一種基于ｒｏｂｅｒｔ算子的紅外圖象小目標檢測算法

摘要：“紅外小目標檢測”技術是紅外成像跟蹤系統(tǒng)的核心技術，因此紅外小目標的檢測是當前軍事領域的一項重要研究課題。目前紅外小目標的檢測技術的發(fā)展方向是研究一種運算量小、性能高、利于硬件實時實現(xiàn)的檢測算法。

關鍵詞：紅外小目標檢測；濾波；閾值；羅伯特(Robert)算子

Infrared small target detection technology Based on Robert operator

JIN Sheng-xi

(Xiamen University IT college，Xiamen 361005，China)

Abstract:infrared small target detection technology is the core of tracking system of infrared making images. So infrared small target detection technology is a very important research task in military domain. It is a researching direction to find some good ways ininfrared small target detection technology such as a short operation ， advanced quality， real-time detecting object.

Key words: infrared small target; filter; threshold; Robert operator

1 引言

紅外小目標(點目標和所含點數(shù)不多的面目標)的檢測問題[2]是現(xiàn)代武器精確制導的一個重要課題。近年來，人們對遠距離，低信噪比情況下的微弱 ”點運動目標”的檢測及跟蹤技術產(chǎn)生了濃厚的興趣，使得該課題成為目前的研究熱點之一。目前的發(fā)展方向是研究運算量小、性能高、便于硬件實時實現(xiàn)的檢測和跟蹤算法。

2 小目標的特點

利用紅外傳感器等獲取的運動目標圖像，由于目標紅外輻射強度與其周圍自然背景的輻射強度不相關，并且一般都高于背景的輻射強度，因此目標可看作是圖像中的孤立的亮斑。當目標距離較遠時，所成像很小，可將其著成具有恒定灰度值的點源。目標可由其與周圍背景的亮度差(能量差)得以檢出。

空中紅外小目標當其距離觀察點較遠時，一般無形態(tài)及紋理信息可以利用，呈現(xiàn)為微弱的小亮點或小亮斑(點目標)，其在圖像上的成像面積僅為幾個或十幾個像素大小，而且目標成像強度較弱，目標亮度有時會低于一些背景中高亮度的云團等干擾物。但是一般來說，目標與其周圍的背景相比有較明顯的亮度差。另外，紅外空中背景圖像較為單一，主要是云團及大氣，它們一般亮度較弱、分布也比較均勻。同時，背景中還包含了一些在成像過程中隨機產(chǎn)生的噪聲點。

3 算法

3.1 尋找合適的算法

由于目標信噪比往往較低，因此有很多算法通過多幀累加，邊檢測邊跟蹤的方法來提高檢測的準確率。這大大增加了計算量， 而且增加了跟蹤算法的復雜度。本文在保證虛警概率足夠低的基礎上力圖提高單幀圖像的檢測概率，這樣后續(xù)的跟蹤任務就只須排除少量強噪聲的干擾，降低了跟蹤算法的難度和計算量，利于實時檢測和跟蹤。

研究小目標檢測算法一般從目標特性研究或背景特性研究兩個方面出發(fā)來考慮。因為小目標其本身的灰度、形狀、紋理和結構特征不明顯也不確定，而且自然背景與目標的紅外輻射強度在某些場景下會非常接近，因此，如何提高檢測及跟蹤算法的準確性和可靠性，是國內(nèi)外普遍關注與重點對于序列圖像中微弱點狀運動目標的檢測及跟蹤技術需要解決的重點問題有：(1)如何在低信噪雜波比的情況下檢測捕獲點狀運動目標并進行跟蹤；(2)如何解決快速處理，實時實現(xiàn)問題。

背景由于在形成時受到物理規(guī)律的制約，它們在空間上往往呈大面積的連續(xù)分布狀態(tài)，因此在紅外輻射的強度上也呈漸變過渡狀態(tài)，從而使得它們的紅外圖像在圖像灰度空間分布上具有較大的相關性，所以它主要是緩慢變化的低頻部分。紅外圖像平面上的噪聲主要包括白噪聲和線列掃描方向上的非平穩(wěn)噪聲。它與背景像素不相關，空間分布是隨機的，幀間沒有相關性。對紅外系統(tǒng)來說，若帶寬選擇合適，均可將噪聲當作白噪聲。

在目標增強和背景抑制過程中，在頻域，由于小目標分布在高頻，而背景大多分布在低頻，故人們采用了高通濾波器，大量的實驗證明這是有效的；同時，人們又利用了目標運動的連續(xù)性這一特點，對序列圖像進行連續(xù)濾波。

紅外圖像小目標檢測是一個實際應用中的難題，到目前為止，對小目標的檢測方法幾乎都可以被歸結為兩種模式中：第一類即直接依據(jù)目標本身的各種特性，如相對于背景的灰度差異，以及在頻域的高頻特性等設計相應的檢測條件，從而將目標從圖像中提取出來的模式；第二類則是采取相反的思路，即通過從圖像中去除背景信息，從而突出目標信號，達到目標檢測的目的。受到紅外小目標圖像本身成像條件的制約，如小目標區(qū)域像素數(shù)目少，無紋理特征可以提取等對檢測帶來困難，因此相對而言采用第一種模式設計的紅外小目標檢測算法的檢測效果沒有采用二種模式設計的紅外小目標檢測算法的檢測效果理想。

3.2 我們提出的小目標檢測與跟蹤的技術方案

綜合各種檢測方法，我們可以發(fā)現(xiàn)，檢測速度和檢測精度是矛盾的，從軍事方面考慮，提高檢測速度更有現(xiàn)實意義。本文提出的方法，從檢測速度上看，比傳統(tǒng)方法快的多。

首先進行自適應濾波，然后進行以下處理過程：均衡化處理，robet算子[1]處理，線性化處理和閾值分割，對最終的圖象進行區(qū)域增長，增大目標點，從而實現(xiàn)檢測出目標的目的！

濾波是必須的一個環(huán)節(jié)，自適應濾波[4]是個好的選擇！濾波結束后，robert算子把邊緣提取出來，然后進行下面的處理。

Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子，Robert算子圖像處理后結果邊緣不是很平滑。經(jīng)分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內(nèi) 產(chǎn)生較寬的響應，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高。但是經(jīng)過robert算子處理后，圖象平滑部分消失很多，而邊緣被相對強化，而點目標本身的邊緣特征是保留的，而且亮度幾乎損失不太多，從而為閾值處理創(chuàng)造了條件。

限于篇幅，其余的技術細節(jié)沒有全部披露。

實際處理過程

1)真彩圖灰度化；2)自適應濾波和羅伯特(Robert)算子處理；3. 區(qū)域增長；4)反色；5)域值處理(線性變換)；6)反色處理；7)區(qū)域增長目標顯示。

最后一張圖的亮點，就是目標點。

當然，這種處理方法也有適用范圍，當出現(xiàn)大批量白點躁聲的時候，將出現(xiàn)比較高的虛警！而我們可以另行計算這些點目標的移動規(guī)律（無序為躁聲，有序為目標），從而獲得比較高的識別率(限于篇幅，本文不在論述)。

經(jīng)過仿真實驗表明，本文的檢測方法，算法簡單，檢測速度快，而且方便于硬件實現(xiàn)，值得嘗試。

參考文獻：

[1] 典型數(shù)字圖象處理算法及實現(xiàn)[M].人民郵電出版社.

[2] K.R.castleman， 數(shù)字圖象處理[M].電子工業(yè)出版社.

[3] 彭嘉雄，周文琳. 紅外背景抑制與小目標分割檢測[J]. 電子學報，1999，27 (12):47-51.

[4] 楊衛(wèi)平，沈振康. 紅外圖像序列小目標檢測預處理技術[J]. 紅外與激光，1998， 27(1):23-28.

收稿日期：2008-03-27

作者簡介：金勝昔 男，廈門大學信息科學與技術學院計算機科學系，碩士研究生。