云背景下紅外弱小目標(biāo)檢測算法研究

張高峰，孫致月

（中國人民解放軍91336部隊(duì)95分隊(duì)，河北秦皇島066326）

在當(dāng)前的紅外搜索跟蹤設(shè)備中，紅外弱小目標(biāo)檢測已經(jīng)成為一種重要的研究技術(shù)[1-2]。如果是遠(yuǎn)距離成像，紅外成像系統(tǒng)視場內(nèi)的飛機(jī)等物體往往呈現(xiàn)出小目標(biāo)的特點(diǎn)，其像素少、清晰度低、強(qiáng)度小。尤其是當(dāng)目標(biāo)使用了相關(guān)的隱身技術(shù)之后，使得目標(biāo)紅外輻射強(qiáng)度進(jìn)一步降低，而背景卻更加復(fù)雜[3]。包含大面積云背景的天空背景是紅外背景的典型情況，由于缺乏云背景的先驗(yàn)信息，目標(biāo)信噪比很低，且極易淹沒在強(qiáng)噪聲云背景中，使得目標(biāo)檢測變得十分困難，圖像識別、分類精度難以保證。因此，研究云背景下的紅外成像特性及目標(biāo)檢測算法具有重要的意義[4]。由于目標(biāo)與背景存在較為明確的特性差異，所以可以采用相關(guān)的圖像處理方式，來減弱背景影響并突出目標(biāo)。文中提出了一種紅外小目標(biāo)檢測方法，即兼有高通濾波和中值濾波算法優(yōu)點(diǎn)的綜合濾波算法，可抑制圖像中大面積的云背景和強(qiáng)噪聲，進(jìn)而實(shí)現(xiàn)弱小目標(biāo)的檢測。

1 背景抑制

紅外圖像是運(yùn)用光電技術(shù)，采用專門的紅外探測器檢測目標(biāo)物熱輻射的紅外線特定波段信號，將該信號轉(zhuǎn)換成可供人類視覺分辨的圖像和圖形[5]。通過紅外探測器能夠?qū)t外輻射進(jìn)行轉(zhuǎn)換，并得到電信號，然后繼續(xù)進(jìn)行增益以及變換等處理得到最終的紅外圖像。當(dāng)成像系統(tǒng)和目標(biāo)的相對位置較遠(yuǎn)時(shí)，紅外圖像中觀測到的一般都是點(diǎn)目標(biāo)[6]。這些弱而小的點(diǎn)目標(biāo)往往只有少量的像素，難以準(zhǔn)確地體現(xiàn)出幾何外形特征。當(dāng)前的紅外成像系統(tǒng)一般只能夠反映出溫度特性，因此對紅外圖像的幅值特性（紅外特性）進(jìn)行著重研究[7-8]。假設(shè)包含點(diǎn)目標(biāo)的紅外場景圖像f(x,y)可以描述為：

其中，s(x,y)為目標(biāo)像素值，b(x,y)為背景圖像，n(x,y)為噪聲圖像。

紅外圖像的背景b(x,y)指圖像中非目標(biāo)區(qū)域，復(fù)雜背景的灰度空間分布呈現(xiàn)出不均勻、不穩(wěn)定的特征。云背景在圖像中主要表現(xiàn)為大面積緩慢變化的低頻成分，在灰度空間分布上具有較大的相關(guān)性[9]。紅外圖像噪聲n(x,y)屬于圖像內(nèi)的高頻部分，也可以將其表述為零均值的高斯白噪聲。噪聲和圖像本身沒有直接聯(lián)系，頻率域內(nèi)可以表現(xiàn)出與點(diǎn)目標(biāo)具有一定相似度的高斯特性，但是其空間分布沒有規(guī)律，不同幀之間的空間分布也不存在關(guān)聯(lián)。圖像信噪比較低，目標(biāo)點(diǎn)極易被噪聲和背景淹沒，所以從背景出發(fā)進(jìn)行弱小目標(biāo)檢測更為合理[10]。

在天空背景中云層占據(jù)了大部分區(qū)域，屬于被抑制成分，而且云背景有緩慢變化的云層，體現(xiàn)在圖像中即為較非云層背景具有比較大的對比度，而云層內(nèi)部的灰度分布則呈現(xiàn)出比較均勻的特點(diǎn)[11]。云邊緣位置的灰度變化比較明顯，這會(huì)增大檢測過程的難度，所以背景抑制是對紅外圖像進(jìn)行預(yù)先處理的重要內(nèi)容[10]。對于目標(biāo)檢測來說，充分抑制背景，提高目標(biāo)與背景的信噪比（或?qū)Ρ榷龋┦菣z測前圖像處理的基本原則。針對復(fù)雜背景的紅外圖像，首先對圖像進(jìn)行對比度增強(qiáng)，然后利用高通濾波濾除大面積的云背景，通過中值濾波孤立點(diǎn)噪聲，可以把目標(biāo)與跟其相關(guān)的云背景進(jìn)行有效地分離，進(jìn)而能夠?qū)崿F(xiàn)對目標(biāo)的檢測。

1.1 圖像對比度的增強(qiáng)

圖像對比度的增強(qiáng)即為優(yōu)化圖像質(zhì)量的過程，此過程需要基于特定規(guī)則來對圖像各個(gè)像素的灰度進(jìn)行調(diào)整，使得圖像灰度的動(dòng)態(tài)范圍出現(xiàn)變化[12]。圖像灰度的動(dòng)態(tài)范圍可以擴(kuò)展、可以壓縮，也可以在部分區(qū)域擴(kuò)展而在另外一部分區(qū)域進(jìn)行壓縮處理。通常情況下成像系統(tǒng)具有非線性特點(diǎn)，使得圖像對比度處于一個(gè)較低的水平，通過增強(qiáng)處理能夠顯著地提升圖像質(zhì)量。

1）線性變換

圖像點(diǎn)線性變換的原理為：假設(shè)[m M]和[n N]分別為原圖像和完成變換后圖像的灰度范圍，可以按照如下公式來實(shí)現(xiàn)線性對比度增強(qiáng)：

其中，f(x,y)為原圖像的灰度范圍，g(x,y)為完成變換后圖像的灰度范圍。

2）非線性變換

如果只是采用線性變換的方式有時(shí)候并不能滿足對比度增強(qiáng)需求，此時(shí)可以選擇非線性變化方式來調(diào)整圖像灰度，例如對數(shù)變換方式[13-14]。這種方式一般是對低灰度值進(jìn)行擴(kuò)展，而對高灰度值進(jìn)行壓縮，從而使圖像的低灰度部分更加清晰。對數(shù)形式的圖像點(diǎn)非線性變換公式為：

其中，c為常數(shù)。

線性與非線性變換效果如圖1所示。

圖1 圖像對比度變換效果對比圖

從以上兩種方法的增強(qiáng)效果可以看出，原始圖像模糊不清，視覺效果很差。經(jīng)過變換后圖像視覺效果明顯改善，圖像更為清晰。線性對比度增強(qiáng)對需要增強(qiáng)的灰度范圍具有較好的選擇性，對圖像中的高亮區(qū)和黑暗區(qū)具有保護(hù)細(xì)節(jié)作用，可以避免圖像失真，滿足后續(xù)的背景抑制需要。

1.2 高通濾波

由于目標(biāo)外形、大小和結(jié)構(gòu)信息的不足，對于弱小目標(biāo)的檢測往往難度較大，一般只能根據(jù)圖像中目標(biāo)與背景的差異來進(jìn)行檢測[15，16]。此時(shí)可以認(rèn)為目標(biāo)點(diǎn)即為圖像中的灰度奇異點(diǎn)。因此采用高通濾波方式將普遍的像素點(diǎn)進(jìn)行濾除，即可準(zhǔn)確獲取圖像中的目標(biāo)點(diǎn)，濾波及檢測過程需要考慮低頻背景和噪聲的影響。

1）Butterworth高通濾波器

Butterworth高通濾波器的傳遞函數(shù)為：

其中，D為截止頻率。

2）高斯高通濾波器

高斯高通濾波器的傳遞函數(shù)為：

其中，σ為截止頻率。

Butterworth高通濾波器和高斯高通濾波器的效果如圖2。

圖2 高通濾波處理圖像效果圖

由圖像效果看出，Butterworth濾波器截止頻率D=5時(shí)，對低頻部分抑制的效果比較明顯，噪聲比較少，但是目標(biāo)灰度降低；高斯高通濾波器截止頻率σ=5時(shí)，同樣有較好的抑制作用，目標(biāo)灰度比較明顯，而且圖像噪聲部分的平滑效果很好。因此，文中選用高斯高通濾波器進(jìn)行紅外圖像云背景抑制。

1.3 中值濾波

高頻濾波后，圖像中大部分的低頻背景和噪聲均被濾除。此時(shí)要對圖像中的高頻噪聲和干擾進(jìn)行濾除，采用中值濾波方法是一種比較好的方式。中值濾波是一種非線性圖像增強(qiáng)方法，其直接使用一個(gè)包含奇數(shù)點(diǎn)的滑動(dòng)窗口來對鄰域內(nèi)的像素按照灰度級進(jìn)行重新排序，將中間值作為輸出像素，這種方法不同于采用加權(quán)平均方式的平滑濾波[17-19]。中值濾波效果主要與鄰域范圍的大小和參與計(jì)算的像素?cái)?shù)量有關(guān)，能夠在較好保持圖像邊緣清晰度的前提下，實(shí)現(xiàn)對干擾脈沖和隨機(jī)點(diǎn)狀噪聲的較好抑制，但對于線、尖頂?shù)燃?xì)節(jié)多的圖像不宜采用中值濾波[20]。中值濾波的數(shù)學(xué)描述為：

若S為像素(x0,y0)的鄰域集合包括像素(x0,y0)，(x,y)表示S中的元素，f(x,y)表示(x,y)點(diǎn)的灰度值，|S|表示集合S中元素的個(gè)數(shù)，Sort表示排序，則對(x0,y0)進(jìn)行平滑表示為：

中值濾波效果如圖3所示。

圖3 中值濾波效果圖

根據(jù)上圖所示的濾波效果能夠看出，中值濾波之后的圖像得到了平滑，一些點(diǎn)噪聲得到了去除，但是這種濾波方式并沒有去除掉大面積的云背景，目標(biāo)的清晰度也出現(xiàn)了下降。

將中值濾波與高通濾波結(jié)合使用，可以相互彌補(bǔ)各自存在的缺陷，是一種新的濾波思路，可以實(shí)現(xiàn)快速而有效的紅外圖像背景抑制。

2 閾值檢測

背景抑制后的圖像內(nèi)除了目標(biāo)，仍然可能包含少量噪聲和輕微背景泄漏等成分，為了更準(zhǔn)確地從殘差圖像中檢測出目標(biāo)，可以采用對圖像進(jìn)行分割的方式[21-23]。背景抑制完成之后，大多數(shù)像素都處于低灰度區(qū)，而目標(biāo)以及一些噪聲處于高亮度區(qū)[24]，此時(shí)可以采用全局閾值分割法來對小目標(biāo)進(jìn)行檢測。

首先需要將背景抑制圖像e(x,y)輸入，經(jīng)過檢測器后，輸出圖像（二值圖像）為[14]：

其中，T表示的是檢測閾值，一般可以根據(jù)統(tǒng)計(jì)特性進(jìn)行設(shè)置，其表達(dá)式如下：

其中，μ和σ分別為圖像的均值和方差，k為基于經(jīng)驗(yàn)值的系數(shù)。為了有效地檢測出圖像內(nèi)的小目標(biāo)，同時(shí)保證虛警概率足夠低，可以設(shè)置k為圖像的信噪比值。圖像信噪比可定義如下：

式中，s為目標(biāo)的最大灰度值。

3 實(shí)驗(yàn)結(jié)果

通過對復(fù)雜背景紅外圖像的分析，文中提出了集高斯高通濾波器和中值濾波優(yōu)點(diǎn)的一種思路方法，高通濾波算法和中值濾波算法優(yōu)勢互補(bǔ)，算法運(yùn)算量很小，能夠滿足硬件和實(shí)際應(yīng)用實(shí)時(shí)性要求。下面使用紅外圖像質(zhì)量評估來分析基于背景抑制的紅外小目標(biāo)檢測效果。

圖4 紅外小目標(biāo)檢測效果圖

為了準(zhǔn)確說明背景抑制效果，本文使用對比度和信噪比來分析圖像處理前后的變化。其中信噪比的定義見公式（9），對比度的定義表示：

GT代表目標(biāo)灰度，GB代表背景灰度。本文選定目標(biāo)為3×3的像素尺寸，背景為21×21的像素尺寸。以圖4為例，圖像經(jīng)過背景抑制后的相關(guān)參數(shù)如表1所示。

表1 圖像質(zhì)量分析

下面通過該方法對一組天空背景下的兩個(gè)小目標(biāo)進(jìn)行檢測分析，根據(jù)圖像中目標(biāo)與背景的特點(diǎn)，按照改進(jìn)的背景抑制方法進(jìn)行目標(biāo)檢測，結(jié)果如圖5所示，并使用信噪比和對比度來評價(jià)圖像質(zhì)量，結(jié)果如表2所示，該實(shí)例驗(yàn)證了方法的合理性和有效性。

由表2信噪比和對比度的參數(shù)變化可以看出信噪比和對比度數(shù)值都增大很多，信噪比越大，越有利于弱小目標(biāo)的檢測；對比度越大目標(biāo)越易識別[25-32]。此方法充分利用了高通濾波和中值濾波這兩種算法的優(yōu)點(diǎn)，所存在一點(diǎn)不足就是目標(biāo)和點(diǎn)噪聲都是高頻部分，中值濾波在濾除孤立點(diǎn)噪聲同時(shí)可能會(huì)削弱目標(biāo)，也有可能濾除隱藏的弱小目標(biāo)。

圖5 天空背景弱小目標(biāo)檢測結(jié)果圖

表2 圖像質(zhì)量分析

4 結(jié)束語

為了解決天空復(fù)雜背景中目標(biāo)實(shí)時(shí)、高效檢測的難題，本文設(shè)計(jì)了一種新型的小目標(biāo)檢測方法，其能夠靈活地結(jié)合高通濾波與中值濾波算法，通過對圖像進(jìn)行對比度增強(qiáng)，高通濾波濾除大面積的云背景，中值濾波孤立點(diǎn)噪聲，實(shí)現(xiàn)對復(fù)雜圖像的背景抑制，進(jìn)而對抑制后的圖像進(jìn)行小目標(biāo)檢測。通過對圖像進(jìn)行信噪比和對比度的計(jì)算分析可以證明此方法的可行性和合理性，為后續(xù)空中目標(biāo)檢測打下了很好基礎(chǔ)。