[发明专利]一种基于物理模型约束的红外成像虚警源分类方法

说明书

本发明属于红外图像处理及机器视觉应用领域，提供了一种基于物理模型约束的红外成像虚警源分类方法，实现物理特性与图像特征对虚警源的协同建模与表征，满足对地探测中对虚警源的抑制及智能化目标识别的要求。主要方案包括：红外虚警源特性分析，虚警源数据的样本集构建；对正演模拟仿真数据处理，提取物理特性参数表征特征；对传感器采集到的红外图像采用多向旋转结构算子提取虚警源的几何特征，采用局部纹理谱特征描述子(LTMV、局部纹理空间特征矩阵)提取虚警源的纹理特征；将训练集数据提取特征获得的几何特征、纹理特征及物理特征进行特征融合，得到综合特征向量并用于分类器训练；最后，利用测试集数据实现虚警源分类。

技术领域

本发明属于红外图像处理及机器视觉应用领域，具体涉及一种基于物理模型约束的红外成像虚警源分类方法。

背景技术

随着红外成像技术的发展，红外成像被广泛地应用于各国军事、民用等相关领域，红外目标检测在预警系统、精确打击武器等方面发挥着巨大的作用，红外成像探测器一般具有成像距离远且易受环境因素干扰的特点，因此红外目标一直是目标检测领域的一个难题。

由于红外成像所用波段的特殊性，在军事应用中具有显著优势。与可见光成像相比，红外探测对于环境的依赖更小，可见光探测通常只能在白天进行，而红外探测成像则不会受制于此，红外探测具有全天候的工作能力。除此之外，红外探测还具有高灵敏度、抗电磁干扰能力强、动态范围大、环境适应性好等优势。因此红外探测可实现在复杂背景下，对目标的捕获、锁定、跟踪和识别。

天基红外卫星在对地遥感观测及导弹预警方面具有重要作用，是国防建设的重要组成部分。天基红外卫星利用其星载的红外对地探测器探测导弹或飞行器在飞行过程中产生的高强度红外辐射，实现对全球范围内实时的预警监测。然而在天基红外卫星的红外探测器成像波段内存在大量具有高辐射特性的目标，对导弹预警系统的正常工作造成干扰甚至误报，称为虚警源。典型的虚警源包括雪山、恒星、结冰湖泊以及高空卷云等，这些虚警源由于其高辐射或高反射特性不可避免地对成像系统产生干扰，因此需要对各种虚警源进行特征分析及建模实现对于虚警源的检测及分类，可将其作为目标检测的一种辅助手段，即检测引起虚警的虚警源，并对其进行检测分类，从目标检测的结果中去除虚警源检测的结果，从而一定程度上减少高辐射虚警源对真实空间目标检测的影响。除此之外，还满足了红外对地探测系统中对于虚警源智能化识别的要求。综合上述因素本文提出了一种基于物理模型约束的红外成像虚警源分类方法，因此在实际应用中虚警源的分类算法具有十分重要的研究意义。

发明内容

基于现有技术中虚警源对于智能化识别的问题，本发明提供了一种基于物理模型约束的红外成像虚警源分类方法，实现对多种虚警源的分类。

本发明采用的技术方案如下：

一种基于物理模型约束的红外成像虚警源分类方法，包括如下步骤：

步骤1：分析红外虚警源特点，并建立虚警源数据的图像样本集；

步骤2：对图像样本集进行正演模拟得到的虚警源仿真数据，提取虚警源仿真数据的物理特性参数表征特征，得到物理特征向量μ₁；

步骤3：对图像样本集中的红外虚警源图像采用自适应多向旋转结构算子提取虚警源的几何特征，得到几何特征向量μ₂；

步骤4：对图像样本集中的红外虚警源图像采用局部纹理谱特征描述子提取虚警源的纹理特征，得到纹理特征向量μ₃；

步骤5：采用步骤2-步骤3对训练集数据进行提取特征，将得到的物理特征向量μ₁、几何特征向量μ₂、纹理特征向量μ₃进行特征融合，得到融合后的特征向量，并将融合后得到的特征向量输入到分类器中进行训练，最终实现虚警源分类。

在上述技术方案的基础上，所述步骤1具体包括以下步骤：