CN112258542A - 红外图像目标检测方法、装置、电子设备及存储介质 - Google Patents
红外图像目标检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112258542A CN112258542A CN202011131427.7A CN202011131427A CN112258542A CN 112258542 A CN112258542 A CN 112258542A CN 202011131427 A CN202011131427 A CN 202011131427A CN 112258542 A CN112258542 A CN 112258542A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- detected
- area
- region
- target detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种红外图像目标检测方法,包括:获取红外图像,并将红外图像划分为多个区域块;计算相邻区域块之间的相似度;利用相似度将红外图像划分为待检测区域;计算待检测区域内的信噪比阈值,并利用信噪比阈值在待检测区域内进行目标检测;由于相似度能够反映反差度,利用相似度能确保每个待检测区域中具有相似的干扰程度,因此本方法能够根据干扰情况将红外图像划分为不同待检测区域,并根据干扰情况,利用对应的信噪比阈值,自适应地进行目标检测,并最终达到在云雾干扰的情况下进行目标检测的目的,提升红外图像目标检测的可靠程度和适用范围;本申请还公开了一种红外图像目标检测装置、电子设备及存储介质,具有上述有益效果。
Description
技术领域
本发明涉及图像识别领域,特别涉及一种红外图像目标检测方法、装置、电子设备及存储介质。
背景技术
随着无人机视场越来越大,无人机能够从更远距离对保护区域进行监视,因此,对空进行无人机目标搜索及定位的需求越来越重要。对比与雷达系统对目标的搜索,光电系统能够更准确地指向目标方向,且能够看到目标的具体形态,以便操作人员区分目标。因此,通过光电平台的图像处理技术,对目标进行空中搜索,有助于发现及定位空中目标。
相关技术中,利用光电系统拍摄的红外图像对空中目标的搜索,会受到云雾等复杂背景的干扰。在云雾的干扰下,光电系统难以检测到隐藏于云雾中的目标,进而造成检测遗漏。因此,如何解决云雾对红外图像目标检测的干扰,是本领域技术人员需要面对的问题。
发明内容
本发明的目的是提供一种红外图像目标检测方法、装置、电子设备及存储介质,可提升在云雾等干扰下利用红外图像进行目标检测的可靠度,进而提升用户使用体验。
为解决上述技术问题,本发明提供一种红外图像目标检测方法,包括:
获取红外图像,并将所述红外图像划分为多个区域块;
计算相邻所述区域块之间的相似度;
利用所述相似度将所述红外图像划分为待检测区域;
计算所述待检测区域内的信噪比阈值,并利用所述信噪比阈值在所述待检测区域内进行目标检测。
可选的,所述利用所述信噪比阈值在所述待检测区域内进行目标检测,包括:
将所述待检测区域中亮度值大于亮度阈值的区域标记为备选区域;
判断所述备选区域的区域参数是否符合预设条件;其中,所述区域参数包括区域尺寸和区域形状;
若是,则利用所述信噪比阈值在所述备选区域内进行目标检测。
可选的,所述利用所述信噪比阈值在所述备选区域内进行目标检测,包括:
计算所述待检测区域中的灰度平均值;
计算所述备选区域灰度平均值与所述灰度平均值的差值绝对值;
判断所述差值绝对值是否大于所述信噪比阈值;
若是,则将所述备选区域标记为最终目标。
可选的,所述计算所述待检测区域内的信噪比阈值,包括:
对所述待检测区域进行频域转换;
计算频域转换后的待检测区域内的信噪比阈值。
可选的,所述利用所述相似度将所述红外图像划分为待检测区域,包括:
判断所述区域块与相邻所述区域块的相似度是否符合相似度阈值要求;
若是,则将所述区域块与相邻所述区域块合并,得到所述待检测区域;
若否,则将所述区域块单独设置为所述待检测区域。
可选的,所述将所述红外图像划分为多个区域块,包括:
将所述红外图像按照预设规则划分为多个区域块;其中,所述预设规则包括预设方向上相邻的所述区域块相互重叠预设长度,所述预设方向包括水平方向和/或竖直方向。
可选的,在获取红外图像之后,在将所述红外图像划分为多个区域块之前,还包括:
对所述红外图像进行非均匀校正;
对非均匀校正后的红外图像进行噪声去除。
可选的,所述计算所述待检测区域中的信噪比阈值,包括:
计算所述待检测区域中的平均灰度值;
利用所述平均灰度值计算所述待检测区域中的所述信噪比阈值。
本发明还提供一种红外图像目标检测装置,包括:
划分模块,用于获取红外图像,并将所述红外图像划分为多个区域块;
计算模块,用于计算相邻所述区域块之间的相似度;
分区模块,用于利用所述相似度将所述红外图像划分为待检测区域;
检测模块,用于计算所述待检测区域内的信噪比阈值,并利用所述信噪比阈值在所述待检测区域内进行目标检测。
本发明还提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述的红外图像目标检测方法的步骤。
本发明还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的红外图像目标检测方法的步骤。
本申请提供了一种红外图像目标检测方法,包括:获取红外图像,并将所述红外图像划分为多个区域块;计算相邻所述区域块之间的相似度;利用所述相似度将所述红外图像划分为待检测区域;计算所述待检测区域内的信噪比阈值,并利用所述信噪比阈值在所述待检测区域内进行目标检测。
可见,由于相邻区域块之间的相似度能够反映区域块之间的反差度,因此本申请将红外图像划分为区域块,并利用相邻区域块之间的相似度将红外图像划分为待检测区域,可以保证每个待检测区域中图像的反差均符合计算精度要求,能够利用相同的检测策略或检测参数进行目标检测;同时,由于本申请将红外图像划分为待检测区域进行分区检测,并利用区域内的信噪比阈值,可确保不同待检测区域均可有适应于该区域图像背景状况的信噪比阈值进行目标检测,因此本申请能够利用区域块之间的相似度将红外图像中带有不同程度干扰的部分划分至不同待检测区域,并根据该区域中的干扰情况,利用相应的信噪比阈值,自适应地进行目标检测,并最终达到在云雾干扰的情况下进行目标检测的目的,提升红外图像目标检测的可靠程度和适用范围。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种红外图像目标检测方法的流程图;
图2为本发明实施例提供的水平方向上相邻的区域块相互重叠划分的示意图;
图3为本发明实施例所提供的一种红外图像目标检测装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中,利用光电系统拍摄的红外图像对空中目标的搜索检测,会受到云雾等的干扰。在云雾的干扰下,光电系统难以检测到隐藏于云雾中的目标,进而造成对目标的遗漏。针对上述问题,本申请实施例提供了一种红外图像目标检测方法,对红外图像进行分区,并在不同区域中利用不同的信噪比阈值进行目标检测,能够有效保证在云雾干扰下红外图像目标检测的可靠度。具体请参考图1,图1为本申请实施例所提供的一种红外图像目标检测方法的流程图,该方法可以包括:
S100、获取红外图像,并将红外图像划分为多个区域块。
需要说明的是,本申请实施例并不限定区域块的形状,例如该形状可以是矩形,也可以是其他形状。为了均匀划分红外图像,在本申请实施例中区域块的形状可以为正方形。本申请实施例也不限定区域块的尺寸,只要利用该尺寸能够将红外图像等分即可。进一步,若区域块的尺寸小于目标对象的尺寸,那么区域块划分可能会对目标对象造成切割,影响检测的成功率,因此,在本申请实施例中,区域块还应当大于目标对象的尺寸。
本申请实施例同样不对区域块的划分规则进行限定,例如该划分规则可以为仅利用区域块的尺寸对红外图像进行等分划分,也可以要求在区域块与相邻的区域块相互重叠。考虑到位于区域块分割线上的目标对象可能被分割,影响检测的成功率,因此,在本申请实施例中,对红外图像的划分可在区域块与相邻区域块重叠的要求下进行。进一步,本申请实施例并不限定重叠方向,例如区域块可与水平方向上相邻的区域块重叠,也可以与竖直方向上相邻的区域块重合,也可以与自定义方向上相邻的区域块重合,也可与多个方向上相邻的区域块重合。考虑到在水平方向上或竖直方向上重叠能够有效保护目标对象,因此,在本申请实施例中,区域块可以与水平方向上相邻的区域块重叠,也可以与竖直方向上相邻的区域块重叠。进一步,考虑到同时在水平方向上和竖直方向重叠,能够最大程度地保护目标对象,因此,在本申请实施例中,也可以同时与水平方向上和竖直方向上相邻的区域块重叠。
在一种可能的情况中,将红外图像划分为多个区域块的过程,可以为:
将红外图像按照预设规则划分为多个区域块;其中,预设规则包括预设方向上相邻的区域块相互重叠预设长度,预设方向包括水平方向、竖直方向或水平方向和竖直方向。
请参考图2,图2为本申请实施例提供的水平方向上相邻的区域块相互重叠划分的示意图。其中,红外图像被划分为3个区域块,每个区域块的尺寸均为D×D,区域块与相邻区域块重叠的长度为S。
需要说明的是,本申请实施例并不限定重叠预设长度的具体数值,只要该预设长度小于区域块的长度或宽度即可。为了减小计算量,在本申请实施例中,该预设长度可以为目标大小的理论最大值。
进一步,为了减少由红外传感器输出信号不一致、图像噪声等对目标检测的影响,在获取到红外图像之后,在将红外图像划分为多个区域块之前,本申请实施例还可以包括:
对红外图像进行非均匀校正;
对非均匀校正后的红外图像进行噪声去除。
需要说明的是,本申请实施例并不限定非均匀校正的方法,用户可参考非均匀校正的相关办法,例如该办法可以为两点校正法,或其他非均匀校正方法。本申请实施例同样不限定噪声去除的具体方法,用户可参考图像噪声去除的相关办法。
S101、计算相邻区域块之间的相似度。
本申请实施例为了实现在红外图像进行分区目标检测的效果,首先要求将红外图像划分为一个或多个待检测区域,同时要确保每个待检测区域中的图像反差符合计算精度要求,这样才能保证能够在每个待检测区域内采用相同的检测策略或检测参数进行目标检测。对此,本申请实施例首先将红外图像划分为多个区域块,并利用区域块之间的相似度完成待检测区域的划分。区域块之间的相似度反应两区域块的图像反差,相似度越高反差越小,相似度越低反差越大。当两区域块反差符合计算精度要求时,利用相同的检测策略或检测参数可以满足同时对两区域块进行目标检测的需求,可以将这两个区域块划分至同一待检测区域,反之将不能满足该需求,需要将这两个区域块划分至两个不同的待检测区域中。
需要说明的是,本申请实施例并不限定区域块相似度的计算方法,用户可参考图像相似度计算的相关办法。在一种可能的情况中,相邻两区域块的相似度可利用如下的公式进行计算:
其中,R代表两区域块的相似度,取值范围为(0,1],当两区域块完全相同时,R的值为1。W和H分别代表区域块的长度和宽度。I(x0+i,y0+j)表示该区域块在(i,j)点的像素值,其中x0和y0代表该区域块左上角横坐标和纵坐标。I(xk+i,yk+j)表示相邻区域块在(i,j)点的像素值,其中xk和yk代表相邻区域块左上角横坐标和纵坐标。
S102、利用相似度将红外图像划分为待检测区域。
本申请实施例为了保证每个待检测区域中的图像符合计算精度要求,不存在较大的图像反差,因此利用相邻区域块之间的相似度将红外图像划分为待检测区域。
可以理解的是,当两区域块的相似度符合相似度阈值要求时,便可保证在这两个区域块中利用相同的检测策略或检测参数进行目标检测。因此,当区域块与相邻区域块的相似度符合相似度阈值要求时,可以将这两个区域块合并,得到待检测区域。需要说明的是,本申请实施例并不限定相似度阈值的具体数值,只要该相似度阈值能够满足目标检测的精度要求即可。
进一步,本申请实施例并不限定区域块与周围相邻的区域块均不相似时的后续操作,例如可将该区域块排除,可也将该区域块单独设置为一个待检测区域。为了保证红外图像中任何位置的目标均能被检测,在本申请实施例中,当区域块与周围相邻的区域块均不相似时,可将该区域块单独设置为待检测区域。
在一种可能的情况中,利用相似度将红外图像划分为待检测区域的过程,可以为:
判断区域块与相邻区域块的相似度是否符合相似度阈值要求;
若是,则将区域块与相邻区域块合并,得到待检测区域;
若否,则将区域块单独设置为待检测区域。
S103、计算待检测区域内的信噪比阈值,并利用信噪比阈值在待检测区域内进行目标检测。
在将红外图像划分为待检测区域后,便可利用不同的检测策略或检测参数在不同的待检测区域中进行目标检测。在本申请实施例中,信噪比阈值可反映待检测区域内部的图像情况,利用待检测区域内部特定的信噪比阈值,可自适应地完成检测参数的变换,并根据检测区域内部的图像情况完成目标检测,可保证在包含云雾或其他干扰的待检测区域中利用不同的信噪比阈值进行检测,有效提升在云雾干扰情况下进行目标检测的成功率。
本申请实施例并不对在计算之前是否需要对待检测区域进行预处理进行限定。可以理解的是,对待检测区域进行预处理后,能够提升目标检测的成功率,因此本申请实施例可以在计算之前对待检测区域进行预处理。本申请实施例并不对预处理的具体方法进行限定,只要该方法能够有效提升目标检测的成功率即可,例如可以调整图像的亮度或对比度,也可以对图像进行频域转换,或由多个预处理方法组成的方法。考虑到频域转换能够抑制图像中的低频信息,保留高频信息,提升检测成功率,因此,在本申请实施例中,预处理可以为对待检测区域进行频域转换。在一种可能的情况中,该预处理过程可以为:
对所述待检测区域进行频域转换;
计算频域转换后的待检测区域内的信噪比阈值。
需要说明的是,本申请实施例并不限定频域转换的具体方法,用户可参考图像频域转化的相关技术。在一种情况中,对待检测区域进行频域转换可利用如下公式进行:
其中,D0是截止频率半径,M、N是傅里叶变换后的图像中心位置,H(u,v)表示频域转化后的图像。
进一步,本申请实施例并不限定计算信噪比阈值所需的参数,只要最终计算得到的信噪比阈值能够反映该参数值在待检测区域内的波动情况即可,例如可以利用平均亮度值,也可以利用平均灰度值。考虑到灰度值能够更好地反映图片状况,因此,在本申请实施例中,可以利用平均灰度值计算信噪比阈值。在一种可能的情况中,计算待检测区域中的信噪比阈值,可以包括:
计算待检测区域中的平均灰度值;
利用平均灰度值计算待检测区域中的信噪比阈值。
需要说明的是,本申请实施例并不限定利用平均灰度值计算信噪比阈值的方法,由于利用平均灰度值计算得到的信噪比阈值主要反映灰度值在待检测区域中的波动情况,因此,任意能够反映数值波动情况的计算方法均可,例如可以利用方差的计算公式得到信噪比阈值,也可以利用标准差的计算公式。在一种可能的情况中,信噪比阈值可利用如下公式计算得到:
进一步,本申请实施例并不限定利用信噪比阈值在待检测区域内进行目标检测的过程,该过程可以为在待检测区域内检测大于信噪比阈值的区域,然后利用预设的目标对象的尺寸或形状对这些区域进行筛选,得到最终目标;该过程也可以为先筛选出待检测区域中的备选目标,然后再利用信噪比阈值,对这些备选目标进行目标检测,得到最终目标。考虑到先筛选出待检测区域中的备选目标能够有效提升检测效率,因此,在本申请实施例中,可以先筛选出待检测区域中的备选目标,然后在利用信噪比阈值对备选目标进行目标检测。本申请实施例并不限定筛选备选目标的具体过程,该筛选过程基于目标对象的特征,用户可根据需要检测的目标对象的特征选择合适的筛选过程。可以理解的是,由于红外图像能够提供温度信息,而目标对象一般都具有较为明显的温度特征,在红外图像中具有较高的亮度,因此可利用亮度阈值进行筛选,标记处备选区域。需要说明的是,本申请实施例并不限定亮度阈值的具体数值。进一步,除了温度特征外,目标对象还应具有一些外观特征,因此可以对备选区域的区域参数进行检测,筛选出更准确的备选区域。需要说明的是,本申请实施例并不限定具体的区域参数,用户可根据目标对象的特征进行选择,例如该区域参数可以为区域尺寸、区域形状或由多个参数组合而成的区域参数。
在一种可能的情况中,该筛选过程可以为:
将待检测区域中亮度值大于亮度阈值的区域标记为备选区域;
判断备选区域的区域参数是否符合预设条件;其中,区域参数包括区域尺寸和区域形状;
若是,则利用信噪比阈值在备选区域内进行目标检测。
需要说明的是,本申请实施例并不限定区域尺寸和区域形状的具体形式,用户可根据目标对象的特征自行选择合适的区域尺寸和区域形状。本申请实施例也不对判断区域参数是否符合预设条件的判断方法进行限定,用户可参考图像检测的相关技术。
进一步,本申请实施例并不限定利用信噪比阈值在备选区域内进行目标检测的具体方法,该方法基于计算信噪比阈值的参数以及具体形式。在一种可能的情况中,信噪比阈值利用平均灰度值进行计算,反映了灰度值在待检测区域中的波动情况,因此可以利用备选区域的灰度值与该待检测区域的平均灰度值的差值绝对值进行检测。在一种可能的情况中,利用信噪比阈值在备选区域进行目标检测的过程可以为:
计算待检测区域中的灰度平均值;
计算备选区域灰度平均值与灰度平均值的差值绝对值;
判断差值绝对值是否大于信噪比阈值;
若是,则将备选区域标记为最终目标。
若否,则排除所述备选区域。
经过上述过程,便可完成红外图像目标检测的操作。
基于上述实施例,本申请利用相邻区域块之间的相似度,确保每个待检测区域中具有相似的干扰程度,因此本方法能够根据干扰情况将红外图像划分为不同待检测区域,并根据干扰情况,利用对应的信噪比阈值,自适应地进行目标检测,并最终达到在云雾干扰的情况下进行目标检测的目的,提升红外图像目标检测的可靠程度和适用范围。
下面对本发明实施例提供的红外图像目标检测装置、电子设备及存储介质进行介绍,下文描述的红外图像目标检测装置、电子设备及存储介质与上文描述的红外图像目标检测方法可相互对应参照。
请参考图3,图3为本申请实施例所提供的一种红外图像目标检测装置的结构框图;该装置可以包括:
划分模块100,用于获取红外图像,并将红外图像划分为多个区域块;
计算模块200,用于计算相邻区域块之间的相似度;
分区模块300,用于利用相似度将红外图像划分为待检测区域;
检测模块400,用于计算待检测区域中的信噪比阈值,并利用信噪比阈值在待检测区域内进行目标检测。
在一些具体的实施例中,检测模块400,包括:
第二分区模块,用于将所述待检测区域中亮度值大于亮度阈值的区域标记为备选区域;
第一判断模块,用于判断所述备选区域的区域参数是否符合预设条件;其中,所述区域参数包括区域尺寸和区域形状;
第二检测模块,用于当备选区域的区域参数符合预设条件时,利用所述信噪比阈值在所述备选区域内进行目标检测。
在一些具体的实施例中,第二检测模块,包括:
第二计算模块,用于计算所述待检测区域中的灰度平均值;
第三计算模块,用于计算所述备选区域灰度平均值与所述灰度平均值的差值绝对值;
第二判断模块,用于判断所述差值绝对值是否大于所述信噪比阈值;
标记模块,用于当差值绝对值大于信噪比阈值时,将所述备选区域标记为最终目标。
在一些具体的实施例中,检测模块400,包括:
频域转换模块,用于对所述待检测区域进行频域转换;
在一些具体的实施例中,分区模块300,包括:
第三判断模块,用于判断所述区域块与相邻所述区域块的相似度是否符合相似度阈值要求;
合并模块,用于当所述区域块与相邻所述区域块的相似度符合相似度阈值要求时,将所述区域块与相邻所述区域块合并,得到所述待检测区域;
第二分区模块,用于当所述区域块与相邻所述区域块的相似度不符合相似度阈值要求时,将所述区域块单独设置为所述待检测区域。
在一些具体的实施例中,划分模块100,包括:
第二划分模块,用于将所述红外图像按照预设规则划分为多个区域块;其中,所述预设规则包括预设方向上相邻的所述区域块相互重叠预设长度,所述预设方向包括水平方向和/或竖直方向。
在一些具体的实施例中,红外图像目标检测装置,还包括:
非均匀校正模块,用于对所述红外图像进行非均匀校正;
噪声去除模块,用于对非均匀校正后的红外图像进行噪声去除。
在一些具体的实施中,检测模块400,包括:
第二计算模块,用于计算所述待检测区域中的平均灰度值;
第四计算模块,用于利用所述平均灰度值计算所述待检测区域中的所述信噪比阈值。
本申请实施例还提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的红外图像目标检测方法的步骤。
由于电子设备部分的实施例与红外图像目标检测方法部分的实施例相互对应,因此电子设备部分的实施例请参见红外图像目标检测方法部分的实施例的描述,这里暂不赘述。
本申请实施例还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任意实施例的红外图像目标检测方法的步骤。如计算机程序被处理器执行时实现获取红外图像,并将所述红外图像划分为多个区域块;计算相邻所述区域块之间的相似度;利用所述相似度将所述红外图像划分为待检测区域;计算所述待检测区域内的信噪比阈值,并利用所述信噪比阈值在所述待检测区域内进行目标检测。
由于存储介质部分的实施例与红外图像目标检测方法部分的实施例相互对应,因此存储介质部分的实施例请参见红外图像目标检测方法部分的实施例的描述,这里暂不赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的红外图像目标检测方法、装置、电子设备、存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (11)
1.一种红外图像目标检测方法,其特征在于,包括:
获取红外图像,并将所述红外图像划分为多个区域块;
计算相邻所述区域块之间的相似度;
利用所述相似度将所述红外图像划分为待检测区域;
计算所述待检测区域内的信噪比阈值,并利用所述信噪比阈值在所述待检测区域内进行目标检测。
2.根据权利要求1所述的红外图像目标检测方法,其特征在于,所述利用所述信噪比阈值在所述待检测区域内进行目标检测,包括:
将所述待检测区域中亮度值大于亮度阈值的区域标记为备选区域;
判断所述备选区域的区域参数是否符合预设条件;其中,所述区域参数包括区域尺寸和区域形状;
若是,则利用所述信噪比阈值在所述备选区域内进行目标检测。
3.根据权利要求2所述的红外图像目标检测方法,其特征在于,所述利用所述信噪比阈值在所述备选区域内进行目标检测,包括:
计算所述待检测区域中的灰度平均值;
计算所述备选区域灰度平均值与所述灰度平均值的差值绝对值;
判断所述差值绝对值是否大于所述信噪比阈值;
若是,则将所述备选区域标记为最终目标。
4.根据权利要求1所述的红外图像目标检测方法,其特征在于,所述计算所述待检测区域内的信噪比阈值,包括:
对所述待检测区域进行频域转换;
计算频域转换后的待检测区域内的信噪比阈值。
5.根据权利要求1所述的红外图像目标检测方法,其特征在于,所述利用所述相似度将所述红外图像划分为待检测区域,包括:
判断所述区域块与相邻所述区域块的相似度是否符合相似度阈值要求;
若是,则将所述区域块与相邻所述区域块合并,得到所述待检测区域;
若否,则将所述区域块单独设置为所述待检测区域。
6.根据权利要求1所述的红外图像目标检测方法,其特征在于,所述将所述红外图像划分为多个区域块,包括:
将所述红外图像按照预设规则划分为多个区域块;其中,所述预设规则包括预设方向上相邻的所述区域块相互重叠预设长度,所述预设方向包括水平方向和/或竖直方向。
7.根据权利要求1所述的红外图像目标检测方法,其特征在于,在获取红外图像之后,在将所述红外图像划分为多个区域块之前,还包括:
对所述红外图像进行非均匀校正;
对非均匀校正后的红外图像进行噪声去除。
8.根据权利要求1至7任一项所述的红外图像目标检测方法,其特征在于,所述计算所述待检测区域中的信噪比阈值,包括:
计算所述待检测区域中的平均灰度值;
利用所述平均灰度值计算所述待检测区域中的所述信噪比阈值。
9.一种红外图像目标检测装置,其特征在于,包括:
划分模块,用于获取红外图像,并将所述红外图像划分为多个区域块;
计算模块,用于计算相邻所述区域块之间的相似度;
分区模块,用于利用所述相似度将所述红外图像划分为待检测区域;
检测模块,用于计算所述待检测区域内的信噪比阈值,并利用所述信噪比阈值在所述待检测区域内进行目标检测。
10.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至8任一项所述的红外图像目标检测方法的步骤。
11.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的红外图像目标检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131427.7A CN112258542A (zh) | 2020-10-21 | 2020-10-21 | 红外图像目标检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131427.7A CN112258542A (zh) | 2020-10-21 | 2020-10-21 | 红外图像目标检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258542A true CN112258542A (zh) | 2021-01-22 |
Family
ID=74264136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011131427.7A Pending CN112258542A (zh) | 2020-10-21 | 2020-10-21 | 红外图像目标检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258542A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11488457B2 (en) | 2020-06-08 | 2022-11-01 | Zurn Industries, Llc | Cloud-connected occupancy lights and status indication |
US11514679B1 (en) * | 2022-02-18 | 2022-11-29 | Zurn Industries, Llc | Smart method for noise rejection in spatial human detection systems for a cloud connected occupancy sensing network |
US11543791B1 (en) | 2022-02-10 | 2023-01-03 | Zurn Industries, Llc | Determining operations for a smart fixture based on an area status |
US11555734B1 (en) | 2022-02-18 | 2023-01-17 | Zurn Industries, Llc | Smart and cloud connected detection mechanism and real-time internet of things (IoT) system management |
US11776260B2 (en) | 2020-12-14 | 2023-10-03 | Whiffaway Ltd | Facility occupancy detection with thermal grid sensor |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010133770A (ja) * | 2008-12-03 | 2010-06-17 | Toshiba Corp | 目標検出装置 |
CN111666944A (zh) * | 2020-04-27 | 2020-09-15 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种红外弱小目标检测方法及装置 |
-
2020
- 2020-10-21 CN CN202011131427.7A patent/CN112258542A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010133770A (ja) * | 2008-12-03 | 2010-06-17 | Toshiba Corp | 目標検出装置 |
CN111666944A (zh) * | 2020-04-27 | 2020-09-15 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种红外弱小目标检测方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11488457B2 (en) | 2020-06-08 | 2022-11-01 | Zurn Industries, Llc | Cloud-connected occupancy lights and status indication |
US11776260B2 (en) | 2020-12-14 | 2023-10-03 | Whiffaway Ltd | Facility occupancy detection with thermal grid sensor |
US11543791B1 (en) | 2022-02-10 | 2023-01-03 | Zurn Industries, Llc | Determining operations for a smart fixture based on an area status |
US11514679B1 (en) * | 2022-02-18 | 2022-11-29 | Zurn Industries, Llc | Smart method for noise rejection in spatial human detection systems for a cloud connected occupancy sensing network |
US11555734B1 (en) | 2022-02-18 | 2023-01-17 | Zurn Industries, Llc | Smart and cloud connected detection mechanism and real-time internet of things (IoT) system management |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112258542A (zh) | 红外图像目标检测方法、装置、电子设备及存储介质 | |
US9536147B2 (en) | Optical flow tracking method and apparatus | |
US6674904B1 (en) | Contour tracing and boundary detection for object identification in a digital image | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN109509200B (zh) | 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质 | |
CN112102409B (zh) | 目标检测方法、装置、设备及存储介质 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN103198455B (zh) | 一种利用全变差最小化和灰度共生矩阵的图像去噪方法 | |
CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
CN105654428A (zh) | 图像降噪方法及系统 | |
CN108665495B (zh) | 图像处理方法及装置、移动终端 | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN114972531B (zh) | 一种角点检测方法、设备及可读存储介质 | |
CN112465707B (zh) | 红外图像条纹噪声的处理方法、装置、介质及电子设备 | |
CN109741278B (zh) | 一种图像去噪方法 | |
CN112926695B (zh) | 基于模板匹配的图像识别方法和系统 | |
CN112154479A (zh) | 提取特征点的方法、可移动平台及存储介质 | |
CN111192324A (zh) | 线段交点位置的确定方法、装置及可读存储介质 | |
CN112164079B (zh) | 一种声呐图像分割方法 | |
CN112581374A (zh) | 散斑亚像素中心提取方法、系统、设备及介质 | |
CN117372827A (zh) | 一种基于边界约束的声呐图像统计增强算法 | |
CN110334606A (zh) | 画中画定位方法及装置 | |
CN114187195A (zh) | 一种2d前视声呐图像去噪方法 | |
CN115035227A (zh) | 一种点云数据的处理方法、装置及电子设备 | |
KR20050047745A (ko) | 에지 검출장치 및 그 검출방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |