基于焦平面调制特性的空间点目标检测方法

摘要

本发明提供了一种基于焦平面调制特性的空间点目标检测方法，包含以下步骤：(1)窗口扫描红外图像，得到窗口内图像近似为圆的方向数指标；(2)根据方向数，初步判断该窗口包含的图像为背景或是目标；(3)若窗口包含的图像为目标，计算窗口中目标形状的圆指数；(4)通过圆指数计算检测门限；(5)圆指数与检测门限进行比较，判断该窗口包含区域为背景或是目标。本发明利用焦平面对空间弱小目标红外成像近似为圆的调制特性，通过目标的形状判断，进行目标检测，仿真表明，本发明可有效去除噪声和传感器焦平面中强点和盲点的影响，对空间弱小目标检测有良好的性能。

说明书

技术领域

本发明属于目标检测领域，涉及空间背景下的点目标检测方法，特别涉及一种基于焦平 面调制特性的空间点目标检测方法。

背景技术

当空间目标与红外传感器间的距离遥远，目标在红外图像中表现为所占像素较少的点目 标，并且仅从红外图像上难以获得具体轮廓和形状，且信噪比较小。对空间点的检测对于发 现太空垃圾、空间预警等有重要的意义。在空间目标的检测领域中有很多的方法，单帧的方 法有top-hat滤波法、环绕中心差法滤波法、分形法滤波法等，这些方法对于空间目标检测 具有一定的效果，但这些算法首先对背景进行预测，然后再在去除背景影响的基础上进行目 标检测，就空间目标检测而言，空间背景相对干净，除恒星自身干扰、行星反射恒星能量干 扰之外，几乎没有其他外界干扰，而相对繁琐的背景预测使算法变得复杂，实时性较差；同 时，以上算法为兼顾其他复杂背景下的点目标的检测，没有充分考虑在空间中，弱小点目标 受焦平面调制作用影响。红外图像中的像素点经过点扩散函数调制后，在红外图像中近似表 现为圆形。目前常用的单帧图像点目标检测算法没有利用到焦平面的调制效应，另外也难以 利用单帧图像有效地去除噪声、传感器焦平面中的强点和盲点所导致的假目标。通过本发明 的检测方法，在有效检测红外图像中的点目标的同时，还可以有效去除由于噪声、焦平面的 强点和盲点导致的虚警。

发明内容

本发明是针对目前单帧红外点目标检测在空间中应用时，程序较为复杂，实时性较差， 没有充分考虑焦平面对空间点目标的调制作用，现存点目标检测算法，无法有效地去除噪声 和传感器焦平面中强点和盲点的影响这些缺点，给出的一种基于焦平面调制特性的空间点目 标检测方法，其为一种新的空间红外点目标的检测方法，来实现空间中点目标的有效检测。

本发明解决其技术问题所采用以下技术方案：一种基于焦平面调制特性的空间点目标检 测方法，包括以下具体步骤：

步骤(1)、窗口扫描红外图像，得到窗口近似为圆的方向数指标；扫描窗口大小为 M₁×M₂，I(x₀,y₀)为窗口中红外图像中心点的像素值，设置门限系数为th_coe，选择当x取 值范围为[1,3]时，的函数值作为th_coe，其中，k为比例系数由成像系统性能决定； 以中心点(x₀,y₀)为圆心，在圆周方向，等角度间隔设置N个扫描方向，其中且N 为正整数；从(x₀,y₀)开始，将th_coe□I(x₀,y₀)与窗口内N个方向的像素值逐个进行比较：当 第m(1≤m≤N,m为整数)个方向中(x₀+i,y₀+j)处的像素值I(x₀+i,y₀+j)，满足 I(x₀+i,y₀+j)≥th_coe□I(x₀,y₀)时，将窗口中坐标为(x₀+i,y₀+j)处的值标记为1；当第m个方 向的像素值I(x₀+i,y₀+j)，首次满足关系式I(x₀+i,y₀+j)＜th_coe□I(x₀,y₀)时，将窗口中坐标 为(x₀+i,y₀+j)处的值标记为0，并记录该位置偏离窗口中心的坐标(i,j)，第m个方向的判断 结束；当在窗口中，第m个方向中所有的像素值均不满足I(x₀+i,y₀+j)＜th_coe□I(x₀,y₀)，则 将该方向所有位置标记为1，同样结束第m个方向的判断；当m＝N时，即所有方向均判断 结束后，统计N个方向中标记为0的个数，记为n，n便为该窗口内图像近似为圆的方向数；

步骤(2)、根据方向数，初步判断该窗口包含的图像为背景或是目标；设置方向数门限 th1，若n＜N□th1，则该窗口表示背景，反之，则该窗口可能包含目标，进行下面步骤的计算， th1为常数，取值范围为[2/3,3/4]；

步骤(3)、若窗口包含的图像为目标，计算窗口中目标形状的圆指数；计算面积比 其中，num(1)表示扫描窗口经过步骤(1)得到的标记为1的像素数量；计算n 个方向的距离和其中，l_ii为n个方向中第ii个方向标记为0的像素到窗口中心的距 离，即计算n个方向距离的标准差STD＝std(l₁,l₂……,l_n)，其中，std(□)为标准差 的计算；通过以上关系式可计算该窗口形状指数经过简单的变换可得，中 心点为(x₀,y₀)的窗口所包含图像的形状近似为圆形的指标，定义为圆指数，圆指数为 exp(□)表示指数形式，max(□)表示求最大值；

步骤(4)、通过圆指数计算检测门限；

检测门限为th＝mean(s)+k·std(s)，其中，mean(□)表示求均值，s表示new_λ＞1的 点，k为系数，k的取值范围为[1,5]；

步骤(5)、变换后圆指数与检测门限进行比较，判断该窗口包含区域为背景或是目标； new_λ与th比较，若new_λ＞th，则表示窗口包含区域为目标，反之，为背景。

其中，所述步骤(1)中门限系数th_coe的设置，是由成像系统及点扩散函数决定的， 选择当x取值范围为[1,3]时，的函数值作为th_coe，其中，k为比例系数由成像系统 性能决定。

其中，所述步骤(2)中设置方向数门限th1，若n＜N□th1，则该窗口表示背景，反之， 则该窗口可能包含目标，进行下面计算，th1为常数，取值范围为[2/3,3/4]。

其中，所述步骤(3)中计算面积比n个方向的距离和n个方向 距离的标准差STD＝std(l₁,l₂……,l_n)，窗口形状指数窗口中图像形状的圆指数 $\mathrm{new}\_\lambda =\exp \left(\frac{\lambda }{\max \left(\lambda \right)}\right).$

其中，所述步骤(4)中检测门限为th＝mean(s)+k·std(s)，其中，mean(□)表示求均 值，s表示new_λ＞1的点，k为系数，k的取值范围为[1,5]。

本发明与现有技术相比的优点在于：

(1)本发明与top-hat等单帧检测算法相比，可有效地去除噪声和传感器焦平面中强 点和盲点的影响。

(2)本发明实现的算法不涉及复杂运算，实现过程简单易行。

附图说明

图1为本发明基于焦平面调制特性的空间点目标检测方法的流程图；

图2为仿真红外图像的局部像素值以及所选取的方向；

图3为图2的8个方向经过门限比较后的结果；

图4为仿真生成的空间红外原图像；

图5为本发明算法对图4的检测结果。

具体实施方式

下面结合附图以及具体实施方式进一步说明本发明。

空间弱小点目标检测就是将空间中的弱小的目标检测出来，主要依赖于目标自身的红外 特性以及目标与周围环境的差异来检测目标，在本发明中，给出了空间红外点目标的一个新 的特征，即点目标经过焦平面的调制作用后，红外图像近似为圆形，并给出了这一新的特征 的计算方法和检测方法，本发明基于焦平面调制特性的空间点目标检测方法，其流程图如图 1所示，具体包含如下5步骤：

1、窗口扫描红外图像，得到窗口近似为圆的方向数指标；

在该步骤中，扫描窗口大小为M₁×M₂，I(x₀,y₀)为窗口中红外图像中心点的像素值，根 据红外成像系统的性能，以及点扩散函数，设置门限系数为th_coe，选择当x取值范围为[1,3] 时，的函数值作为th_coe，其中，k为比例系数，由成像系统性能决定；以中心点(x₀,y₀) 为圆心，在圆周方向，等角度间隔设置N个扫描方向，其中且N为正整数；从(x₀,y₀) 开始，将th_coe□I(x₀,y₀)与窗口内N个方向的像素值逐个进行比较：当第m (1≤m≤N,m为整数)个方向中(x₀+i,y₀+j)处的像素值I(x₀+i,y₀+j)，满足 I(x₀+i,y₀+j)≥th_coe□I(x₀,y₀)时，将窗口中坐标为(x₀+i,y₀+j)处的值标记为1；当第m个方 向的像素值I(x₀+i,y₀+j)，首次满足关系式I(x₀+i,y₀+j)＜th_coe□I(x₀,y₀)时，将窗口中坐标 为(x₀+i,y₀+j)处的值标记为0，并记录该位置偏离窗口中心的坐标(i,j)，第m个方向的判断 结束；若在窗口中，第m个方向中所有的像素值均不满足I(x₀+i,y₀+j)＜th_coe□I(x₀,y₀)，则 将该方向所有位置标记为1，同样结束第m个方向的判断；当m＝N时，即所有方向均判断 结束后，统计N个方向中标记为0的个数，记为n，n便为该窗口内图像近似为圆的方向数。

以图2为例说明，图2为某次仿真中红外图像的局部，可以看出中心点像素值为 I(x₀,y₀)＝58，设th_coe＝0.9，则门限th_coe□I(x₀,y₀)＝52.2。假设N＝8，8个方向分别如图 2中右侧箭头所示，以水平向右为例说明，将[58,55,53,52,54]分别于52.2比较，则可得标记 数为[1,1,1,0]，因为第四个数52<52.2，即首次满足I(x₀+i,y₀+j)＜th_coe□I(x₀,y₀)，因此，最 后一个数54不再进行比较，将8个方向标记完成后如图3所示，可以看出，图3中有8个 像素标记为0，因此，n＝8。

2、根据方向数，初步判断该窗口包含区域为背景或是目标；设置方向数门限th1，若 n＜N□th1，则该窗口表示背景，反之，则该窗口可能包含目标，进行下面计算，th1为常数， 取值范围为[2/3,3/4]；

在该步骤中，以图3为例说明，这里设th1＝3/4，由于n＝8，则n＞th1□N，即初步判断 该窗口可能包含目标。

3、若窗口包含的图像为目标，计算窗口中目标形状的圆指数。

在该步骤中，计算面积比：

$R=\frac{\mathrm{num}\left(1\right)}{M_1\times M_2}---\left(1\right)$

其中，num(1)表示扫描窗口经过步骤(1)得到的标记为1的像素数量；计算n个方向的 距离和：

$L=\underset{\mathrm{ii}=1}{\overset{n}{\Sigma }}{l}_{\mathrm{ii}}---\left(2\right)$

其中，l_ii为n个方向中第ii个方向标记为0的像素到窗口中心的距离，即计算n个方向距离的标准差：

STD＝std(l₁,l₂……,l_n)(3)

其中，std(□)为标准差的计算，通过以上关系式可计算该窗口形状指数，

经过简单的变换可得中心点为(x₀,y₀)的窗口包含图像的形状近似为圆形的指标，即圆指 数，

$\mathrm{new}\_\lambda =\exp \left(\frac{\lambda }{\max \left(\lambda \right)}\right)---\left(5\right)$

exp(□)表示指数形式，max(□)表示求最大值。

由步骤(1)、步骤(2)的结果结合图3，可得面积比R＝15/81，n个方向的距离和 n个方向距离的标准差STD＝1.323，最后由式(4)计算λ＝0.156。计算完整 幅红外图像的λ，可由(5)计算窗口的圆指数。

4、通过圆指数计算检测门限。

在该步骤中，检测门限为：

th＝mean(s)+k·std(s) (6)

其中，mean(□)表示求均值，s表示new_λ＞1的点，k为系数，k的取值范围为[1,5]。

5、变换后圆指数与检测门限进行比较，判断该窗口包含的图像为背景或是目标。

在该步骤中，步骤(3)计算出的new_λ与步骤(4)中计算出的th进行比较，若new_λ＞th， 则表示窗口包含区域为目标，反之，为背景。

为验证该检测方法的有效性，进行了仿真实验，图4为仿真的红外图像，图像由目标和 噪声组成，噪声可视作由红外探测器自身噪声和传感器焦平面的强点和盲点所共同构成，目 标已在图中标出，目标1的位置为[101,101],信噪比为4.11，目标2的位置为[171,191], 信噪比为3.70，仿真中N＝8，门限系数th_coe＝0.8，方向系数为0.75，k＝1.5，则仿真结果 如图5。同时与top-hat进行比较将结果列于表1

表1本发明算法与top-hat进行结果对比

检测到目标数 虚警数 本发明算法 2 0 Top-hat算法 2 1

从仿真结果可以看出，本发明算法检测出全部两个目标，并且没有产生虚警，而top-hat 算法，检测出全部目标的同时，产生了1虚警，虚警是由噪声引起的，因此可以看出，本发 明基于焦平面调制特性的空间点目标检测方法，可以有效地去除噪声和传感器焦平面中强点 和盲点的影响，具有较好的检测性能。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

尽管为说明目的公开了本发明的最佳实施例和附图，但是本领域的技术人员可以理解： 在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因 此，本发明不应局限于最佳实施例和附图所公开的内容。