基于长波红外线的弱小目标检测识别系统的制作方法

本发明涉及弱小目标检测识别，具体为基于长波红外线的弱小目标检测识别系统。

背景技术：

1、随着航天器研制技术进步，智能化正成为未来航天器发展的趋势；航天器智能化的前提就是要求航天器具备周围环境感知能力，可以对周围目标进行空间相对导航，空间相对导航是指航天器利用自身携带的感知测量装置对周围目标进行的感知、测量、辨识，获取目标位置、轮廓和运动状态等信息的过程；常用的感知测量装置包括可见光相机、红外相机、tof相机、激光雷达等，其中可见光相机由于成本低廉，分辨率高的优势得到了普遍应用。实施在轨相对导航时，由航天器携带的可见光相机对相对导航目标进行成像，并利用星上处理器对图像进行实时处理，获取相对导航目标的位置信息。当目标距离较远时，相机获得的图像质量较差，亮度较低，为目标提出带来了困难。

2、公开号为cn109948623a的中国专利公开了一种空间弱小目标相对导航图像二值化图像生成方法，涉及在轨运动目标与背景分割提取领域，适合星上处理能力严重受限的情况下采用，同时对光照条件较差，目标成像面积较小的空间弱小目标具有较高的检测识别率；但是该专利存在以下缺陷：

3、现有的对于弱小目标的检测识别，其弱小目标检测识别精准度低下，使得弱小目标检测识别效果差。

技术实现思路

1、本发明的目的在于提供基于长波红外线的弱小目标检测识别系统，可提高弱小目标检测识别的精准度，使得弱小目标检测识别效果好，解决了上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于长波红外线的弱小目标检测识别系统，包括：

4、数据采集模块，用于采集基于长波红外线的弱小目标红外图像；

5、数据处理模块，用于对基于长波红外线的弱小目标红外图像进行预处理，确定基于长波红外线的弱小目标红外区域；

6、目标检测模块，用于对基于长波红外线的弱小目标红外区域进行目标检测，确定基于长波红外线的弱小目标轮廓，基于弱小目标轮廓确定基于长波红外线的弱小目标类别及参数数据；

7、识别跟踪模块，用于对检测出的弱小目标类别及参数数据进行识别，且对识别出的弱小目标进行跟踪并记录。

8、优选的，所述数据采集模块包括：

9、北斗定位模块，用于对弱小目标位置信息进行采集；

10、基于弱小目标检测识别需求，对弱小目标进行及时地定位，获取弱小目标位置信息；

11、红外成像仪，用于对弱小目标红外图像进行采集；

12、基于弱小目标检测识别需求，且结合弱小目标位置信息，对弱小目标进行及时地红外成像，获取弱小目标红外图像。

13、优选的，所述数据处理模块包括：

14、图像变换单元，用于对采集的弱小目标红外图像进行变换；

15、获取基于长波红外线的弱小目标红外图像，基于傅立叶变换技术，将弱小目标红外图像的空间域转换为变换域，进而对基于长波红外线的弱小目标红外图像进行处理；

16、图像压缩单元，用于对变换后的弱小目标红外图像进行压缩；

17、获取变换后的基于长波红外线的弱小目标红外图像，基于图像编码压缩技术，在不失真的前提下，对变换后的基于长波红外线的弱小目标红外图像进行编码压缩；

18、增强复原单元，用于对压缩后的弱小目标红外图像进行增强复原；

19、获取压缩后的基于长波红外线的弱小目标红外图像，且对压缩后的基于长波红外线的弱小目标红外图像进行增强及复原，提升基于长波红外线的弱小目标红外图像质量，确定基于长波红外线的弱小目标红外区域。

20、优选的，增强复原单元，包括：

21、图像提取模块，用于提取压缩后的所述弱小目标红外图像；

22、参考获取模块，用于利用相机采集弱小目标红外区域对应区域的彩色图像作为参考图像；

23、灰度值获取模块，用于调取所述参考图像的每个像素点的红色、绿色和蓝色的通道值，利用所述参考图像的每个像素点的红色、绿色和蓝色的通道值获取所述每个像素点对应的灰度数值；其中，所述每个像素点对应的灰度数值通过如下公式获取：

24、

25、其中，gray表示参考图像的像素点对应的灰度值；r、g和b分别对应表示参考图像的像素点对应的红色、绿色和蓝色的通道值；λr、λg和λb分别对应表示像素点的红色通道、绿色通道和蓝色通道对应的灰度系数；rmax、gmax和bmax分别对应表示所述参考图像的红色通道最大值、绿色通道最大值和蓝色通道最大值；rp、gp和bp分别对应表示所述参考图像的红色通道平均值、绿色通道平均值和蓝色通道平均值；n表示参考图像的像素点的总个数；ri、gi和bi分别对应表示第i个像素点的红色、绿色和蓝色的通道值；

26、映射关系调取模块，用于调取所述参考图像中每个像素点的灰度值与颜色之间的色彩映射关系，同时，对所述参考图像按照所述参考图像的像素点对应的灰度值进行灰度处理，获得参考图像对应的灰度图；

27、坐标提取模块，用于提取所述参考图像对应的灰度图中的每个像素点的坐标位置，提取所述弱小目标红外图像中每个像素点的坐标位置；

28、参考像素点获取模块，用于在所述参考图像对应的灰度图中筛选出与所述弱小目标红外图像的像素点的坐标符合预设的坐标距离差异范围内的多个像素点，作为参考像素点；

29、灰度处理模块，用于将所述参考图像对应的灰度图中的参考像素点对应的灰度值与所述弱小目标红外图像中像素点的灰度值进行比较，将参考像素点中灰度值最高的一个像素点灰度值作为所述参考像素点对应的弱小目标红外图像的像素点的目标灰度值；并，按照所述弱小目标红外图像中每个像素点对应的目标灰度值对所述弱小目标红外图像进行灰度增强处理，获得所述弱小目标红外图像对应的目标红外图像；

30、增强处理模块，用于根据所述弱小目标红外图像对应的目标红外图像进行对比度和亮度调整，获得增强处理后的目标红外图像。

31、优选的，增强处理模块，包括：

32、灰度值调取模块，用于调取所述弱小目标红外图像对应的目标红外图像中的每个像素点的灰度值；

33、目标对比度数值获取模块，用于利用所述弱小目标红外图对应的目标红外图像的灰度值信息获取图像增强处理的目标对比度数值；其中，所述目标对比度数值通过如下公式获取：

34、

35、其中，d表示弱小目标红外图的目标对比度数值；hmax表示所述弱小目标红外图对应的目标红外图像的像素点的最大灰度值；hmin表示所述弱小目标红外图对应的目标红外图像的像素点的最小灰度值；hm表示最大灰度值的像素点对应的参考灰度值；hn表示最小灰度值的像素点对应的参考灰度值；rm、gm和bm分别对应表示与所述弱小目标红外图像的视角和参数相同的相机采集的参考图像在灰度处理后的最大灰度值的像素点在图像灰度处理之前对应的红色通道值、绿色通道值和蓝色通道值；rn、gn和bn分别对应表示与所述弱小目标红外图像的视角和参数相同的相机采集的参考图像在灰度处理后的最小灰度值的像素点在图像灰度处理之前对应的红色通道值、绿色通道值和蓝色通道值；

36、像素信息和灰度信息提取模块，用于提取所述弱小目标红外图像对应的目标红外图像中的最大灰度值、总像素值和像素总数；

37、目标亮度数值获取模块，用于利用所述最大灰度值、总像素值和像素总数获取图像增强处理的目标亮度数值；其中，所述目标亮度数值通过如下公式获取：

38、

39、其中，l表示目标亮度数值；s表示总像素值；m表示像素总数；h表示亮度补偿系数；

40、增强处理执行模块，用于按照图像增强处理的目标对比度数值和图像增强处理的目标亮度数值对所述弱小目标红外图像对应的目标红外图像进行对比度和亮度的增强处理，获取增强处理后的目标红外图像。

41、优选的，所述目标检测模块包括：

42、区域提取单元，用于提取基于长波红外线的弱小目标红外区域；

43、获取处理后的基于长波红外线的弱小目标红外区域，且对处理后的基于长波红外线的弱小目标红外区域进行提取，便于对弱小目标进行检测识别；

44、特征提取单元，用于对基于长波红外线的弱小目标红外区域进行特征提取；

45、获取基于长波红外线的弱小目标红外区域，通过影像分析和变换提取出基于长波红外线的弱小目标红外区域的特征数据，确定基于长波红外线的弱小目标红外特征；

46、数据分类单元，用于对基于长波红外线的弱小目标红外特征进行分类；

47、获取基于长波红外线的弱小目标红外特征，基于互斥性原则，对基于长波红外线的弱小目标红外特征进行分类，确定基于长波红外线的弱小目标红外特征组。

48、优选的，所述目标检测模块还包括：

49、轮廓构建单元，用于构建基于长波红外线的弱小目标轮廓；

50、获取基于长波红外线的弱小目标红外特征组，且对基于长波红外线的弱小目标红外特征组进行深度挖掘分析，确定基于长波红外线的弱小目标红外特征关联表，根据基于长波红外线的弱小目标红外特征关联表，构建基于长波红外线的弱小目标轮廓；

51、类别分析单元，用于对基于长波红外线的弱小目标轮廓进行类别分析；

52、获取基于长波红外线的弱小目标轮廓，且对基于长波红外线的弱小目标轮廓进行深度挖掘分析，确定基于长波红外线的弱小目标类别及参数数据。

53、优选的，对基于长波红外线的弱小目标轮廓进行类别分析，执行以下操作：

54、获取基于长波红外线的弱小目标轮廓；

55、根据基于长波红外线的弱小目标轮廓，索引出预先设定好的多个弱小目标轮廓，且将索引出来的弱小目标轮廓与获取的弱小目标轮廓进行对比；

56、针对索引出来的弱小目标轮廓与获取的弱小目标轮廓相对应的情况，则对索引出来的弱小目标轮廓进行深度挖掘分析，确定弱小目标类别及参数数据；

57、针对索引出来的弱小目标轮廓与获取的弱小目标轮廓不对应的情况，则继续索引下一个弱小目标轮廓，且将索引的下一个弱小目标轮廓与获取的弱小目标轮廓进行对比，直到索引出来的弱小目标轮廓与获取的弱小目标轮廓相对应。

58、优选的，所述识别跟踪模块包括：

59、检测识别单元，用于对基于长波红外线的弱小目标类别及参数数据进行识别；

60、获取基于长波红外线的弱小目标类别及参数数据，且对基于长波红外线的弱小目标类别及参数数据进行识别，确定弱小目标；

61、跟踪记录单元，用于对识别出的弱小目标进行跟踪并记录；

62、获取弱小目标，且对弱小目标进行实时地跟踪，形成弱小目标跟踪轨迹，且对弱小目标跟踪轨迹进行记录。

63、优选的，对识别出的弱小目标进行跟踪并记录，执行以下操作：

64、获取弱小目标，且对识别出的弱小目标进行标记，使弱小目标在每一时刻的状态都能快速捕获，且对每一时刻捕获的弱小目标状态进行分析关联，使多个时刻捕获的弱小目标串联起来，形成弱小目标跟踪轨迹，且对弱小目标跟踪轨迹进行记录。

65、与现有技术相比，本发明的有益效果是：

66、本发明通过采集基于长波红外线的弱小目标红外图像，对基于长波红外线的弱小目标红外图像进行预处理，提高弱小目标红外图像质量，确定基于长波红外线的弱小目标红外区域，对基于长波红外线的弱小目标红外区域进行目标检测，确定基于长波红外线的弱小目标轮廓，基于弱小目标轮廓确定基于长波红外线的弱小目标类别及参数数据，对检测出的弱小目标类别及参数数据进行识别，且对识别出的弱小目标进行跟踪，形成弱小目标跟踪轨迹，且对弱小目标跟踪轨迹进行记录，可提高弱小目标检测识别的精准度，使得弱小目标检测识别效果好。