CN108898573B - 基于多方向环形梯度法的红外小目标快速提取方法 - Google Patents

Abstract

本发明公开了一种基于多方向环形梯度法的红外小目标快速提取方法，包括以下步骤：S1、选取待检测目标图像，根据待检测目标图像中的目标单元大小确定模板，将模板对应到待检测目标图像的检测窗口，其中模板为大小为M*M像素的窗口，其中M≤20；S2、将模板由内向外依次划分为第一环形区域、第二环形区域、第三环形区域，并且使得第二环形区域至少包含8个子像素；S3、将第二环形区域分割为8块连续的第一子区域，对应的，将第三环形区域分割为8块连续的第二子区域；S4、分别计算并对比第一环形区域、第一子区域、第二子区域内子像素的平均亮度值，判断模板对应的检测窗口是否存在目标单元。本发明方法能够提升检测准确度和检测效率。

Description

基于多方向环形梯度法的红外小目标快速提取方法

技术领域

本发明属于红外图像处理领域，具体涉及一种基于多方向环形梯度法的红外小目标快速提取方法。

背景技术

红外目标检测是计算机视觉中的一项重要分支。人类对红外目标检测技术的研究最初来源于对响尾蛇捕食机制的研究。响尾蛇的视觉系统非常迟钝，几乎对可见光刺激没有任何反应。但是由于响尾蛇对红外热源非常敏感，因此它可以很容易地捕获食物。响尾蛇的热源敏感器位于眼睛和鼻孔之间，该敏感器在收集小动物的热信号后，将其传递给大脑，之后大脑控制响尾蛇获取食物。受此启发，在20世纪40年代，人们研制出一种空对空导弹，它的红外敏感元件的材料使用硫化铅，对飞机的尾焰发射的红外辐射线非常敏感。当导弹上红外敏感器接收到红外辐射线后，在控制系统引导下对飞机尾部进行攻击。从此，世界各国都开始对红外目标检测技术进行研究。红外目标检测技术主要利用背景和目标之间的红外辐射差异来进行目标进行检测。红外目标检测系统是一种基于被动探测技术的光机电一体化系统，它具有隐蔽性好、抗干扰能力强等优点，被广泛地应用于红外告警和精确制导等武器装备系统中。对于军事领域而言，复杂背景下高效、鲁棒、可靠的小目标检测的研究是一项非常的技术，进行小目标检测和跟踪技术的研究对于提高在未来战争中的预警及反击能力具有很高的军事价值。除了军事领域，红外弱小目标的检测还可应用于工业控制、医疗事业、交通安全等民用领域。例如在医疗领域，如果能很好的利用红外检测技术及早的发现弱小病理细胞，进而及时治疗，则将会避免很多人间悲剧。在交通安全领域，如果能不受外在背景，天气的影响，自动检测跟踪感兴趣目标，则对人类的发展有划时代的意义。

在现有方案提出的一种基于多向梯度特征的红外目标检测方法中，红外图像的背景主要是大面积缓慢变化的低频成分。例如云、山、海面、船只和建筑物等，在空间上往往呈大面积的连续分布状态，在红外辐射的强度上也呈渐变过渡状态，从而使得背景红外图像在图像灰度空间分布上具有较大的相关性。红外小目标背景灰度对比度较低，且几何尺寸较小。目标的几何尺寸小到无法提取任何形状信息，通常只是一个亮点或亮斑，可利用的目标检测信息通常仅包括其灰度和运动信息。该算法以目标像素和背景像素的灰度梯度为基础，目标在红外图像中具有全向梯度特征，因此可根据该特征实现目标的检测。

在单帧图像中，定义待检测点和参考点之间的梯度为：

g(x,y,Δx,Δy)＝f(x,y,k)-f(x+Δx,y+Δy)

式中(x,y)为待检点坐标；Δx，Δy分别为参考点与待检测点的坐标差。在待检测点周围8方向上选取8个参考点，分别记作f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,用中心区域的f₀分别与8方向的灰度值作差，求出8个方向的梯度差，计算可能出现以下几种情况：

1)若8个方向上的梯度值均较小，则认为该像素点为背景点；

2)若8个方向上的梯度值均较大，则认为该像素点为目标点；

3)若8个方向上的梯度值部分较大，则认为该像素点为背景的边缘，非目标像素点。

然而，该算法采用简单的多向梯度特征算法提取目标像素，在复杂背景下，疑似目标点很容易满足8方向的梯度条件，造成虚警率非常的高；其次检测效果非常依赖于模板算子的大小，单一的模板算子太大会造成目标的丢失，太小则会很容易将小块突出背景也识别为目标，造成误检，并且模板的选取过分依赖于目标的大小。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种检测准确度高、检测效率高的基于多方向环形梯度法的红外小目标快速提取方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种基于多方向环形梯度法的红外小目标快速提取方法，包括以下步骤：

S1、选取待检测目标图像，根据所述待检测目标图像中的目标单元大小确定模板，将所述模板对应到待检测目标图像的检测窗口，其中所述模板为大小为M*M像素的窗口，其中M≤20；

S2、将所述模板由内向外依次划分为第一环形区域、第二环形区域、第三环形区域，并且使得所述第二环形区域至少包含8个子像素；

S3、将所述第二环形区域分割为8块连续的第一子区域，对应的，将所述第三环形区域分割为8块连续的第二子区域；

S4、分别计算并对比所述第一环形区域、所述第一子区域、第二子区域内子像素的平均亮度值，判断所述模板对应的检测窗口是否存在目标单元；

S5、根据所述模板循环遍历所述待检测目标图像，并对应执行所述步骤S2-S4，确定所述待检测目标图像中的所有目标单元。

在一个具体实施例中，所述步骤S1还包括：

当判断所述目标单元大小大于M时，通过降采样算法对所述待检测目标图像进行等比例缩小，使得缩小后的待检测目标图像中的目标单元大小小于或等于M。

在一个具体实施例中，根据所述模板循环遍历所述待检测目标图像为：以1像素为步长，横向或纵向移动所述模板，遍历每个所述检测窗口。

在一个具体实施例中，所述步骤S4包括：

S401、计算第一环形区域的平均亮度值m₀、第一子区域中第i块区域的平均亮度值m_i；

S402、对比所述第一环形区域的平均亮度值m₀和所述第一子区域中第i块区域的平均亮度值m_i，得到第一亮度变化比值rate_0i；

S403、记录所述第一亮度变化比值rate_0i大于第一预定亮度阈值R_0i的数量个数n₀₁；

S404、当判断n₀₁大于第一预定个数阈值N₀₁时，判断该检测窗口存在目标单元，其中1≤i≤8。

在一个具体实施例中，所述第一亮度变化比值rate_0i的计算公式为：

其中，m₀为第一环形区域的平均亮度值，m_i为第一子区域中第i块区域的平均亮度值。

在一个具体实施例中，所述步骤S4包括：

S411、计算第一环形区域的平均亮度值m₀、第二子区域中第j块区域的平均亮度值m_j；

S412、对比所述第一环形区域的平均亮度值m₀和所述第二子区域中第j块区域的平均亮度值m_j，得到第二亮度变化比值rate_0j；

S413、记录所述第二亮度变化比值rate_0j大于第二预定亮度阈值R_0j的数量个数n₀₂；

S414、当判断n₀₂大于第二预定个数阈值N₀₂时，判断该检测窗口存在目标单元，其中1≤j≤8。

在一个具体实施例中，所述第二亮度变化比值rate_0j的计算公式为：

其中，m₀为第一环形区域的平均亮度值，m_j为第二子区域中第j块区域的平均亮度值。

在一个具体实施例中，所述步骤S4包括：

S421、计算第一子区域中第i块区域的平均亮度值m_i、第二子区域中第j块区域的平均亮度值m_j；

S422、对比所述第一子区域中第i块区域的平均亮度值m_i和所述第二子区域中第j块区域的平均亮度值m_j，得到第三亮度变化比值rate_ij；

S423、记录所述第三亮度变化比值rate_ij大于第三预定亮度阈值R_ij的数量个数n₁₂；

S424、当判断n₁₂大于第三预定个数阈值N₁₂时，判断该检测窗口存在目标单元，其中1≤i≤8，1≤j≤8。

在一个具体实施例中，所述第三亮度变化比值rate_ij的计算公式为：

其中，m_i为第一子区域中第i块区域的平均亮度值，m_j为第二子区域中第j块区域的平均亮度值。

与现有技术相比，本发明的有益效果：

1、本发明的基于多方向环形梯度法的红外小目标快速提取方法通过设置三个环形梯度，并对环形梯度内的子区域的平均亮度值两两对比，只需要对比很少的次数就能够得到准确的目标检测信息，提升了检测准确度和检测效率。

2、本发明的基于多方向环形梯度法的红外小目标快速提取方法对于较大的目标，通过降采样的方案对图片进行降维压缩，使得降维后的目标大小满足本发明的模板，克服了现有技术中模板的选择过分依赖目标大小的问题，使图像适配模板而不是模板适配图像。

附图说明

图1为本发明实施例提供的一种基于多方向环形梯度法的红外小目标快速提取方法流程图；

图2为本发明实施例提供的7*7模板的分块示意图；

图3为本发明实施例提供的11*11模板的分块示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1为本发明实施例提供的一种基于多方向环形梯度法的红外小目标快速提取方法流程图，该方法应用于图像处理领域，用于在一幅图像中准确的寻找到预定目标，其中，该图像可以是红外图像，也可以是其他非红外图像，该方法包括以下步骤：

S1、选取待检测目标图像，根据所述待检测目标图像中的目标单元大小确定模板，将所述模板对应到待检测目标图像的检测窗口，其中所述模板为大小为M*M像素的窗口，其中M≤20；

S2、将所述模板由内向外依次划分为第一环形区域、第二环形区域、第三环形区域，并且使得所述第二环形区域至少包含8个子像素；

S3、将所述第二环形区域分割为8块连续的第一子区域，对应的，将所述第三环形区域分割为8块连续的第二子区域；

S4、分别计算并对比所述第一环形区域、所述第一子区域、第二子区域内子像素的平均亮度值，判断所述模板对应的检测窗口是否存在目标单元；

S5、根据所述模板循环遍历所述待检测目标图像，并对应执行所述步骤S2-S4，确定所述待检测目标图像中的所有目标单元。

其中，待检测目标图像即为需要寻找目标的原始图像，目标单元即为待寻找的目标，一般的待检测目标图像的像素大小一般较大，例如是一幅天空图片，目标单元的像素较小，例如是天空中的飞机，比如，待检测目标图像为200*200，目标单元可能只是10*10，当然，一幅图像中可能不止一个目标单元，本实施例就是去寻找待检测目标图像中的所有目标单元。

模板即为本实施例中计算的依据，只有模板的大小大于目标单元的大小时，模板才能至少覆盖该目标单元，才能使目标单元的边界都处于模板内，从而获取准确的数据，检测窗口为模板对应的待检测区域，例如模板大小为7*7，那么检测窗口的大小也为7*7，模板覆盖该检测窗口对该窗口内的子像素进行检测。

由于模板过大可能导致计算效率大大降低，因此本实施例模板的大小最大为20*20。

在一个实例中，以一幅200*200像素的图片为例，目标单元大小为6*6，选取7*7的模板进行计算。

将该7*7模板进行环形分割，如图2所示，第一环形区域0中的包含9个子像素，第二环形区域包含16个子像素，第三环形区域包含24个子像素，其中对第二环形区域进行分割，得到8块连续的第一子区域(参见图2中标号1-8)，对第三环形区域进行分割，得到8块连续的第二子区域(参见图2中标号9-16)，每个子区域的像素数量根据该环形区域的像素总数确定，子区域均分分配或非均匀分配。

为了更清楚的进行说明，再次以11*11模板进行举例。

将该11*11模板进行环形分割，如图3所示，第一环形区域0中的包含9个子像素，第二环形区域包含40个子像素，第三环形区域包含72个子像素，其中对第二环形区域进行分割，得到8块连续的第一子区域(参见图3中标号1-8)，对第三环形区域进行分割，得到8块连续的第二子区域(参见图3中标号9-16)，每个子区域的像素数量根据该环形区域的像素总数确定，子区域均分分配或非均匀分配。

在一个具体实施例中，根据所述模板循环遍历所述待检测目标图像为：以1像素为步长，横向或纵向移动所述模板，遍历每个所述检测窗口。

由于检测目标图像较大，为了遍历到每一块区域，因此需要进行循环遍历，例如如果第一次计算中，模板设置在图像的左上角，每计算一次结果，则将模板依次右移或下移一个像素的步长，再次进行计算，直到使模板覆盖计算完所有的图像区域。

在一个具体实施例中，所述步骤S1还包括：

当判断所述目标单元大小大于M时，通过降采样算法对所述待检测目标图像进行等比例缩小，使得缩小后的待检测目标图像中的目标单元大小小于或等于M。

由于目标单元可能比较大，因此进行降采样算法进行处理就能够满足本方案的模板需要，克服现有技术中模板过渡依赖目标单元大小的缺点，使目标单元去适配模板，例如，在一幅图像中，目标单元尺寸为68*68，远远大于本发明的17*17的模板，因此，通过降采样，压缩图像的长宽为原始的1/4，即缩小原图像16倍，最终得到的目标尺寸也对应的等比例缩小为17*17像素，满足计算要求。

现有的基于多方向梯度特征的目标检测效果非常依赖于模板算子的大小，单一的模板算子太大会造成目标的丢失，太小则会很容易将小块突出背景也识别为目标，造成误检。模板的选取过分依赖于目标的大小。

本发明的基于多方向环形梯度法的红外小目标快速提取方法对于较大的目标，通过降采样的方案对图片进行降维压缩，使得降维后的目标大小满足本发明的模板，克服了现有技术中模板的选择过分依赖目标大小的问题，使图像适配模板而不是模板适配图像。

实施例二

本实施例包括实施例1中的内容，还包括，所述步骤S4包括：

S401、计算第一环形区域的平均亮度值m₀、第一子区域中第i块区域的平均亮度值m_i；

S402、对比所述第一环形区域的平均亮度值m₀和所述第一子区域中第i块区域的平均亮度值m_i，得到第一亮度变化比值rate_0i；

S403、记录所述第一亮度变化比值rate_0i大于第一预定亮度阈值R_0i的数量个数n₀₁；

S404、当判断n₀₁大于第一预定个数阈值N₀₁时，判断该检测窗口存在目标单元，其中1≤i≤8。

在一个具体实施例中，所述第一亮度变化比值rate_0i的计算公式为：

其中，m₀为第一环形区域的平均亮度值，m_i为第一子区域中第i块区域的平均亮度值。

参考图2或图3的实例，即依次对比0和1、0和2…0和8，计算8次。

在一个具体实施例中，所述步骤S4包括：

S411、计算第一环形区域的平均亮度值m₀、第二子区域中第j块区域的平均亮度值m_j；

S412、对比所述第一环形区域的平均亮度值m₀和所述第二子区域中第j块区域的平均亮度值m_j，得到第二亮度变化比值rate_0j；

S413、记录所述第二亮度变化比值rate_0j大于第二预定亮度阈值R_0j的数量个数n₀₂；

S414、当判断n₀₂大于第二预定个数阈值N₀₂时，判断该检测窗口存在目标单元，其中1≤j≤8。

在一个具体实施例中，所述第二亮度变化比值rate_0j的计算公式为：

其中，m₀为第一环形区域的平均亮度值，m_j为第二子区域中第j块区域的平均亮度值。

参考图2或图3的实例，即依次对比0和9、0和10…0和16，计算8次。

在一个具体实施例中，所述步骤S4包括：

S421、计算第一子区域中第i块区域的平均亮度值m_i、第二子区域中第j块区域的平均亮度值m_j；

S422、对比所述第一子区域中第i块区域的平均亮度值m_i和所述第二子区域中第j块区域的平均亮度值m_j，得到第三亮度变化比值rate_ij；

S423、记录所述第三亮度变化比值rate_ij大于第三预定亮度阈值R_ij的数量个数n₁₂；

S424、当判断n₁₂大于第三预定个数阈值N₁₂时，判断该检测窗口存在目标单元，其中1≤i≤8，1≤j≤8。

在一个具体实施例中，所述第三亮度变化比值rate_ij的计算公式为：

其中，m_i为第一子区域中第i块区域的平均亮度值，m_j为第二子区域中第j块区域的平均亮度值。

参考图2或图3的实例，即依次对比1和9、2和10…8和16，计算8次。

在优选的实施方式中，同时满足上述条件认为检测窗口存在目标单元，

即，同时满足n₀₁＞N₀₁，n₀₂＞N₀₂，n₁₂＞N₁₂。

本发明的基于多方向环形梯度法的红外小目标快速提取方法通过设置三个环形梯度，并对环形梯度内的子区域的平均亮度值两两对比，只需要对比24次就能够得到准确的目标检测信息，提升了检测准确度和检测效率。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，包括以下步骤：

S1、选取待检测目标图像，根据所述待检测目标图像中的目标单元大小确定模板，将所述模板对应到待检测目标图像的检测窗口，其中所述模板为大小为M*M像素的窗口，其中M≤20；

S2、将所述模板由内向外依次划分为第一环形区域、第二环形区域、第三环形区域，并且使得所述第二环形区域至少包含8个子像素；

S3、将所述第二环形区域分割为8块连续的第一子区域，对应的，将所述第三环形区域分割为8块连续的第二子区域；

S4、分别计算并对比所述第一环形区域、所述第一子区域、所述第二子区域内子像素的平均亮度值，判断所述模板对应的检测窗口是否存在目标单元；

S5、根据所述模板循环遍历所述待检测目标图像，并对应执行所述步骤S2-S4，确定所述待检测目标图像中的所有目标单元。

2.根据权利要求1所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述步骤S1还包括：

当判断所述目标单元大小大于M*M时，通过降采样算法对所述待检测目标图像进行等比例缩小，使得缩小后的待检测目标图像中的目标单元大小小于或等于M*M。

3.根据权利要求1所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，根据所述模板循环遍历所述待检测目标图像为：以1像素为步长，横向或纵向移动所述模板，遍历每个所述检测窗口。

4.根据权利要求1所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述步骤S4包括：

S401、计算第一环形区域的平均亮度值m₀、第一子区域中第i块区域的平均亮度值m_i；

S402、对比所述第一环形区域的平均亮度值m₀和所述第一子区域中第i块区域的平均亮度值m_i，得到第一亮度变化比值rate_0i；

S403、记录所述第一亮度变化比值rate_0i大于第一预定亮度阈值R_0i的数量个数n₀₁；

S404、当判断n₀₁大于第一预定个数阈值N₀₁时，判断该检测窗口存在目标单元，其中1≤i≤8。

5.根据权利要求4所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述第一亮度变化比值rate_0i的计算公式为：

其中，m₀为第一环形区域的平均亮度值，m_i为第一子区域中第i块区域的平均亮度值。

6.根据权利要求1所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述步骤S4包括：

S411、计算第一环形区域的平均亮度值m₀、第二子区域中第j块区域的平均亮度值m_j；

S412、对比所述第一环形区域的平均亮度值m₀和所述第二子区域中第j块区域的平均亮度值m_j，得到第二亮度变化比值rate_0j；

S413、记录所述第二亮度变化比值rate_0j大于第二预定亮度阈值R_0j的数量个数n₀₂；

S414、当判断n₀₂大于第二预定个数阈值N₀₂时，判断该检测窗口存在目标单元，其中1≤j≤8。

7.根据权利要求6所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述第二亮度变化比值rate_0j的计算公式为：

其中，m₀为第一环形区域的平均亮度值，m_j为第二子区域中第j块区域的平均亮度值。

8.根据权利要求1所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述步骤S4包括：

S421、计算第一子区域中第i块区域的平均亮度值m_i、第二子区域中第j块区域的平均亮度值m_j；

S422、对比所述第一子区域中第i块区域的平均亮度值m_i和所述第二子区域中第j块区域的平均亮度值m_j，得到第三亮度变化比值rate_ij；

S423、记录所述第三亮度变化比值rate_ij大于第三预定亮度阈值R_ij的数量个数n₁₂；

S424、当判断n₁₂大于第三预定个数阈值N₁₂时，判断该检测窗口存在目标单元，其中1≤i≤8，1≤j≤8。

9.根据权利要求8所述的基于多方向环形梯度法的红外小目标快速提取方法，其特征在于，所述第三亮度变化比值rate_ij的计算公式为：

其中，m_i为第一子区域中第i块区域的平均亮度值，m_j为第二子区域中第j块区域的平均亮度值。

Images