一种基于人类视觉系统的红外小目标检测方法技术方案

一种基于人类视觉系统的红外小目标检测方法，属于红外目标检测领域。解决了现有红外小目标检测方法检测的结果存在大量的虚检，导致检测准确率低的问题。首先，通过视觉注意机制对原始图片进行处理获得候选目标，所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，其次，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成目标检测。主要对进行目标检测。

【技术实现步骤摘要】
一种基于人类视觉系统的红外小目标检测方法
本专利技术属于红外目标检测领域。
技术介绍
红外小目标检测在实际工程中起着至关重要的作用，比如红外预警和防御等。红外预警等应用中，精度和鲁棒性都有要求。尽管在近几十年中许多算法被提出，其中大部分在特定情况下会失效比如空地背景。这种情况在直升机视野中是很常见的。目标往往有可以识别的形状但是尺寸很小，很容易被背景中的植被、道路、河流、桥梁、等覆盖或交叠。因为以上原因，传统算法会在检测结果中产生大量的虚检。人类视觉系统(Humanvisualsystem，HVS)通过视觉注意机制将场景分割成若干个小图像块使得场景更容易理解和分析。这种机制可以有效降低图像处理的计算成本保证系统实时性。本方法借鉴人类视觉系统，对于伪目标有较高的鲁棒性，而且在较快的检测速度下具有较高的检测率和较低的误检率。
技术实现思路
本专利技术是为了解决现有红外小目标检测方法检测的结果存在大量的虚检，导致检测准确率低的问题，本专利技术提供了一种基于人类视觉系统的红外小目标检测方法。一种基于人类视觉系统的红外小目标检测方法，该检测方法的具体过程为：步骤一，通过视觉注意机制对原始图片进行处理获得候选目标，所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，步骤二，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成对目标的检测。步骤一中，对原始图像进行预处理采用局部对比法实现。所述的原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标的具体过程为：步骤一一，在原始图像中，以任意像素点a为中心扩展出本地区域u和本地背景v，对本地背景v进行区域划分，使得本地背景v构成九宫格，本地区域u位于本地背景v构成的九宫格的中心位置，然后，利用本地区域u和本地背景v的灰度对比，得到像素点a的显著值，对九宫格中的九个格子进行编号，序号为1至9，且序号的排序为从左到右，从上到下，由1至9依次排序，本地区域u所在的位置为序号5所在的位置，步骤一二，通过步骤一一，获得原始图像中的所有像素点所对应的显著值后，将原始图像中，每个像素点所对应的显著值替换该像素点所对应的灰度值，获得显著度图；步骤一三，设定阈值T，并通过阈值T选取显著度图中最显著的部分，即：将显著值高于阈值T的位置作为候选目标，其中，cj表示像素j的显著值，NI是图像的像素数，k表示调整系数，mall表示本地背景区域v的灰度均值，gmax表示本地区域u的最大灰度值，N是九宫格中第i号格子的像素数，是九宫格中第i号格中的第j个像素的灰度值，i和j均为正整数，且i≠5。所述的阈值T的值大于原始图像中所有像素值的均值，小于原始图像中像素值的最大值，且阈值T的值通过系数调整。所述的k的取值范围为大于0.1且小于0.3。所述的支持向量机分类器采用该升级支持向量机分类器内部的训练集实现支持向量机分类器的升级。我们借鉴HVS系统，构造一个低级视觉人造处理系统，它分为两个部分。如图1所示，首先通过视觉注意机制计算图像各区域显著程度，并标记其中最显著的部分(即感兴趣的部分)。然后使用支持向量机分类器(supportvectormachine,SVM)对提取出来的感兴趣区域进行分类，识别各区域是否是真实目标。首先，使用视觉注意机制和阈值操作挑选出最显著的区域，然后使用支持向量机分类器将目标和背景噪声区分开来。本专利技术带来的有益效果，本专利技术方法对于伪目标有较高的鲁棒性，而且在单帧仅需不到0.1秒的速度下有很高的检测率(truepositiverate，TPR)。本专利技术所述方法的误检率(falsepositiverate，FPR)远小于其他算法，使得本专利技术方法检测的准确率提高了10％以上。本专利技术方法既可以直接应用于单帧检测，也可以作为一个基础模块应用于连续实时目标追踪。本专利技术方法平衡了红外武器(包括预警与攻击武器)系统的精度、速度和对各种环境的鲁棒性，提高了红外预警系统的综合性能。附图说明图1为本专利技术所述的一种基于人类视觉系统的红外小目标检测方法的原理示意图；图2为具体实施方式三中所述的本地区域u和本地背景v相对于整体图像的位置关系示意图；图3为具体实施方式三中所述的本地区域u和本地背景v的相对位置关系示意图；具体实施方式具体实施方式一：参见图1说明本实施方式，本实施方式所述的一种基于人类视觉系统的红外小目标检测方法，该检测方法的具体过程为：步骤一，通过视觉注意机制对原始图片进行处理获得候选目标，所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，步骤二，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成对目标的检测。本实施方式中，考虑到目标的形状会随着因为运动而产生细微的变化(这个变化是因为观察的方向和目标的姿态发生了改变)。可以通过升级训练集来使支持向量机分类器更加智能。标准的支持向量机分类器的原理为：首先，给出训练集标准的支持向量机分类器被表示为：从而得到超平面W(W∈Rm,b∈R)；其中，核函数将向量从低维空间投影到高维特征空间，m和n均为正整数，且m大于n，xi表示被投影的原始低维空间数据，yi表示投影所得的高维空间数据，Rn表示低维空间(维数为n)，Rm表示高维空间(维数为m)，WT表示超平面向量的转置，b表示一个常数，然后，使用超平面W对数据进行分类，分类函数表示成y(x)：具体实施方式二：本实施方式与具体实施方式一所述的一种基于人类视觉系统的红外小目标检测方法的区别在于，步骤一中，对原始图像进行预处理采用局部对比法实现。具体实施方式三：参见图2和3说明本实施方式，本实施方式与具体实施方式一所述的一种基于人类视觉系统的红外小目标检测方法的区别在于，所述原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标的具体过程为：步骤一一，在原始图像中，以任意像素点a为中心扩展出本地区域u和本地背景v，对本地背景v进行区域划分，使得本地背景v构成九宫格，本地区域u位于本地背景v构成的九宫格的中心位置，然后，利用本地区域u和本地背景v的灰度对比，得到像素点a的显著值，对九宫格中的九个格子进行编号，序号为1至9，且序号的排序为从左到右，从上到下，由1至9依次排序，本地区域u所在的位置为序号5所在的位置，步骤一二，通过步骤一一，获得原始图像中的所有像素点所对应的显著值后，将原始图像中，每个像素点所对应的显著值替换该像素点所对应的灰度值，获得显著度图；步骤一三，设定阈值T，并通过本文档来自技高网...

【技术保护点】
一种基于人类视觉系统的红外小目标检测方法，其特征在于，该检测方法的具体过程为：步骤一，通过视觉注意机制对原始图片进行处理获得候选目标，所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，步骤二，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成对目标的检测。

【技术特征摘要】
1.一种基于人类视觉系统的红外小目标检测方法，该检测方法的具体过程为：步骤一，通过视觉注意机制对原始图片进行处理获得候选目标，所述的通过视觉注意机制对原始图片进行处理获得候选目标的具体过程为：原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标，步骤二，使用支持向量机分类器对候选目标进行分类，使得显著度图中最显著的部分中的真实目标和背景噪声区分开，再识别最显著的部分中的真实目标是否真实存在，完成对目标的检测；其特征在于，所述的原始图像为红外灰度图，对原始图像进行预处理，使得红外灰度图转换为显著度图，再通过预设的阈值选取显著度图中最显著的部分，并将显著度图中最显著的部分作为候选目标的具体过程为：步骤一一，在原始图像中，以任意像素点a为中心扩展出本地区域u和本地背景v，对本地背景v进行区域划分，使得本地背景v构成九宫格，本地区域u位于本地背景v构成的九宫格的中心位置，然后，利用本地区域u和本地背景v的灰度对比，得到像素点a的显著值，对九宫格中的九个格子进行编号，序号为1至9，且序号的排序为从左到右，从上到下，由1至9依次排序，本地区域u所在的位置为序号5所在的位置，步骤一二，通过步骤一一，获得原始图像中的所有像素点所对应的显著值后，将原始图像中，每个像素点所对应的显著值替...

【专利技术属性】
技术研发人员：崔征，杨京礼，姜守达，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23