紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及小目標(biāo)檢測(cè)領(lǐng)域，具體而言，涉及一種紅外圖像中基于頻域殘差的小 目標(biāo)檢測(cè)方法及裝置。
【背景技術(shù)】
[0002] 圖像中的目標(biāo)檢測(cè)是指根據(jù)目標(biāo)與背景的差異將目標(biāo)從圖像背景中分離出來的 過程。根據(jù)圖像傳感器類型的不同，目標(biāo)檢測(cè)常使用的圖像包括可見光圖像、紅外圖像、合 成孔徑雷達(dá)圖像與毫米波圖像等。本發(fā)明針對(duì)紅外圖像，相比于其他類型的成像方式，紅外 圖像具有如下優(yōu)點(diǎn)：1)紅外圖像的環(huán)境適應(yīng)性強(qiáng)，尤其在夜間和惡劣氣候下的工作能力較 強(qiáng)；2)紅外輻射透過霧、霾的能力強(qiáng)于可見光;3)紅外圖像對(duì)偽裝目標(biāo)的識(shí)別能力強(qiáng)于可見 光圖像;4)作為被動(dòng)傳感器獲取的圖像，紅外圖像獲取過程的隱蔽性較強(qiáng)。
[0003] 正是由于紅外圖像的上述優(yōu)點(diǎn)，近年來基于紅外圖像的弱小目標(biāo)檢測(cè)成為研究和 應(yīng)用的熱點(diǎn)，所謂紅外圖像中的紅外小目標(biāo)一般是指紅外圖像中所占像素不超過圖像總像 素0.2%~0.6%的目標(biāo)區(qū)域。紅外圖像弱小目標(biāo)檢測(cè)的難點(diǎn)主要體現(xiàn)在：1)紅外圖像的信 噪比較低，弱小目標(biāo)常常會(huì)淹沒在復(fù)雜背景中的若干像素點(diǎn)中；2)紅外弱小目標(biāo)尺寸非常 小，無法提取出明顯的紋理與形狀信息;3)紅外圖像受到自然界熱輻射變化(如陽光照射條 件等)的影響較大，弱小目標(biāo)區(qū)域像素值在不同時(shí)間段變化起伏較大。
[0004] 現(xiàn)有的基于紅外圖像的弱小目標(biāo)檢測(cè)方法主要包括:基于空間域與頻域?yàn)V波的方 法，基于小波、脊波變換的方法，基于形態(tài)學(xué)方法，基于馬爾科夫隨機(jī)場(chǎng)的方法，圖像區(qū)域?qū)?比、機(jī)器學(xué)習(xí)方法等。所有的這些方法都存在著濾波器尺寸提前設(shè)定、先驗(yàn)條件要求過多、 自適應(yīng)性不強(qiáng)、虛警率高、計(jì)算復(fù)雜等問題。近年來，受到人類視覺機(jī)制的啟發(fā)，視覺顯著性 開始受到人們的廣泛關(guān)注，利用視覺顯著性實(shí)現(xiàn)對(duì)圖像中感興趣區(qū)域的檢測(cè)成為計(jì)算機(jī)視 覺的研究熱點(diǎn)。就紅外弱小目標(biāo)而言，雖然總體上紅外弱小目標(biāo)與局部背景之間的灰度差 不大，但是就局部區(qū)域而言，紅外弱小目標(biāo)的紅外輻射強(qiáng)度還是在一定程度上高于局部背 景區(qū)域，這就使得可以將顯著性分析方法引入到紅外弱小目標(biāo)檢測(cè)中。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明實(shí)施例提供了一種紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)方法 及裝置，在圖像頻域顯著性分析的基礎(chǔ)上，利用頻域殘差圖，通過設(shè)計(jì)一個(gè)顯著性指標(biāo)計(jì)算 不同區(qū)域中包含目標(biāo)的可能性，根據(jù)概率大小確定目標(biāo)所在區(qū)域，完成弱小目標(biāo)的檢測(cè)，該 方法的主要計(jì)算在頻域內(nèi)完成，計(jì)算量小，速度快，易于硬件加速，以改善現(xiàn)有技術(shù)中計(jì)算 復(fù)雜的問題。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0007] -種紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)方法，包括：
[0008] 利用頻域殘差法計(jì)算含有待檢測(cè)小目標(biāo)的原始紅外圖像的顯著圖；獲取所述顯著 圖的二值積分圖及合成積分圖；根據(jù)所述原始紅外圖像的大小確定所述顯著圖中的滑窗大 小范圍；根據(jù)所述二值積分圖及所述合成積分圖，分別利用滑窗法計(jì)算所述滑窗大小范圍 內(nèi)每種大小的所述滑窗的每一個(gè)窗口的顯著度，對(duì)應(yīng)每種大小的所述滑窗獲得含有每一個(gè) 窗口的位置信息及顯著度信息的矩陣Box%，其中a*b表示所述滑窗的大小;對(duì)每個(gè)所述矩 陣Box# 3利用非極大值抑制算法，獲得表示具有局部最大顯著度的窗口的矩陣neW_B〇X# b， 合并所有的所述neW_B〇x#，獲得矩陣R0I;根據(jù)所述矩陣R0I中的所述顯著度信息確定所述 小目標(biāo)所在區(qū)域。
[0009] -種紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)裝置，包括：
[0010]顯著圖獲取模塊，用于利用頻域殘差法計(jì)算含有待檢測(cè)小目標(biāo)的原始紅外圖像的 顯著圖；積分圖獲取模塊，用于獲取所述顯著圖的二值積分圖及合成積分圖；滑窗大小獲取 模塊，用于根據(jù)所述原始紅外圖像的大小確定所述顯著圖中的滑窗大小范圍；顯著度計(jì)算 模塊，用于根據(jù)所述二值積分圖及所述合成積分圖，分別利用滑窗法計(jì)算所述滑窗大小范 圍內(nèi)每種大小的所述滑窗的每一個(gè)窗口的顯著度，對(duì)應(yīng)每種大小的所述滑窗獲得含有每一 個(gè)窗口的位置信息及顯著度信息的矩陣Box%，其中a*b表示所述滑窗的大小;非極大值抑 制模塊，用于對(duì)每個(gè)所述矩陣Box#利用非極大值抑制算法，獲得表示具有局部最大顯著度 的窗口的矩陣new_B 〇Xa'合并所有的所述new_B〇Xa'獲得矩陣R0I;小目標(biāo)確定模塊，用于 根據(jù)所述矩陣R0I中的所述顯著度信息確定所述小目標(biāo)所在區(qū)域。
[0011] 本發(fā)明實(shí)施例提供的紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)方法利用頻域殘差 法，通過對(duì)圖像頻域的計(jì)算獲得圖像的顯著圖，再根據(jù)小目標(biāo)在圖像中所占的比例以及圖 像的大小等因素確定顯著圖中的滑窗大小范圍，獲得滑窗范圍內(nèi)每種大小的滑窗的每一個(gè) 窗口的顯著度，同時(shí)對(duì)應(yīng)將窗口的位置及其顯著度存儲(chǔ)在矩陣中，對(duì)矩陣中每一行所表示 的窗口及對(duì)應(yīng)窗口的顯著度利用非極大值抑制算法獲得局部范圍內(nèi)具有最大顯著度的窗 口，再利用合并算法將這些窗口進(jìn)行合并，最后得到表示小目標(biāo)所在區(qū)域的窗口矩陣。該算 法的主要計(jì)算發(fā)生在頻率域，計(jì)算量小，速度快，且需要較少的先驗(yàn)知識(shí)，便可以獲知相應(yīng) 小目標(biāo)在紅外圖像中的位置。
[0012] 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合 所附附圖，作詳細(xì)說明如下。
【附圖說明】
[0013] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0014] 圖1示出了本發(fā)明第一實(shí)施例提供的紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)方法 的流程圖；
[0015] 圖2示出了本發(fā)明第一實(shí)施例提供的一種獲取顯著圖的流程圖；
[0016] 圖3示出了本發(fā)明第一實(shí)施例提供的原始紅外圖像；
[0017]圖4示出了本發(fā)明第一實(shí)施例提供的目標(biāo)紅外圖像的顯著圖；
[0018] 圖5示出了本發(fā)明第一實(shí)施例提供的積分圖的獲取流程圖；
[0019] 圖6示出了本發(fā)明第一實(shí)施例提供的根據(jù)所有窗口的顯著度信息確定小目標(biāo)區(qū)域 的流程圖；
[0020] 圖7示出了本發(fā)明第一實(shí)施例提供的矩陣R0I2所示的窗口；
[0021] 圖8示出了本發(fā)明第一實(shí)施例提供的窗口合并中待合并的窗口的示意圖；
[0022]圖9不出了本發(fā)明第一實(shí)施例提供的窗口合并中兩個(gè)窗口合并后的窗口的不意 圖；
[0023]圖10示出了本發(fā)明第一實(shí)施例提供的矩陣R0I3所示的窗口；
[0024] 圖11示出了本發(fā)明第一實(shí)施例提供的原始紅外圖像中小目標(biāo)所在窗口；
[0025] 圖12示出了本發(fā)明第一實(shí)施例提供的方法的整體的算法流程圖；
[0026] 圖13示出了本發(fā)明第二實(shí)施例提供的紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)裝 置的結(jié)構(gòu)框圖；
[0027] 圖14示出了本發(fā)明第二實(shí)施例提供的積分圖獲取模塊的結(jié)構(gòu)框圖；
[0028] 圖15示出了本發(fā)明第二實(shí)施例提供的小目標(biāo)確定模塊的結(jié)構(gòu)框圖；
[0029] 圖16示出了本發(fā)明實(shí)施例提供的一種紅外圖像中基于頻域殘差的小目標(biāo)檢測(cè)裝 置可儲(chǔ)存的計(jì)算機(jī)。
【具體實(shí)施方式】
[0030] 下面將結(jié)合本發(fā)明實(shí)施例中附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整 地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在 此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計(jì)。因 此，以下對(duì)在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的 范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有做 出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0031 ] 實(shí)施例1
[0032] 如圖1所示，本發(fā)明實(shí)施例中針對(duì)紅外圖像中小目標(biāo)的特點(diǎn)，提供了一種紅外圖像 中基于頻域殘差的小目標(biāo)檢測(cè)方法，包括：
[0033] 步驟S100:利用頻域殘差法(spectral residual))計(jì)算含有待檢測(cè)小目標(biāo)的原始 紅外圖像的顯著圖；
[0034] 請(qǐng)參照?qǐng)D2，進(jìn)一步的，在步驟S100中，可以包括：
[0035]步驟S101，將含有待檢測(cè)小目標(biāo)的原始紅外圖像縮小為原來的δ倍，獲得目標(biāo)紅外 圖像；
[0036] 具體的，圖3示出了含有待檢測(cè)小目標(biāo)的原始紅外圖像，其中標(biāo)記Ε所示方框內(nèi)表 示小目標(biāo)所在區(qū)域。
[0037] 在本實(shí)施例中，將原始紅外圖像進(jìn)行縮小，可以提高后續(xù)處理的速度和檢測(cè)的準(zhǔn) 確性。縮小的倍數(shù)可以根據(jù)小目標(biāo)在原始圖像中所占的比例、原始圖像的大小以及縮小后 小目標(biāo)所占的面積確定。
[0038] 具體的，在本實(shí)施例提供的方法中，需要確?？s小后的目標(biāo)紅外圖像中小目標(biāo)的 面積大于4個(gè)像素，并且，本實(shí)施例提供的方法可以采用國際光學(xué)工程學(xué)會(huì)SPIE所確定的紅 外小目標(biāo)的定義，即占原始紅外圖像的比例在〇. 2%到0.6%之間的目標(biāo)，因此，在本實(shí)施例 提供的方法中，s滿足谷> ，其中，mxn表示原始紅外圖像的大小。當(dāng)然，一般情況下， m X η 都是將圖像進(jìn)行縮小，因此，S滿足δ〈1。
[0039] 另外，當(dāng)使用本方法檢測(cè)占紅外圖像其他比例的目標(biāo)或者對(duì)縮小后的目標(biāo)圖像中 小目標(biāo)的面積為其他要求時(shí)，δ需要滿足的條件可以為其他。
[0040] 步驟S102:利用頻域殘差法計(jì)算所述目標(biāo)紅外圖像的顯著圖。
[0041]紅外圖像中存在小目標(biāo)的區(qū)域?yàn)轱@著區(qū)域，該顯著區(qū)域包含有檢測(cè)者感興趣的目 標(biāo)，即本實(shí)施例中需要檢測(cè)的小目標(biāo)。利用頻域殘差算法，可以獲得表現(xiàn)圖像顯著區(qū)域的顯 著圖，