一种基于时空协同框架的红外目标检测方法

摘要

本发明涉及一种基于时空协同框架的红外目标检测方法，包括以下步骤：1，获取视频的背景帧Bg和当前帧Ft，并结合背景帧Bg和当前帧Ft进行背景杂波抑制，得到背景杂波抑制后的背景抑制图Gt；2，针对1中得到的背景抑制图Gt首先进行建立时空背景模型，然后针对建模后时空背景模型信息进行目标定位；3，依据红外目标的成像机制，分析红外目标与周围环绕背景的空间差异性，采用模糊自适应共振神经网络针对2已经定位的目标进行局部分类后提取红外目标。具有如下优点：不依赖于任何的目标形状和运动信息先验知识；适用于复杂的户外场景；提高信噪比；提高目标检测率降低计算量；能有效去除虚假目标，降低虚警率；有利于后续的目标识别。

主权项

一种基于时空协同框架的红外目标检测方法，其特征在于，包括以下步骤：步骤1，获取视频的背景帧Bg和当前帧Ft，并结合背景帧Bg和当前帧Ft进行背景杂波抑制，得到背景杂波抑制后的背景抑制图Gt；步骤2，针对步骤1中得到的背景抑制图Gt首先进行建立时空背景模型，然后针对建模后时空背景模型信息进行目标定位,其中，进行时空背景模型建立的具体方法是：首先，获取步骤1中针对T帧图像数据(Ft,t＝1…T)背景抑制后的背景抑制帧（Gt,t＝1…T)作为时空背景建模数据，Gt表示第t帧经过主成份背景抑制后的背景抑制图；然后，针对视频场景的每个像素点位置，分配一个空间关联模糊自适应共振神经网络，采用基于区域的标准差纹理特征来训练该神经网络，即采用｛S1(m，n),S2(m，n),…,ST(m，n)｝作为训练样本来训练当前位置的神经网络，建立真实的时空背景模型：其中， S t ( m , n ) = 1 R 3 * R 3 - 1 Σ i = - k k Σ j = - k k [ G t ( i + m , j + n ) - μ ] 2 , k = ( R 3 - 1 ) / 2 式四 μ = 1 R 3 * R 3 Σ i = - k k Σ j = - k k G t ( i + m , j + n ) , k = ( R 3 - 1 ) / 2 式五St(m，n)表示第t帧当前像素点位置(m，n)的区域标准差纹理特征；Gt表示第t帧经过主成份背景抑制后的背景抑制图；μ表示当前像素点位置(m，n)的局部邻域均值；R3为人工设置的标准差纹理特征的邻域窗口尺寸；i+m,j+n,m,n均表示像素坐标；步骤3，依据红外目标的成像机制，分析红外目标与周围环绕背景的空间差异性，采用模糊自适应共振神经网络针对步骤2已经定位的目标进行局部分类后提取红外目标。