(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210814471.0 (22)申请日 2022.07.12 (71)申请人 中国科学院长春光学精密机 械与物 理研究所 地址 130033 吉林省长 春市东南湖大路 3888号 (72)发明人 李焱　李毅　李珍　吕春雷　 韩玺钰　李丹　兰太吉　 (74)专利代理 机构 长春众邦菁华知识产权代理 有限公司 2 2214 专利代理师 于晓庆 (51)Int.Cl. G06V 10/143(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01)G06V 10/40(2022.01) G06V 10/74(2022.01) G06K 9/62(2022.01) (54)发明名称 基于显著性特征信息判别的复杂场景红外 点目标识别方法 (57)摘要 基于显著性特征信息判别的复杂场景红外 点目标识别方法， 涉及红外点目标检测识别领 域， 包括以下步骤： 构建引导目标特征向量； 根据 引导目标特征信息选取显著性特征； 候选红外点 目标的特征信息提取； 候选红外点目标特征信息 与引导目标显著性特征信息相似性匹配； 通过全 屏迭代进行真伪目标判别， 获取真实红外点目 标。 本发明利用外界引导目标信息的显著性特征 描述， 减少了冗余计算及判别依据， 提升了目标 识别的鲁棒性。 本发明通过计算候选红外点目标 特征信息和引导目标显著性特征信息相似性匹 配程度， 可有效抑制目标非显著性特征的干扰， 提高目标识别准确率。 在实际应用场景下， 本发 明的目标识别准确率可达 到90％以上。 权利要求书2页 说明书7页 附图8页 CN 115205510 A 2022.10.18 CN 115205510 A 1.基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 包括以下 步骤： S1、 构建引导目标 特征向量； S2、 根据引导目标 特征信息选取显著性特 征； S3、 候选红外点目标的特 征信息提取； S4、 候选红外点目标 特征信息与引导目标显著性特 征信息相似性匹配； S5、 通过全屏迭代进行真伪目标判别， 获取真实红外点目标。 2.根据权利要求1所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S1的具体操作流 程如下： 利用三维数据表示引导目标特征信 息， 将代表引导目标特征信 息的各个特征元素独立 表示， 引导目标 特征信息表达式为： GT＝T{{A},{E},{R} }      (1) 式中， GT表示引导目标信息数据表达， {A}表示引导目标方位信息， {E}表示引导目标俯 仰信息， {R}表示引导目标探测距离信息 。 3.根据权利要求1所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S2的具体操作流 程如下： 通过对引导目标特征信 息进行显著性处理， 将引导目标特征信 息中各特征元素进行差 分及求方差， 通过对引导 目标特征信息设定分割阈值， 选取变化显著的特征元素作为红外 点目标的判别依据。 4.根据权利要求3所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S2中， 通过式(2)至式(6)完成引导目标显著性特征信息提取， 通过式(2) 对引导目标特征信息进行差分处理， 通过式(3)计算引导目标特征信息中各个特征元素 的 方差， 通过式(4)计算引导目标显著性特征信息分割阈值， 通过式(5)计算引导目标特征信 息中各个特征元素的显著 性， 通过式(6)选取引导目标显著 性特征信息， 选取突变率最大的 特征元素作为引导目标显著性特 征信息； SAL＝max(Thsal,sal0,…,saln)       (6) 式中， 表示第i组引导目标特征信息的差分值， Ci,t表示第i组引导目标特征信息t时 刻值， Ci,t+1表示第i组引导目标特征信息t+1时刻值， Si表示第i组引导目标特征信息显著性权　利　要　求　书 1/2 页 2 CN 115205510 A 2特征方差值， N表示第i组引导目标特征信息中参与显著性特征计算个数， Thi表示引导目标 显著性特征信息分割阈值， 表示第i组引导目标特征信息的差分计算中第n+0个差 分值， 表示第i组引导目标特征信息的差分计算中第n+6个差分值， Adj0表示引导目 标显著性特征信息分割阈值调节量， sal0、 sali、 saln分别表示引导目标特征信息中对应的 第0组显著性特征值、 第i组显著性特征值、 第n组显著性特征值， 表示第i组引导目标 特征信息的差 分计算中第n个差分值， SA L表示引导目标特征信息中显著性特征， Thsal,表示 引导目标特征信息显著 性特征初始 值， 保证计算不受数据噪声起伏影响， max表示求取集合 数据最大值 函数， min表示求取集合数据最小值 函数。 5.根据权利要求1所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S3的具体操作流 程如下： 当接收到引导目标特征信 息后， 红外探测单元响应此引导目标特征信 息调转到指定位 置即存在多个虚假点 目标的复杂场景下时， 以引导 目标显著性特征信息作为统计量， 利用 全局对比度多目标检测方法对红外探测单元视场内所有候选红外点目标进 行提取、 排序及 定量特征信息压栈统计， 建立 候选红外点目标的特 征信息描述。 6.根据权利要求1所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S4的具体操作流 程如下： 将统计的候选红外点目标特征信息与引导目标显著性特征信息进行逐一相似性匹配 计算， 记录特 征信息相似性匹配 计算结果。 7.根据权利要求6所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S4中， 相似性匹配 计算公式为： 式中， R表示相似性匹配计算值， Cin表示第i组第n个引导目标显著性特征信息， Tin表示 第i组第n个候选红外点目标 特征信息， 表示Cin的乘积， 表示Tin的乘积。 8.根据权利要求1所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 步骤S5的具体操作流 程如下： 将候选红外点目标特征信息与引 导目标显著性特征信息的相似性匹配计算结果进行 排序， 判断相似性匹配计算结果中候选红外点目标特征信息与引导目标显著 性特征信息最 相似时的相似度是否大于预设的特征信息匹配阈值； 若是， 则判断此候选红外点 目标为真 实红外点目标， 若否， 则重复步骤S3 至步骤S5， 直到 输出真实红外点目标为止 。 9.根据权利要求8所述的基于显著性特征信息判别的复杂场景红外点目标识别方法， 其特征在于， 通过式(8)选取与引导目标显著性特 征信息最相似的候选红外点目标： O＝max(R0,…,RNT)     (8) 式中， O表示判定 的真实红外点目标信息， R0表示第0个目标相似度， RNT表示第N个目标 相似度。权　利　要　求　书 2/2 页 3 CN 115205510 A 3