[发明专利]利用轨迹约束的红外弱小目标检测方法

说明书

本申请涉及一种利用轨迹约束的红外弱小目标检测方法。所述方法包括：利用空域线索，将目标候选检测作为一个二值分类问题。通过感兴趣的像素检测和训练的轻量梯度提升机模型来检测每一帧中的候选目标。然后，利用时间线索，将目标轨迹的局部光滑性和全局连续性建模为短严格约束和长宽松约束。利用图像序列中的轨迹约束，从每帧候选目标中检测出红外航空小目标。采用本方法能够提高检测结果的准确性的同时，方法简单具有较好的实用性。

技术领域

本申请涉及红外弱小目标检测技术领域，特别是涉及一种利用轨迹约束的红外弱小目标检测方法。

背景技术

红外探测具有全天时、全天候工作、分辨率高等优点，因此，红外探测系统在空中平台预警、制导等方面得到了广泛的应用。由于快速相对运动和背景杂波的存在，空中弱小目标的检测一直是机载红外探测系统的难题。

现有的红外弱小目标检测方法可分为基于单帧的方法和基于多帧的连续检测方法。基于单帧的方法主要利用目标与背景的差异来检测弱小红外目标。弱小红外目标通常被建模为各向同性分布的点目标，这种方法易于实现和高效。然而，单帧图像提供的信息可能不足以进行鲁棒的弱小红外目标检测。多个连续帧中包含的时间线索对鲁棒弱小红外目标检测具有重要意义。基于多帧的关联方法通过关联多个图像数据，提高了弱小目标检测的性能。然而，时间线索的采用增加了计算的复杂性。而现有的方法在机载红外探测系统中，对弱小目标的检测存在一定的困难。

Moradi等人利用成像系统的点扩散函数对点目标进行建模。这种方法简单有效。然而，它在杂乱的背景下表现不佳。基于远距成像和红外成像的特点，研究人员将背景建模为近似均匀统一分布的组件。与背景相比，弱小目标具有较小的空间扩散。通过减去估计的背景来检测小目标。

Gao等人利用红外图像块重建技术对背景进行建模。薛等人在重建中引入了多个稀疏约束。这些方法通常只有在背景满足大空间扩展的假设时才能很好地工作，而且背景建模需要花费大量的时间。红外弱小目标和背景在图像中表现出不同的特征。研究人员利用目标中心局部区域的特征差来检测红外弱小目标。计算每个成分的灰度统计信息，例如平均值、方差。它们之间的差异被用作弱小目标检测的线索。Zhao等人在最大树和最小树中提取红外弱小目标的空间大小和对比度信息，提出了一种基于多形态轮廓的检测方法。该方法对复杂背景具有较高的虚警率。

对于卷积神经网络相关的方法，Dai等人通过利用自下而上的注意调制，将低层特征与深层的高层次特征结合起来，保留并突出了弱小目标特征。有学者在U网络上构建了生成对抗网络，以了解弱小红外目标的特征，并直接预测目标的强度。

Marco等人提出了一种基于广义似然比检验的海洋背景弱小目标检测方法。部分研究人员在红外弱小目标探测中，采用了能量累积中的泊松分布。单像素关联方法对杂波背景或孤立点噪声敏感。Li等人通过基于运动和外观的显著性分析来增强红外弱小目标。有文章中采用时空张量模型对背景进行建模。也有采用多子空间学习对张量进行修改。这种方法不能很好地处理快速变化的背景。另外，这些方法往往比较复杂，不能满足实时应用的需要。

发明内容

基于此，有必要针对上述技术问题，提供一种能够至少解决上述一个问题的利用轨迹约束的红外弱小目标检测方法。

一种利用轨迹约束的红外弱小目标检测方法，所述方法包括：

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；