申请/专利权人：中北大学

申请日：2021-09-15

公开（公告）日：2024-05-17

公开（公告）号：CN113822352B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/80;G06V10/74;G06V10/26;G06V10/28

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2022.01.07#实质审查的生效;2021.12.21#公开

摘要：本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。

主权项：1.基于多特征融合的红外弱小目标检测方法，其特征在于：包括以下步骤：首先，基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制；其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显著图一；再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显著图二；最后，将显著图一与显著图二进行点乘，通过融合红外弱小目标多种特性得到最终显著图，对最终显著图计算阈值进行分割得到最终检测结果；利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制具体包括以下步骤：将待检测红外图像Iin转换为灰度图像I；以灰度图像I中的一个像素点s为中心构建滑动窗口，中心单元为S0，其周围的单元Si是局部背景区域；取局部背景区域中灰度均值最大的若干个单元，计算这几个单元的灰度均值μmax；比较中心单元的灰度均值和μmax的大小，若对中心单元像素进行增强，灰度值设置为Ii,j表示中心单元中i,j位置的像素灰度值，否则进行抑制，灰度值设置为0；移动滑动窗口，直至灰度图像I所有像素都经过上述计算，得到背景抑制图像T；通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显著图一具体包括以下步骤：以背景抑制图像T中的一个像素点t为中心构建滑动窗口，如果该滑动窗口内像素值不为0，计算该滑动窗口内每个像素到中心像素的距离与灰度差，从而计算整个滑动窗口的协方差系数；移动滑动窗口，直至背景抑制图像T所有像素都经过上述计算，得到由每个滑动窗口的协方差系数组成的协方差显著图COV；利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显著图二具体包括以下步骤：以背景抑制图像T中的一个像素点p为中心构建滑动窗口，中心单元称为SM0，其周围的S个背景单元SMij是局部背景区域；分别计算背景单元SMij与中心单元SM0之间的相似性因子SFi；移动滑动窗口，直至背景抑制图像T所有像素都经过上述计算，得到S个相似性矩阵，其中第i个相似性矩阵由中心单元与第i个背景单元的相似性因子组成；S个相似性矩阵中相同位置的元素最小值minSFi作为相似性矩阵SF对应位置的元素的值，相似性矩阵SF计算方式如下： 其中，minSFi为S个相似性矩阵中相同位置的元素最小值，maxSFi为S个相似性矩阵中相同位置的元素最大值；相似性矩阵SF即为相似性显著图SF。

全文数据：

权利要求：

百度查询： 中北大学 基于多特征融合的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