一种对空目标的检测方法技术

本发明专利技术公开了一种对空目标检测方法，该方法包括如下步骤：对输入图像进行预处理；计算处理后图像的梯度；剔除图像中的地面场景；对天空区域进行角点检测；非极大值抑制；选取目标候选点；对目标候选点进行显著性分割，提取目标；目标去重。本发明专利技术计算量小，对分辨率为1920*1080的图像能够实时处理。本发明专利技术利用画面中的梯度信息和特征的显著性有效的抑制了地面场景和云层背景对目标检测的干扰，使用分割的方式提取目标，并对得到的目标进行去重处理，确保最终检测结果的完整性和唯一性，提高了对空目标检测的准确性。了对空目标检测的准确性。了对空目标检测的准确性。

【技术实现步骤摘要】
一种对空目标的检测方法


[0001]本专利技术涉及计算机视觉领域，具体涉及一种对空目标的检测方法。

技术介绍

[0002]对空中目标的探测与识别在防空武器、空中侦察等领域有着重要的研究意义和应用价值。在实际使用时，希望尽早的发现目标，而此时目标距离观测点很远，目标在画面中的成像尺寸很小，甚至只有一两个像素。这种应用场景不利于基于深度学习的方法对目标进行识别。传统的对空目标检测方法一般基于亮度信息和边缘信息等，但这些方法容易受到地面场景和云层背景的干扰，导致虚警率较高和检测的目标不完整等问题。

技术实现思路

[0003]因此，为了解决上述不足，本专利技术在此提供一种
[0004]对空目标的检测方法，以解决现有技术所存在的容易受地面场景和云层背景干扰以及检测目标不完整的问题。
[0005]本专利技术具体通过下列步骤实现：
[0006]步骤一，图像预处理；
[0007]如果输入图像是彩色图像，则将其转化为灰度图像，然后对灰度图像进行中值滤波操作。图像边界一圈的像素保留其原始灰度值，其他的像素点则从以其自身为中心的3
×
3区域内选取灰度中间值作为其最终的灰度值。
[0008]彩色图像转化为灰度图像公式如下：
[0009]I＝0.299
×
R+0.587
×
G+0.114
×
B
[0010]其中R、G、B分别代表彩色图像的红、绿、蓝颜色分量，I表示转化后的灰度值。
[0011]中值滤波过程如下所示：
[0012][0013]其中W，H分别表示图像的宽度和高度，i，j分别表示灰度图像中行和列的位置，且i∈[1,2,
…
,H]，j∈[1,2,
…
,W]。I
i,j
表示图像中i，j位置处的原始灰度值，median[]表示从像素点集中求取中间灰度值的操作，表示图像中i，j位置处的中值滤波后的灰度值。
[0014]步骤二，梯度计算；
[0015]分别计算步骤一得到的中值滤波后图像的水平方向梯度和垂直方向梯度。具体操作是将图像边界一圈的像素的水平方向梯度和垂直方向梯度值置为0，其他像素点利用算子[
‑
1 0 1]求水平方向梯度，利用算子[
‑
1 0 1]T
求垂直方向梯度。
[0016]具体计算过程如下：
[0017][0018][0019]其中W，H分别表示图像的宽度和高度，i，j分别表示灰度图像中行和列的位置，且i∈[1,2,
…
,H]，j∈[1,2,
…
,W]。表示图像中i，j位置处的中值滤波后的灰度值，gradx
i,j
和grady
i,j
分别表示图像中i，j位置处的水平方向梯度和垂直方向梯度。
[0020]步骤三，地面场景剔除；
[0021]本专利技术针对的应用是对空目标的检测，但是在实际使用的时候，画面中难免会出现地面场景。地面场景中往往包含复杂纹理特征，会对后续真实空中目标的检测造成干扰，所以需要把地面场景剔除。根据实际使用场景，地面场景比空中场景具有更复杂的纹理，且地面场景集中分布在画面的下方。因此利用纹理信息和位置信息可以将地面场景剔除掉。
[0022]具体操作是利用步骤二得到的水平方向梯度和垂直方向梯度，统计图像每一行上两个方向梯度绝对值之和大于设定阈值T
G
的像素点个数N
j
，j∈[1,2,
…
,H]，其中j表示行号，H表示图像的高度，N
j
表示第j行的满足条件的像素个数。然后再按照行号从上往下查找最先满足条件N
j
≥T,j∈[1,2,
…
,H]的行号，作为天空场景和地面场景的分界，其中j表示行号，H表示图像的高度，N
j
表示第j行的满足条件的像素个数，T表示设定的分界阈值。
[0023]步骤四，对天空场景所在区域进行角点检测；
[0024]利用步骤二得到的水平方向梯度和垂直方向梯度，按照如下公式计算区域内每个像素点的角点响应值。
[0025][0026]S
j
＝det(M
j
)
‑
k
×
(trace(M
j
))2[0027]其中j表示图像中的像素点的序号，B
j
表示图像中以像素点j为中心的7
×
7区域的像素点集，gradx和grady分别代表图像的水平方向梯度和垂直方向梯度，M
j
表示像素点j处的梯度协方差矩阵，det()表示矩阵的行列式，trace()表示矩阵的迹，k是一个可调的参数，S
j
是像素点j处的角点响应值。
[0028]步骤五，非极大值抑制；
[0029]对步骤四得到的角点响应值进行非极大值抑制操作，具体操作是给定一个响应最小阈值S
min
，对于某一像素点，同时比较其角点响应值与最小阈值S
min
和其7
×
7邻域内像素点的角点响应值。如果该像素点的角点响应值不能同时满足大于等于S
min
和大于等于其7
×
7邻域内像素点的角点响应值，则将该点的角点响应值值为0。
[0030]具体公式如下：
[0031][0032]其中S
j
表示像素点j处的角点响应值，S
min
是设定的最小角点响应值，B
j
表示像素点j处7
×
7邻域内的像素点，表示7
×
7邻域内的像素点的角点响应值的集合，表示像素点j处角点响应值的非极大值抑制结果。
[0033]步骤六，选取目标候选点；
[0034]综合考虑步骤五得到的结果的响应值以及其在图像中的位置，从中选取出响应值前N大的点作为目标的候选点,N表示挑选的候选点个数，具体数值根据使用确定。
[0035]步骤七，以各候选点为中心，截取区域，进行图像分割；
[0036]以步骤六得到的候选点为中心，从步骤二得到的中值滤波后的图像中截取适当区域，然后对截取的图像进行显著度分割，从各个候选点得到一个候选目标。
[0037]对于每个候选点分割的具体操作如下：
[0038](1)根据实际使用条件下目标大致的尺寸，从图像中以候选点为中心截取候选目标区域，为了保证截取区域能够完全覆盖目标，设定三个截取尺度因子，从候选点位置截取三个尺度因子下的区域作为候选目标区域；
[0039](2)求取各个区域的分割阈值；
[0040](3)依据(2)得到的分割阈值将候选目标区域二值化；
[0041](4)对(3)得到的二值化图像进行连通域分析，得到各区域内目标的位置和大小；
[0042](5)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对空目标的检测方法，其特征在于，包括如下步骤：S1、图像预处理，对输入的图像进行灰度处理，再对灰度处理后的图像进行中值滤波操作；S2、梯度计算，分别计算步骤S1得到的中值滤波后图像的水平方向梯度和垂直方向梯度；S3、地面场景剔除，剔除地面场景中对空中目标检测造成干扰的特征；S4、对天空场景所在区域进行角点检测，利用步骤S2得到的水平方向梯度和垂直方向梯度，计算区域内每个像素点的角点响应值；S5、非极大值抑制，对步骤S4得到的角点响应值进行非极大值抑制操作，S6、选取目标候选点，综合考虑步骤S5得到的结果的响应值以及其在图像中的位置，从中选取出候选点；S7、以各候选点为中心，截取区域，进行图像分割；以步骤S6得到的候选点为中心，从步骤S2得到的中值滤波后的图像中截取适当区域，然后对截取的图像进行显著度分割，从各个候选点得到一个候选目标；S8、候选目标去重。2.根据权利要求1所述一种对空目标的检测方法，其特征在于，所述步骤S1图像预处理的具体方法如下：输入图像是彩色图像，则将其转化为灰度图像，然后对灰度图像进行中值滤波操作；图像边界一圈的像素保留其原始灰度值，其他的像素点则从以其自身为中心的3
×
3区域内选取灰度中间值作为其最终的灰度值；彩色图像转化为灰度图像公式如下：I＝0.299
×
R+0.587
×
G+0.114
×
B其中R、G、B分别代表彩色图像的红、绿、蓝颜色分量，I表示转化后的灰度值；中值滤波过程如下所示：其中W，H分别表示图像的宽度和高度，i，j分别表示灰度图像中行和列的位置，且i∈[1,2,
…
,H]，j∈[1,2,
…
,W]，I
i,j
表示图像中i，j位置处的原始灰度值，median[]表示从像素点集中求取中间灰度值的操作，表示图像中i，j位置处的中值滤波后的灰度值。3.根据权利要求2所述一种对空目标的检测方法，其特征在于，所述步骤S2梯度计算的具体方法如下：
将图像边界一圈的像素的水平方向梯度和垂直方向梯度值置为0，其他像素点利用算子[
‑
1 0 1]求水平方向梯度，利用算子[
‑
1 0 1]
T
求垂直方向梯度；具体计算过程如下：具体计算过程如下：其中W，H分别表示图像的宽度和高度，i，j分别表示灰度图像中行和列的位置，且i∈[1,2,
…
,H]，j∈[1,2,
…
,W]，表示图像中i，j位置处的中值滤波后的灰度值，gradx
i,j
和grady
i,j
分别表示图像中i，j位置处的水平方向梯度和垂直方向梯度。4.根据权利要求3所述一种对空目标的检测方法，其特征在于，所述步骤S3地面场景剔除的具体方法如下：利用步骤S2得到的水平方向梯度和垂直方向梯度，统计图像每一行上两个方向梯度绝对值之和大于设定阈值T
G
的像素点个数N
j
，j∈[1,2,
…
,H]，其中j表示行号，H表示图像的高度，N
j
表示第j行的满足条件的像素个数。然后再按照行号从上往下查找最先满足条件N
j
≥T,j∈[1,2,
…
,H]...

【专利技术属性】
技术研发人员：曾钦勇，刘圣杰，尹小杰，李双龙，
申请(专利权)人：成都浩孚科技有限公司，
类型：发明
国别省市：