一种基于灰度和梯度分割的红外目标检测方法

摘要

本发明公开了一种基于灰度和梯度分割的红外目标检测方法，包括以下步骤：1)利用原始图像Forg计算梯度图像2)对进行非最大值抑制，得到图像3)利用进行边缘连接、边缘闭合判断，计算候选目标区域Pos1；4)根据Pos1选取局部图像Floc，对Floc进行分割，得到候选目标区域Pos2；5)根据Pos＝Pos1∩Pos2计算最优目标区域Pos。

权利要求

1.一种基于灰度和梯度分割的红外目标检测方法，其特征在于，包括以下步骤：步骤(1)，利用原始图像Forg计算梯度图像

步骤(2)，对梯度图像 进行非最大值抑制，得到图像

步骤(3)，利用图像 进行边缘连接、边缘闭合判断，计算候选目标区域Pos1；

步骤(4)，根据候选目标区域Pos1选取局部图像Floc，对局部图像Floc进行分割，得到候选目标区域Pos2；

步骤(5)，根据公式Pos＝Pos1∩Pos2计算最优目标区域Pos；

步骤(1)中，使用Sobel算子计算梯度图像

步骤(2)中，对梯度图像 进行非最大值抑制处理；

非最大值抑制处理包括：在以像素data为中心的3*3邻域内，将梯度方向定义为以像素data为中心的，水平方向和垂直方向以及正负45度角的方向共四个方向的连线；各个方向用该方向与像素data邻近像素进行比较，决定局部最大值；如果中心位置的像素data的梯度方向属于垂直方向，则将像素data与垂直方向的邻近像素进行比较，若像素值data不是最大值，将其置0；

步骤(3)中，使用边缘闭合判断综合行、列方向闭合度来判断当前点是否为目标边缘点，同时满足以下条件：

1)行方向闭合度、列方向闭合度同时大于阈值T1，0≤T1≤1；

2)若第i行最左边的有效值位置是Colmin(i)，最右边的有效值位置是Colmax(i)，Coldec(i)＞T表示第i行为有效行，否则第i行为无效行，其中，Coldec(i)＝Colmax(i)-Colmin(i)，T是阈值，3≤T≤10；

其中，行方向闭合度计算公式如下所示：

3)若第j列最上边的有效值位置是Rowmin(j)，最下边的有效值位置是Rowmax(j)，Rowdec(j)＞T表示第j列为有效列，否则，第j列为无效列，其中，Rowdec(j)＝Rowmax(j)-Rowmin(j)，T是阈值，3≤T≤10；

其中，列方向闭合度计算公式如下所示：

步骤(4)中，局部图像Floc是包含Pos1的矩形区域，利用最大类间方差法对Floc进行灰度分割，得到候选目标区域Pos2；

步骤(5)中，通过局部图像Pos1和局部图像Pos2相与运算获得最优目标区域。

说明书

一种基于灰度和梯度分割的红外目标检测方法

技术领域

[0001] 本发明涉及红外图像处理领域，，特别是一种适合硬件实时实现的基于灰度和梯度分割的红外目标检测方法

背景技术

[0002] 红外成像作为雷达系统的重要补充手段，具有被动探测、不易被发现、全天候工作等特点，在军民领域得到广泛的应用。近年来，红外成像探测成为国内外学者研究的热点和重点，提出了许多有价值的检测方法。张强等人提出基于局部极大值的红外弱小目标分割，通过高斯模板对待检测图像进行增强处理；针对传统滤波方法中固定大小滤波核对弱小目标检测表现出的不足，龚俊亮提出一种基于尺度空间理论的红外弱小目标检测方法；李秋华等人采用D-S证据理论的双色红外目标融合检测；针对云层背景下红外变分辨率小目标的成像特性，赵晓提出一种基于尺度空间理论的红外弱小目标检测方法；Liu Z H等人提出一种图像匹配的方法实现对探测器运动补偿，使用差分法实现运动目标检测。

[0003] 现有的目标检测技术存在以下缺点：(1)多数检测算法的场景适应性差，若场景变化大，会降低目标检测的精度；(2)复杂场景下目标检测能力差；(3)多数算法采用单个特征进行检测，鲁棒性差。

发明内容

[0004] 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，提供一种基于灰度和梯度分割的红外目标检测方法。

[0005] 为了解决上述技术问题，本发明公开了一种红外图像目标检测方法，包括以下步骤：

[0006] (1)利用原始图像Forg计算梯度图像

[0007] (2)对 进行非最大值抑制，得到图像

[0008] (3)利用 进行边缘连接、边缘闭合判断，计算候选目标区域Pos1；

[0009] (4)根据Pos1选取局部图像Floc，对Floc进行分割，得到候选目标区域Pos2；

[0010] (5)根据Pos＝Pos1∩Pos2计算最优目标区域Pos。

[0011] 本发明基于灰度和梯度分割的红外目标检测方法中，通过Sobel算子计算梯度图像

[0012] 本发明基于灰度和梯度分割的红外目标检测方法中，边缘闭合判断综合行、列方向闭合度来评定当前点是否为目标边缘点。判定准则包括：1)行方向闭合度、列方向闭合度同时大于阈值T1，0≤T1≤1；2)若第i行最左边的有效值位置是Colmin(i)，最右边的有效值位置是Colmax(i)，Coldec(i)＞T表示第i行为有效行，否则第i行为无效行，其中，Coldec(i)＝Colmax(i)-Colmin(i)，T是阈值，3≤T≤10，则行方向闭合度计算公式如下所示：

[0013]

[0014] 3)若第j列最上边的有效值位置是Rowmin(j)，最下边的有效值位置是Rowmax(j)，Rowdec(j)＞T表示第j列为有效列，否则，第j列为无效列，其中，Rowdec(j)＝Rowmax(j)-Rowmin(j)，T是阈值，3≤T≤10，则列方向闭合度计算公式如下所示：

[0015]

[0016] 本发明基于灰度和梯度分割的红外目标检测方法中，通过最大类间方差法(《微计算机信息》，2010年第26卷第12-2期)确定灰度图像的分割阈值Q；

[0017] 本发明基于灰度和梯度分割的红外目标检法中，通过Pos1和Pos2相与运算获得最优目标区域Pos。

[0018] 本发明与现有技术相比，具有以下显著优点：1)采用双特征(灰度、梯度)进行目标检测、算法鲁棒性强；2)对局部灰度图像进行分割，图像分割精确度高；3)灰度阈值通过场景自适应计算，算法场景适应性强；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

[0019] 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。

[0020] 图1为本发明流程图。

[0021] 图2a为实施例的原始图像。

[0022] 图2b为实施例的梯度分割结果。

[0023] 图2c为实施例的灰度分割结果。

[0024] 图2d为实施例的最终检测结果。

具体实施方式

[0025] 本发明公开了一种基于灰度和梯度分割的红外目标检测方法，包括以下步骤：

[0026] (1)利用原始图像Forg计算梯度图像

[0027] (2)对 进行非最大值抑制，得到图像

[0028] (3)利用 进行边缘连接、边缘闭合判断，计算候选目标区域Pos1；

[0029] (4)根据Pos1选取局部图像Floc，对Floc进行分割，得到候选目标区域Pos2；

[0030] (5)根据Pos＝Pos1∩Pos2计算最优目标区域Pos。

[0031] 步骤(1)中，使用Sobel算子计算梯度图像

[0032] 步骤(2)中，对 进行“非最大值抑制”：在以像素data为中心的3*3邻域内，将梯度方向定义为以像素data为中心的，水平方向，垂直方向以及正负45度角的方向共四个方向的连线。各个方向用该方向与像素data邻近像素进行比较，决定局部最大值。

[0033]     
  data  
     

[0034] 如果中心位置的像素data的梯度方向属于垂直方向，则将像素data与垂直方向的邻近像素进行比较，若像素值data不是最大值，将其置0。

[0035] 步骤(3)中，边缘闭合判断综合行、列方向闭合度来评定当前点是否为目标边缘点。判定准则包括：1)行方向闭合度、列方向闭合度同时大于阈值T1，0≤T1≤1；2)若第i行最左边的有效值位置是Colmin(i)，最右边的有效值位置是Colmax(i)，Coldec(i)＞T表示第i行为有效行，否则第i行为无效行，其中，Coldec(i)＝Colmax(i)-Colmin(i)，T是阈值，3≤T≤10；3)若第j列最上边的有效值位置是Rowmin(j)，最下边的有效值位置是Rowmax(j)，Rowdec(j)＞T表示第j列为有效列，否则，第j列为无效列，其中，Rowdec(j)＝Rowmax(j)-Rowmin(j)，T是阈值，3≤T≤10；

[0036] 步骤(4)中，局部图像Floc是包含Pos1的矩形区域，利用最大类间方差法对Floc进行灰度分割，得到候选目标区域Pos2；

[0037] 步骤(5)中，通过Pos1和Pos2相与运算获得最优目标区域。

[0038] 实施例1

[0039] 本实施例公开了一种基于灰度和梯度分割的红外目标检测方法，包括以下步骤：

[0040] (1)利用原始图像Forg计算梯度图像

[0041] (2)对 进行非最大值抑制，得到图像

[0042] (3)利用 进行边缘连接、边缘闭合判断，计算候选目标区域Pos1；

[0043] (4)根据Pos1选取局部图像Floc，对Floc进行分割，得到候选目标区域Pos2；

[0044] (5)根据Pos＝Pos1∩Pos2计算最优目标区域Pos。

[0045] 步骤(1)中，使用Sobel算子计算梯度图像

[0046] 步骤(2)中， 进行“非最大值抑制”，将梯度方向定义为AA连线方向(即AA-data-AA)、BB连线方向(即BB-data-BB)、CC连线方向(即CC-data-CC)、DD连线方向(即DD-data-DD)四个方向，各个方向用邻近像素进行比较，决定局部极大值，如下表所示：

[0047]DD CC BB

[0048]AA data AA
BB CC DD

[0049] 如果中心位置的像素值data的梯度方向属于DD-data-DD，则将像素值data与像素值DD进行比较，若像素值data不是最大值，将其置0。

[0050] 步骤(3)中，边缘闭合判断综合行、列方向闭合度来评定当前点是否为目标边缘点。判定准则包括：1)行、列方向闭合度同时大于阈值T1；2)对于行方向闭合度，列差值Coldec(i)＞T表示第i行为候选目标区域，T是阈值；3)对于列方向闭合度，两行之间的行差值Rowdec(j)＞T表示第j列为候选目标区域，T是阈值。

[0051] 步骤(4)中，局部图像Floc是包含Pos1的矩形区域，利用最大类间方差法对Floc进行灰度分割，得到候选目标区域Pos2；

[0052] 步骤(5)中，通过Pos1和Pos2相与运算获得最优目标区域。

[0053] 实施例2

[0054] 结合图1，下面以实例来说明本发明基于灰度和梯度分割的红外目标检测方法。红外图像的像素个数640×512，帧频50HZ。数字信号通过光纤传给FPGA+DSP架构的专用图像处理板，基于灰度和梯度分割的红外目标检测方法在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：

[0055] (1)获取原始图像Forg，利用Sobel算子计算梯度图像

[0056] Forg是14-bit数字图像，通过Sobel算子得到梯度图像

[0057] (2)对 进行非最大值抑制，得到图像

[0058] (3)计算行方向闭合度，假设目标边缘在图像第82～87行，目标所在行的列最小值Colmin、列最大值Colmax分别为Colmin＝{122,118,119,118,120,121}和Colmax＝{129,125,129,128,127,123}。目标所在行的列差值为Coldec可表示为：

[0059] Coldec＝Colmax-Colmin

[0060] ＝{7,7,10,10,7,2}

[0061] 当阈值T＝3时，由判定准则可计算，行方向闭合度为83.3％。

[0062] 计算列方向闭合度，假设目标边缘在图像第82～87列，目标所在列的行最小值Rowmin、列最大值Rowmax分别为Rowmin＝{122,118,119,118,120,121}和Rowmax＝{129,125,129,128,127,123}。目标所在列的行差值为Rowdec可表示为：

[0063] Rowdec＝Rowmax-Rowmin

[0064] ＝{7,7,10,10,7,2}

[0065] 当阈值T＝3时，由判定准则可计算，列方向闭合度为83.3％。

[0066] (4)对 进行边缘连接时，设定高阈值为0.85，低阈值为0.34，通过高、低阈值进行边缘连接、闭合判断操作，得到候选目标区域Pos1；

[0067] (5)利用最大类间方差法得到的灰度分割阈值是896，利用灰度分割阈值对局部图像进行分割，得到候选目标区域Pos2；

[0068] (6)通过Pos1和Pos2相与运算获得最优目标区域。

[0069] 实施例3

[0070] 图2中，图2a表示原始图像，图2b表示梯度分割结果，图2c为灰度分割结果，图2d为最终检测结果。图像显示，本发明提出的基于灰度和梯度分割的红外目标检测方法目标检测精确高。

[0071] 本发明提供了一种基于灰度和梯度分割的红外目标检测方法，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。