法，这种算法更注重使用目标间的时域关联性，通过配合关于目标运动速度等的先验知识，来取得比较好的检测效果。这种算法也分为两类：先检测后跟踪和先跟踪后检测。先检测后跟踪有基于匹配滤波器的算法、还有利用小波分析的算法。先跟踪后检测的方法一般首先利用频率差异将红外图像中的高低频分离，尽可能地抑制平滑的低频背景杂波；然后利用连续几帧红外序列中小目标的运动信息来分割可疑的候选目标，最后分割后跟踪出少量的目标。另外一种是基于单帧图像检测算法，这类检测方法是根据目标强度、背景和目标的差异等特性来设计滤波器达到消除杂波和抑制背景。故此我们可以利用卷积神经网络来帮助我们构建滤波器。

发明内容

本发明的目的在于提供一种使用神经网络低层卷积核进行红外弱小目标检测的方法，使用构建的数据集进行训练，然后训练完成后，选取其中低层卷积核筛选得到最后需要的滤波器，实现背景抑制，进而实现检测效果。

本发明的技术方案为：一种红外弱小目标检测方法，包括以下步骤：

S1、构建训练数据集：

S11、采用随机采样的方式，在红外图像上进行背景部分的采集，采集8*8的背景块，并舍弃与目标有重叠的背景块；

S12、对得到背景块进行填充处理，以2为步长进行全覆盖式的填充，得到一个32*32的背景图像；

S13、利用MNIST手写数据集作为前景目标，先将MNIST数据中的数据变为背景为黑，数字为白色的图像G，变换的公式如下：

G＝255-I

其中I为原始的MNIST手写数据集图像；

S14、采用变换后的MNIST图像替换步骤S12中得到的背景图像中的对应位置，得到训练图像，对训练图像进行高斯滤波，高斯滤波器的大小为5*5或7*7，高斯滤波器的标准差在(0.1,5)中进行随机选取；经过高斯滤波后的训练图像构成训练数据集；

S2、构建分类网络：