[发明专利]利用轨迹约束的红外弱小目标检测方法

权利要求书

1.利用轨迹约束的红外弱小目标检测方法，其特征在于，包括：

获取红外弱小目标的图像数据集，所述图像数据集包括多帧以时间为顺序的图像；

根据正负中值法在各帧所述图像中提取多个感兴趣像素，并提取各所述感兴趣像素的多尺度空间特征；

将各所述感兴趣像素以及与各所述感兴趣像素相关的多尺度空间特征输入已训练的轻量梯度提升机模型，得到各帧图像中的候选目标；

根据各帧所述图像中的候选目标基于短严格约束得到多段中间轨迹，其中短严格约束是指假设运动目标在一个较小的时间窗口内满足匀速直线运动，并且还对候选目标的运动速度做出约束；

根据长宽松约束将多段所述中间轨迹进行合并，得到最终轨迹，并将长度满足长度阈值的最终轨迹作为所述红外弱小目标的真实轨迹，其中所述长宽松约束是指在一个时间窗口内对轨迹进行生长、合并后，只对轨迹的长短进行约束，而不构建特定的运动模型对轨迹进行约束。

2.根据权利要求1所述的红外弱小目标检测方法，其特征在于，所述根据各帧图像中的候选目标基于短严格约束得到多段中间轨迹包括：

根据前三帧中的候选目标基于短严格约束生成多段初始轨迹；

依次在后续各帧图像中基于短严格约束找到满足条件的候选目标对初段轨迹进行延长，或生成新的初始轨迹直至最后一帧图像，得到多条中间轨迹。

3.根据权利要求2所述的红外弱小目标检测方法，其特征在于，在对所述初始轨迹进行延长时，根据所述初始轨迹与当前帧图像中各候选目标建立连接代价方程，并求解，若求解结果符合预设的成本阈值则将对应的候选目标与所述初始轨迹连接对其进行延长。

4.根据权利要求3所述的红外弱小目标检测方法，其特征在于，所述连接代价方程为：

其中，初始轨迹定义为，是上一帧(t-1)图像中连接上的候选目标，为当前帧图像中的候选目标，为和基于匀速运动约束下的理想中点，而是和之间的欧氏距离。

5.根据权利要求4所述的红外弱小目标检测方法，其特征在于，在当前帧中将没有与初始轨迹连接的候选目标基于绝对速度约束和上一帧中单个的候选目标连接起来，形成新的初始轨迹。

6.根据权利要求1所述的红外弱小目标检测方法，其特征在于，在根据长宽松约束将多段所述中间轨迹进行合并包括：选择两段在时间上不重叠的中间轨迹，并计算两者的相似性度量值，若计算结果符合预设的相似性阈值则将这两段中间轨迹相应一端延长并连接。

7.根据权利要求1所述的红外弱小目标检测方法，其特征在于，所述长度阈值根据预设参数以及所述图像数据集中图像帧数决定。

8.根据权利要求1所述的红外弱小目标检测方法，其特征在于，训练所述轻量梯度提升机模型包括：

获取红外弱小目标的图像样本数据集，所述图像样本数据集包括多帧以时间为顺序的样本图像；

根据正负中值法在各帧所述样本图像中提取多个感兴趣像素；

对各所述感兴趣像素进行标记，并以各感兴趣像素为中心的局部区域分别提取多尺度空间特征；

根据各标注后的感兴趣像素以及与各感兴趣像素对应的多尺度空间特征对所述轻量梯度提升机模型进行迭代训练，直至训练模型符合预设的终止条件则说明完成训练，训练将自动终止得到所述已训练的轻量梯度提升机模型。

9.根据权利要求8所述的红外弱小目标检测方法，其特征在于，所述多尺度空间特征包括：所述局部区域的峰度、偏斜、熵、均值、方差、最大值和最小值。

10.根据权利要求8所述的红外弱小目标检测方法，其特征在于，对所述感兴趣像素进行连通域标记处理，将每个连通域中灰度值最大的感兴趣像素保留，其余感兴趣像素舍弃，再依据匈牙利算法将目标真值与感兴趣像素进行配对，将配对距离在设定阈值范围以内的感兴趣像素标注为正样本，而将剩余的感兴趣像素标注为负样本。