一种基于改进显著图局部对比的红外舰船目标检测方法与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及红外图像目标检测技术领域，具体涉及一种基于改进显著图局部对比的红外舰船目标检测方法。背景技术：2.红外图像中，目标的灰度值仅呈现目标与背景间的辐射强度，当温度高时，呈现视觉效果显著，温度低时，目标偏暗，与可见光图像有着明显的差别，也增加了判别目标的难度。海上红外图像舰船目标识别技术首先对海上舰船进行红外探测并成像，利用数字图像处理技术对图像进行处理，从复杂的外界背景中对可能为舰船目标的区域完成检测，并识别出是否为真实舰船目标。3.现有技术中，由于红外探测器本身存在性能限制和内部噪声影响，再加上处于海上恶劣环境中，其所生成的图像存在信噪比低、对比度低的现象。同时红外成像设备多处于运动状态，而舰船目标也多处于非静止状态，所以现有的红外舰船图像存在边缘模糊、细节信息不清晰的问题。且存在不能抑制海面杂波、云雾的干扰，以及不同尺寸和尾迹的影响，使得目标无法高效检测问题。技术实现要素：4.本发明的目的是为了提供一种基于改进显著图局部对比的红外舰船目标检测方法。旨在解决红外舰船图像存在边缘模糊、细节信息不清晰以及目标无法高效检测的问题。5.为达到上述目的，本发明通过以下技术方案实现：6.本发明提供了一种基于改进显著图局部对比的红外舰船目标检测方法，包括：7.步骤s1：获取海上船舰的红外图，对所述红外图进行预处理，以在所述红外图中抑制背景信息；8.步骤s2：对进行所述预处理后的所述红外图，采用itti模型提取所述海上船舰的亮度信息和方向信息，以得到所述海上船舰在所述红外图中的显著图；9.步骤s3：对所述显著图采用局部对比算法，所述局部对比算法利用目标与其周围背景间的对比度提高图像的信噪比，以检测所述显著图中的红外船舰目标。10.优选的，在所述步骤s1中，对所述红外图进行预处理包括：采用均值滤波对所述红外图进行去噪处理。11.优选的，所述均值滤波对所述红外图进行去噪处理具体包括：选取3×3大小的卷积核，采用顺序统计均值滤波器将所述红外图中的子块区域中当前像素点的像素与其卷积核内的所有像素点的平均值进行对比，12.所述均值滤波以使得所述红外图的图像平滑并将所述图像的像素中的所有噪声或其他信息与所述图像的背景合并。13.优选的，在所述步骤s2中，对进行所述预处理后的所述红外图，采用itti模型提取所述海上船舰的亮度信息和方向信息，所述提取所述红外图中的的亮度信息具体包括：14.对所述预处理后的所述红外图进行高斯滤波，得到滤波后的图像，对所述滤波后的图像进行下采样，构建所述海上船舰的灰度高斯金字塔，保留卷积结果图像的偶数行和偶数列的数据，去除奇数行和奇数列的数据。15.优选的，在所述灰度高斯金字塔中，对不同尺度大小的图像进行跨尺度减操作，以在所述灰度高斯金字塔中提取得到亮度特征图和方向特征图。16.优选的，对所述红外图的亮度特征和方向特征进行归一化处理，采用所述itti模型中的归一化函数对所述亮度特征图和所述方向特征图进行归一化处理。17.优选的，将所述归一化处理后的所述亮度特征图和所述方向特征图进行加权融合，得到所述显著图。18.优选的，在所述步骤s3中，所述目标与其对应背景之间的对比度d的表达式为：19.d＝mt-mb20.其中，mt是目标区域的像素灰度均值，mb是相关背景区域的像素灰度均值。21.优选的，在所述步骤s3中，所述局部对比算法的定义为：22.c＝(maxk∈[1,2,...,k](|dk|)-mink∈[1,2,...,k](|dk|))2[0023][0024]其中，c表示改进的局部对比度目标检测算法的参数值，k表示图像中的第k个尺度，dk表示在第k尺度下的局部对比图，|dk|表示dk的绝对值，和分别表示在窗口尺度为第k尺度下的目标区域均值和其周围背景区域的均值。[0025]优选的，对所述显著图采用局部对比算法，得到改进的局部对比度响应图，采用自适应阈值分隔所述局部对比度响应图中的检测目标，所述阈值θ的表达式为：[0026]θ＝λ+ε×σ[0027]其中λ表示改进的局部对比度响应图的均值，σ表示改进的局部对比度响应图的方差，ε表示根据经验确定的常值。[0028]与现有技术相比，本发明具有以下有益效果：[0029]本发明通过对于海上船舰的红外图采取预处理操作，采用均值滤波对红外图进行去噪处理，在红外图像中抑制背景信息；利用itti模型提取其亮度以及方向信息，初步得到船舰在红外图中的显著图，使得船只与背景的对比更鲜明；同时，提出一种改进的局部对比算法，充分利用目标与其周围背景之间的对比度，提高图像的信噪比，有效检测红外船舰目标，得到海上船舰红外目标图。附图说明[0030]为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一个实施例，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，还可以根据这些附图获得其他的附图：[0031]图1为本发明一实施例提供的基于改进显著图局部对比的红外舰船目标检测方法的流程图；[0032]图2为本发明一实施例提供的外红船舰目标检测步骤示意图；[0033]图3为本发明一实施例提供的红外图船舰目标检测结果对比图。具体实施方式[0034]以下结合附图1至图3具体实施方式对本发明提出的基于改进显著图局部对比的红外舰船目标检测方法作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。[0035]为解决现有的红外舰船图像存在边缘模糊、细节信息不清晰以及目标无法高效检测的问题，参考图1所示，本实施例提供一种基于改进显著图局部对比的红外舰船目标检测方法，包括：[0036]步骤s1：获取海上船舰的红外图，对所述红外图进行预处理，以在所述红外图中抑制背景信息。对于海上船舰的红外图采取预处理操作，首先对红外图像进行均值滤波，选用3×3大小的卷积核，则核中每个位置的参数值都为1/9。对图像块使用顺序统计均值滤波器，将子块中的每个像素与其平均值μ进行比较，来进行图像的局部预处理。[0037][0038]式中ip(x,y)表示输入图像的子块区域。此外，它将使图像平滑并将图像像素中的任何噪声或其他信息与背景合并。[0039]对所述红外图进行预处理包括：采用均值滤波对所述红外图进行去噪处理。所述均值滤波对所述红外图进行去噪处理具体包括：选取3×3大小的卷积核，采用顺序统计均值滤波器将所述红外图中的子块区域中当前像素点的像素与其卷积核内的所有像素点的平均值进行对比，[0040]所述均值滤波以使得所述红外图的图像平滑并将所述图像的像素中的所有噪声或其他信息与所述图像的背景合并。[0041]步骤s2：对进行所述预处理后的所述红外图，采用itti模型提取所述海上船舰的亮度信息和方向信息，以得到所述海上船舰在所述红外图中的显著图。[0042]所述提取所述红外图中的的亮度信息具体包括：对所述预处理后的所述红外图进行高斯滤波，得到滤波后的图像，对所述滤波后的图像进行下采样，构建所述海上船舰的灰度高斯金字塔，保留卷积结果图像的偶数行和偶数列的数据，去除奇数行和奇数列的数据。完成图像的下采样，大小分别为输入图像的1/2到1/256。其中，亮度的特征由以下公式得到：[0043]h＝(r+g+b)/3ꢀꢀ(2)[0044]其中：r，g，b分别表示输入图像的红、绿、蓝三个分量。[0045]步骤s2.1：在所述灰度高斯金字塔中，利用周边差操作得到特征图，即将尺度较大的图像和尺度较小的图像进行跨尺度减操作，以得到局部中心和周边背景信息的反差信息。其具体操作为：将代表周边背景信息的较小尺度的图像进行线性插值，使之与代表中心信息的较大尺度的图像具有相同大小，然后进行点对点的减操作。以在所述灰度高斯金字塔中提取得到亮度特征图和方向特征图，其表达式分别为：[0046]i(c,s)＝|i(c)-i(s)|ꢀꢀ(3)[0047]s＝c+σꢀꢀ(4)[0048]o(c,s,θ)＝|o(c,θ)-o(s,θ)|ꢀꢀ(5)[0049]其中，i表示亮度信息特征图集，o表示方向信息特征图集，-表示跨尺度减操作符，c,s分别表示中央大尺度和周边小尺度，c∈(2,3,4)，σ∈(3,4)，θ∈(0°,45°,90°,135°)。所以每个特征通道里可以产生6个尺度对，即{2-5,2-6,3-6,3-7,4-7,4-8}，在每个特征通道可以产生6张中央周边差结果图，所以7个通道共有42张中央周边差图。[0050]步骤s2.2：对所述红外图的亮度特征和方向特征进行归一化处理，采用所述itti模型中的归一化函数n对所述亮度特征图和所述方向特征图进行归一化处理，其具体步骤为：首先对于每幅特征图，将图中的每个像素点的显著值归一化到一个区间[0,m]，其次寻找特征图中的全局最大值m，计算所有其他局部最大值的平均值m；最后对特征图中的每个位置乘以(m-m)2，先对每个特征的不同尺度的特征图进行归一化处理，其公式如下：[0051][0052][0053]其中，i表示归一化处理后的亮度特征图，表示归一化处理后的方向特征图。[0054]步骤s2.3：将所述归一化处理后的所述亮度特征图和所述方向特征图进行加权融合，得到所述显著图s，其表达式为：[0055][0056]步骤s3：对于红外显著图，提出一种改进的局部对比度目标检测方法，该方法利用了目标及其对应背景之间的对比度，从而提高了信噪比。目标与其对应的周围背景之间的局部对比度定义为：[0057]d＝mt-mbꢀꢀ(9)[0058]其中，mt是目标区域的像素灰度均值，mb是相关背景区域的像素灰度均值，分别定义为：[0059][0060][0061]其中，nt是目标区域的像素数，vi是第i个像素的灰度值，nb是背景区域的像素数，vj是第j个像素的灰度值。[0062]步骤s3.1：为目标与其对应的周围背景之间的对比度最大化，提出了改进的局部对比度目标检测算法，所述局部对比算法的定义为：[0063]c＝(maxk∈[1,2,...,k](|dk|)-mink∈[1,2,...,k](|dk|))2ꢀꢀ(12)[0064][0065]其中，c表示改进的局部对比度目标检测算法的参数值，k表示图像中的第k个尺度，dk表示在第k尺度下的局部对比图，|dk|表示dk的绝对值，和分别表示在窗口尺度为第k尺度下的目标区域均值和其周围背景区域的均值。[0066]步骤s3.2：参考图3中(a)图所示，为红外图的原图；参考图3中(b)图所示，为船舰目标检测结果图。[0067]对所述显著图采用局部对比算法，得到改进的局部对比度响应图，采用自适应阈值分隔所述局部对比度响应图中的检测目标，所述阈值θ的表达式为：[0068]θ＝λ+ε×σꢀꢀ(14)[0069]其中，λ表示改进的局部对比度响应图的均值，σ表示改进的局部对比度响应图的方差，ε表示根据经验确定的常值。[0070]综上所述，本实施例通过对于海上船舰的红外图采取预处理操作，采用均值滤波对红外图进行去噪处理，在红外图像中抑制背景信息；利用itti模型提取其亮度以及方向信息，初步得到船舰在红外图中的显著图，使得船只与背景的对比更鲜明；同时，提出一种改进的局部对比算法，充分利用目标与其周围背景之间的对比度，提高图像的信噪比，有效检测红外船舰目标，得到海上船舰红外目标图，解决了红外舰船图像存在边缘模糊、细节信息不清晰的问题，且实现了对海上船舰的高效检测。[0071]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0072]应当注意的是，在本文的实施方式中所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0073]另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。[0074]尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!