CN104268877B - 一种红外图像海天线自适应检测方法 - Google Patents

Abstract

本发明公开了一种红外图像的海天线自适应检测方法，包括以下步骤：(1)获取原始红外图像F_org；(2)利用Canny算子对原始红外图像进行边缘检测，得到边缘图像F_edge；(3)建立划窗模型M_Win和海天线长度和模型LEN_sum(j)；(4)使用划窗模型M_Win对边缘图像F_edge进行全图遍历，求取不同行的海天线长度和；(5)将海天线长度和LEN_sum最大的行定义为当前图像海天线位置；(6)对当前图像海天线进行滤波，输出第p+1帧海天线滤波值Line_seasky(p+1)。

Description

一种红外图像海天线自适应检测方法

技术领域

本发明涉及红外图像处理领域，特别涉及一种适合红外硬件实时实现的红外图像海天线自适应检测方法。

背景技术

海天线检测是海面舰船目标检测的关键环节，特别是红外探测器在成像距离较远时，受海面潮湿大气影响，舰船目标红外辐射衰减剧烈，在图像中呈现为弱小目标，大了舰船检测和定位的难度。而反舰导弹发射后飞行高度比较低，加上地球曲率的影响，如果海面舰船目标出现在探测器视场内，就一定位于海天线的附近区域。基于这一先验条件，如果能准确定位海天线就可以有效排除海面杂波、人工干扰的影响，缩小目标搜索范围，提高目标检测效率。

目前，海天线检测技术受到了国内外学者的广泛关注，主要包括直线拟合法、Hough变换方法、OTSU方法、基于多尺度小波变换的方法等。现有的海天线检测技术存在以下缺点：(1)直线拟合法在某些复杂背景条件下，图像受到海杂波、太阳光、云层等自然背景的干扰，难以得到满意的提取效果；(2)Hough变换检测直线，容易受天空中云团干扰，形成伪轮廓；(3)Otsu阈值分割方法抗噪声能力差，且不易确定最佳阈值；(4)基于小波变换的方法，即利用不同尺度下小波系数抑制背景和提取边缘，但检测效率不高。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种红外图像的海天线自适应检测方法。

为了解决上述技术问题，本发明公开了一种红外图像的海天线自适应检测方法，包括以下步骤：

(1)获取原始红外图像F_org；

(2)利用Canny算子对原始红外图像进行边缘检测，得到边缘图像F_edge；

(3)建立划窗模型M_Win和海天线长度和模型LEN_sum(j)；

(4)使用划窗模型M_Win对边缘图像F_edge进行全图遍历，求取不同行的海天线长度和；

(5)将海天线长度和LEN_sum最大的行定义为当前图像海天线位置；

(6)对当前图像海天线进行滤波，输出第p+1帧海天线滤波值Line_seasky(p+1)。

本发明一种红外图像海天线自适应检测方法中，使用Canny算子计算原图图像的边缘图像F_edge。

本发明一种红外图像海天线自适应检测方法中，使用5行划窗模型对图像进行遍历。

划窗模型以当前行为中心，向上下行分别扩展，扩展行随着与中心距离的增加而减少划窗模型中的像素数量，则5行划窗模型定义如下：

M_Win＝{{0,2},{-1,1},{0,1},{1,1},{-2,0},{-1,0},{0,0},{1,0},{2,0},{-1,-1},{0,-1},{1,-1},{0,-2}}

海天线长度和模型根据连通线的长度确定加权系数，连通线越长反映是海天线的可能性越大，则加权系数也越大。将最大加权系数定义为COE_max，图像行数定义为M，列数定义为N，连通线的长度分别为{Len(k)|k＝1,2,...,A}，其中，k为自变量，A为连通线数量，则第j行的海天线长度和模型LEN_sum(j)定义如下：

本发明一种红外图像海天线自适应检测方法中，连通线长度{Len(k)|k＝1,2,...,A}定义如下：

Len(k)＝Pixel_right(j)-Pixel_left(j)

其中，Pixel_left(j)为第j行划窗M_Win从左向右遍历时连通区域最左边的像素点位置，Pixel_right(j)为第j行划窗M_Win从左向右遍历时连通区域最右边的像素点位置，k表示自变量，A表示当前行的连通线数量。

本发明一种红外图像海天线自适应检测方法中，使用5行划窗模型对图像进行遍历时，判断连通线是结束的准则是：当划窗模型中5行的最右边像素同时为0时，认为当前连通线结束。

本发明一种红外图像海天线自适应检测方法中，第p+1帧海天线滤波值Line_seasky(p+1)的计算公式如下：

其中，Num表示滤波系数，Line_seasky(p)表示当前红外图像第p帧的海天线滤波值，j为步骤(5)中计算得到的当前帧红外图像海天线位置，Num＝100。

本发明与现有技术相比，具有以下显著优点：(1)使用划窗模型和海天线长度和模型计算海天线，海天线检测精度高；(2)利用统计原理对海天线进行滤波处理，避免噪声干扰，能有效提高海天线检测精确；(3)抗海杂波、天空云团干扰能力强；(4)不存在高阶运算和复杂结构，算法运算量小，易于硬件实时实现。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为5行划窗模型图。

图2为本发明流程图。

图3a为实施例在简单背景下海天线检测结果。

图3b为实施例在复杂背景下海天线检测结果。

具体实施方式

本发明公开了一种红外图像海天线自适应检测方法，包括以下步骤：

(1)获取原始红外图像F_org；

(2)利用Canny算子对原始红外图像进行边缘检测，得到边缘图像F_edge；

(3)建立划窗模型M_Win和海天线长度和模型LEN_sum(j)；

(4)使用划窗模型M_Win对边缘图像F_edge进行全图遍历，求取不同行的海天线长度和；

(5)将海天线长度和LEN_sum(j)最大的行定义为当前图像海天线位置；

(6)对当前图像海天线进行滤波，输出第p+1帧海天线滤波值Line_seasky(p+1)。

步骤(2)中，使用Canny算子对原始红外图像进行边缘检测，得到边缘图像。Canny算子具体包括：用高斯滤波器来对图像滤波；用高斯算子一阶微分对图像进行滤波，得到每个像素梯度的大小和方向；对梯度进行“非极大抑制”；对梯度取高低两个阈值，构造目标边缘。

步骤(3)中，选用5行划窗模型M_Win，即

M_Win＝{{0,2},{-1,1},{0,1},{1,1},{-2,0},{-1,0},{0,0},{1,0},{2,0},{-1,-1},{0,-1},{1,-1},{0,-2}}

连通线长度{Len(k)|k＝1,2,...,A}定义如下：

Len(k)＝Pixel_right(j)-Pixel_left(j)

其中，Pixel_left(j)为第j行划窗M_Win从左向右遍历时连通区域最左边的像素点位置，Pixel_right(j)为第j行划窗M_Win从左向右遍历时连通区域最右边的像素点位置，k表示自变量，A表示当前行的连通线数量。

第j行海天线长度和模型LEN_sum(j)定义如下：

其中，最大加权系数定义为COE_max，图像行数定义为M，列数定义为N，连通

线的长度分别为{Len(k)|k＝1,2,...,A}，其中，k为自变量，A为连通线数量。

步骤(6)中，第p+1帧海天线滤波值Line_seasky(p+1)的计算公式如下：

其中，Num表示滤波系数，Line_seasky(p)表示第p帧的海天线滤波值，j表示第p+1帧图像海天线位置。

实施例1

结合图1，下面以实例来说明本发明一种红外图像的海天线自适应检测方法。红外图像的像素个数320×256，帧频50HZ。红外热像仪的数字信号通过光纤传给DSP+FPGA架构的专用图像处理板，红外图像的海天线自适应检测方法在DSP处理器中实现，处理时间小于20ms，满足实时处理的需求，具体实施步骤如下：

(1)获取原始红外图像F_org；

原始红外图像F_org是14-bit数字图像。红外热像仪的数字信号通过光纤打包方式传给专用图像处理板的FPGA，FPGA完成光纤解包将数字信号经DSP的EMIF接口传给DSP，得到14-bit原始红外图像F_org。

(2)利用Canny算子对图像F_org进行边缘检测，得到边缘图像F_edge；

(3)建立5行划窗模型M_Win，即

M_Win＝{{0,2},{-1,1},{0,1},{1,1},{-2,0},{-1,0},{0,0},{1,0},{2,0},{-1,-1},{0,-1},{1,-1},{0,-2}}

5行划窗模型M_Win如图1所示：

计算第j行连通线长度{Len(k)|k＝1,2,...,A}长度：

Len(k)＝Pixel_right(j)-Pixel_left(j)

其中，Pixel_left(j)为第j行划窗M_Win从左向右遍历时连通区域最左边的像素点位置，Pixel_right(j)为第j行划窗M_Win从左向右遍历时连通区域最右边的像素点位置，k表示自变量，A表示当前行的连通线数量。

计算第j行海天线长度和LEN_sum(j)：

其中，最大加权系数定义为COE_max，0≤COE_max≤1，图像行数定义为256，列数定义为320，连通线的长度分别为{Len(k)|k＝1,2,...,A}，其中，k为自变量，A≤320为连通线数量，1≤j≤256。

(4)使用划窗模型M_Win对边缘图像F_edge进行全图遍历，求取第j行海天线长度和LEN_sum(j)，1≤j≤256；

(5)将海天线长度和LEN_sum(j)最大的行定义为当前图像海天线位置j，1≤j≤256；

(6)对当前图像海天线进行滤波，输出第p+1帧海天线滤波值Line_seasky(p+1)。

第p+1帧海天线滤波值Line_seasky(p+1)的计算公式如下：

其中，Num表示滤波系数，Num＝100，Line_seasky(p)表示第p帧的海天线滤波值，j表示第p+1帧图像海天线位置，1≤j≤256。

实施例2

图3中，图3a表示简单背景下海天线检测结果，图3b表示复杂背景下海天线检测结果。图像显示和数据仿真表明，本发明提出的海天线自适应检测方法的检测精度是正负1个像素，海天线检测精确高。

本发明提供了一种红外图像的海天线自适应检测方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种红外图像海天线自适应检测方法，其特征在于，包括以下步骤：

(1)获取原始红外图像F_org；

(2)对原始红外图像进行边缘检测，得到边缘图像F_edge；

(3)建立划窗模型M_Win和海天线长度和模型LEN_sum(j)；

(4)使用划窗模型M_Win对边缘图像F_edge进行全图遍历，求取不同行的海天线长度和LEN_sum；

(5)将海天线长度和LEN_sum最大的行数定义为当前帧红外图像的海天线位置j；

(6)对当前帧第p帧红外图像海天线进行滤波，输出红外图像第p+1帧海天线滤波值Line_seasky(p+1)；

步骤(2)中，使用Canny算子计算原图图像的边缘图像F_edge；

步骤(3)中，使用5行划窗模型对红外图像进行遍历；

5行划窗模型M_Win定义如下：

M_Win＝{{0,2},{-1,1},{0,1},{1,1},{-2,0},{-1,0},{0,0},{1,0},{2,0},{-1,-1},{0,-1},{1,-1},{0,-2}}，

则第j行的海天线长度和模型LEN_sum(j)计算公式如下：

${\mathrm{LEN}}_{sum}\left(j\right)=\underset{k=1}{\overset{A}{\Σ}}\frac{Len\left(k\right)\×{\mathrm{COE}}_{max}}{N},$

COE_max为最大加权系数，0≤COE_max≤1，N为红外图像列数，{Len(k)|k＝1,2,...,A}为连通线的长度，k为第k个连通线，A为连通线数量；步骤(3)中，连通线长度{Len(k)|k＝1,2,...,A}计算公式如下：

Len(k)＝Pixel_right(j)-Pixel_left(j)，

其中，Pixel_left(j)为第j行海天线的划窗M_Win从左向右遍历时连通区域最左边的像素点位置，Pixel_right(j)为第j行海天线划窗M_Win从左向右遍历时连通区域最右边的像素点位置，1≤j≤M，M表示海天线的总行数；

步骤(3)中，使用5行划窗模型对红外图像进行遍历时，判断连通线是结束的准则是：当划窗模型中5行的最右边像素同时为0时，认为当前连通线结束；

步骤(6)中，第p+1帧海天线滤波值Line_seasky(p+1)的计算公式如下：

${\mathrm{Line}}_{seasky}(p+1)=\frac{j}{Num}+\frac{Num-1}{Num}\×{\mathrm{Line}}_{seasky}\left(p\right),$

其中，Num表示滤波系数，Line_seasky(p)表示当前红外图像第p帧的海天线滤波值，j为步骤(5)中计算得到的当前帧红外图像海天线位置，Num＝100。