[发明专利]基于红外图像的远距离无人机小目标探测方法

权利要求书

1.一种基于红外图像的远距离无人机小目标探测方法，其特征在于，包括以下步骤：

步骤1、构造红外图像各个方向上多个尺度的累积方向导数卷积核；

步骤2、对平均绝对灰度差分算法的输出进行优化，引入阶跃函数，消除负对比度，只保留正对比度；

步骤3、对每个尺度采用累积方向导数卷积核计算优化的平均绝对灰度差分算法的加权系数，得到每个尺度上每个方向的加权系数；

步骤4、在每个尺度上将各个方向上相同位置加权系数最小的响应作为该尺度的响应图D₂；

步骤5、在每个尺度上将响应图D₂作为优化的平均绝对灰度差分算法的加权系数，得到不同尺度上的响应图AAD_i；

步骤6、将不同尺度上相同位置的最大响应值构成的最大响应图AAD_i作为最终响应图；

步骤7、对最终响应图进行轮廓提取，得到红外图像上的疑似目标。

2.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤1中所述各个方向为东西南北四个方向；

步骤1中多个尺度为四个尺度，分别为3*3,5*5,7*7和9*9。

3.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤2中，优化的平均绝对灰度差分算法的表述如下：

D₁＝|μ_Φ-μ_Ω|²×H(μ_Φ-μ_Ω)

其中，μ_Φ为目标区域像素总数和μ_Ω为背景该区域的像素总数，H为阶跃函数，值为正。

4.根据权利要求3所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，所述阶跃函数H的表达式如下：

5.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤3中所述每个尺度上每个方向的加权系数的表达式如下：

CDD_n＝I*k_n×H(I*k_n)

CDD_e＝I*k_e×H(I*k_e)

CDD_s＝I*k_s×H(I*k_s)

CDD_w＝I*k_w×H(I*k_w)

其中，I为原始红外图像，k_e,k_s,k_w,k_n为四个方向卷积核，H为阶跃函数，I*k为图像与卷积核做卷积操作,CDD_n,CDD_e,CDD_s,CDD_w分别为四个方向的加权系数。

6.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，步骤6中所述最终响应图的表达式如下：

AAD_CDD＝max{AAD_i,AAD_i+2,AAD_i+5,AAD_i+7}。

7.根据权利要求1所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，还包括以下步骤：

步骤8、采用峰值信噪比确定疑似目标的可信度。

8.根据权利要求7所述的一种基于红外图像的远距离无人机小目标探测方法，其特征在于，采用峰值信噪比确定疑似目标的可信度的方法如下：

PSNR＝(MAX_I-bmean)/sqrtf(MSE)

其中，bmean为目标背景均值，MAX_I为疑似区域内像素最大值，MSE为均方差。