申请/专利权人：南京莱斯电子设备有限公司

申请日：2020-05-08

公开（公告）日：2020-09-18

公开（公告）号：CN111681262A

主分类号：G06T7/246(20170101)

分类号：G06T7/246(20170101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.09.03#授权;2020.10.20#实质审查的生效;2020.09.18#公开

摘要：本发明公开了一种基于邻域梯度的复杂背景下红外弱小目标检测方法，包括：1生成初始搜索主窗口和子窗口模板；2根据窗口最小值获取前景判断窗口像素矩阵；3构建前景判断映射表；4计算邻域峰值梯度特征和邻域阶跃梯度特征；5对窗口特征进行SVM分类权值判断；6对窗口进行邻域对比度判断；7自适应调整窗口步长，完成单帧图像遍历输出目标信息；8对序列图像进行连续目标检测，分别进行运动特性判断和静止特性判断，计算得到最新帧的目标检测信息数据。本发明可用于远程光电侦察、无人机探测、海岸防卫、车载地物目标侦察等场景，解决现有复杂背景下弱小目标检测技术中检测准确率低、虚警率高、检测鲁棒性低的问题。

主权项：1.一种基于邻域梯度的复杂背景下红外弱小目标检测方法，其特征在于，包括以下步骤：步骤1，对当前帧图像fi,j进行滑动窗口遍历，生成初始搜索主窗口模板W1和子窗口模板SW1；步骤2，计算子窗口模板SW1矩阵SH1i,j的最小像素值MIN，获取前景判断窗口像素矩阵WFi,j；步骤3，计算矩阵WFi,j的均值WF_Mean和方差WF_Varce，生成前景判断映射表Tablei,j；步骤4，根据前景判断映射表Tablei,j计算前景判断窗口像素矩阵WFi,j的各子块的邻域峰值梯度、平均梯度和邻域阶跃梯度，生成邻域峰值梯度特征向量U1和邻域阶跃梯度特征向量U2；步骤5，对邻域峰值梯度特征向量U1和邻域阶跃梯度特征向量U2进行SVM分类权值判断得到分类判断权值φU1,U2；步骤6，计算满足φU1,U2＝1的前景判断窗口像素矩阵的邻域对比度ConRatio，并与图像全局对比度ConRatioAll进行比较判断，如果满足ConRatio≥ConRatioAll，则当前窗口目标标志位Flag＝1，否则Flag＝0；步骤7，自适应调整滑动窗口步长为S，计算得到下一轮滑动窗口模板，依次完成步骤2～步骤6，实现当前帧图像全部遍历，得到满足窗口目标标志位Flag＝1的所有窗口，生成候选目标窗口向量Vec_Target1；步骤8，对连续N帧图像进行上述步骤1～步骤7，得到候选目标检测向量序列[Vec_Target1,Vec_Target2,…Vec_TargetN]，Vec_TargetN表示第N帧图像的候选目标窗口向量，分别对候选目标检测向量序列进行序列运动特性判断和静止特性判断，计算得到当前帧图像的弱小目标检测信息。

全文数据：

权利要求：

百度查询： 南京莱斯电子设备有限公司 一种基于邻域梯度的复杂背景下红外弱小目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD