基于無(wú)人平臺(tái)的多波段融合探測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，將無(wú)人平臺(tái)上獲取的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行空間配準(zhǔn)，再對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行預(yù)處理，將所述預(yù)處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖像融合，最后，對(duì)融合后的圖像序列進(jìn)行多弱小目標(biāo)檢測(cè)處理，輸出目標(biāo)的狀態(tài)數(shù)據(jù)和數(shù)目信息。本發(fā)明采用紅外和光學(xué)圖像融合技術(shù)，實(shí)現(xiàn)對(duì)目標(biāo)的精確檢測(cè)。解決了無(wú)人機(jī)平臺(tái)成像質(zhì)量差，單一紅外探測(cè)器分辨率低、不利于目標(biāo)準(zhǔn)確識(shí)別的缺點(diǎn)，且算法優(yōu)于傳統(tǒng)的目標(biāo)檢測(cè)算法，對(duì)目標(biāo)的探測(cè)和識(shí)別更加容易，能夠?qū)Ψ烙到y(tǒng)和對(duì)抗系統(tǒng)提供目標(biāo)的準(zhǔn)確指示，可廣泛應(yīng)用于各類復(fù)雜背景的弱小目標(biāo)準(zhǔn)確檢測(cè)系統(tǒng)中。
【專利說(shuō)明】
基于無(wú)人平臺(tái)的多波段融合探測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于紅外和光學(xué)圖像處理及目標(biāo)融合探測(cè)技術(shù)領(lǐng)域，具體涉及一種基于無(wú) 人平臺(tái)的多波段融合探測(cè)方法。
【背景技術(shù)】
[0002] 無(wú)人平臺(tái)是指無(wú)人駕駛的、完全按遙控操作或者按預(yù)編程序自主運(yùn)作的、攜帶武 器進(jìn)行一定任務(wù)的一類平臺(tái)，它包括無(wú)人作戰(zhàn)機(jī)、無(wú)人水面艇、無(wú)人潛航器和無(wú)人地面平臺(tái) 以及包括魚(yú)雷、機(jī)動(dòng)水雷、彈道導(dǎo)彈和巡航導(dǎo)彈等武器系統(tǒng)。因其具有風(fēng)險(xiǎn)小、低價(jià)低、適用 于偵查云層下或隱蔽的目標(biāo)、適用于長(zhǎng)時(shí)間"盯梢"監(jiān)視、偵查、預(yù)警、穩(wěn)瞄、火控和打擊評(píng)估 等獨(dú)特優(yōu)勢(shì)，一直備受關(guān)注。目前無(wú)人機(jī)成像傳感器可以獲取可見(jiàn)光圖像、紅外圖像、多光 譜圖像等類型圖像。
[0003]由于目標(biāo)輻射特性、光照、氣候等條件的影響，單一波段傳感器拍攝的圖像會(huì)受到 一定的影響導(dǎo)致目標(biāo)的誤判，無(wú)法滿足實(shí)際應(yīng)用需求。伴隨成像傳感器技術(shù)的成熟，多波段 成像傳感器應(yīng)運(yùn)而生，多波段成像傳感器可以通過(guò)融合技術(shù)將復(fù)雜、多變的數(shù)據(jù)處理成更 可靠、更全面的數(shù)據(jù)。多波段傳感器的成像原理有時(shí)不盡相同，如可見(jiàn)光成像與紅外成像。 可見(jiàn)光成像傳感器利用的是光反射原理，拍攝得到彩色的細(xì)節(jié)清晰的圖像，但是在能見(jiàn)度 較低的條件下，獲得的圖像效果有局限性;紅外成像傳感器利用的是熱輻射原理，獲得的圖 像紅外目標(biāo)亮度大，但是目標(biāo)不清晰、邊緣模糊。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明的主要目的在于提供一種基于無(wú)人平臺(tái)的多波段融合探測(cè)方 法。
[0005] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0006] 本發(fā)明實(shí)施例提供一種基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，該方法為:將無(wú)人 平臺(tái)上獲取的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行空間配準(zhǔn)，再對(duì)配準(zhǔn)好的紅外圖像序列 和可見(jiàn)光圖像序列進(jìn)行預(yù)處理，將所述預(yù)處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖 像融合，最后，對(duì)融合后的圖像序列進(jìn)行多弱小目標(biāo)檢測(cè)處理，輸出目標(biāo)的狀態(tài)數(shù)據(jù)和數(shù)目 信息。
[0007] 上述方案中，所述對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行預(yù)處理為：基 于統(tǒng)計(jì)濾波對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行平滑去噪。
[0008] 上述方案中，所述對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行預(yù)處理，具體 通過(guò)以下步驟實(shí)現(xiàn)：
[0009] 步驟2-1:在給定像素 x(i，j)的鄰域窗S內(nèi)，求出所有像素的平均值μ和方差σ2;
[0010] 步驟2-2:基于簡(jiǎn)單統(tǒng)計(jì)法的閾值選取，如（1)式所示。
[0012]其中e(x，y)為ex、ey中最大絕對(duì)值，g( x，y)為像素點(diǎn)的灰度值。ex7jC平方向的灰度 差值如⑵式:ex=g(x_l，y)_g(x+l，y)，ey為垂直方向的灰度差值如⑶式:e y = g(x，y-l)_g (x，y+l)，e(x，y)為水平和垂直方向最大的灰度差值；
[0013]步驟2-3:通過(guò)給定閾值T求出S窗口的像素 s(i，j)表達(dá)式，如(4)式所示。
[0015] 式中是像素 s(i，j)為鄰域窗S內(nèi)像素 x(i，j)的濾波后的數(shù)值，μ為鄰域窗S內(nèi)所有 像素的平均值，σ2為鄰域窗S內(nèi)所有像素的方差。
[0016] 上述方案中，將所述預(yù)處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖像融合， 具體為:將可見(jiàn)光圖像序列由RGB空間變換到HSI空間，提取亮度分量I，即灰度圖像序列;對(duì) 配準(zhǔn)好的紅外圖像序列和灰度圖像序列進(jìn)行多尺度變換，獲得邊緣圖像序列和不同尺度下 的紋理圖像序列;根據(jù)不同的融合策略分別對(duì)所述邊緣圖像序列和紋理圖像序列進(jìn)行融合 處理，最后根據(jù)多尺度逆變換對(duì)融合后的圖像進(jìn)行圖像重構(gòu)，獲得可見(jiàn)光圖像序列和紅外 圖像序列融合后的圖像序列，即為最終融合圖像序列。
[0017] 上述方案中，所述邊緣圖像序列采用區(qū)域能量法進(jìn)行融合，具體為:低頻系數(shù)矩陣 中以某像素點(diǎn)P( i，j)為中心的區(qū)域大小為L(zhǎng)X W的能量大小定義為
[0019]其中，f(i+m，j+η)為圖像的亮度信息，4pn的變化在L和W之內(nèi)，融合規(guī)則為
[0021]其中，CP(i，j)表示像素點(diǎn)p(i，j)處的低頻變換系數(shù)，fA(i，j)表示灰度圖像序列A 的邊緣圖像像素點(diǎn)P(i，j)處的亮度信息，fB(i，j)表示紅外圖像序列B的邊緣圖像像素點(diǎn)p (i，j)處的亮度信息，Ea( i，j)表示灰度圖像序列A的邊緣圖像L X W區(qū)域能量，Eb(i，j)表示紅 外圖像序列B的邊緣圖像LXW區(qū)域能量，計(jì)算采用的區(qū)域大小為3X3。
[0022]上述方案中，所述紋理圖像序列采用基于Canny算子的區(qū)域方差法進(jìn)行圖像融合， 具體為:對(duì)灰度圖像序列A的紋理圖像和紅外圖像序列B的紋理圖像分別取一個(gè)RXS大小的 窗口，μ表示窗口區(qū)域方差均值;按照式(7)和式(8)計(jì)算兩個(gè)窗口的局部方差，H Al(x，y)、HBl (x，y)分別表示灰度圖像序列A的紋理圖像和紅外圖像序列B的紋理圖像的高頻系數(shù);i = l， 2,3分別表示水平方向、垂直方向及對(duì)角線方向的系數(shù)?；叶葓D像序列A的紋理圖像和紅外 圖像序列B的紋理圖像分解尺度為Q n，在各個(gè)方向上的局部方差仏必(U)、(U)可 表示為：

[0027]對(duì)于融合后圖像的高頻系數(shù)拖心，7)，當(dāng)11>￥2，拖心，7)=取心，7);反之，版（1， y) = Hbi ( x , y) ο
[0028] 上述方案中，所述對(duì)融合后的圖像序列進(jìn)行多弱小目標(biāo)檢測(cè)處理，輸出目標(biāo)的狀 態(tài)數(shù)據(jù)和數(shù)目信息，具體為:對(duì)融合后的圖像序列進(jìn)行改進(jìn)的四階偏微分處理，獲得背景抑 制、目標(biāo)增強(qiáng)后的圖像序列；然后根據(jù)數(shù)理統(tǒng)計(jì)原理確定融合圖像序列中的目標(biāo)與背景的 決策邊界、自適應(yīng)決策邊界系數(shù)和分塊數(shù)目，最后對(duì)背景抑制、目標(biāo)增強(qiáng)后的圖像序列進(jìn)行 分塊自適應(yīng)決策邊界分割處理，以提取融合圖像序列中候選目標(biāo)的位置信息及數(shù)目信息。
[0029] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：
[0030] 本發(fā)明采用紅外和光學(xué)圖像融合技術(shù)，實(shí)現(xiàn)對(duì)目標(biāo)的精確檢測(cè)。解決了無(wú)人機(jī)平 臺(tái)成像質(zhì)量差，單一紅外探測(cè)器分辨率低、不利于目標(biāo)準(zhǔn)確識(shí)別的缺點(diǎn)，且算法優(yōu)于傳統(tǒng)的 目標(biāo)檢測(cè)算法，對(duì)目標(biāo)的探測(cè)和識(shí)別更加容易，能夠?qū)Ψ烙到y(tǒng)和對(duì)抗系統(tǒng)提供目標(biāo)的準(zhǔn) 確指示，可廣泛應(yīng)用于各類復(fù)雜背景的弱小目標(biāo)準(zhǔn)確檢測(cè)系統(tǒng)中。
【附圖說(shuō)明】
[0031] 圖1為本發(fā)明的總體流程示意圖；
[0032] 圖2為本發(fā)明的紅外和光學(xué)圖像序列基于多尺度變換的圖像融合流程示意圖； [0033]圖3為本發(fā)明的基于融合圖像序列的多弱小目標(biāo)檢測(cè)處理流程示意圖。
【具體實(shí)施方式】
[0034]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0035] 本發(fā)明實(shí)施例提供一種基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，如圖1所示，該方法 通過(guò)以下步驟實(shí)現(xiàn)：
[0036] 步驟1:將無(wú)人平臺(tái)上獲取的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行空間配準(zhǔn)。
[0037] 具體地，首先無(wú)人平臺(tái)上，調(diào)整紅外和光學(xué)探測(cè)系統(tǒng)的探測(cè)俯仰角及方位角，使兩 種成像探測(cè)器所成的像為同一場(chǎng)景，保持兩種探測(cè)器同時(shí)工作，并使其數(shù)據(jù)率相同，一般應(yīng) 均大于等于25Hz;其次將無(wú)人平臺(tái)上獲取的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行空間配 準(zhǔn)。
[0038] 步驟2:再對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行預(yù)處理。
[0039]具體地，基于統(tǒng)計(jì)濾波對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行平滑去 噪，通過(guò)以下步驟實(shí)現(xiàn)：
[0040]步驟2-1:在給定像素 x( i，j)的鄰域窗S內(nèi)，求出所有像素的平均值μ和方差σ2;
[0041 ]步驟2-2:基于簡(jiǎn)單統(tǒng)計(jì)法的閾值選取，如（1)式所示。
[0043] 其中e(x，y)為ex、ey中最大絕對(duì)值，g(x，y)為像素點(diǎn)的灰度值。平方向的灰度 差值如⑵式:ex=g(x_l，y)_g(x+l，y)，ey為垂直方向的灰度差值如⑶式:e y = g(x，y-l)_g (x，y+l)，e(x，y)為水平和垂直方向最大的灰度差值；
[0044] 步驟2-3:通過(guò)給定閾值T求出S窗口的像素 s (i，j)表達(dá)式，如(4)式所示。
[0046]式中是像素 s(i，j)為鄰域窗S內(nèi)像素 x(i，j)的濾波后的數(shù)值，μ為鄰域窗S內(nèi)所有 像素的平均值，σ2為鄰域窗S內(nèi)所有像素的方差。
[0047]步驟3:將所述預(yù)處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖像融合。
[0048]具體地，將所述預(yù)處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖像融合，如圖2 所示，具體為:將可見(jiàn)光圖像序列由RGB空間變換到HSI空間，提取亮度分量I，即灰度圖像序 列；對(duì)配準(zhǔn)好的紅外圖像序列和灰度圖像序列進(jìn)行多尺度變換，獲得邊緣圖像序列和不同 尺度下的紋理圖像序列，所述多尺度變換的層數(shù)不是任意的，而是由圖像尺寸決定的，并且 經(jīng)過(guò)多層分解后的圖像序列最高層尺寸大小不能小于2X2;根據(jù)不同的融合策略分別對(duì)所 述邊緣圖像序列和紋理圖像序列進(jìn)行融合處理，最后根據(jù)多尺度逆變換對(duì)融合后的圖像進(jìn) 行圖像重構(gòu)，獲得可見(jiàn)光圖像序列和紅外圖像序列融合后的圖像序列，即為最終融合圖像 序列。
[0049]所述邊緣圖像序列采用區(qū)域能量法進(jìn)行融合，具體為:低頻系數(shù)矩陣中以某像素 點(diǎn)P (i，j)為中心的區(qū)域大小為L(zhǎng) X W的能量大小定義為
[0051]其中，f(i+m，j+n)為圖像的亮度信息，m和η的變化在L和W之內(nèi)，融合規(guī)則為
[0053]其中，CP(i，j)表示像素點(diǎn)p(i，j)處的低頻變換系數(shù)，fA(i，j)表示灰度圖像序列A 的邊緣圖像像素點(diǎn)P(i，j)處的亮度信息，fB(i，j)表示紅外圖像序列B的邊緣圖像像素點(diǎn)P (i，j)處的亮度信息，Ea( i，j)表示灰度圖像序列A的邊緣圖像L X W區(qū)域能量，Eb(i，j)表示紅 外圖像序列B的邊緣圖像LXW區(qū)域能量，計(jì)算采用的區(qū)域大小為3X3。
[0054]所述紋理圖像序列采用基于Canny算子的區(qū)域方差法進(jìn)行圖像融合，具體為:對(duì)灰 度圖像序列A的紋理圖像和紅外圖像序列B的紋理圖像分別取一個(gè)RXS大小的窗口，μ表示 窗口區(qū)域方差均值;按照式(7)和式(8)計(jì)算兩個(gè)窗口的局部方差，取 1(1，7)、拖1(1，7)分別 表不灰度圖像序列Α的紋理圖像和紅外圖像序列Β的紋理圖像的尚頻系數(shù)；i = 1，2，3分別表 示水平方向、垂直方向及對(duì)角線方向的系數(shù)。所述灰度圖像序列A的紋理圖像和紅外圖像序 列B的紋理圖像分解尺度為^，在各個(gè)方向上的局部方差D4,a(x，)〇、可表示為：
[0059]對(duì)于融合后圖像的高頻系數(shù)拖心，7)，當(dāng)11>12，拖心，7)=取心，7);反之，版（1， y) = Hbi (X, y) 〇
[0060] 步驟4:對(duì)融合后的圖像序列逐幀進(jìn)行多弱小目標(biāo)檢測(cè)處理，輸出目標(biāo)的狀態(tài)數(shù)據(jù) 和數(shù)目信息。
[0061] 具體地，對(duì)融合后的圖像序列進(jìn)行改進(jìn)的四階偏微分處理，獲得背景抑制、目標(biāo)增 強(qiáng)后的圖像序列；然后根據(jù)數(shù)理統(tǒng)計(jì)原理確定融合圖像序列中的目標(biāo)與背景的決策邊界、 自適應(yīng)決策邊界系數(shù)和分塊數(shù)目，最后對(duì)背景抑制、目標(biāo)增強(qiáng)后的圖像序列進(jìn)行分塊自適 應(yīng)決策邊界分割處理，以提取融合圖像中候選目標(biāo)的位置信息及數(shù)目信息。
[0062]假設(shè)η為融合圖像序列的幀數(shù)，所述對(duì)融合后的圖像序列進(jìn)行多弱小目標(biāo)檢測(cè)處 理，處理過(guò)程為逐幀對(duì)這η幀圖像進(jìn)行處理，如圖3所示，具體步驟如下：
[0063]步驟3-1:根據(jù)改進(jìn)的四階偏微分方程方法對(duì)融合后的圖像逐幀進(jìn)行處理，直到η 幀圖像全部處理完為止。
[0064] 獲得背景抑制、目標(biāo)增強(qiáng)后的圖像序列。假設(shè)融合后的尺寸為ΜΧΝ，當(dāng)讀取的紅外 圖像為第k幀時(shí)，采用改進(jìn)的四階偏微分方程對(duì)其進(jìn)行處理，將（10)式定義的擴(kuò)散系數(shù)s (X'）帶入式（11)，對(duì)原始的融合后的第k幀圖像進(jìn)行處理，獲得背景抑制和目標(biāo)增強(qiáng)后的第 k幀融合圖像6。其中，V\是圖像灰度值的二階差分，可表示為（12)式，式中i，j表示像素在 圖像中所處位置的橫縱坐標(biāo)。
[0065] s(x,)=KnX(l-(l+x，2/k2) -1) (10)
[0068] 其中，k為一個(gè)大于零的常量，1("為一個(gè)大于等于1的正整數(shù)，取值為1，2，···，擴(kuò)散 系數(shù)的大小與圖像在該點(diǎn)處的梯度有關(guān)，且梯度越大處的擴(kuò)散系數(shù)應(yīng)該越小。且不同圖像 區(qū)域s(x'）的取值情況如下：
[0069] ①整個(gè)紅外圖像區(qū)域中，e [0,+_x)，則s(|V2m|)嚴(yán)格單調(diào)遞增；
[0070] ②背景均勾或等梯度漸變區(qū)域中，|v2?卜〇,則- 0;
[0071 ]③灰度起伏較大或邊緣輪廓區(qū)域，|v2w| ? 〇，則·?(|ν2Μ:|) 4 l":,Kne [0，+00 )。根據(jù)改 進(jìn)的四階偏微分方程實(shí)現(xiàn)背景抑制、目標(biāo)增強(qiáng)后的圖像序列中：
[0072] (1)當(dāng)圖像的某個(gè)區(qū)域灰度均勻分布或灰度等梯度分布，則該區(qū)域很可能是背景， 這時(shí)根據(jù)（12)式，有|v 2?|趨近于0,根據(jù)不同圖像區(qū)域中s(x'）的取值情況，可知此時(shí) s(|v2w|)=〇,進(jìn)而由（id式可得?=ο,即可實(shí)現(xiàn)背景被抑制。
[0073] (2)當(dāng)圖像中某個(gè)小區(qū)域灰度變化劇烈，則該區(qū)域很可能存在感興趣的目標(biāo)，這時(shí) 根據(jù)（12)式，得出該區(qū)域|ν 2?| ? Θ，進(jìn)而·?(|ν2?|)二:，Kn e[0，+ c?]，由（11)式可得 16卜& X 416χ心，因此在該區(qū)域的灰度值會(huì)被較大程度地增強(qiáng)。
[0074] ( 3 )在圖像的邊緣輪廓區(qū)域，|v2w| ? 0，因此= 5,進(jìn)而由（11)式可得 x|v2(V2m)| 4 4x氡叫:/，由此可見(jiàn)，圖像邊緣輪廓的增強(qiáng)程度相對(duì)目標(biāo)區(qū)域來(lái)說(shuō) 較小。
[0075] 步驟3-2:分塊自適應(yīng)決策邊界分割處理。
[0076]對(duì)背景抑制、目標(biāo)增強(qiáng)后的圖像序列逐幀進(jìn)行分塊自適應(yīng)決策邊界分割處理，以 提取融合圖像中候選目標(biāo)的位置信息及數(shù)目信息。
[0077] 具體處理是：
[0078] (1)將所述獲得背景抑制和目標(biāo)增強(qiáng)后的融合圖像序列逐幀劃分成m個(gè)小塊(m可 取正整數(shù)，例如50)，當(dāng)融合圖像序列的高度和寬度不滿足m的倍數(shù)時(shí)，對(duì)原始紅外圖像進(jìn)行 擴(kuò)展，直到可以均分成m個(gè)小塊為止，即當(dāng)M、N不能整除m時(shí)，設(shè)lu、k 2分別為M/m和N/m的整數(shù) 部分，則擴(kuò)展后的圖像每一幀的大小都為[mX (h+1)] X [mX (k2+l)];
[0079] (2)對(duì)于劃分后的每一個(gè)小塊，根據(jù)公式（13):T = a(y'+k?！?σ'）確定分割決策邊 界，其中τ為分塊決策邊界;α為自適應(yīng)決策邊界系數(shù)，取值為正;μ'為分塊圖像均值;σ '為分 塊圖像方差;k。為常數(shù)，可通過(guò)實(shí)驗(yàn)得到，通常其取值范圍為3~10;
[0080] (3)確定好決策邊界后，將灰度大于決策邊界的像素賦值為255,而小于決策邊界 的像素賦值為〇;
[0081] (4)截取擴(kuò)展圖像序列每一幀的前Μ行、前N列分別作為決策邊界分割后圖像序列 中的對(duì)應(yīng)幀，根據(jù)分割后的圖像序列確定候選目標(biāo)的位置坐標(biāo)和數(shù)目信息。
[0082] 以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于，該方法為:將無(wú)人平臺(tái)上獲 取的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行空間配準(zhǔn)，再對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光 圖像序列進(jìn)行預(yù)處理，將所述預(yù)處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖像融合， 最后，對(duì)融合后的圖像序列進(jìn)行多弱小目標(biāo)檢測(cè)處理，輸出目標(biāo)的狀態(tài)數(shù)據(jù)和數(shù)目信息。2. 根據(jù)權(quán)利要求1所述的基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于:所述對(duì)配 準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行預(yù)處理為:基于統(tǒng)計(jì)濾波對(duì)配準(zhǔn)好的紅外圖像 序列和可見(jiàn)光圖像序列進(jìn)行平滑去噪。3. 根據(jù)權(quán)利要求1或2所述的基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于:所述 對(duì)配準(zhǔn)好的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行預(yù)處理，具體通過(guò)W下步驟實(shí)現(xiàn)： 步驟2-1:在給定像素 x(i，j)的鄰域窗S內(nèi)，求出所有像素的平均值μ和方差 步驟2-2:基于簡(jiǎn)單統(tǒng)計(jì)法的闊值選取，如（1)式所示。{1) 其中e(x，y)為ex、ey中最大絕對(duì)值，g(x，y)為像素點(diǎn)的灰度值。ex水平方向的灰度差值 如（2)式：ex = g(x-l，y)-g(x+l，y)，ey為垂直方向的灰度差值如（3)式：ey = g(x，;y-l)-g(x，y +1)，e(x，y)為水平和垂直方向最大的灰度差值； 步驟2-3:通過(guò)給定闊值T求出S窗口的像素 s(i，j)表達(dá)式，如(4)式所示。(4) 式中是像素 s(i，j)為鄰域窗S內(nèi)像素 x(i，j)的濾波后的數(shù)值，μ為鄰域窗S內(nèi)所有像素 的平均值，為鄰域窗S內(nèi)所有像素的方差。4. 根據(jù)權(quán)利要求3所述的基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于:將所述預(yù) 處理后的紅外圖像序列和可見(jiàn)光圖像序列進(jìn)行圖像融合，具體為:將可見(jiàn)光圖像序列由RGB 空間變換到HSI空間，提取亮度分量I，即灰度圖像序列;對(duì)配準(zhǔn)好的紅外圖像序列和灰度圖 像序列進(jìn)行多尺度變換，獲得邊緣圖像序列和不同尺度下的紋理圖像序列；根據(jù)不同的融 合策略分別對(duì)所述邊緣圖像序列和紋理圖像序列進(jìn)行融合處理，最后根據(jù)多尺度逆變換對(duì) 融合后的圖像進(jìn)行圖像重構(gòu)，獲得可見(jiàn)光圖像序列和紅外圖像序列融合后的圖像序列，即 為最終融合圖像序列。5. 根據(jù)權(quán)利要求4所述的基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于:所述邊緣 圖像序列采用區(qū)域能量法進(jìn)行融合，具體為:低頻系數(shù)矩陣中W某像素點(diǎn)P(i，j)為中屯、的 區(qū)域大小為L(zhǎng)XW的能量大小定義為(5) 其中，f (i+m，j+n)為圖像的亮度信息，m和η的變化在L和W之內(nèi)，融合規(guī)則為(6) 其中，Cp(i，j)表示像素點(diǎn)p(i，j)處的低頻變換系數(shù)，fA(i，j)表示灰度圖像序列A的邊 緣圖像像素點(diǎn)P(i，j)處的亮度信息，表示紅外圖像序列B的邊緣圖像像素點(diǎn)p(i，j) 處的亮度信息，EA(i，j)表示灰度圖像序列A的邊緣圖像LXW區(qū)域能量，EB(i，j)表示紅外圖 像序列B的邊緣圖像LXW區(qū)域能量，計(jì)算采用的區(qū)域大小為3X3。6.根據(jù)權(quán)利要求5所述的基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于:所述紋理 圖像序列采用基于化nny算子的區(qū)域方差法進(jìn)行圖像融合，具體為:對(duì)灰度圖像序列A的紋 理圖像和紅外圖像序列B的紋理圖像分別取一個(gè)RXS大小的窗口，μ表示窗口區(qū)域方差均 值;按照式(7)和式(8)計(jì)算兩個(gè)窗口的局部方差，HAi(x，y)、化i(x，y)分別表示灰度圖像序 列A的紋理圖像和紅外圖像序列B的紋理圖像的高頻系數(shù)；i = l，2,3分別表示水平方向、垂 直方向及對(duì)角線方向的系數(shù)。灰度圖像序列A的紋理圖像和紅外圖像序列B的紋理圖像分解 尺度為Qn，在各個(gè)方向上的局部方差.!'）、〇?..?. (-V，_!')可表示為：對(duì)于融合后圖像的高頻系數(shù)化1^，7)，當(dāng)胖1〉胖2，化1^，7)=齡1^，7);反之，化1^，7)= 曲i(x，y)。 7 .根據(jù)權(quán)利要求6所述的基于無(wú)人平臺(tái)的多波段融合探測(cè)方法，其特征在于，所述對(duì)融 合后的圖像序列進(jìn)行多弱小目標(biāo)檢測(cè)處理，輸出目標(biāo)的狀態(tài)數(shù)據(jù)和數(shù)目信息，具體為:對(duì)融 合后的圖像序列進(jìn)行改進(jìn)的四階偏微分處理，獲得背景抑制、目標(biāo)增強(qiáng)后的圖像序列;然后 根據(jù)數(shù)理統(tǒng)計(jì)原理確定融合圖像序列中的目標(biāo)與背景的決策邊界、自適應(yīng)決策邊界系數(shù)和 分塊數(shù)目，最后對(duì)背景抑制、目標(biāo)增強(qiáng)后的圖像序列進(jìn)行分塊自適應(yīng)決策邊界分割處理，W 提取融合圖像序列中候選目標(biāo)的位置信息及數(shù)目信息。
【文檔編號(hào)】G06K9/62GK106096604SQ201610387328
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年6月2日 公開(kāi)號(hào)201610387328.2, CN 106096604 A, CN 106096604A, CN 201610387328, CN-A-106096604, CN106096604 A, CN106096604A, CN201610387328, CN201610387328.2
【發(fā)明人】周慧鑫, 杜娟, 龐英名, 秦翰林, 榮生輝, 賴睿, 王炳健, 金浩文, 成寬洪, 宋尚真
【申請(qǐng)人】西安電子科技大學(xué)昆山創(chuàng)新研究院