一種基于灰度和梯度分割的紅外目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及紅外圖像處理領(lǐng)域，，特別是一種適合硬件實(shí)時(shí)實(shí)現(xiàn)的基于灰度和梯 度分割的紅外目標(biāo)檢測(cè)方法
【背景技術(shù)】
[0002] 紅外成像作為雷達(dá)系統(tǒng)的重要補(bǔ)充手段，具有被動(dòng)探測(cè)、不易被發(fā)現(xiàn)、全天候工作 等特點(diǎn)，在軍民領(lǐng)域得到廣泛的應(yīng)用。近年來，紅外成像探測(cè)成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)和 重點(diǎn)，提出了許多有價(jià)值的檢測(cè)方法。張強(qiáng)等人提出基于局部極大值的紅外弱小目標(biāo)分割， 通過高斯模板對(duì)待檢測(cè)圖像進(jìn)行增強(qiáng)處理；針對(duì)傳統(tǒng)濾波方法中固定大小濾波核對(duì)弱小目 標(biāo)檢測(cè)表現(xiàn)出的不足，龔俊亮提出一種基于尺度空間理論的紅外弱小目標(biāo)檢測(cè)方法；李秋 華等人采用D-S證據(jù)理論的雙色紅外目標(biāo)融合檢測(cè)；針對(duì)云層背景下紅外變分辨率小目標(biāo) 的成像特性，趙曉提出一種基于尺度空間理論的紅外弱小目標(biāo)檢測(cè)方法；LiuΖΗ等人提出 一種圖像匹配的方法實(shí)現(xiàn)對(duì)探測(cè)器運(yùn)動(dòng)補(bǔ)償，使用差分法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)。
[0003] 現(xiàn)有的目標(biāo)檢測(cè)技術(shù)存在以下缺點(diǎn)：（1)多數(shù)檢測(cè)算法的場(chǎng)景適應(yīng)性差，若場(chǎng)景 變化大，會(huì)降低目標(biāo)檢測(cè)的精度；(2)復(fù)雜場(chǎng)景下目標(biāo)檢測(cè)能力差；（3)多數(shù)算法采用單個(gè) 特征進(jìn)行檢測(cè)，魯棒性差。

【發(fā)明內(nèi)容】

[0004] 發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于灰 度和梯度分割的紅外目標(biāo)檢測(cè)方法。
[0005] 為了解決上述技術(shù)問題，本發(fā)明公開了一種紅外圖像目標(biāo)檢測(cè)方法，包括以下步 驟：
[0006] ⑴利用原始圖像卩^^計(jì)算梯度圖像妒(X，.)')；
[0007] ⑵對(duì)樹X，J)進(jìn)行非最大值抑制，得到圖像灼(爲(wèi)J);
[0008] (3)利用內(nèi)(X，J)進(jìn)行邊緣連接、邊緣閉合判斷，計(jì)算候選目標(biāo)區(qū)域P〇Sl;
[0009] (4)根據(jù)P〇Sl選取局部圖像Flc]。，對(duì)&。。進(jìn)行分割，得到候選目標(biāo)區(qū)域Pos2;
[0010] (5)根據(jù)Pos=PoSiflPos2計(jì)算最優(yōu)目標(biāo)區(qū)域Pos。
[0011] 本發(fā)明基于灰度和梯度分割的紅外目標(biāo)檢測(cè)方法中，通過Sobel算子計(jì)算梯度圖 像識(shí)(X，
[0012] 本發(fā)明基于灰度和梯度分割的紅外目標(biāo)檢測(cè)方法中，邊緣閉合判斷綜合行、列方 向閉合度來評(píng)定當(dāng)前點(diǎn)是否為目標(biāo)邊緣點(diǎn)。判定準(zhǔn)則包括：1)行方向閉合度、列方向閉合 度同時(shí)大于閾值?\，0彡K1 ;2)若第i行最左邊的有效值位置是Col_(i)，最右邊的 有效值位置是Col_(i)，Col^a) >T表示第i行為有效行，否則第i行為無效行，其中， Colji) =0)1_ω-0)1_α)，T是閾值，3彡T彡10,則行方向閉合度計(jì)算公式如下所 示：
[0013]
[0014] 3)若第j列最上邊的有效值位置是Row_(j)，最下邊的有效值位置是 R〇wmax(j)，R〇wdf3t:(j) >T表示第j列為有效列，否則，第j列為無效列，其中，RowdfK：(j)= R〇w_(j)-R〇w_(j)，T是閾值，3彡T彡10,則列方向閉合度計(jì)算公式如下所示：
[0015]
[0016] 本發(fā)明基于灰度和梯度分割的紅外目標(biāo)檢測(cè)方法中，通過最大類間方差法（《微計(jì) 算機(jī)信息》，2010年第26卷第12-2期）確定灰度圖像的分割閾值Q;
[0017] 本發(fā)明基于灰度和梯度分割的紅外目標(biāo)檢法中，通過PosJPPos2相與運(yùn)算獲得最 優(yōu)目標(biāo)區(qū)域P〇s。
[0018] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下顯著優(yōu)點(diǎn)：1)采用雙特征（灰度、梯度）進(jìn)行目 標(biāo)檢測(cè)、算法魯棒性強(qiáng)；2)對(duì)局部灰度圖像進(jìn)行分割，圖像分割精確度高；3)灰度閾值通過 場(chǎng)景自適應(yīng)計(jì)算，算法場(chǎng)景適應(yīng)性強(qiáng)；4)不存在高階運(yùn)算和復(fù)雜結(jié)構(gòu)，算法運(yùn)算量小，易于 硬件實(shí)時(shí)實(shí)現(xiàn)。
【附圖說明】
[0019] 下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明做更進(jìn)一步的具體說明，本發(fā)明的上述和 /或其他方面的優(yōu)點(diǎn)將會(huì)變得更加清楚。
[0020] 圖1為本發(fā)明流程圖。
[0021] 圖2a為實(shí)施例的原始圖像。
[0022] 圖2b為實(shí)施例的梯度分割結(jié)果。
[0023] 圖2c為實(shí)施例的灰度分割結(jié)果。
[0024] 圖2d為實(shí)施例的最終檢測(cè)結(jié)果。
【具體實(shí)施方式】
[0025] 本發(fā)明公開了一種基于灰度和梯度分割的紅外目標(biāo)檢測(cè)方法，包括以下步驟：
[0026] (1)利用原始圖像FOTg計(jì)算梯度圖像#(X_,妁
[0027] (2)對(duì)0(λ%>')進(jìn)行非最大值抑制，得到圖像列(??):
[0028] (3)利用灼(x,.V)進(jìn)行邊緣連接、邊緣閉合判斷，計(jì)算候選目標(biāo)區(qū)域Pos1;
[0029] (4)根據(jù)P〇Sl選取局部圖像Flc]。，對(duì)&。。進(jìn)行分割，得到候選目標(biāo)區(qū)域Pos2;
[0030] (5)根據(jù)Pos=PoSinPos2計(jì)算最優(yōu)目標(biāo)區(qū)域Pos。
[0031] 步驟⑴中，使用Sobel算子計(jì)算梯度圖像供(x，_y)。
[0032] 步驟⑵中，對(duì)進(jìn)行"非最大值抑制":在以像素data為中心的3*3鄰域內(nèi)， 將梯度方向定義為以像素data為中心的，水平方向，垂直方向以及正負(fù)45度角的方向共四 個(gè)方向的連線。各個(gè)方向用該方向與像素data鄰近像素進(jìn)行比較，決定局部最大值。
[0033]
[0034] 如果中心位置的像素data的梯度方向?qū)儆诖怪狈较?，則將像素data與垂直方向 的鄰近像素進(jìn)行比較，若像素值data不是最大值，將其置0。
[0035] 步驟（3)中，邊緣閉合判斷綜合行、列方向閉合度來評(píng)定當(dāng)前點(diǎn)是否為目標(biāo)邊緣 點(diǎn)。判定準(zhǔn)則包括：1)行方向閉合度、列方向閉合度同時(shí)大于閾值?\，0彡K1 ;2)若 第i行最左邊的有效值位置是Col_(i)，最右邊的有效值位置是Col_(i)，Col&(i) >Τ 表示第i行為有效行，否則第i行為無效行，其中，C〇l&(i) =C〇l_(i)-Col_(i)，T是 閾值，3彡Τ彡10 ;3)若第j列最上邊的有效值位置是Row_(j)，最下邊的有效值位置是 R〇Wmax(j)，RoWdaU)〉T表示第j列為有效列，否則，第j列為無效列，其中，R〇Wd?：(·]'）= R〇W_(j)-R〇W_(j)，T是閾值，3 彡T彡 10;
[0036] 步驟（4)中，局部圖像Flc]。是包含P〇Sl的矩形區(qū)域，利用最大類間方差法對(duì)FlcJi 行灰度分割，得到候選目標(biāo)區(qū)域P〇s2;
[0037] 步驟（5)中，通過PosjPPos^與運(yùn)算獲得最優(yōu)目標(biāo)區(qū)域。
[0038] 實(shí)施例1
[0039] 本實(shí)施例公開了一種基于灰度和梯度分割的紅外目標(biāo)檢測(cè)方法，包括以下步驟：
[0040] (1)利用原始圖像算梯度圖像夢(mèng)(為，)；
[0041] ⑵對(duì)科;^)進(jìn)行非最大值抑制，得到圖像n〇，"v);
[0042] (3)利用進(jìn)行邊緣連接、邊緣閉合判斷，計(jì)算候選目標(biāo)區(qū)域P〇s1;
[0043] (4)根據(jù)P〇Sl選取局部圖像Flc]。，對(duì)匕。。進(jìn)行分割，得到候選目標(biāo)區(qū)域Pos2;
[0044] (5)根據(jù)Pos=Pc^門Pos2計(jì)算最優(yōu)目標(biāo)區(qū)域Pos。
[0045] 步驟⑴中，使用Sobel算子計(jì)算梯度圖像.
[0046] 步驟⑵中，糾x，_>')進(jìn)行"非最大值抑制"，將梯度方向定義為AA連線方向（即 AA-data-AA)、BB連線方向（即BB-data-BB)、CC連線方向（即CC-data-CC)、DD連線方向 (即DD-