本发明专利技术涉及一种基于机载红外相机航拍图像的海面小目标检测方法，属于目标检测技术领域。一种基于机载红外相机航拍图像的海面小目标检测方法，针对机载相机航拍的红外图像出现的海面和陆地共存和海面有杂波背景的特点，使用梯度检测方法和霍夫变换检测出海岸线，分割出陆地和海面；进一步对海面进行基于灰度共生矩阵的自适应背景匹配方法，从现场提取的图片自动建立模板库，接着进行基于海杂波纹理的模板匹配和差分运算，最后通过自动阈值分割技术检测出目标。本方法可有效解决机载红外相机中海面图像中出现的海杂波干扰及海面和陆地不易区分的问题。
【技术实现步骤摘要】
本专利技术涉及目标检测
，特别涉及一种基于机载红外相机航拍图像的海面 小目标检测方法。
技术介绍
机载红外相机应用在海事搜救中，用于在视频图像中及时发现目标。它拍摄的海 面目标图像相较于在陆地或者卫星上的成像图像具有很大区别。它具有红外目标大小、形 状不固定，海面有杂波干扰，海面和陆地不易区分等特点，导致检测难度大，虚警率较高。 目前，针对海面红外图像中的海杂波干扰问题已有较多技术方法，空域背景预测 法便是其中一种。即利用图像背景的红外辐射在空间分布上具有较强的相关性而小目标区 域没有，对小目标图像进行背景预测得到背景预测图像，将原图像与背景图像作差得到残 差图像。在残差图像中目标部分得到增强，背景部分得到抑制，从而增强图像的信噪比，然 后对残差图像进行分割得到检测结果，该方法的优点是算法简单，易于实现，对于符合假设 条件的图像，预测模板选择合适的话，效果很好；缺点是算法过分依赖于预测模板的选择， 而模板选择很难做到自适应。 在机载相机拍摄到的红外图像中，经常出现海面与陆地共存的现象，陆地上的不 规则建筑等亮斑容易被错误检测出来，这会导致虚警增多的问题。目前，针对此类问题，可 以借鉴对海天共存问题的处理方式：先检测出海天线，然后分割图像，去掉天空部分，将海 面部分交给下一步进行处理。但是，对海岸线的检测要难于海天线，因为其边缘并不规则， 分割难度较大。
技术实现思路
本专利技术的目的在于针对上述问题，提供了一种基于机载红外相机航拍图像的海面 小目标检测方法，便于海岸线的提取。 本专利技术的目的是这样实现的： -种，其特征在于包括以下步 骤： 步骤1 :从机载红外相机拍摄的视频中截取一个目标图像f(x，y)，通过图像梯度 算法获取目标图像f(x，y)中包含海岸线的边缘信息，再利用霍夫变换检测出边缘信息中 特征最明显的直线，即得到目标图像f(x，y)中的海岸线； 步骤2 :根据步骤1中检测到的海岸线对目标图像f(x，y)进行分割，提取出其中 的海面图像A (X，y); 步骤3 :从机载红外相机拍摄的视频中取若干帧现场图像，再从这些现场图像中 抽取部分图像作为模板库中的样本图像，采用模板匹配方法挑选出与目标图像f(x，y)最 相似的样本图像作为模板图像，并通过对目标图像f(x，y)和模板图像作差分运算得到包 含目标的图像f2(t); 步骤4 :采用OStu图像阈值分割方法对包含目标的图像^⑴进行分割，从而得到 分割后的图像f3(x，y); 步骤5 :采用膨胀运算增强分割后的图像f3(x，y)中的目标，以增大目标面积，凸 显目标。 其中，步骤1中提取海岸线的分析处理步骤为： 第一步，图像梯度算法获取目标图像中包含海岸线的边缘信息，目标图像f(x，y) 在点（X，y)处的梯度V/定义为： 其中，I表示对图像f (X，y)求取X方向上的偏导数gx，f表示对对图像f (X，y) 求取y方向上的偏导数gy， 接着，计算梯度W'的幅值M(x, y),其意义为梯度方向变化率的值，得到幅值 第二步，利用霍夫变换检测出边缘信息中特征最明显的直线，使用极坐标表示 目标图像，极坐标中的（P，Θ )和直角坐标中点（X，y)为--对应的关系，即X COS Θ +y sin0 = P，其中P为点（X，y)到原点的距离，Θ为点（X，y)和原点连线与水平轴之间的 夹角； 接着对P Θ参数空间量化进行累加以获取p Θ参数空间中的最大累加值 (P "，Θ J，再通过公式p ^=X cos Θ n+y sin0n进行反运算，得到xy平面上拟合海岸线的 直线。 其中，步骤3中模板图像的获取包括以下步骤： 第一步，对目标图像和样本图像作灰度共生矩阵的海杂波纹理分析， 首先，对目标图像和每一幅样本图像计算其0度、45度、90度和135度方向上的灰 度共生矩阵；接着，计算这四个灰度共生矩阵的熵Q1、能量Q2、对比度Q3和一致性Q 4，分别 为： 其中，p(i，j)是计算灰度共生矩阵元素（i，j)的出现概率，U3^Puy是灰度共生矩 阵在点（X，y)的期望，δ JP δ y是标准差，I g是求以10为底的对数； 第二步，对目标图像和样本图像作基于最小距离判别函数的相似度判断，设模板 库中的样本图像有N个，第η个样本图像的特征矩阵的元素定义为X(n)1>N]，目标图像的特征 矩阵的元素用Pm表示，那么目标图像P到样本图像X(n)的距离dn(p)可以表示为： 根据上式计算的距离最小的图像min 就是目标图像的模板图像。 其中，步骤4中采用ostu图像阈值分割方法对包含目标的图像&(〇进行分割， 其公式为： 其中，P1表示图像匕⑴中点的概率；图像f2(t)两部分的灰度平均值分别为u Q(t) 和111(〇,图像f2(t)的总体灰度平均值为uT，则图像&(〇的类间方差表示为： 然后，对所有的值进t行遍历，找到类间方差最大时t的值t_，即图像分割的阈 值，从而得到分割后的图像f3 (X，y)。 其中，步骤5中采用结构元素 g(x，y)对分割后的图像f3(x，y)进行膨胀运算以增 大目标面积，即 其中，g(x，y)为3*3的正方形矩阵，其值为{010,010, 010}。 本专利技术的有益效果为：使用本方法可以方便的检测出海岸线，解决机载红外相机 中拍摄的海面图像中出现的海杂波干扰及海面和陆地不易区分的问题。【附图说明】 图1为本专利技术的流程框图。 图2为从机载红外相机拍摄的视频中截取一个目标图像。 图3为图2在边缘检测后的图像。 图4为图3在海岸线检测后的图像。 图5为图4在海岸线被分割后的图像。 图6-图9是另一组图像，处理方法同图2-图6。 图10为图8自动阈值分割后的图像。 图11为图10膨胀增强后的图像。 图12为带海面背景的目标原图。 图13为与图12相匹配的目标图像。 图14为图12和图13进行差分运算后的图像。 图15为图14膨胀增强后的图像。【具体实施方式】 下面结合具体实施例和附图，进一步阐述本专利技术。 如图1所示，一种，包括以下 步骤： 步骤 1 : 首先，从机载红外相机拍摄的视频中截取一个目标图像，如图2和图6所示，定义 该目标图像为函数f (X，y)。 其次，通过图像梯度算法获取目标图像f(x，y)中包含海岸线的边缘信息，如图3 和图7所示，将该目标图像f(x，y)在点（x，y)处的梯度VJ定义为： 其中，I表示对目标图像f(x，y)求取X方向上的偏导数gx，$表示对目标图像 f(x, y)求取y方向上的偏导数gy。 计算梯度W_'的幅值M (X, y),其意义为梯度方向变化率的值，得到幅值 最后，利用霍夫变换检测出边缘信息中特征最明显的直线，如图4和图8所示。使 用极坐标表示目标图像f(x，y)，极坐标中的（Ρ，Θ)和直角坐标中点（x，y)为一一对应的 关系，即X COS Θ +y sin Θ = P，其中P为点（X，y)到原点的距离，Θ为点（X，y)和原点 连线与水平轴之间的夹角。 为了方便计算，将P Θ参数空间量化成为累加器单元。海天线边缘提取后的直线 可以看成是定义在Xy平面上，图像上相应边缘坐标点集合可以表示为（Xk，yk)，通过表达式 P =Xk cos 0+yk sin Θ可将其映射为参数本文档来自技高网...
【技术保护点】
一种基于机载红外相机航拍图像的海面小目标检测方法，其特征在于包括以下步骤：步骤1：从机载红外相机拍摄的视频中截取一个目标图像f(x,y)，通过图像梯度算法获取目标图像f(x,y)中包含海岸线的边缘信息，再利用霍夫变换检测出边缘信息中特征最明显的直线，即得到目标图像f(x,y)中的海岸线；步骤2：根据步骤1中检测到的海岸线对目标图像f(x,y)进行分割，提取出其中的海面图像f1(x,y)；步骤3：从机载红外相机拍摄的视频中取若干帧现场图像，再从这些现场图像中抽取部分图像作为模板库中的样本图像，采用模板匹配方法挑选出与目标图像f(x,y)最相似的样本图像作为模板图像，并通过对目标图像f(x,y)和模板图像作差分运算得到包含目标的图像f2(t)；步骤4：采用ostu图像阈值分割方法对包含目标的图像f2(t)进行分割，从而得到分割后的图像f3(x,y)；步骤5：采用膨胀运算增强分割后的图像f3(x,y)中的目标，以增大目标面积，凸显目标。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘杰，安博文，胡春暖，赵明，曹彦珏，易佳，费鸿翔，邹志远，
申请(专利权)人：上海海大技术转移有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。