一種基于直方圖修正的紅外圖像目標(biāo)檢測方法
【專利摘要】本發(fā)明公開了一種基于直方圖修正的紅外圖像目標(biāo)檢測方法，包括以下步驟：(1)利用原始圖像Forg計算梯度圖像(2)對進(jìn)行非最大值抑制，得到圖像(3)利用進(jìn)行邊緣連接，得到候選目標(biāo)區(qū)域Obj0；(4)統(tǒng)計Obj0的直方圖Histo；(5)設(shè)定Histo的高、低比例系數(shù)，計算高閾值Thigh和低閾值Tlow；(6)根據(jù)Thigh和Tlow將Obj0進(jìn)行修正，得到Obj1；(7)對Obj1進(jìn)行邊緣閉合判斷，計算目標(biāo)位置Pos(x,y)。
【專利說明】一種基于直方圖修正的紅外圖像目標(biāo)檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及紅外圖像處理領(lǐng)域，特別涉及一種適合硬件實時實現(xiàn)的基于直方圖修 正的紅外圖像目標(biāo)檢測方法。

【背景技術(shù)】
[0002] 紅外成像被動式工作，具有隱蔽性好、環(huán)境適應(yīng)性強(qiáng)、對偽裝的識別能力強(qiáng)等優(yōu) 點。近年來，利用紅外探測器對目標(biāo)進(jìn)行檢測在軍用和民用領(lǐng)域得到廣泛的應(yīng)用。
[0003] 在紅外目標(biāo)檢測方面，國內(nèi)外學(xué)者進(jìn)行了大量研究，提出多種有價值的檢測方法。 Zhang Y等人提出采用稀疏光流法計算圖像中興趣點的光流信息實現(xiàn)檢測運(yùn)動目標(biāo)；Liu Z H等人提出一種圖像匹配的方法實現(xiàn)對探測器運(yùn)動補(bǔ)償，使用差分法實現(xiàn)運(yùn)動目標(biāo)檢測； 張強(qiáng)等人提出基于局部極大值的紅外弱小目標(biāo)分割，通過高斯模板對待檢測圖像進(jìn)行增強(qiáng) 處理；李秋華等人采用D-S證據(jù)理論的雙色紅外目標(biāo)融合檢測；王瑩瑩等人采用數(shù)學(xué)形態(tài) 學(xué)和信息熵對紅外目標(biāo)進(jìn)行檢測?，F(xiàn)有的紅外圖像目標(biāo)檢測技術(shù)存在以下缺點：（1)受周 圍環(huán)境的影響大，復(fù)雜背景中目標(biāo)檢測精度不高；（2)目標(biāo)灰度對比度低的前提下，檢測概 率降低；（3)多數(shù)算法需設(shè)定固定閾值，受閾值影響，算法的環(huán)境適應(yīng)性差。


【發(fā)明內(nèi)容】

[0004] 發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于直 方圖修正的紅外圖像目標(biāo)檢測方法。
[0005] 為了解決上述技術(shù)問題，本發(fā)明公開了紅外圖像目標(biāo)檢測方法，包括以下步驟：
[0006] (1)根據(jù)原始圖像FOTg計算梯度圖像，X為圖像列坐標(biāo)，y為圖像行坐標(biāo)；
[0007] (2)對梯度圖像進(jìn)行非最大值抑制，得到圖像灼(1，7);
[0008] (3)根據(jù)圖像內(nèi)Cv，.v)進(jìn)行邊緣連接，得到候選目標(biāo)區(qū)域Objtl ;
[0009] (4)統(tǒng)計候選目標(biāo)區(qū)域Objtl的直方圖Histo ;
[0010] (5)設(shè)定直方圖Histo的高、低比例系數(shù)，計算高閾值Thigh和低閾值T 1ot ;
[0011] (6)根據(jù)高閾值Thigh和低閾值Tlw將候選目標(biāo)區(qū)域Obj tl進(jìn)行修正，得到修正的目 標(biāo)區(qū)域Obj1 ;
[0012] (7)對修正的目標(biāo)區(qū)域Obj1進(jìn)行邊緣閉合判斷，計算目標(biāo)位置Pos (X，y)。
[0013] 本發(fā)明步驟（1)中，使用Roberts算子計算梯度圖像供(L.v)。
[0014] 本發(fā)明基于直方圖修正的紅外圖像目標(biāo)檢測方法中，計算Objtl的統(tǒng)計直方圖 Histo,設(shè)定高比例系數(shù)得到高閾值Thigh，設(shè)定低比例系數(shù)得到低閾值T1ot。
[0015] 步驟（2)中，對梯度圖像舛AJ)進(jìn)行非最大值抑制包括：將梯度方向定義為屬于4 個區(qū)之一，各個區(qū)用不同的鄰近像素進(jìn)行比較，決定局部極大值；4個區(qū)及相應(yīng)的比較方向 如表1所示：
[0016] 表1:
[0017]

【權(quán)利要求】
1. 一種基于直方圖修正的紅外圖像目標(biāo)檢測方法，其特征在于，包括以下步驟： (1)根據(jù)原始圖像FOTg計算梯度圖像p(A.V)，x為圖像列坐標(biāo)，y為圖像行坐標(biāo)； ⑵對梯度圖像舛W)進(jìn)行非最大值抑制，得到圖像外(X，_V); ⑶根據(jù)圖像灼(W)進(jìn)行邊緣連接，得到候選目標(biāo)區(qū)域ObjQ ; (4) 統(tǒng)計候選目標(biāo)區(qū)域ObjQ的直方圖Histo; (5) 設(shè)定直方圖Histo的高、低比例系數(shù)，計算高閾值Thigh和低閾值TlOT ; (6) 根據(jù)高閾值Thigh和低閾值TlOT將候選目標(biāo)區(qū)域Obi進(jìn)行修正，得到修正的目標(biāo)區(qū) 域Obi; (7) 對修正的目標(biāo)區(qū)域Obi進(jìn)行邊緣閉合判斷，計算目標(biāo)位置Pos(x，y)。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟（1)中，使用Roberts算子計算梯度 圖像供0，少）。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟⑵中，對梯度圖像進(jìn)行非最 大值抑制包括：將梯度方向定義為屬于4個區(qū)之一，各個區(qū)用不同的鄰近像素進(jìn)行比較，決 定局部極大值；4個區(qū)及相應(yīng)的比較方向如表1所示： 表1 :
如果中心像素value的像素梯度方向?qū)儆诘?區(qū)，則把value的梯度值與它左上和右 下相鄰像素的梯度值比較，看中心像素value的值是否是最大值；否則，中心像素value的 值置0。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，步驟（3)中，邊緣連接處理是通過設(shè)定兩 個閾值和T2，I\ = 0. 5XT2，把圖像灼(x，y)中小于閾值的像素值設(shè)為0,得到圖像A1， 把圖像灼(U)中小于閾值T2的像素值設(shè)為0,得到圖像A2,執(zhí)行如下步驟： a) 對圖像A2進(jìn)行掃描，遇到非零像素P時，跟蹤以像素P為開始點的輪廓線，直到該輪 廓線的終點像素Q; b) 判斷圖像A1中與圖像A2中像素Q點位置對應(yīng)的像素點Q'的8-鄰近區(qū)域，如果在 像素點Q'的8-鄰近區(qū)域中有任意非零像素R'存在，則將其包括到圖像A2中，作為像素 點R; 從像素點R作為非零像素P，返回步驟301)，直到在圖像A1和圖像A2中無法繼續(xù)為止， 執(zhí)行步驟303); c) 當(dāng)完成對包含非零像素P的輪廓線的連接之后，將這條輪廓線標(biāo)記為已訪問，得到 候選目標(biāo)區(qū)域Obi，在圖像A2中繼續(xù)尋找下一條輪廓線。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，步驟（5)中，計算候選目標(biāo)區(qū)域Obi的統(tǒng) 計直方圖Histo,設(shè)定高比例系數(shù)得到高閾值Thigh，設(shè)定低比例系數(shù)得到低閾值T1ot。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟（6)中，通過將候選目標(biāo)區(qū)域ObjQ中 大于高閾值Thigh的像素值置0,小于低閾值TlOT的像素值置0,完成候選目標(biāo)區(qū)域Obi的修 正，得到修正的目標(biāo)區(qū)域Obi。
7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟（7)中，邊緣閉合判斷計算圖像邊緣 在行、列方向的閉合度，通過閉合度判斷是否為真實目標(biāo)邊緣； 設(shè)定真實目標(biāo)邊緣判定條件為： a) 行、列方向閉合度均大于80% ; b) 列差值Colde。⑴〉T表示第i行為候選目標(biāo)區(qū)域，T是閾值，2 <T彡5 ; 若行、列閉合度均滿足真實目標(biāo)邊緣判定條件，則通過目標(biāo)型心公式計算目標(biāo)位置Pos(x,y) 〇
【文檔編號】G06K9/00GK104408432SQ201410715370
【公開日】2015年3月11日 申請日期:2014年11月28日 優(yōu)先權(quán)日:2014年11月28日
【發(fā)明者】白俊奇, 趙春光, 翟尚禮, 鄭堅, 王壽峰, 張奔, 付乾良, 杜瀚宇 申請人:中國電子科技集團(tuán)公司第二十八研究所