外場(chǎng)紅外強(qiáng)弱目標(biāo)通用提取方法

李 毅，祿曉飛，廖姝華

(酒泉衛(wèi)星發(fā)射中心， 蘭州 732750)

?

外場(chǎng)紅外強(qiáng)弱目標(biāo)通用提取方法

李 毅，祿曉飛，廖姝華

(酒泉衛(wèi)星發(fā)射中心， 蘭州 732750)

提出的針對(duì)外場(chǎng)紅外測(cè)量圖像的目標(biāo)提取方法很好的解決了外場(chǎng)紅外測(cè)量圖像包含很多“奇異點(diǎn)”的干擾問(wèn)題;該方法對(duì)強(qiáng)紅外輻射的目標(biāo)和弱的目標(biāo)同樣具有很好的提取效果，具有較強(qiáng)的實(shí)用性;同時(shí)利用外場(chǎng)紅外測(cè)量圖像的連續(xù)性，較好地解決了目標(biāo)在圖像中的定位問(wèn)題，大大減少了目標(biāo)提取的計(jì)算速度;算法利用了用戶輸入初始目標(biāo)矩形范圍和初始閾值，根據(jù)輸入的矩形范圍，確認(rèn)背景區(qū)域，并根據(jù)背景區(qū)域計(jì)算背景灰度均值，利用該均勻與輸入的閾值，初步確認(rèn)目標(biāo)像素點(diǎn)，再對(duì)初步確認(rèn)的目標(biāo)點(diǎn)進(jìn)行連通性檢驗(yàn)，取連通點(diǎn)數(shù)最多的區(qū)域?yàn)槟繕?biāo)區(qū)域。

紅外圖像；目標(biāo)提取；連通性檢驗(yàn)；紅外強(qiáng)弱目標(biāo)；灰度值

外場(chǎng)紅外測(cè)量目標(biāo)的距離可以從上千公里到幾公里，測(cè)量的目標(biāo)在紅外圖像中可以是只占據(jù)幾個(gè)像素點(diǎn)、目標(biāo)背景灰度對(duì)比很弱的點(diǎn)目標(biāo)也可以是占據(jù)紅外圖像很大面積的、目標(biāo)背景灰度對(duì)比很強(qiáng)的面目標(biāo)。一般紅外目標(biāo)提取方法只針對(duì)弱目標(biāo)或強(qiáng)目標(biāo)提取，不能適應(yīng)外場(chǎng)紅外測(cè)量目標(biāo)一般由弱到強(qiáng)的變化特征。并且外場(chǎng)的紅外測(cè)量設(shè)備大都具有探測(cè)器壞像元多的特點(diǎn)，在目標(biāo)距離遠(yuǎn)只能在測(cè)量形成點(diǎn)目標(biāo)的情況下，這些壞像元導(dǎo)致的“奇異點(diǎn)”對(duì)弱點(diǎn)目標(biāo)的提取具有很大的干擾作用。本文提出的紅外目標(biāo)提取方法很好的解決了以上難題。

8位灰度級(jí)圖像是外場(chǎng)紅外圖像處理過(guò)程中常用的圖像，外場(chǎng)設(shè)備提供的各種灰度級(jí)的圖像都可以轉(zhuǎn)化成8位灰度級(jí)的圖像。該格式紅外圖像共有一字節(jié)8位即256個(gè)灰度級(jí)，該灰度級(jí)能夠更好的呈現(xiàn)圖像中目標(biāo)和背景的灰度差，有利于人眼對(duì)目標(biāo)的識(shí)別，在外場(chǎng)紅外圖像處理過(guò)程中得到廣泛應(yīng)用。外場(chǎng)的紅外圖像處理算法一般也針對(duì)8位灰度級(jí)圖像進(jìn)行處理。

本文探討的算法即是一種針對(duì)8位灰度級(jí)紅外圖像的處理算法。針對(duì)外場(chǎng)紅外測(cè)量圖像的特點(diǎn)，一般利用背景平均灰度值和一個(gè)閾值對(duì)圖像中的背景和目標(biāo)進(jìn)行分割，這種算法的一個(gè)缺陷是容易受壞象元干擾，尤其是在背景和目標(biāo)灰度值對(duì)比較弱的圖像中。本文結(jié)合外場(chǎng)紅外測(cè)量圖像的特點(diǎn)，在一般平均灰度值提取目標(biāo)的基礎(chǔ)上，對(duì)初步判定為目標(biāo)點(diǎn)的像素進(jìn)行連通性檢驗(yàn)，對(duì)目標(biāo)點(diǎn)進(jìn)行二次確認(rèn)。同時(shí)利用當(dāng)前幀目標(biāo)提取結(jié)果對(duì)連續(xù)圖像中的下一幀目標(biāo)點(diǎn)位進(jìn)行預(yù)測(cè)，縮小目標(biāo)提取范圍，提高運(yùn)算效率。實(shí)踐證明，該方法很好的解決了外場(chǎng)紅外測(cè)量圖像具有很多壞點(diǎn)干擾的問(wèn)題，算法具有運(yùn)算量小、靈敏度高、人工干預(yù)少的特點(diǎn)，很好的適應(yīng)了外場(chǎng)紅外測(cè)量圖像的目標(biāo)提取需求。

1 算法思想

1.1 幾個(gè)概念

弱目標(biāo)：指紅外測(cè)量圖像中目標(biāo)灰度值與背景灰度均值接近的目標(biāo)。一般目標(biāo)像素最大灰度值與背景灰度均值之差只占背景灰度均值1%以下。

強(qiáng)目標(biāo)：指紅外測(cè)量圖像中目標(biāo)灰度值與背景灰度均值相差較大的目標(biāo)。一般目標(biāo)像素最大灰度值可以達(dá)到背景灰度均值的1.5倍以上。

1.2 算法內(nèi)容

算法由兩部分組成：?jiǎn)螏瑘D像中目標(biāo)提取和連續(xù)圖像中下一幀目標(biāo)點(diǎn)位預(yù)測(cè)。

單幀圖像中目標(biāo)提取的主要思想是首先確定目標(biāo)所在的矩形框范圍。在軟件開發(fā)中一般提供圖形界面接口，設(shè)置初始的矩形框。算法在運(yùn)算過(guò)程中將利用當(dāng)前幀目標(biāo)所在矩形框及當(dāng)前幀目標(biāo)提取結(jié)果自動(dòng)預(yù)測(cè)下一幀目標(biāo)矩形框范圍。在矩形框范圍內(nèi)，選取目標(biāo)之外的像素點(diǎn)計(jì)算背景的平均灰度值。背景區(qū)域一般選擇矩形范圍內(nèi)四個(gè)角落區(qū)域作為目標(biāo)區(qū)域，這要求在設(shè)置初始矩形框時(shí)把目標(biāo)置于矩形框大概中心位置。算法然后利用用戶輸入的閾值，對(duì)圖像中的目標(biāo)像素點(diǎn)和背景像素點(diǎn)進(jìn)行分割。在軟件開發(fā)中一般提供用戶動(dòng)態(tài)輸入閾值的接口，以便用戶選擇最佳閾值。由于外場(chǎng)實(shí)際測(cè)量的紅外焦平面探測(cè)器有很多壞點(diǎn)，對(duì)初步確定為目標(biāo)點(diǎn)的像素還需進(jìn)行進(jìn)一步確認(rèn)。在實(shí)際測(cè)量的圖像中，壞象元對(duì)應(yīng)的點(diǎn)一般不具備聯(lián)通性，所以可以通過(guò)對(duì)初步判定為目標(biāo)像素點(diǎn)的所有像素點(diǎn)進(jìn)行連通性檢驗(yàn)，取連通區(qū)域最大既目標(biāo)點(diǎn)數(shù)最多的區(qū)域?yàn)樽罱K的目標(biāo)區(qū)域。

連續(xù)圖像中下一幀目標(biāo)點(diǎn)位預(yù)測(cè)的主要思想是利用當(dāng)前幀提取的目標(biāo)區(qū)域范圍，找出目標(biāo)的中心點(diǎn)，作為下一幀圖像中矩形框范圍的中心，從而預(yù)估下一幀圖像提取目標(biāo)的矩形范圍。

該算法針對(duì)矩形框范圍內(nèi)只有一個(gè)目標(biāo)，對(duì)于一幅圖像中有多個(gè)目標(biāo)的情形，可以通過(guò)多個(gè)矩形框范圍進(jìn)行擴(kuò)展，以適應(yīng)圖像中有多個(gè)目標(biāo)的情形。

1.2.1 圖像背景灰度均值計(jì)算

計(jì)算背景平均灰度值的關(guān)鍵是背景區(qū)域的確定。由于外場(chǎng)紅外測(cè)量圖像一般針對(duì)天空測(cè)量，目標(biāo)以外的區(qū)域即可作為背景區(qū)域。為了計(jì)算背景灰度均值，算法要求目標(biāo)矩形框：目標(biāo)處于矩形框范圍大概中心位置；目標(biāo)區(qū)域面積小于矩形框面積。

算法步驟如下：確定背景區(qū)域范圍。根據(jù)經(jīng)驗(yàn)，一般設(shè)置的矩形框面積為目標(biāo)面積的2～5倍。目標(biāo)矩形框范圍確定以后，一般取矩形框4個(gè)角落5 mm×5 mm大小區(qū)域作為圖像的背景區(qū)域；統(tǒng)計(jì)背景區(qū)域點(diǎn)數(shù)和灰度值之和，并計(jì)算背景灰度均值：

(1)

其中：Gi為每個(gè)背景像素點(diǎn)對(duì)應(yīng)的灰度值；Gav為背景灰度均值；N為背景像素點(diǎn)數(shù)。

1.2.2 目標(biāo)像素點(diǎn)預(yù)判

利用計(jì)算出的背景灰度均值Gav及輸入的閾值，根據(jù)以下條件初步判斷像素點(diǎn)是否為目標(biāo)像素點(diǎn)：

Gi-Gav≥g

(2)

其中：Gi為像素點(diǎn)灰度值；Gav為背景平均灰度值；g為閾值。滿足以上條件的像素點(diǎn)被初步判定為目標(biāo)像素點(diǎn)，并被標(biāo)記。

1.2.3 目標(biāo)像素點(diǎn)確認(rèn)

由于外場(chǎng)紅外測(cè)量設(shè)備的焦平面探測(cè)器具有很多壞象元，在設(shè)備提供的紅外測(cè)量圖像中有很多像素的灰度值具有“奇異性”，即壞象元對(duì)應(yīng)的像素灰度值并不滿足焦平面探測(cè)器線性響應(yīng)的特征，這些壞象元對(duì)弱目標(biāo)的提取具有很強(qiáng)的干擾。為了消除干擾，精確的確定圖像中實(shí)際的目標(biāo)像素點(diǎn)，可對(duì)目標(biāo)區(qū)域進(jìn)行連通性檢驗(yàn)，進(jìn)一步確認(rèn)目標(biāo)像素點(diǎn)。

為了減少計(jì)算量，本文提出了一種改進(jìn)的四連通算法，算法的步驟如下：

1) 選定種子像素點(diǎn)。根據(jù)經(jīng)驗(yàn)，一般取矩形范圍內(nèi)灰度值最大的N個(gè)點(diǎn)作為種子像素點(diǎn),為減少計(jì)算量，并盡量減少壞象元對(duì)目標(biāo)提取的干擾，一般取N介于5到30之間；

2) 種子像素壓入棧A中，初始化各種子點(diǎn)對(duì)應(yīng)的連通區(qū)域像素點(diǎn)數(shù)SUMi為0；

3) 如果棧A為空，則轉(zhuǎn)8)，否則轉(zhuǎn)4)；

4) 從棧A彈出一個(gè)像素seedi，如果該像素在目標(biāo)像素點(diǎn)預(yù)判中被標(biāo)記為背景點(diǎn)或者該像素點(diǎn)不滿足目標(biāo)矩形范圍內(nèi)，則丟棄seedi，轉(zhuǎn)3)，否則轉(zhuǎn)5)；

5) 對(duì)矩形范圍內(nèi)的所有像素點(diǎn)，新建內(nèi)存aski設(shè)置未訪問(wèn)標(biāo)識(shí)，同時(shí)新建內(nèi)存tari設(shè)置背景點(diǎn)標(biāo)識(shí)。新建一個(gè)棧stacki，設(shè)置種子像素點(diǎn)seedi的訪問(wèn)標(biāo)識(shí)為已訪問(wèn)，并把種子像素點(diǎn)seedi壓入棧stacki中，轉(zhuǎn)6)；

6) 如果棧stacki為空，轉(zhuǎn)3)；否則轉(zhuǎn)7)；

7) 對(duì)棧stacki的當(dāng)前棧頂元素top，如果top不滿足：a)在矩形范圍內(nèi)；b)在初步預(yù)判中判定為目標(biāo)像素點(diǎn)，則，彈出top，轉(zhuǎn)6)；否則，如果top滿足以上條件，則在tari內(nèi)存中標(biāo)記該像素點(diǎn)為目標(biāo)像素點(diǎn)，種子點(diǎn)對(duì)應(yīng)的SUMi增1，同時(shí)把top未訪問(wèn)過(guò)的臨近點(diǎn)(上、下、左、右)壓入棧stacki中，并修改鄰近點(diǎn)的訪問(wèn)標(biāo)識(shí)為已訪問(wèn)，轉(zhuǎn)6)；

8) 比較各種子點(diǎn)對(duì)應(yīng)的連通區(qū)域像素點(diǎn)數(shù)SUMi，取SUMi最大的種子點(diǎn)對(duì)應(yīng)的連通區(qū)域?yàn)槟繕?biāo)區(qū)域。該區(qū)域的背景、目標(biāo)標(biāo)識(shí)保存在tari中；

9) 結(jié)束。

1.3 實(shí)驗(yàn)結(jié)果與分析

為檢驗(yàn)算法效果，實(shí)驗(yàn)中分別使用了背景與目標(biāo)灰度值相近的弱目標(biāo)紅外圖像和背景與目標(biāo)灰度值相差較大的強(qiáng)目標(biāo)圖像進(jìn)行效果驗(yàn)證。

1.3.1 弱目標(biāo)提取情況驗(yàn)證

實(shí)驗(yàn)中選取的弱目標(biāo)紅外測(cè)量圖像如圖1左圖，圖1左圖矩形范圍內(nèi)目標(biāo)最大灰度值為4 474，背景灰度均值約為4 465，目標(biāo)最大灰度值與背景灰度均值的差與背景灰度均值的比值約為0.2%。圖1中右圖為利用本文提出的算法對(duì)目標(biāo)進(jìn)行提取的情況，其中，矩形范圍內(nèi)黑色像素點(diǎn)為最終提取的目標(biāo)像素點(diǎn)。

圖1 弱目標(biāo)提取情況對(duì)比

1.3.2 強(qiáng)目標(biāo)提取情況驗(yàn)證

實(shí)驗(yàn)中選取的強(qiáng)目標(biāo)紅外測(cè)量圖像如圖2左圖，圖2左圖矩形范圍內(nèi)目標(biāo)最大灰度值為13 609，背景灰度均值約為2 080，目標(biāo)最大灰度值與背景灰度均值的差與背景灰度均值的比值約為554.3%。圖2中右圖為利用本文提出的算法對(duì)目標(biāo)進(jìn)行提取的情況，其中矩形范圍內(nèi)黑色像素點(diǎn)為最終提取的目標(biāo)像素點(diǎn)。

圖2 強(qiáng)目標(biāo)提取情況對(duì)比

2 結(jié)論

實(shí)驗(yàn)證明，本文提出的針對(duì)外場(chǎng)紅外測(cè)量圖像的目標(biāo)提取算法很好的適應(yīng)了外場(chǎng)紅外測(cè)量圖像目標(biāo)提取的需求，很好地解決了外場(chǎng)紅外測(cè)量圖像“奇異點(diǎn)”多、對(duì)目標(biāo)提取干擾大的問(wèn)題。算法具有簡(jiǎn)單高效的特點(diǎn)，很好的解決了外場(chǎng)紅外測(cè)量圖像目標(biāo)強(qiáng)弱變化大、外場(chǎng)測(cè)量設(shè)備的焦平面探測(cè)器具有很多壞象元、壞象元對(duì)應(yīng)點(diǎn)容易干擾弱目標(biāo)提取的特點(diǎn)，在實(shí)際的應(yīng)用中取得了很好的目標(biāo)提取效果。

[1] 常洪花,張建奇.基于人眼視覺系統(tǒng)的紅外背景雜波量化技術(shù)[J].紅外技術(shù),2004(5):13-17.

[2] 彭誠(chéng)，孫新柱.一種改進(jìn)的深度圖像修復(fù)算法研究[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，33(1):65-69.

[3] 黃康,毛峽,胡海勇,等.復(fù)雜背景下紅外弱小運(yùn)動(dòng)目標(biāo)檢測(cè)的新方法[J].航空學(xué)報(bào).2009(9):1754-1760.

[4] 徐英.紅外圖像序列中運(yùn)動(dòng)弱小目標(biāo)檢測(cè)的方法研究[J].紅外技術(shù).2002(6)：65-68.

[5] 張秀鳳,婁樹理,張燕妮.紅外圖像模式識(shí)別的預(yù)處理研究[J].光電技術(shù)應(yīng)用， 2006(5)：58-60，66.

[6] 賈花萍.盲去卷積算法在圖像恢復(fù)中的應(yīng)用研究[J].信息技術(shù),2011(5):38-39.

[7] 王明祥,莫玉龍.一種基于FastICA的運(yùn)動(dòng)目標(biāo)檢測(cè)新方法[J].計(jì)算機(jī)工程，2004(3)： 58-60.

[8] 吳君欽,劉昊,羅勇.靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].液晶與顯示，2012(5)：682-686.

[9] 高晶,孫繼銀,劉婧,等.基于區(qū)域模糊閾值的前視紅外目標(biāo)識(shí)別[J].光學(xué)精密工程， 2011(12)：3056-3063.

[10]靳永亮,王延杰,劉艷瀅,等.紅外弱小目標(biāo)的分割預(yù)檢測(cè)[J].光學(xué)精密工程.2012(1)：171-178.

(責(zé)任編輯 唐定國(guó))

General Target Extraction Method of Infrared Strong and Weak Intensity Target in Out-Field

LI Yi， LU Xiaofei， LIAO Shuhua

(Jiuquan Satellite Lanch Center, Lanzhou 732750, China)

The proposed method of target extraction for external infrared image measurement is a good solution to the problem that the infrared measurement image contains many “singular points”. This method has a good extraction effect on the target of strong infrared radiation, and the target with weak background control. At the same time, the continuity of the image is measured by the infrared field, and the positioning problem of the target in the image is solved. And the calculation speed of the target extraction can be greatly reduced. The algorithm uses the user to input the initial target rectangle range and the initial threshold. The background area is confirmed according to the input rectangular range, and the background gray value is calculated according to the background area. The target pixel is confirmed by the uniform and input threshold. The initial confirmation of the target point for connectivity testing was processed, and the area with the largest number of connected points is the target area.

infrared image; target extraction; connectivity test; infrared strong target; gray valueg

10.11809/scbgxb2017.07.034

2017-03-25；

2017-04-1

李毅(1980—)，男，研究員，主要從事裝備理論與裝備技術(shù)研究。

format:LI Yi，LU Xiaofei，LIAO Shuhua.General Target Extraction Method of Infrared Strong and Weak Intensity Target in Out-Field[J].Journal of Ordnance Equipment Engineering,2017(7):160-162.

E919

A

2096-2304(2017)07-0160-03

本文引用格式：李毅,祿曉飛,廖姝華.外場(chǎng)紅外強(qiáng)弱目標(biāo)通用提取方法[J].兵器裝備工程學(xué)報(bào)，2017(7):160-162.