CN108010065A - 低空目标快速检测方法及装置、存储介质及电子终端 - Google Patents
低空目标快速检测方法及装置、存储介质及电子终端 Download PDFInfo
- Publication number
- CN108010065A CN108010065A CN201711085135.2A CN201711085135A CN108010065A CN 108010065 A CN108010065 A CN 108010065A CN 201711085135 A CN201711085135 A CN 201711085135A CN 108010065 A CN108010065 A CN 108010065A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- target
- mrow
- detected
- pattern
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30212—Military
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本公开涉及图像处理技术领域，具体涉及一种低空目标快速检测方法、一种低空目标快速检测装置、一种存储介质以及一种电子终端。所述检测方法包括：获取原始红外图像；对所述原始红外图像进行预处理以获取待检测红外图像；判断当前工作模式是否为凝视模式或全向周扫模式；在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。本公开通过判断光电转台的工作模式，并在不同工作模式时对应采用不同的检测方法提取红外图像中的目标信息，从而实现在凝视模式以及全向周扫模式下均能有效的实现对低空弱小目标的快速检测。
Description
技术领域
本公开涉及图像处理技术领域，具体涉及一种低空目标快速检测方法、一种低空目标快速检测装置、一种存储介质以及一种电子终端。
背景技术
红外远程预警***的侦察对象往往为低空弱小目标，例如：歼击机、直升机或无人机等。目标背景因为存在地面景物而变得复杂，并且目标小且发光发热弱，使得目标与背景的对比度低，检测跟踪难度大。在低空远距离目标的探测过程中，由于目标小，对比度低，再加上目标信息经大气传输，光学***的弥散，设备的跟踪不平稳等因素的影响，会使图像模糊，若没有对图像进行去噪和增强处理，直接应用阈值分割技术往往得不到正确的目标图像。
现有针对弱小目标的检测方法主要包括：基于小波变换法以及全向周扫模式下的多帧序列连续检测法等。但上述的方法均存在一定缺陷。如基于小波变换法需要准确选择小波基和小波空间变换核才能实现小目标的检测；而全向周扫模式下的多帧序列连续检测法由于只能针对二值图像进行检测，而将检测图像二值化会使目标的灰度信息损失严重，不利于充分利用目标的特征。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种低空目标快速检测方法、一种低空目标快速检测装置、一种存储介质以及一种电子终端，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种低空目标快速检测方法，包括：
获取原始红外图像；
对所述原始红外图像进行预处理以获取待检测红外图像；
判断当前工作模式是否为凝视模式或全向周扫模式；
在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
在本公开的一种示例性实施例中，所述对所述原始红外图像进行预处理包括：
对所述原始红外图像按预设大小的滑动窗口进行中值滤波处理。
在本公开的一种示例性实施例中，所述对所述原始红外图像进行预处理还包括：
对中值滤波处理后的原始红外图像进行分段线性灰度增强处理。
在本公开的一种示例性实施例中，在判断工作模式为所述凝视模式时，采用所述第一检测模式进行检测并提取弱小点目标包括：
根据目标先验尺寸设置滑动窗口尺寸；
以所述滑动窗口计算所述待检测红外图像的局部灰度概率统计变量；
根据一第一阈值筛选出局部灰度概率统计变量大于该第一阈值的点；
在所述待检测红外图像以筛选后点为中心按选取预设尺寸建立窗口，并计算各窗口内所述待检测红外图像在各方向上的信息测度；
计算所述窗口内的方向信息测度差异变量，并根据一第二阈值筛选奇异点；
判断所述奇异点是否在连续n帧图像中连续；
在判断所述奇异点在连续n帧图像中连续时，且在相邻帧图像中位移的预设范围内，则判定所述奇异点为所述目标。
在本公开的一种示例性实施例中，在判断工作模式为所述凝视模式时，采用所述第一检测模式进行检测并提取目标包括：
根据目标先验尺寸设置双窗口尺寸；
根据所述双窗口计算所述待检测红外图像的分形曲线面积差；
根据所述待检测红外图像的分形曲线面积差，选取阈值对所述待检测红外图像进行二值化分割处理，获取目标。
在本公开的一种示例性实施例中，所述计算待检测红外图像的分形曲线面积差包括：
在所述待检测红外图像上由左上角开始，分别沿水平、垂直方向以预设步长滑动窗口，以双窗口度量方法计算分形曲线面积差：
D(Δx)＝E[|F(x+Δx)-F(x)|]；
其中，X为目标待检测区域，Y为以X为中心的外窗口，Y-X为背景，D(Δx)为测度值，F(x)为分数布朗随机场。
在本公开的一种示例性实施例中，在判断工作模式为所述全向周扫时，采用所述第二检测模式进行检测并提取目标包括：
获取连续的n帧所述待检测红外图像并建立背景图像；
将当前帧待检测红外图像与所述背景图像进行差分运算以便于获取包含候选目标的红外图像；
对所述包含候选目标的红外图像进行二值化分割，以获取包含候选目标的二值图像；
判断所述候选目标是否在连续n帧图像中连续；
在判断所述候选目标在连续n帧图像中连续，且在相邻帧图像中位移的预设范围内，则判定所述候选目标为所述目标。
在本公开的一种示例性实施例中，所述获取连续的n帧所述待检测红外图像并建立背景图像包括：
以获取的连续多帧所述待检测红外图像的首帧为初始化背景并对其进行背景更新：
Bn+1(x,y)＝(1-α)·Bn(x,y)+α·Cn(x,y)；
其中，Bn为当前帧背景图像，Bn+1为下一帧的背景图像，Cn为当前输入图像，α为常数。
在本公开的一种示例性实施例中，对所述包含候选目标的红外图像进行二值化分割包括：
采用自适应阈值对包含目标的红外图像进行二值化分割，包括：
其中，C为当前像素；Pi是C的8邻域像素。
根据本公开的第二方面，提供一种低空目标快速检测***，包括：
图像获取模块，用于获取原始红外图像；
图像预处理模块，用于对所述原始红外图像进行预处理以获取待检测红外图像；
模式判断模块，用于判断当前工作模式是否为凝视模式或全向周扫模式；
检测执行模块，用于在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
根据本公开的第三方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的低空目标快速检测方法。
根据本公开的第四方面，提供一种电子终端，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行以下操作：
获取原始红外图像；
对所述原始红外图像进行预处理以获取待检测红外图像；
判断当前工作模式是否为凝视模式或全向周扫模式；
在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
本公开的一种实施例所提供的低空目标快速检测方法中，通过判断光电转台的工作模式，并在不同工作模式时对应采用不同的检测方法提取红外图像中的目标信息，从而实现在凝视模式以及全向周扫模式下均能有效的实现对低空弱小目标的快速检测。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。
图1示意性示出本公开示例性实施例中一种低空目标快速检测方法示意图；
图2示意性示出本公开示例性实施例中一种预处理方法示意图；
图3示意性示出本公开示例性实施例中一种低空目标快速检测方法流程示意图；
图4示意性示出本公开示例性实施例中一种低空目标快速检测装置的组成示意图；
图5示意性示出本公开示例性实施例中一种低空目标快速检测装置的另一种示意图；
图6示意性示出本公开示例性实施例中一种低空目标快速检测装置的再一种示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了一种低空目标快速检测方法，可以应用于对侦测距离较远、跟踪目标成像对比度低以及跟踪目标成像尺寸小的目标进行快速检测，即实现对低空弱小目标的快速检测。例如，可以应用于陆军红外远程预警探测***中对固定翼飞机、直升机、无人机、巡航导弹等目标的探测、跟踪及预警。参考图1中所示，上述的低空目标快速检测方法可以包括以下步骤：
S1，获取原始红外图像；
S2，对所述原始红外图像进行预处理以获取待检测红外图像；
S3，判断当前工作模式是否为凝视模式或全向周扫模式；
S4，在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
本示例实施方式所提供的低空目标快速检测方法中，通过判断光电转台的工作模式，并在不同工作模式时对应采用的检测方法提取红外图像中的目标信息，从而实现在凝视模式以及全向周扫模式下均能有效的实现对低空弱小目标的快速检测。
下面，将结合附图及实施例对本示例实施方式中的低空目标快速检测方法的各个步骤进行更详细的说明。
步骤S1，获取原始红外图像。
本示例实施方式中，上述的快速检测方法在开始检测目标时，通过红外热像仪对场景成像，获取原始红外图像，在凝视模式或全向周扫模式下对每一帧图像进行实时目标检测。在本公开的其他示例性实施方式中，也可以通过其他方式获取所述原始红外图像，本公开对所述原始红外图像的获取方式不作特殊限定。
S2，对所述原始红外图像进行预处理以获取待检测红外图像；
在本示例性实施例中，参考图2所示，预处理可以包括去噪处理及灰度增强处理，具体包括：
S21，对所述原始红外图像按预设大小的滑动窗口进行中值滤波处理。
S22，对中值滤波处理后的原始红外图像进行分段线性灰度增强处理。
举例而言，在去噪处理时，可以在原始红外图像上采用一个含有奇数个点的滑动窗口，用窗口中各点灰度值的中值来代替中心点的灰度值，完成对红外图像的去噪处理。例如，设置所述滑动窗口的大小为3*3或5*5。
另外，所述灰度增强处理可以包括：
对去噪处理后的所述原始红外图像进行分段线性灰度增强处理，包括：
其中，f(x，y)为输入图像，其灰度等级为灰度为0～M级；g(x，y)为输出图像，其灰度等级为灰度为0～N级；a、b、c、d为分别为常数。
步骤S3，判断当前工作模式是否为凝视模式或全向周扫模式。
在本示例性实施例中，参考图3所示，在对原始红外图像预处理后，可以首先对光电转台的工作模式进行判断，然后根据不同的工作模式采用对应的检测方法对待检测红外图像进行目标提取。
S4，在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
在本示例性实施例中，参考图3所示，在判断当前工作模式为凝视模式时，可以根据目标的先验尺寸对所述红外图像中是弱小点目标或弱小面目标进行判断，然后可以采用不同策略的第一检测模式对待检测红外图像中的弱小点目标及弱小面目标进行检测和目标提取。
具体来说，在根据目标先验尺寸判断为弱小点目标时，所述的第一检测方法具体可以包括：
S41-1，根据目标先验尺寸设置滑动窗口尺寸。
S41-2，以所述滑动窗口计算所述待检测红外图像的局部灰度概率统计变量：
其中，p∑(m,n)为局部灰度概率统计变量，pij(m,n)为任意点f(i+m，j+n)(m,n＝-r,-(r+1)，…，0，…，r-1，r)的灰度值占窗口内总灰度值的比率。
在本示例性实施例中，上述的滑动窗口尺寸可以为3*3、5*5或其他尺寸。通过滑动窗口的方式计算所述待检测红外图像的局部灰度概率统计变量的值。
S41-3，根据一第一阈值T1筛选出局部灰度概率统计变量大于该第一阈值T1的点；所述第一阈值T1定义如下：
其中，σ2为待检测红外图像的均方差；Imax为待检测红外图像的最大像素值，一般情况下可取255；SNR为检测红外图像的信噪比；r为窗口大小。
在本示例性实施例中，可以将采用第一阈值T1对局部灰度概率统计变量进行处理，高于第一阈值T1的统计变量的值保留，低于第一阈值T1的统计变量的值剔除清零。
S41-4，在所述待检测红外图像以筛选后点为中心按选取预设尺寸建立窗口，并计算各窗口内所述待检测红外图像在各方向上的信息测度：
其中，xij为坐标点(i，j)的像素灰度值，Sθ1、Sθ2为过中心点(i，j)、角度为θ的一条直线将邻域R分成的两部分。
经上述处理后，有很少一部分点的局部灰度概率统计变量的值不为0。可以以这些点为中心，在待检测红外图像上开窗口，利用上述的图像方向信息测度算法计算窗口内图像的各个方向上的信息测度Mij。
S41-5，计算所述窗口内的方向信息测度差异变量Tdif，并根据一第二阈值T2筛选奇异点；其中：
在获取各窗口内在所述待检测红外图像在各个方向上的信息测度Mij后，可以计算方向信息测度差异变量Tdif。例如，可以设置第二阈值T2为0.6。如果Tdif大于0.6，则窗口中心点为边缘点，可以剔除；Tdif小于0.6为奇异点，则可以予以保留。
S41-6，判断所述奇异点是否在连续n帧图像中连续；
S41-7，在判断所述奇异点在连续n帧图像中连续时，且在相邻帧图像中位移的预设范围内，则判定所述奇异点为弱小点目标。
在本示例实施方式中，如果目标在连续的n帧红外图像内均存在，则可以考察目标在连续两帧红外图像中的位置。例如，若目标在第二帧红外图像中的位置为在当前帧红外图像中目标位置的8邻域内，这种情况在连续n帧内出现的概率大于等于n-t；即目标在相邻帧图像中的位置变化小于一预设值，则可认为该目标为正确目标；否则可以作为伪目标剔除。其中，n、t均为正整数。
n和t可以根据图像复杂程度确定，图像越复杂，则可以设置n、t越大，反之亦然。例如，可以设置n＝6，t＝2。因为红外弱小点目标一般只占1～3个像素，其移动速度一般小于1像素/帧，会在邻域内连续出现，而噪声点是随机出现的，不可能在某邻域内持续出现。
在凝视模式下，分析目标的几何特征和运动特征判断目标尺寸。在根据先验尺寸判断为点目标时，通过计算待检测红外图像的局部灰度概率统计变量，并根据第一阈值对其进行筛选；然后计算所述待检测红外图像在各方向上的信息测度，再计算出方向信息测度差异变量，实现点目标的分离。并且通过在当前帧红外图像上检测目标，并通过连续的多帧红外图像对其进行确认，从而实现对目标的“单帧检测、多帧确认”，进而可以快速、准确的检测出红外图像中的弱小点目标。
此外，本示例实施方式中，在通过目标先验尺寸判断为弱小面目标时，上述的应用第一检测模式进行检测并提取弱小面目标可以包括：
S42-1，根据目标先验尺寸设置双窗口尺寸。
S42-2，根据所述双窗口计算所述待检测红外图像的分形曲线面积差。
在本示例性实施方式中，可以根据目标先验尺寸信息设置双窗口尺寸大小，例如设置双窗口尺寸为3*3；并计算所述待检测红外图像的分形曲线面积差。
在所述待检测红外图像上由左上角开始，分别沿水平、垂直方向以预设步长滑动窗口，并按双窗口度量方法计算分形曲线面积差：
D(Δx)＝E[|F(x+Δx)-F(x)|]；
其中，X为目标待检测区域，Y为以X为中心的外窗口，Y-X为背景，D(Δx)为测度值，F(x)为分数布朗随机场。
S42-3，根据所述待检测红外图像的分形曲线面积差，选取阈值对所述待检测红外图像进行二值化分割处理，检测目标区域。
根据图像的分形曲线面积差结果，可以采取双阈值比较选取方法选取适当阈值，并根据该阈值对图像进行二值化分割，检测出目标区域。
具体来说，上述的采取双阈值比较方法可以包括：在计算获取双阈值后，可以选取两个值中最大的一个作为阈值。并将待检测图像中小于阈值的像素置为0，大于等于阈值的置为255，从而实现图像的二值分割。然后，可以通过一预设大小的窗口遍历待检测图像，从而获取目标。
其中，上述双阈值比较选取方法可以通过下式计算：
T＝max{T1，T2}；
T1＝m+k1·σ；
T2＝k2+ΔSmax；
其中，m为图像分形曲线面积差的均值，σ为图像分形面积差的方差；ΔSmax为图像分形曲线面积差最大值；k1取值3～10，k2取值0.8～1。
当然，在本公开的其他示例性实施例中，通过上述的第一检测模式获取待检测红外图像中的弱小面目标后，也可以通过步骤S41-6、步骤S41-7所述的方法对目标的正确性进行判断，从而提高目标的检测精度。
在凝视模式下，在判断为弱小面目标时，首先计算所述待检测红外图像的分形曲线面积差；然后根据所述待检测红外图像的分形曲线面积差，选取阈值对所述待检测红外图像进行二值化分割处理，抑制空中云层背景、远距离空海和空地背景，对空背景中低对比度条件下的面目标进行自动检测。本公开所提供的第一检测方法不仅能检测相对静止的目标，也能检测快速运动的目标。同时，通过由此构造的多帧检测方法可以进一步提高检测性能。
在本公开的其他示例性实施例中，所述步骤S4还包括：在判断工作模式为所述全向周扫时，采用所述第二检测模式进行检测并提取目标，具体可以包括：
步骤S43-1，获取连续的多帧所述待检测红外图像，根据该连续的多帧所述待检测红外图像建立具有特定统计特性的背景图像，包括：
以获取的连续的多帧所述待检测红外图像的首帧为初始化背景并对其进行背景更新：
Bn+1(x,y)＝(1-α)·Bn(x,y)+α·Cn(x,y)；
其中，Bn为当前帧背景图像，Bn+1为下一帧的背景图像，Cn为当前输入图像，α为常数。
步骤S43-2，将当前帧待检测红外图像与所述背景图像进行差分运算，以便于获取包含候选目标区域的红外图像。
举例而言，上述的差分运算可以通过下式获取：
ΔB＝Cn-Bn；
其中，Cn为当前图像，Bn为背景图像，n＝1，2，3...k。
步骤S43-3，对所述包含候选目标区域的红外图像采用自适应阈值对目标图像进行二值化分割，获取包含候选目标的二值图像。
经过上述处理后，由于红外图像整体灰度很低，此时无法采用固定的阈值对图像进行二值化处理，所以采用自适应阈值对包含目标的红外图像进行二值化分割，获得目标的二值图像。在恒虚警的前提下，设定自适应阈值。其中，所述自适应阈值可以通过下式计算：
其中，C为当前像素，Pi为C的8邻域像素。
步骤S43-3，判断所述候选目标是否在连续n帧图像中连续；
步骤S43-4，在判断所述候选目标在连续n帧图像中连续，且在相邻帧图像中位移的预设范围内，则判定所述候选目标为所述目标。
在全向周扫模式下，通过利用多帧红外图像建立具有特定统计特征的背景图像，并利用背景图像对当前帧的实时图像进行背景抑制，从而达到突出目标的目的；进而在全向周扫模式下可以快速、准确的获取目标。
本公开所提供的目标检测方法，能够结合目标航迹和目标特征信息，对检测出的多个潜在目标进行分析，剔除虚警和干扰。从而在给定的虚警率下，实现对多个目标的正确捕获和稳定跟踪。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
进一步的，参考图4所示，本示例的实施方式中还提供低空目标快速检测***2，包括：图像获取模块21、图像预处理模块22、模式判断模块23以及检测执行模块。其中：
所述图像获取模块21可以用于获取原始红外图像。
所述图像预处理模块22可以用于对所述原始红外图像进行预处理以获取待检测红外图像。
所述模式判断模块23可以用于判断当前工作模式是否为凝视模式或全向周扫模式。
所述检测执行模块24可以用于在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
上述的低空目标快速检测***中各模块的具体细节已经在对应的低空目标快速检测方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S1：获取原始红外图像；步骤S2：对所述原始红外图像进行预处理以获取待检测红外图像；步骤S3：判断当前工作模式是否为凝视模式或全向周扫模式；步骤S4：在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (12)
1.一种低空目标快速检测方法，其特征在于，包括：
获取原始红外图像；
对所述原始红外图像进行预处理以获取待检测红外图像；
判断当前工作模式是否为凝视模式或全向周扫模式；
在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
2.根据权利要求1所述的低空目标快速检测方法，其特征在于，所述对所述原始红外图像进行预处理包括：
对所述原始红外图像按预设大小的滑动窗口进行中值滤波处理。
3.根据权利要求2所述的低空目标快速检测方法，其特征在于，所述对所述原始红外图像进行预处理还包括：
对中值滤波处理后的原始红外图像进行分段线性灰度增强处理。
4.根据权利要求1所述的低空目标快速检测方法，其特征在于，在判断工作模式为所述凝视模式时，采用所述第一检测模式进行检测并提取目标包括：
根据目标先验尺寸设置滑动窗口尺寸；
以所述滑动窗口计算所述待检测红外图像的局部灰度概率统计变量；
根据一第一阈值筛选出局部灰度概率统计变量大于该第一阈值的点；
在所述待检测红外图像以筛选后点为中心按选取预设尺寸建立窗口，并计算各窗口内所述待检测红外图像在各方向上的信息测度；
计算所述窗口内的方向信息测度差异变量，并根据一第二阈值筛选奇异点；
判断所述奇异点是否在连续n帧图像中连续；
在判断所述奇异点在连续n帧图像中连续时，且在相邻帧图像中位移的预设范围内，则判定所述奇异点为所述目标。
5.根据权利要求1所述的低空目标快速检测方法，其特征在于，在判断工作模式为所述凝视模式时，采用所述第一检测模式进行检测并提取目标包括：
根据目标先验尺寸设置双窗口尺寸；
根据所述双窗口计算所述待检测红外图像的分形曲线面积差；
根据所述待检测红外图像的分形曲线面积差，选取阈值对所述待检测红外图像进行二值化分割处理，获取目标。
6.根据权利要求5所述的低空目标快速检测方法，其特征在于，所述计算待检测红外图像的分形曲线面积差包括：
在所述待检测红外图像上由左上角开始，分别沿水平、垂直方向以预设步长滑动窗口，以双窗口度量方法计算分形曲线面积差：
<mrow>
<mi>&Delta;</mi>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<mi>ln</mi>
<mi> </mi>
<msub>
<mi>D</mi>
<mi>Y</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>ln</mi>
<mi> </mi>
<msub>
<mi>D</mi>
<mrow>
<mi>Y</mi>
<mo>-</mo>
<mi>X</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>+</mo>
<mo>&lsqb;</mo>
<mi>ln</mi>
<mi> </mi>
<msub>
<mi>D</mi>
<mi>Y</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>ln</mi>
<mi> </mi>
<msub>
<mi>D</mi>
<mrow>
<mi>Y</mi>
<mo>-</mo>
<mi>X</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</mfrac>
<mo>;</mo>
</mrow>
D(Δx)＝E[|F(x+Δx)-F(x)|]；
其中，X为目标待检测区域，Y为以X为中心的外窗口，Y-X为背景，D(Δx)为测度值，F(x)为分数布朗随机场。
7.根据权利要求1所述的低空目标快速检测方法，其特征在于，在判断工作模式为所述全向周扫时，采用所述第二检测模式进行检测并提取目标包括：
获取连续的n帧所述待检测红外图像并建立背景图像；
将当前帧待检测红外图像与所述背景图像进行差分运算以便于获取包含候选目标的红外图像；
对所述包含候选目标的红外图像进行二值化分割，以获取包含候选目标的二值图像；
判断所述候选目标是否在连续n帧图像中连续；
在判断所述候选目标在连续n帧图像中连续，且在相邻帧图像中位移的预设范围内，则判定所述候选目标为所述目标。
8.根据权利要求7所述的低空目标快速检测方法，其特征在于，所述获取连续的n帧所述待检测红外图像并建立背景图像包括：
以获取的连续多帧所述待检测红外图像的首帧为初始化背景并对其进行背景更新：
Bn+1(x,y)＝(1-α)·Bn(x,y)+α·Cn(x,y)；
其中，Bn为当前帧背景图像，Bn+1为下一帧的背景图像，Cn为当前输入图像，α为常数。
9.根据权利要求7所述的低空目标快速检测方法，其特征在于，对所述包含候选目标的红外图像进行二值化分割包括：
采用自适应阈值对包含目标的红外图像进行二值化分割，包括：
<mrow>
<mi>T</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>8</mn>
</munderover>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
<mn>8</mn>
</mfrac>
<mo>;</mo>
</mrow>
其中，C为当前像素；Pi是C的8邻域像素。
10.一种低空目标快速检测***，其特征在于，包括：
图像获取模块，用于获取原始红外图像；
图像预处理模块，用于对所述原始红外图像进行预处理以获取待检测红外图像；
模式判断模块，用于判断当前工作模式是否为凝视模式或全向周扫模式；
检测执行模块，用于在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
11.一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至9中任一项所述的低空目标快速检测方法。
12.一种电子终端，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行以下操作：
获取原始红外图像；
对所述原始红外图像进行预处理以获取待检测红外图像；
判断当前工作模式是否为凝视模式或全向周扫模式；
在判断当前工作模式为凝视模式或全向周扫模式时，采用对应的第一检测模式或第二检测模式对所述红外图像进行检测并提取目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711085135.2A CN108010065A (zh) | 2017-11-07 | 2017-11-07 | 低空目标快速检测方法及装置、存储介质及电子终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711085135.2A CN108010065A (zh) | 2017-11-07 | 2017-11-07 | 低空目标快速检测方法及装置、存储介质及电子终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108010065A true CN108010065A (zh) | 2018-05-08 |
Family
ID=62051364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711085135.2A Pending CN108010065A (zh) | 2017-11-07 | 2017-11-07 | 低空目标快速检测方法及装置、存储介质及电子终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108010065A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109541711A (zh) * | 2018-11-15 | 2019-03-29 | 北京遥感设备研究所 | 一种基于凝视红外的无人机告警***及方法 |
| CN109659020A (zh) * | 2018-12-20 | 2019-04-19 | 上海联影医疗科技有限公司 | 医学影像设备干涉检查方法、医学影像设备和存储介质 |
| CN110751120A (zh) * | 2019-10-28 | 2020-02-04 | 杭州宇泛智能科技有限公司 | 一种检测方法、装置及电子设备 |
| CN111429479A (zh) * | 2020-03-26 | 2020-07-17 | 中国科学院长春光学精密机械与物理研究所 | 基于图像积分均值的空间目标识别方法 |
| CN111862149A (zh) * | 2020-06-16 | 2020-10-30 | 北京九州天航科技发展有限公司 | 一种红外周扫预警***的运动告警方法及*** |
| CN113741505A (zh) * | 2021-11-03 | 2021-12-03 | 武汉高德红外股份有限公司 | 基于运动估计自动抬层的红外搜索跟踪方法、设备及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700116A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
| CN104166975A (zh) * | 2013-05-17 | 2014-11-26 | 中国航天科工集团第二研究院二〇七所 | 一种复杂环境下低空红外目标检测算法 |
| CN104299229A (zh) * | 2014-09-23 | 2015-01-21 | 西安电子科技大学 | 一种基于时空域背景抑制的红外弱小目标检测方法 |
-
2017
- 2017-11-07 CN CN201711085135.2A patent/CN108010065A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700116A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
| CN104166975A (zh) * | 2013-05-17 | 2014-11-26 | 中国航天科工集团第二研究院二〇七所 | 一种复杂环境下低空红外目标检测算法 |
| CN104299229A (zh) * | 2014-09-23 | 2015-01-21 | 西安电子科技大学 | 一种基于时空域背景抑制的红外弱小目标检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 姜锦锋: "红外图像的目标检测、识别与跟踪技术研究", 《中国优秀硕士学位论文全文数据库》 * |
| 王勋等: "一种新的基于局部特征统计的小目标检测方法", 《计算机工程》 * |
| 王阿妮等: "序列图像中运动目标的自动提取方法", 《光子学报》 * |
| 郭同健等: "云背景下红外小目标检测的分形方法", 《激光与红外》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109541711A (zh) * | 2018-11-15 | 2019-03-29 | 北京遥感设备研究所 | 一种基于凝视红外的无人机告警***及方法 |
| CN109659020A (zh) * | 2018-12-20 | 2019-04-19 | 上海联影医疗科技有限公司 | 医学影像设备干涉检查方法、医学影像设备和存储介质 |
| CN109659020B (zh) * | 2018-12-20 | 2022-12-16 | 上海联影医疗科技股份有限公司 | 医学影像设备干涉检查方法、医学影像设备和存储介质 |
| CN110751120A (zh) * | 2019-10-28 | 2020-02-04 | 杭州宇泛智能科技有限公司 | 一种检测方法、装置及电子设备 |
| CN111429479A (zh) * | 2020-03-26 | 2020-07-17 | 中国科学院长春光学精密机械与物理研究所 | 基于图像积分均值的空间目标识别方法 |
| CN111429479B (zh) * | 2020-03-26 | 2022-10-11 | 中国科学院长春光学精密机械与物理研究所 | 基于图像积分均值的空间目标识别方法 |
| CN111862149A (zh) * | 2020-06-16 | 2020-10-30 | 北京九州天航科技发展有限公司 | 一种红外周扫预警***的运动告警方法及*** |
| CN113741505A (zh) * | 2021-11-03 | 2021-12-03 | 武汉高德红外股份有限公司 | 基于运动估计自动抬层的红外搜索跟踪方法、设备及*** |
| CN113741505B (zh) * | 2021-11-03 | 2022-03-22 | 武汉高德红外股份有限公司 | 基于运动估计自动抬层的红外搜索跟踪方法、设备及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240203139A1 (en) | Systems and methods for depth map sampling | |
| CN108010065A (zh) | 低空目标快速检测方法及装置、存储介质及电子终端 | |
| US10210286B1 (en) | Systems and methods for detecting curbs in three-dimensional point clouds descriptive of streets | |
| CN111222395B (zh) | 目标检测方法、装置与电子设备 | |
| CN109035304B (zh) | 目标跟踪方法、介质、计算设备和装置 | |
| CN108596108B (zh) | 基于三元组语义关系学习的航拍遥感图像变化检测方法 | |
| US8861853B2 (en) | Feature-amount calculation apparatus, feature-amount calculation method, and program | |
| CN110264495B (zh) | 一种目标跟踪方法及装置 | |
| EP3073443B1 (en) | 3d saliency map | |
| CN109919862B (zh) | 雷达图像去噪***、方法及计算机设备 | |
| CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
| CN114926747A (zh) | 一种基于多特征聚合与交互的遥感图像定向目标检测方法 | |
| CN111213154A (zh) | 一种车道线检测方法、设备、移动平台及存储介质 | |
| WO2024060978A1 (zh) | 关键点检测模型训练及虚拟角色驱动的方法和装置 | |
| CN103985106A (zh) | 用于对强噪声图像进行多帧融合的设备和方法 | |
| CN114169425B (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
| CN116978009A (zh) | 基于4d毫米波雷达的动态物体滤除方法 | |
| CN116194951A (zh) | 用于基于立体视觉的3d对象检测与分割的方法和装置 | |
| Li et al. | Vehicle object detection based on rgb-camera and radar sensor fusion | |
| US20240096094A1 (en) | Multi-view visual data damage detection | |
| CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
| CN109658523A (zh) | 利用ar增强现实应用实现车辆各功能使用说明的方法 | |
| CN116823884A (zh) | 多目标跟踪方法、***、计算机设备及存储介质 | |
| CN112651351B (zh) | 一种数据处理的方法和装置 | |
| CN112133100B (zh) | 一种基于r-cnn的车辆检测方法 |
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: 20180508 |
|
| RJ01 | Rejection of invention patent application after publication |