无人机可见光图像中的弱小目标检测方法

摘要

本发明公开了一种无人机可见光图像弱小目标检测方法，主要解决现有技术因形状信息中存在的缩放和旋转而导致目标很难检测的问题。其实现步骤为：(1)输入一帧含有多个人物目标的无人机图像，从中提取两个图像块作为目标模板，每个图像块含有1个人物目标；(2)求取目标模板的均值μ、标准差σ和熵H；(3)对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超像素块；(4)对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测：(5)对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果。本发明有效提高了无人机图像中的弱小目标的识别准确率，可用于无人机可见光图像或视频中。

主权项

一种无人机可见光图像中的弱小目标检测方法，包括如下步骤：(1)输入一帧含有多个人物目标的无人机图像，从中提取N个图像块作为目标模板，每个图像块含有1个人物目标,1<＝N<＝3；(2)求取目标模板的均值μ、标准差σ和熵H；(3)对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超像素块；(4)对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测：(4a)在每个超像素块内，分别提取超像素块的灰度均值μ和领域熵H特征；(4b)判断灰度均值μ和领域熵H特征是否满足特征约束条件$\left\{\begin{array}{c}|\mu -{\mu }^{\prime }|/{\sigma }^{\prime }<K_1\\ |H-H^{\prime }|<K_2\end{array}\right.;$若满足，则该超像素块为初检测目标，反之，则不是，其中μ'，σ'，H'表示目标模板的灰度均值，标准差及领域熵，K₁表示超像素块与目标模板的灰度均值相似度阈值，K₂表示超像素块与目标模板的领域熵相似度阈值；(4c)对于初检测目标，按照各目标间的重叠率对目标区域进行合并：若重叠率大于0.1，则将重叠区域进行合并，反之，则不。然后采用面积滤波去除部分错误的初检测目标；(5)对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果：(5a)从本帧图像开始，连续输入3帧图像；(5b)在3帧图像的空间位置上以目标为中心建立一个空间管道，管道的直径为目标的邻域大小，其大小略大于目标，管道的长度为所需的图像帧数；(5c)取第一帧图像作为当前帧，确定该图像中的所有初步检测目标点P_i，并记录它们的位置信息，i＝1,2,3...；(5d)对所有的初步检测目标点，在下一帧中观察以管道直径大小为5的邻域内是否有可疑目标点存在：如果有，则目标出现计数器加1，同时比较初步检测目标点和可疑目标点的位置，判断位置是否发生变化：如果有变化，则其相应的目标位置变化计数器加1；记录该帧中的可疑目标点位置，并将其设为初步检测目标点的当前位置；如果没有变化，则跳过该帧，并转到下下一帧继续搜索，直到管道中的3帧图像全部搜索完毕；(5e)在3帧图像处理完后，判断每个计数器的输出值：如果目标出现次数计数器的值大于等于2，则判定目标出现次数计数器所对应的初步检测目标点为最终目标，并标记其位置，否则，将初步检测目标点视为假目标剔除。