一种基于ROI的红外图像检测方法技术

本发明专利技术涉及一种基于ROI的红外图像检测方法，属于图像识别领域，一种基于ROI的红外图像检测方法，包含以下步骤：S1、目标候选区域的确定：利用显著性检测方法和构建评价指标，在原始图像中选出若干个最可能包含目标的ROI区域；S2、对ROI区域进行目标的识别：首先，对每个可能包含目标的ROI区域进行特征提取，得到每个可能包含目标的ROI区域的特征向量；然后，将每个可能包含目标的ROI区域的特征向量送入分类器进行比对，最终得到含有真实目标的ROI区域。本发明专利技术所述的方法可应用于制导武器上，帮助制导武器更精确的区分目标和诱饵，从而引导导弹实现精确打击。

An infrared image detection method based on ROI

The present invention relates to an infrared image detection method based on ROI, which belongs to the field of image recognition, an infrared image detection method based on ROI, which comprises the following steps: S1, the target candidate region: using saliency detection method and evaluation indicators, selected several most likely to contain the target ROI region in the original image. S2, the target of recognition; ROI region of ROI region: first, each of which may contain target feature extraction, feature vector ROI region, each of which may contain the target; then the feature vectors of the ROI region will each may contain the target into classifier for comparison, finally get the ROI region containing the real target. The method of the invention can be applied to the guided weapon to help the guided weapon more accurately distinguish the target and the bait, and thus to guide the missile to realize the precise strike.

【技术实现步骤摘要】

本专利技术涉及图像识别领域，特别涉及一种基于ROI的红外图像检测方法。
技术介绍
现代战争对信息化程度的要求越来越高，要求制导武器具有高精度、高智能、强抗干扰能力和轻小型化的特点，能够在全天候、全天时、强干扰和复杂背景环境下检测目标并精确地命中目标。红外制导技术在当今精确制导技术中使用非常广泛，是红外技术在军事上的主要应用之一，对各种兵种、多种武器都具有非常重要的作用。另外，红外成像具有多目标全景观察、识别及跟踪能力，能够实现对目标的热成像智能化导引。红外制导分为红外非成像制导和红外成像制导。红外非成像制导是利用弹上非成像导引头接收目标辐射的红外能量，实现对目标的检测与跟踪。红外成像制导是利用弹上红外成像导引头，依据目标和背景红外图像，检测和跟踪目标，导引导弹或弹药命中目标的制导技术。其中，利用红外成像技术来实现对目标的检测，是军事武器现代化、自动化和智能化的重要标志之一，也是本专利技术重点研究的内容。它通过对探测器输入的红外图像进行实现处理完成目标的检测和识别。空中真假目标的识别是红外成像制导系统中的关键技术之一，飞机和诱饵(干扰弹)在其形态，运动状态上十分相似，提取目标和诱饵的特征依靠神经网络识别的方法对图像信息的利用率不高。
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ROI的红外图像检测方法，根据红外辐射特性以及成像特点，通过一定的图像处理来划分出可能存在目标的感兴趣区域，为图像的分割和目标识别提供先验知识，在感兴趣区域(ROI区域)中进一步检测目标的形状和位置。本专利技术的目的是这样实现的：一种基于ROI的红外图像检测方法，其特征在于，包含以下步骤：S1、目标候选区域的确定：首先，用热红外成像设备接收攻击区域内不同物体的热辐射，获取原始图像；然后，利用显著性检测方法，检测出原始图像中可能存在目标的区域，形成显著图；最后，通过构建评价指标，确定显著图上不同区域的显著性程度，并根据显著性程度选出若干个最可能包含目标的ROI区域；S2、对ROI区域进行目标的识别：首先，对每个可能包含目标的ROI区域进行特征提取，得到每个可能包含目标的ROI区域的特征向量；然后，将每个可能包含目标的ROI区域的特征向量送入分类器进行比对，最终得到含有真实目标的ROI区域。其中，在对原始图像进行显著性检测之前，还需要对该原始图像采用matlab进行预处理，所述预处理包含以下步骤：S1、通过matlab分别获取原始图像的灰度直方图、颜色直方图和HSV矩阵，并分别以参数形式进行保存；S2、对灰度直方图、颜色直方图和HSV矩阵分别使用灰度共生矩阵进行纹理检测，分别得到灰度直方图、颜色直方图和HSV矩阵中灰度的空间相关特性，并也分别以参数形式进行保存；S3、将原始图像旋转360度，每隔60度重复前述步骤S1和S2，共得到六组不同的参数，用于图像的显著性检测；其中，所述特征提取包含以下步骤：S1、种子点提取：通过递归的最大类间方差法提取出最可能包含目标的ROI区域中的高亮度区域，即目标种子区域，并进一步提取出该目标种子区域的边缘图像；S2、目标的真实边缘片段提取：用Canny形态学边缘检测法，从目标种子区域的边缘图像中检测出真实目标的边缘图像或边缘片段图像；S3、基于区域生长的图像分割：采用自适应区域生长法，将真实目标的边缘图像或边缘片段图像分割成n个小区域。其中，所述比对包含以下步骤：S1、离线学习：采用若干尺寸统一的包含目标的正样本和不包含目标的负样本训练分类器，提取出正样本和负样本中的特征向量并对特征向量标注相对应的标签，得到表征分类器的参数；S2、在线对比：将得到的每个可能包含目标的ROI区域的特征向量送入分类器与正样本和负样本中的特征向量进行比对，得到最接近的正样本和负样本中的特征向量所对应的标签，根据该标签判断出每个可能包含目标的ROI区域是否包含真实目标。其中，所述分类器采用基于Haar特征的底层AdaBoost算法。其中，所述目标为飞机或者舰船。本专利技术的有益效果为：该方法可应用于制导武器上，帮助制导武器更精确的区分目标和诱饵，从而引导导弹实现精确打击。附图说明图1为本专利技术的流程图。图2为分类器的算法流程图。图3为分类器用于离线学习的样本。具体实施方式下面以目标为飞机的识别为例，进一步阐述本专利技术，整个识别过程如图1所示。一、飞机候选区域的确定1、采用基于热红外相机的视觉检测方案，具体为用热红外成像设备接收攻击区域内不同物体的热辐射，实现对物体的检测成像，获取原始图像。2、对原始图像采用matlab进行预处理，具体通过matlab中imageacquisition对图像做预处理：(1)通过matlab分别获取原始图像的灰度直方图、颜色直方图和HSV矩阵，并分别以参数形式进行保存。其中，灰度直方图是为了便于数字化的获取图像亮度分布，是一个二维图像，被直接保存在参数countsA中；颜色直方图是为了便于数字化获取图像颜色，是图像颜色矩阵，分为一阶矩阵、二阶矩阵和三阶矩阵，分别保存在参数kavqA、istdA、kskeA中；HSV矩阵是为了便于数字化获取图像对比度，相较于颜色矩阵，HSV矩阵更加符合人类对图片的感知，分为h矩阵、S矩阵和V矩阵，分别保存在参数havgA、savgA、vavgA中。(2)对前述灰度直方图、颜色直方图和HSV矩阵分别使用灰度共生矩阵进行纹理检测，由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两个像素之间会存在一定的灰度关系，即图像中灰度的空间相关特性，这里通过纹理检测，分别分别得到灰度直方图、颜色直方图和HSV矩阵中灰度的空间相关特性，纹理检测通过灰度差分统计法得到平均值、对比度和熵，并分别保存在参数meanA、conA、entA中。(3)将原始图像旋转360度，每隔60度重复前述两个步骤，共得到六组不同的参数，这六组参数形成一个结构体并存储在数据库中，用于图像的显著性检测。这六组参数的区别在于后缀名不同，如第一组名为countsA、kavqA、istdA、kskeA、havgA、savgA、vavgA、meanA、conA、entA，第二组名为countsB、kavqB、istdB、kskeB、havgB、savgB、vavgB、meanB、conB、entB，以此类推。3、显著性检测：通常飞机、海上游弋的舰船等其热辐射均高于背景区域，具有一定的显著性特点，因此这里对经过预处理的图片采用显著性检测方法进行检测，检测出图片中可能存在飞机的区域，形成显著图。4、在显著图的基础上，通过构建评价指标确定显著图中不同区域的显著性程度，并根据显著性程度选出若干个最可能包含飞机的ROI区域(RegionofInterest，ROI)。二、对选出的若干个最可能包含飞机的ROI区域进行飞机的识别1、对每个可能包含飞机的ROI区域进行特征提取，得到每个可能包含飞机的ROI区域的特征向量，具体步骤如下：(1)种子点提取：通过递归的最大类间方差法提取出最可能包飞机的ROI区域中的高亮度区域，即目标种子区域，并进一步提取出该目标种子区域的边缘图像；(2)目标的真实边缘片段提取：用Canny形态学边缘检测法，从目标种子区域的边缘图像中检测出真实飞机的边缘图像或边缘片段图像；本文档来自技高网...

【技术保护点】
一种基于ROI的红外图像检测方法，其特征在于，包含以下步骤：S1、目标候选区域的确定：首先，用热红外成像设备接收攻击区域内不同物体的热辐射，获取原始图像；然后，利用显著性检测方法，检测出原始图像中可能存在目标的区域，形成显著图；最后，通过构建评价指标，确定显著图上不同区域的显著性程度，并根据显著性程度选出若干个最可能包含目标的ROI区域；S2、对ROI区域进行目标的识别：首先，对每个可能包含目标的ROI区域进行特征提取，得到每个可能包含目标的ROI区域的特征向量；然后，将每个可能包含目标的ROI区域的特征向量送入分类器进行比对，最终得到含有真实目标的ROI区域。

【技术特征摘要】
1.一种基于ROI的红外图像检测方法，其特征在于，包含以下步骤：S1、目标候选区域的确定：首先，用热红外成像设备接收攻击区域内不同物体的热辐射，获取原始图像；然后，利用显著性检测方法，检测出原始图像中可能存在目标的区域，形成显著图；最后，通过构建评价指标，确定显著图上不同区域的显著性程度，并根据显著性程度选出若干个最可能包含目标的ROI区域；S2、对ROI区域进行目标的识别：首先，对每个可能包含目标的ROI区域进行特征提取，得到每个可能包含目标的ROI区域的特征向量；然后，将每个可能包含目标的ROI区域的特征向量送入分类器进行比对，最终得到含有真实目标的ROI区域。2.根据权利要求1所述的一种基于ROI的红外图像检测方法，其特征在于，在对原始图像进行显著性检测之前，还需要对该原始图像采用matlab进行预处理，所述预处理包含以下步骤：S1、通过matlab分别获取原始图像的灰度直方图、颜色直方图和HSV矩阵，并分别以参数形式进行保存；S2、对灰度直方图、颜色直方图和HSV矩阵分别使用灰度共生矩阵进行纹理检测，分别得到灰度直方图、颜色直方图和HSV矩阵中灰度的空间相关特性，并也分别以参数形式进行保存；S3、将原始图像旋转360度，每隔60度重复前述步骤S1和S2，共得到六组不同的参数，用于图像的显著性检测。3.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：康晨樱，王西超，宋君瑜，余乐，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31