紅外圖像目標(biāo)檢測及增強(qiáng)

1、南 京 理 工 大 學(xué)作 者:學(xué) 號(hào)：學(xué)院(系):專 業(yè):題 目:指導(dǎo)者： (姓 名) (專業(yè)技術(shù)職務(wù))評(píng)閱者： (姓 名) (專業(yè)技術(shù)職務(wù)) 年 月 TOC o 1-3 h z u HYPERLINK l _Toc344321815 一 引言 PAGEREF _Toc344321815 h 1 HYPERLINK l _Toc344321816 1.1 紅外成像系統(tǒng)應(yīng)用 PAGEREF _Toc344321816 h 1 HYPERLINK l _Toc344321817 1.2 紅外成像系統(tǒng)研究發(fā)展 PAGEREF _Toc344321817 h 2 HYPERLINK l _Toc344

2、321818 二 紅外圖像的目標(biāo)檢測及跟蹤 PAGEREF _Toc344321818 h 3 HYPERLINK l _Toc344321819 2.1 典型的DBT目標(biāo)檢測算法 PAGEREF _Toc344321819 h 3 HYPERLINK l _Toc344321820 2.1.1 閾值法 PAGEREF _Toc344321820 h 3 HYPERLINK l _Toc344321821 2.1.2 最大距離法 PAGEREF _Toc344321821 h 4 HYPERLINK l _Toc344321822 2.2 典型的TBD目標(biāo)檢測算法 PAGEREF _Toc34

3、4321822 h 6 HYPERLINK l _Toc344321823 2.2.1 基于多級(jí)假設(shè)檢驗(yàn)的TBD目標(biāo)檢測算法 PAGEREF _Toc344321823 h 6 HYPERLINK l _Toc344321824 2.2.2 基于光流的方法 PAGEREF _Toc344321824 h 7 HYPERLINK l _Toc344321825 2.2.3 基于求差法的方法 PAGEREF _Toc344321825 h 7 HYPERLINK l _Toc344321826 2.3 混合高斯模型原理及實(shí)現(xiàn)： PAGEREF _Toc344321826 h 8 HYPERLINK

4、 l _Toc344321827 2.4 紅外目標(biāo)跟蹤 PAGEREF _Toc344321827 h 10 HYPERLINK l _Toc344321828 2.4.1 邊緣跟蹤算法 PAGEREF _Toc344321828 h 11 HYPERLINK l _Toc344321829 2.4.2優(yōu)化的雙邊緣跟蹤算法： PAGEREF _Toc344321829 h 11 HYPERLINK l _Toc344321830 2.4.3 形心跟蹤算法 PAGEREF _Toc344321830 h 11 HYPERLINK l _Toc344321831 三 圖像增強(qiáng)技術(shù) PAGEREF

5、_Toc344321831 h 12 HYPERLINK l _Toc344321832 3.1 點(diǎn)運(yùn)算 PAGEREF _Toc344321832 h 14 HYPERLINK l _Toc344321833 3.1.1 灰度級(jí)校正 PAGEREF _Toc344321833 h 14 HYPERLINK l _Toc344321834 3.1.2 灰度變換 PAGEREF _Toc344321834 h 14 HYPERLINK l _Toc344321835 3.1.3直方圖修正 PAGEREF _Toc344321835 h 18 HYPERLINK l _Toc344321836 3

6、.2 空域圖像平滑 PAGEREF _Toc344321836 h 20 HYPERLINK l _Toc344321837 3.1.1 噪聲消除法 PAGEREF _Toc344321837 h 20 HYPERLINK l _Toc344321838 3.2.2 鄰域平均法 PAGEREF _Toc344321838 h 21 HYPERLINK l _Toc344321839 3.2.3 中值濾波 PAGEREF _Toc344321839 h 22 HYPERLINK l _Toc344321840 3.2.4 梯度倒數(shù)加權(quán) PAGEREF _Toc344321840 h 23 HYP

7、ERLINK l _Toc344321841 3.3 空間域圖像銳化 PAGEREF _Toc344321841 h 25 HYPERLINK l _Toc344321842 3.3.1 梯度法 PAGEREF _Toc344321842 h 25 HYPERLINK l _Toc344321843 3.3.2 Laplacian算子 PAGEREF _Toc344321843 h 26 HYPERLINK l _Toc344321844 3.3.3 高通濾波 PAGEREF _Toc344321844 h 27 HYPERLINK l _Toc344321845 3.3.4 統(tǒng)計(jì)差值法 PA

8、GEREF _Toc344321845 h 28 HYPERLINK l _Toc344321846 3.4 彩色技術(shù) PAGEREF _Toc344321846 h 29 HYPERLINK l _Toc344321847 3.4.1 什么是偽彩色增強(qiáng)技術(shù) PAGEREF _Toc344321847 h 29 HYPERLINK l _Toc344321848 3.4.2 為什么引入彩色增強(qiáng)技術(shù) PAGEREF _Toc344321848 h 29 HYPERLINK l _Toc344321849 3.4.3 彩色增強(qiáng)技術(shù)原理 PAGEREF _Toc344321849 h 29 HYPE

9、RLINK l _Toc344321850 3.4.4 假彩色增強(qiáng) PAGEREF _Toc344321850 h 30 HYPERLINK l _Toc344321851 3.4.4 偽彩色增強(qiáng) PAGEREF _Toc344321851 h 31 HYPERLINK l _Toc344321852 3.5 頻率域增強(qiáng)處理 PAGEREF _Toc344321852 h 35 HYPERLINK l _Toc344321853 3.5.1 低通濾波 PAGEREF _Toc344321853 h 36 HYPERLINK l _Toc344321854 3.5.2 同態(tài)圖像增強(qiáng) PAGERE

10、F _Toc344321854 h 37 HYPERLINK l _Toc344321855 3.5.3高通濾波 PAGEREF _Toc344321855 h 38 HYPERLINK l _Toc344321856 3.5.4 高頻強(qiáng)調(diào)濾波 PAGEREF _Toc344321856 h 39 HYPERLINK l _Toc344321857 3.5.5 小波變換增強(qiáng) PAGEREF _Toc344321857 h 40一 引言1.1 紅外成像系統(tǒng)應(yīng)用隨著紅外成像技術(shù)的發(fā)展，紅外成像系統(tǒng)已廣泛地應(yīng)用在光學(xué)遙感、夜間導(dǎo)航、目標(biāo)探測以及火控、制導(dǎo)等民用和軍事領(lǐng)域。從二十世紀(jì)五十年代開始，紅外

11、成像技術(shù)被廣泛應(yīng)用于軍事領(lǐng)域，尤其是在紅外成像制導(dǎo)、紅外告警和偵察方面。機(jī)載前視紅外裝置能在1500m上空探測到人、小型車輛和隱蔽目標(biāo)，在20000m高空能分辨出汽車乃至能探測水下40m深處的潛艇。軍事需求始終是推動(dòng)紅外成像技術(shù)發(fā)展的最強(qiáng)動(dòng)力，軍事領(lǐng)域也是紅外成像新技術(shù)首先得到應(yīng)用的領(lǐng)域。海灣戰(zhàn)爭充分顯示了紅外技術(shù)特別是熱成像技術(shù)在軍事上的作用和威力。海灣戰(zhàn)爭從開始、作戰(zhàn)到獲勝都是在夜間，夜視裝備應(yīng)用的普遍性乃是這次戰(zhàn)爭的最大特點(diǎn)之一。在戰(zhàn)斗中投入的夜視裝備之多，性能之好，是歷次戰(zhàn)爭所不能比擬的。美軍每輛坦克，每個(gè)重要武器直到反坦克導(dǎo)彈都配有夜視瞄準(zhǔn)具，僅美軍第二十四機(jī)械化步兵師就裝備了上千套

12、夜視儀。多國部隊(duì)除了地面部隊(duì)，海軍陸戰(zhàn)隊(duì)廣泛裝備了夜視裝置外，美國的F117隱形戰(zhàn)斗轟炸機(jī)、阿帕奇直升機(jī)、F15E戰(zhàn)斗機(jī)、英國的旋風(fēng)GRI對(duì)地攻擊機(jī)等都裝有先進(jìn)的熱成像夜視裝備。正因?yàn)槎鄧筷?duì)在夜視和光電裝備方面的優(yōu)勢，所以在整個(gè)戰(zhàn)爭期間他們掌握了絕對(duì)的主動(dòng)權(quán)。多國部隊(duì)利用飛機(jī)發(fā)射的紅外制導(dǎo)導(dǎo)彈在海灣戰(zhàn)爭中發(fā)揮了極大的威力，他們僅在10天內(nèi)就摧毀伊軍坦克650輛、裝甲車500輛。同時(shí)，紅外成像技術(shù)也廣泛地應(yīng)用于工業(yè)、農(nóng)業(yè)、醫(yī)學(xué)、交通等各個(gè)行業(yè)和部門。紅外測溫、紅外理療、紅外檢測、紅外報(bào)警、紅外遙感、紅外防偽更是各行業(yè)爭相選用的先進(jìn)技術(shù)。紅外成像系統(tǒng)與雷達(dá)成像系統(tǒng)、電視成像系統(tǒng)一起構(gòu)成當(dāng)代三大成

13、像系統(tǒng)。紅外成像系統(tǒng)與雷達(dá)相比，具有結(jié)構(gòu)簡單、體積小、重量輕、分辨率高、隱蔽性好、抗干擾能力強(qiáng)等優(yōu)點(diǎn)；與可見光相比，有透過煙塵能力強(qiáng)、可晝夜工作等特點(diǎn)，因而在中近距離成像跟蹤系統(tǒng)中，紅外成像傳感器受到特別重視。下表比較了幾種常用成像系統(tǒng)的優(yōu)缺點(diǎn)：表1.1 常見成像系統(tǒng)的優(yōu)缺點(diǎn)傳感器類型優(yōu)點(diǎn)缺點(diǎn)雷達(dá)（合成孔徑、相控陣 、毫米波）全天候可遠(yuǎn)距工作有測距能力結(jié)構(gòu)復(fù)雜主動(dòng)工作方式成像清晰度差可見光電視被動(dòng)系統(tǒng)分辨率很高對(duì)氣候敏感夜間不能工作近距離工作無測距能力紅外成像靠目標(biāo)自身熱輻射工作分辨率高氣候適應(yīng)性強(qiáng)被動(dòng)系統(tǒng)易受濃霧影響無測距能力激光成像有測距能力分辨率高氣候適應(yīng)性強(qiáng)結(jié)構(gòu)復(fù)雜搜索目標(biāo)較困難主動(dòng)系

14、統(tǒng)1.2 紅外成像系統(tǒng)研究發(fā)展目前紅外成像系統(tǒng)的研究主要集中在三個(gè)方面：一、焦平面探測器陣列的研究。探測器材料從傳統(tǒng)的銻化銦（InSb）、硅化鉑（PtSi）和銻鎘汞（HgCdTe）向 = 3 * ROMAN III = 5 * ROMAN V族化合物發(fā)展；探測器陣列的大小從最初的6464元向512512元、10241024元甚至更高元數(shù)發(fā)展，隨著探測器元數(shù)的增多和單元尺寸的減小，對(duì)讀出電路的要求也越來越高。二、圖像信號(hào)處理器硬件系統(tǒng)的研究。隨著計(jì)算機(jī)技術(shù)和大型集成電路的發(fā)展，DSP（數(shù)字信號(hào)處理器）和FPGA（現(xiàn)場可編程邏輯器件）已廣泛使用在圖像信號(hào)處理器中。大容量存儲(chǔ)器和多處理器并行結(jié)構(gòu)的應(yīng)

15、用，使信號(hào)處理的能力和容量成數(shù)量級(jí)的增長。三、各種檢測、識(shí)別和跟蹤算法和軟件的研究。隨著探測器水平和圖像信號(hào)處理器處理能力的提高，各種復(fù)雜的算法得以在系統(tǒng)中實(shí)時(shí)運(yùn)行。近年來針對(duì)復(fù)雜背景和各種干擾條件下的檢測和識(shí)別的新算法不斷涌現(xiàn)，更加智能化的狀態(tài)判決和跟蹤處理算法也得以應(yīng)用。尤其是有關(guān)紅外目標(biāo)檢測的技術(shù)也得到迅速發(fā)展。紅外目標(biāo)的檢測技術(shù)是紅外成像系統(tǒng)中的核心技術(shù)之一，它利用圖像處理算法對(duì)處于雜亂背景和強(qiáng)噪聲環(huán)境中的目標(biāo)進(jìn)行自動(dòng)檢測，算法的性能對(duì)紅外成像系統(tǒng)的作用距離和智能化程度十分關(guān)鍵。從二十世紀(jì)八十年代末 人們已經(jīng)開始利用紅外傳感器來檢測遠(yuǎn)距離的熱源隨著熱成像技術(shù)的成熟 紅外圖像中的目標(biāo)檢測

16、技術(shù)已經(jīng)成為一項(xiàng)獨(dú)立的、具有明顯特色的研究方向。尤其在軍事領(lǐng)域，目前在歐美國家的一些先進(jìn)的武器系統(tǒng)，包括航空母艦的預(yù)警系統(tǒng)、各種飛機(jī)的紅外搜索跟蹤系統(tǒng)、紅外成像制導(dǎo)導(dǎo)彈和一些地面軍事設(shè)施的告警系統(tǒng)中，紅外弱小目標(biāo)的檢測技術(shù)的地位舉足輕重?？梢哉f遠(yuǎn)距離的飛機(jī)、導(dǎo)彈等飛行物的自動(dòng)檢測已成為成像制導(dǎo)、告警系統(tǒng)和光電對(duì)抗的核心技術(shù)。紅外圖像信號(hào)處理硬件系統(tǒng)的性能和容量是與受探測器和電路技術(shù)發(fā)展水平相對(duì)應(yīng)的；而紅外目標(biāo)檢測技術(shù)可以最大程度上發(fā)揮系統(tǒng)性能，使系統(tǒng)整體性能達(dá)到最優(yōu)。近年來計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)迅速發(fā)展，有關(guān)紅外圖像中目標(biāo)檢測的理論、方法和技術(shù)方面的研究也在廣泛地開展。二 紅外圖像的目標(biāo)

17、檢測及跟蹤紅外目標(biāo)檢測算法可分為“先跟蹤后檢測（TBD）”類檢測算法和“先檢測后跟蹤（DBT）”類檢測算法兩大類。2.1 典型的DBT目標(biāo)檢測算法經(jīng)典的DBT目標(biāo)檢測算法較為清晰分解了單幀目標(biāo)初檢測和多幀目標(biāo)確定這兩項(xiàng)任務(wù)，所以從宏觀上說，將不同的圖像預(yù)處理及單幀目標(biāo)分割算法與不同的多幀目標(biāo)運(yùn)動(dòng)軌跡確定算法組合起來，就可以構(gòu)成適合于不同具體研究對(duì)象的DBT目標(biāo)檢測算法。2.1.1 閾值法依據(jù)分割閾值將目標(biāo)從背景中分割出來，通常是成像跟蹤算法中必須首先解決的一個(gè)重要環(huán)節(jié)，它包括閾值計(jì)算和目標(biāo)分割兩個(gè)過程。能否有效地提取出目標(biāo)，問題的關(guān)鍵是尋找一個(gè)合理的閾值。閾值的選取有固定閾值和自適應(yīng)閾值兩種方

18、法，閾值法又可以分為全局閾值法和局部閾值法。全局閾值法：經(jīng)濾波后的背景噪聲近似看作是高斯白噪聲，可使用全局門限分割算法。設(shè)輸入圖像為，門限處理后的圖像為，令門限為Th(k)，則有：式中，Th(k)是隨序列圖像的變化而自適應(yīng)改變的。即： (2.2)其中，為加權(quán)值，的選擇范圍為35，mean(k)、var(k)分別表示第k幀經(jīng)抑制背景起伏后的圖像灰度均值和方差，設(shè)輸入圖像的大小為N1N2，則圖像均值和方差可表示為：經(jīng)過上述的閾值處理以后，得到一個(gè)去除背景干擾和弱噪聲的目標(biāo)圖像，這時(shí)，可能除了目標(biāo)，還有強(qiáng)噪聲點(diǎn)。局部閾值法：設(shè)f (i,j)周圍的33方陣中灰度值為E= f (i,j)，經(jīng)過3x3的高

19、通濾波后，該點(diǎn)灰度值變?yōu)椋瑒t：此方法的關(guān)鍵是值的確定，提出了一種自適應(yīng)確定方法，即=|均值一標(biāo)準(zhǔn)方差| /標(biāo)準(zhǔn)方差。通過將高通濾波后的目標(biāo)與它周圍的背景作自適應(yīng)門限比較可以很好地分割出點(diǎn)目標(biāo)，這樣既可以解決由單純的自適應(yīng)門限造成的預(yù)選點(diǎn)過多，又可解決單純的高通濾波，當(dāng)目標(biāo)出現(xiàn)在強(qiáng)噪聲下分割不出來的弊病。2.1.2 最大距離法直方圖分割法中的最大距離法是一種簡單有效的圖像分割方法。它的基本思想是：在直方圖取值范圍內(nèi)，任一灰度級(jí)可將直方圖分為左右兩部分，如果這兩部分的灰度均值與總體的灰度均值相距最大，則該灰度級(jí)就取為分割門限。假設(shè)紅外圖像總的灰度級(jí)為L，在l灰度級(jí)處有nl個(gè)像點(diǎn)，則總的像點(diǎn)數(shù)為，令

20、l灰度級(jí)處的概率Pl接近于頻率，則。在任一灰度級(jí)處將直方圖分割成左、右兩部分，于是我們有：左邊部分：；右邊部分：，它們發(fā)生的概率和分別為： (2.7) 因?yàn)榭傮w灰度均值：所以若令: (2.9) (2.10)則它們分別是集合和集合的灰度均值，于是有： (2.11)進(jìn)一步，令： (2.12)則(2.9)式可化為： (2.13)考慮到,所以式(2.10)可表示為： (2.14)由(2.11)、(2.12、(2.13)和(2.14)式可以看出，對(duì)于0L灰度級(jí)之間的任一灰度級(jí)，可以計(jì)算出 、和?，F(xiàn)在，定義一個(gè)均值距離測度為至和至距離的加權(quán)之和，即： (2.15)將(2.13)和(2.14)式代入(2.1

21、5)式中，并考慮到，則(2.15)式可簡化為：分割的準(zhǔn)則是使為最大值的灰度級(jí)作為圖像分割的門限值。圖像中凡是灰度值小于分割門限的像點(diǎn)，均認(rèn)為是背景中的點(diǎn)，并加以濾除。反之，則認(rèn)為是潛在目標(biāo)區(qū)域中的點(diǎn)，予以保留。2.2 典型的TBD目標(biāo)檢測算法TBD 算法流程概括起來包含三個(gè)步驟 ：一是背景抑制，通過各種單幀圖像背景抑制算法，或通過濾波將紅外圖像低頻和高頻部分進(jìn)行分離，提高信噪比，盡可能抑制原始圖像中的低頻背景雜波干擾；二是可疑目標(biāo)跟蹤，利用相鄰幾幀中目標(biāo)的運(yùn)動(dòng)信息來分割可能目標(biāo)，從背景抑制后的圖像中分割出少量候選目標(biāo)進(jìn)行跟蹤；三是目標(biāo)檢測，利用序列圖像中目標(biāo)運(yùn)動(dòng)的連續(xù)性和軌跡的一致性，進(jìn)一步排

22、除虛假目標(biāo)，從候選目標(biāo)中檢測出真正的目標(biāo)。 這里所謂的“先跟蹤”是指先根據(jù)小目標(biāo)運(yùn)動(dòng)速度和運(yùn)動(dòng)方向等運(yùn)動(dòng)特性，預(yù)測和跟蹤(求取)所有可能的目標(biāo)運(yùn)動(dòng)軌跡；而相應(yīng)的“后檢測”是指根據(jù)目標(biāo)的短時(shí)灰度特性、目標(biāo)像素大小和目標(biāo)能量變化特性來求取各條軌跡的后驗(yàn)概率。如果某條軌跡的后驗(yàn)概率大于某一個(gè)門限值，則就可認(rèn)為該軌跡對(duì)應(yīng)于一個(gè)真實(shí)的運(yùn)動(dòng)小目標(biāo)。以下是幾種具有代表性的TBD目標(biāo)檢測算法。2.2.1 基于多級(jí)假設(shè)檢驗(yàn)的TBD目標(biāo)檢測算法若將背景像素點(diǎn)看作互不相關(guān)的高斯白噪聲隨機(jī)變量，則圖像序列中的目標(biāo)運(yùn)動(dòng)軌跡可看做是一個(gè)（或數(shù)個(gè)）由數(shù)目龐大的候選軌跡組成的樹形結(jié)構(gòu)中篩選出來。所謂多級(jí)假設(shè)檢驗(yàn)算法，就是在圖

23、像序列中這個(gè)樹形結(jié)構(gòu)的每一層上用假設(shè)檢驗(yàn)的方法對(duì)結(jié)構(gòu)做出刪節(jié)修正，以隨時(shí)去掉沒有通過檢驗(yàn)的樹，達(dá)到控制運(yùn)算量和存儲(chǔ)量的目的。此類算法具有同時(shí)檢測出多個(gè)做不同方向直線運(yùn)動(dòng)目標(biāo)能力。但在低信噪比條件下，由于候選軌跡的起始點(diǎn)數(shù)非常多，所以常導(dǎo)致算法計(jì)算量迅速增加。同時(shí)，樹狀結(jié)構(gòu)要求在系統(tǒng)的內(nèi)存中維持一個(gè)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，所以說該算法的多目標(biāo)檢測能力的擴(kuò)充是以犧牲內(nèi)存為代價(jià)的。2.2.2 基于光流的方法光流法一般假設(shè)：1) 運(yùn)動(dòng)物體表面平坦，圖像的反射模式除了在有限個(gè)點(diǎn)上不連續(xù)外，圖像的灰度函數(shù)處處平滑；2) 物體表面入射光均勻；3) 在小的時(shí)間間隔內(nèi)，運(yùn)動(dòng)物體上某點(diǎn)的亮度不變；4) 物體沒有被遮擋。在

24、這種假設(shè)條件下，圖像中灰度模式的運(yùn)動(dòng)將直接由物體表面相應(yīng)點(diǎn)的運(yùn)動(dòng)確定，由此可以導(dǎo)出瞬時(shí)速度場(光流場)，然后根據(jù)光流場進(jìn)行運(yùn)動(dòng)的檢測。Horn 等指出光流計(jì)算存在病態(tài)解問題，必須引入附加條件才能確定光流的唯一解；Bimbo 等提出了兩種計(jì)算光流場的新方法，并和其他光流場計(jì)算方法進(jìn)行了比較。光流法的理論和算法存在以下幾方面的問題：約束方程只有在梯度很大的點(diǎn)上才嚴(yán)格成立；計(jì)算的不穩(wěn)定性；運(yùn)算量大；難以實(shí)時(shí)實(shí)現(xiàn)等。上述問題限制了光流法的理論和算法的應(yīng)用。2.2.3 基于求差法的方法求差法是利用當(dāng)前圖像幀的值和參考圖像的值按像素點(diǎn)的方式進(jìn)行相減來完成對(duì)運(yùn)動(dòng)目標(biāo)的檢測。圖像的值可以采用像素點(diǎn)的灰度值或梯

25、度值。相減的結(jié)果反映了當(dāng)前幀圖像和參考圖像不同的像素點(diǎn)，包括運(yùn)動(dòng)目標(biāo)和噪聲。按采用的參考圖像不同，求差法可分為幀差法和背景差法。幀差法的參考圖像是當(dāng)前幀的前一幀，或前幾幀的結(jié)合；而背景差法采用的參考圖像是當(dāng)前場景的一個(gè)參考背景圖像，幀差法：幀差法需要存儲(chǔ)前一幀圖像，然后用實(shí)時(shí)提取的后一幀與前一幀對(duì)應(yīng)像素點(diǎn)做差，或者是間隔幾幀之間對(duì)應(yīng)像素點(diǎn)做差。做差之后會(huì)形成一個(gè)差值圖像，有些是因?yàn)楣庹詹痪鶆蚨纬傻脑肼?，有些是目?biāo)的位置，所以需要對(duì)差值圖像進(jìn)行閾值處理，將噪聲去除掉，挑選出目標(biāo)，也即標(biāo)定目標(biāo)的位置。如果某點(diǎn)的像素值小于設(shè)定的閾值，則說明該點(diǎn)像素變化不大，所以將其歸背景，否則就是目標(biāo)像素。背景差

26、法：背景相減法的原理是首先提取背景圖像，然后用當(dāng)前圖像與背景圖像作差，即可得到目標(biāo)的大致區(qū)域，然后對(duì)得到的差分結(jié)果圖像進(jìn)行二值化和形態(tài)學(xué)處理。就現(xiàn)在的研究現(xiàn)狀來看，背景提取比較典型的建模方法有平均法、中值法、運(yùn)動(dòng)平均法、高斯背景模型、混合高斯模型等。 平均法就是取一定的視頻幀數(shù) N ，將這些視頻圖像進(jìn)行累加，最后用累加的視頻圖像除以 N 取平均即可得到背景圖像。平均法計(jì)算簡單，數(shù)據(jù)量小，但是如果 N 太小則會(huì)把目標(biāo)疊加到背景上。中值法是對(duì)一段時(shí)間內(nèi)的視頻圖像的各個(gè)像素點(diǎn)進(jìn)行排序，然后選取中值作為該點(diǎn)的背景像素值，中值法需要先存儲(chǔ)n幀圖像，計(jì)算機(jī)內(nèi)存消耗較大。運(yùn)動(dòng)平均法是先提取一幅視頻圖像，然后

27、將后續(xù)的圖像逐漸疊加到這幅圖像上一次來實(shí)現(xiàn)背景的提取，其實(shí)也就是背景的更新。高斯分布是一種最常見的概率分布模型，自然科學(xué)中很多隨機(jī)變量都服從高斯分布，因此在數(shù)據(jù)量較大的圖像處理領(lǐng)域經(jīng)常用它來描述例如噪聲，像素灰度等變量。高斯背景模型更新就是對(duì)高斯分布均值和方差這兩個(gè)參數(shù)的更新。高斯背景模型對(duì)每個(gè)背景點(diǎn)上的顏色分布相對(duì)不是很分散的場合即簡單的圖像建模效果較好，而且隨著光照、目標(biāo)的運(yùn)動(dòng)和改變等都將影響目標(biāo)檢測的效果。總的來說，DBT算法思路簡單而直接，計(jì)算量少，實(shí)時(shí)性能較好，檢測效果對(duì)于前階段圖像預(yù)處理效果的依賴性較強(qiáng)，適合于處理信噪比較高（3）場合下的目標(biāo)檢測問題；而TBD算法理論上較為完善，更

28、適于處理低信噪比條件下弱小目標(biāo)的檢測問題，但由于需先對(duì)目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行跟蹤，所以算法的實(shí)時(shí)性將受到影響。2.3 混合高斯模型原理及實(shí)現(xiàn)：混合高斯模型就是用多個(gè)(一般為3到5個(gè))高斯概率密度函數(shù)(正態(tài)分布曲線)精確地量化事物，將一個(gè)事物分解為若干的基于高斯概率密度函數(shù)(正態(tài)分布曲線)形成的模型。混合高斯模型使用K(基本為3到5個(gè))個(gè)高斯模型來表征圖像中各個(gè)像素點(diǎn)的特征。各個(gè)像素點(diǎn)在t時(shí)刻的概率值為各像素值在每個(gè)高斯分布中產(chǎn)生的概率的加權(quán)和，即 (2.17) 其中，為第個(gè)高斯分布的權(quán)重，為所用高斯分布的個(gè)數(shù)，是均值為，標(biāo)準(zhǔn)差為的高斯概率密度函數(shù)。當(dāng)前像素點(diǎn)屬于背景的概率為，如下式表示： (2.1

29、8)根據(jù)概率統(tǒng)計(jì)知識(shí)可以推出像素值在第個(gè)高斯分布中的概率： (2.19)因此上式可以表示為如下形式： (2.20)上式中的表示第個(gè)高斯分布代表背景的概率，可用下式表示： (2.21)其中值根據(jù)實(shí)際情況設(shè)定?；旌细咚鼓Ｐ驮诔绦蛑械木唧w實(shí)現(xiàn)過程如下：由于一幅彩色圖像有三個(gè)通道構(gòu)成，因此，先將每個(gè)通道提取出來，得到由三個(gè)分量各自組成的三幅灰度圖像，然后對(duì)三幅圖像分別用如下方法進(jìn)行更新。首先初始化個(gè)高斯模型，在新一幀圖像獲得后更新混合高斯模型。通過判斷新一幀圖像的每個(gè)像素點(diǎn)與前一幀圖像每個(gè)像素點(diǎn)的差值是否小于倍標(biāo)準(zhǔn)差(其中為人為設(shè)定的閾值，一般設(shè)定為2.5)。如果小于則判定為符合分布，反之則不符合。如

30、果至少有一個(gè)高斯分布符合分布則按照如下方法對(duì)高斯分布進(jìn)行更新：1、對(duì)符合的高斯分布按下式更新權(quán)重，均值和方差權(quán)重更新公式： (2.22) 表示當(dāng)前幀，表示前一幀, 表示更新速度；均值更新公式： (2.23)表示當(dāng)前幀的像素值；方差更新公式： (2.24)2、對(duì)不符合的高斯分布分布值按下式更新權(quán)重，方差和均值保持不變，僅對(duì)權(quán)重進(jìn)行更新： (2.25)如果沒有一個(gè)高斯分布符合當(dāng)前像素點(diǎn)，則找出權(quán)重最小的高斯分布，將該分布的權(quán)重賦予一個(gè)較小值，均值用當(dāng)前像素點(diǎn)的值代替，方差賦予一個(gè)較大值。在三幅圖像更新完以后，再將三幅圖像重新合成一幅彩色圖像，就得到了彩色圖像的背景更新圖。背景更新以后根據(jù)概率公式可

31、以得到一幅二值圖像，二值圖像描述的是將背景去掉，只剩下運(yùn)動(dòng)目標(biāo)的圖像。其實(shí)現(xiàn)過程如下：先根據(jù)概率公式分別計(jì)算三個(gè)分量的像素值在更新后的高斯分布中的概率加權(quán)和，得到三個(gè)概率值，將三個(gè)概率值相加再除以3得到一個(gè)概率值。根據(jù)背景更新算法，如果像素值代表運(yùn)動(dòng)目標(biāo)，那么概率值很小，反之概率值較大。那么可以判斷這個(gè)概率值是否大于閾值，如果大于，則說明是背景圖像，反之，則是運(yùn)動(dòng)目標(biāo)。2.4 紅外目標(biāo)跟蹤 在紅外跟蹤系統(tǒng)中，波門(又稱電子窗口)作為視頻信號(hào)處理的一種手段，在國內(nèi)外已得到廣泛應(yīng)用。波門實(shí)際上是跟蹤系統(tǒng)真正的處理窗口，它小于視場，但大于目標(biāo)，可在視場內(nèi)搜索并一直套住目標(biāo)。由于目標(biāo)在運(yùn)動(dòng)過程中距攝像

32、機(jī)的距離時(shí)刻變化，目標(biāo)的大小也隨之變化，所以波門的大小必須隨之自適應(yīng)地同步變化，以保證在滿足精度的前提下盡量減少計(jì)算量，同時(shí)增強(qiáng)系統(tǒng)的抗干擾能力。2.4.1 邊緣跟蹤算法邊緣跟蹤是最簡單的算法之一，且適應(yīng)于固定波門亮度的跟蹤器。選擇目標(biāo)邊緣點(diǎn)(上、下、左、右)作為跟蹤點(diǎn)，使波門套住此點(diǎn)，以抑制背景或目標(biāo)的其余部分。這種算法主要是利用目標(biāo)與背景交界處亮度有明顯變化，用微分方法即可得到目標(biāo)位置信息。這種跟蹤算法適合于大型目標(biāo)的跟蹤。由于僅采用單一的數(shù)據(jù)點(diǎn)用來定位，很容易受任何隨機(jī)噪聲的干擾，所以精度較低。2.4.2優(yōu)化的雙邊緣跟蹤算法： 邊緣跟蹤經(jīng)過適當(dāng)延伸就成了雙邊緣跟蹤，即目標(biāo)位置為兩個(gè)邊緣中

33、心： (2.26) (2.27)式中x1、x2、y1、y2分別為目標(biāo)左、右、上、下各邊緣值。它比邊緣跟蹤精度高，適合跟蹤比較對(duì)稱的目標(biāo)或點(diǎn)源目標(biāo)。2.4.3 形心跟蹤算法 形心跟蹤中，目標(biāo)位置的確定可以通過質(zhì)心或強(qiáng)度中心來確定。對(duì)于一個(gè)均勻的二維目標(biāo)可用質(zhì)心跟蹤算法，對(duì)于目標(biāo)發(fā)光不均勻的目標(biāo)可用亮度中心跟蹤算法。在跟蹤窗內(nèi)目標(biāo)形心估值： (2.28) (2.29)其中，是分割后二值圖像，TG是目標(biāo)區(qū)域所有像素點(diǎn)集合。形心算法的計(jì)算簡單，計(jì)算量較小，在短時(shí)間內(nèi)就可以完成計(jì)算，輸出目標(biāo)的位置，其實(shí)現(xiàn)的穩(wěn)定性與精度主要取決于分割閾值的確定情況。如果目標(biāo)輻射空間分布是一個(gè)拋物面，并且如果噪聲是可疊加的

34、白色高斯噪聲，那么，實(shí)際上形心算法是最佳算法。三 圖像增強(qiáng)技術(shù)圖像增強(qiáng)的首要目標(biāo)是處理圖像，使之比原始圖像更適合于特定的應(yīng)用，圖像增強(qiáng)的主要目的有兩個(gè)：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得更利于計(jì)算機(jī)的處理。獲取和傳輸圖像的過程往往會(huì)發(fā)生圖像失真，所得到的圖像和原始圖像有某種程度的差別。這種差異如果太大，就會(huì)影響人和機(jī)器對(duì)圖像的理解。在許多情況下，人們不清楚引起圖像降質(zhì)的具體物理過程及其數(shù)學(xué)模型，但卻能根據(jù)經(jīng)驗(yàn)估計(jì)出使圖像降質(zhì)的一些可能原因，針對(duì)這些原因采取簡便有效的方法，改善圖像質(zhì)量。對(duì)于一個(gè)圖像處理系統(tǒng)來說，可以將處理分為三個(gè)階段，在獲取原始圖像后，首先是圖像預(yù)處理

35、階段，第二是特征抽取階段，第三是識(shí)別分析階段。圖像預(yù)處理階段尤為重要。圖像增強(qiáng)是圖像預(yù)處理中的重要方法。圖像增強(qiáng)理論（方法）目前尚無統(tǒng)一的權(quán)威性的定義，因?yàn)檫€沒有衡量圖像增強(qiáng)質(zhì)量的通用標(biāo)準(zhǔn)。從增強(qiáng)處理的作用域出發(fā)，圖像增強(qiáng)可分為空間域法和頻率域法兩大類?？臻g域處理時(shí)直接面對(duì)圖像灰度級(jí)作計(jì)算；頻率域處理是在圖像的某種變換域內(nèi)，對(duì)圖像的變換系數(shù)值進(jìn)行運(yùn)算，即作某種修正，然后通過逆變換獲得增強(qiáng)圖像，這是一種間接增強(qiáng)的方法。圖像增強(qiáng)的概況如下圖3.1所示：圖3.1 圖像增強(qiáng)方法概況3.1 點(diǎn)運(yùn)算3.1.1 灰度級(jí)校正灰度級(jí)校正就是在圖像采集系統(tǒng)中對(duì)對(duì)圖像像素做修正，是整幅圖像成像均勻。假設(shè)理想的輸入系

36、統(tǒng)的輸出圖像為F(j,k)，實(shí)際獲得的是降質(zhì)圖像圖像為G(j,k)，有G(j,k)=E(j,k)*F(j,k)，E(j,k)為降質(zhì)函數(shù)或觀測系統(tǒng)的灰度失真系數(shù)。為了估計(jì)E(j,k)，一般采用一個(gè)標(biāo)準(zhǔn)來標(biāo)定系統(tǒng)的失真系數(shù)，即已知衣服圖像的灰度級(jí)為均勻常熟C，而實(shí)際系統(tǒng)的輸出為GC(j,k)，有GC(j,k)=E(i j,k)*C，從而得到降質(zhì)函數(shù)E(i,j)= GC(j,k)/C，由此可以得到E(j,k)=C*G(j,k)/GC(j,k)?；叶燃?jí)校正的實(shí)例如下： a 原始圖像 b 灰度級(jí)校正之后的推向3.1.2 灰度變換也即對(duì)比度增強(qiáng)。對(duì)比度增強(qiáng)是圖像增強(qiáng)技術(shù)中一種比較簡單但又十分重要的方法。這

37、種方法是按一定的規(guī)則修改輸入圖像每一個(gè)像素的灰度，從而改變圖像灰度的動(dòng)態(tài)范圍。它可以使灰度動(dòng)態(tài)范圍擴(kuò)展，也可以使其壓縮，或者是對(duì)灰度進(jìn)行分段處理，根據(jù)圖像特點(diǎn)和要求在某段區(qū)間中進(jìn)行壓縮而在另外區(qū)間中進(jìn)行擴(kuò)展。全域線性變換在曝光不足或過渡的情況下，圖像灰度可能會(huì)局限在一個(gè)很小的范圍內(nèi)。這時(shí)在顯示器上看到的將是一個(gè)模糊不清、似乎沒有灰度層次的圖像。用一個(gè)線性單值函數(shù)，對(duì)幀內(nèi)的每一個(gè)像素作線性擴(kuò)展，將有效地改善圖像視覺效果。令原圖像F(j,k)的灰度范圍為a,b，線性變換后圖像F(j,k)的范圍為a,b，如圖3.2所示 。F(j,k) 與F(j,k)之間存在以下關(guān)系： (3.1)a,b可從直方圖上獲

38、得，由于|a-b|總是大于|a-b|，所以對(duì)離散圖像來說，盡管變換前后像素個(gè)數(shù)不變，但不同像素之間的灰度差變大，對(duì)比度加大，圖像觀看質(zhì)量必然優(yōu)于變換前。圖3.2 全域線性變換示意圖全域線性變換實(shí)例如下： a 原始圖像 b 全域線性變換后的圖像對(duì)于連續(xù)圖像，如果背景與目標(biāo)物的灰度之差很小，在a,b區(qū)間內(nèi)量化時(shí)可能進(jìn)入同一灰度級(jí)內(nèi)而不能分辨。如果線性變換時(shí)使則量化時(shí)F(j,k)在a,b區(qū)間內(nèi)就可取2n個(gè)以上不同的灰度值（n是F(j,k)在a,b區(qū)間內(nèi)所取的灰度級(jí)個(gè)數(shù)），人的眼睛原本不能檢測的目標(biāo)用增強(qiáng)手段就可突現(xiàn)出來.另一種情況，圖像中大部分像素的灰度級(jí)在a,b范圍內(nèi)，少部分像素分布在小于 a和大

39、于b的區(qū)間內(nèi)。此時(shí)可用下式變換：應(yīng)該清醒認(rèn)識(shí)到，這種兩端“截取式”的變換使小于灰度級(jí)a和大于灰度級(jí)b的像素強(qiáng)行壓縮為a和b，將會(huì)造成一小部分信息丟失。不過有時(shí)為了某種應(yīng)用，作這種“犧牲”是值得的。如利用遙感資料分析降水時(shí)，在預(yù)處理中去掉非氣象信息，既可減少運(yùn)算量，又可提高分析精度。如圖3.3所示。圖3.3 截取式線性變換示意圖截取式線性變換的實(shí)例如下所示：a 原始圖像 b 截取式線性變換后的圖像分段線性變換將圖像灰度區(qū)間分成兩段乃至多段分別作線性變換稱之為分段線性變換。圖3.4為分三段作線性變換的示意圖:圖3.4 分段線性變換示意圖分段線性變換的優(yōu)點(diǎn)是可以根據(jù)用戶的需要。拉伸特征物質(zhì)的灰度細(xì)節(jié)

40、，相對(duì)抑制不感興趣的灰度級(jí)。分段線性變換遵循以下原則：如果|a-c|a-c|，|c-d|=|c-d|，|d-b|d-b|，則是擴(kuò)展第一區(qū)間a,c，維持第二區(qū)間c,d，壓縮第三區(qū)間d,b,得到所需圖像。 a 原始圖像 b 分段線性變換后的圖像3.1.3直方圖修正 直方圖是用來表達(dá)一幀圖像灰度級(jí)分布情況的統(tǒng)計(jì)圖表。直方圖的橫坐標(biāo)是灰度，一般用r表示?？v坐標(biāo)視圖像類型而定，對(duì)數(shù)字圖像，它是灰度值為ri的像素個(gè)數(shù)或出現(xiàn)這個(gè)灰度值的概率Pr(ri)。式3.4中，k為一幀圖像對(duì)應(yīng)的灰度級(jí)數(shù)。密度函數(shù)Pr(r)或直方圖Pr(ri)，雖然不能直接反映出圖像內(nèi)容，但對(duì)它進(jìn)行分析可以得出圖像的一些有用特征，這些特

41、征能反映出圖像的特點(diǎn)，例如，當(dāng)圖像對(duì)比度較小時(shí)，它的灰度直方圖只在灰度軸上較小的一段區(qū)間上非零，較暗的圖像由于較多的像素灰度值低，因此它的直方圖的主體出現(xiàn)在低值灰度區(qū)間上，其在高值灰度區(qū)間上的幅度較小或?yàn)榱悖^亮的圖像情況正好相反。看起來清晰柔和的圖像，它的直方圖灰度分布比較均勻。通常一幅均勻量化的自然圖像的灰度直方圖在低灰度值灰度區(qū)間上頻率較大，這樣的圖像較暗區(qū)域中的細(xì)節(jié)常?？床磺宄槭箞D像變清晰，通常可以通過變換使圖像的灰度動(dòng)態(tài)范圍變大，并且讓灰度頻率較小的灰度級(jí)經(jīng)變換后，其頻率變得大一些，使變換后的圖像灰度直方圖在較大的動(dòng)態(tài)范圍內(nèi)趨于均化。事實(shí)證明，通過圖像直方圖修改進(jìn)行圖像增強(qiáng)是一

42、種有效的方法。直方圖均衡化對(duì)應(yīng)離散圖像，第i個(gè)灰度級(jí)ri出現(xiàn)的頻數(shù)用ni表示，該灰度級(jí)像素對(duì)應(yīng)的概率值Pr(ri)為：，至此，可寫出離散圖像的變換函數(shù)表達(dá)式：，k為一幀圖像對(duì)應(yīng)的灰度級(jí)數(shù)。T(ri)為變換函數(shù)，Si為均衡化后圖像在i處的灰度。相應(yīng)的反變換為：。從理論上說，直方圖均衡化就是通過變換函數(shù)將原圖的直方圖調(diào)整為平坦的直方圖，然后用此均衡直方圖校正圖像。而實(shí)際上直方圖均衡化修正后的圖像直方圖并不是十分均衡的，這是因?yàn)樵诓僮鬟^程中原直方圖上頻數(shù)較小的某些灰度級(jí)要并入一個(gè)或幾個(gè)灰度級(jí)中。下圖3.5為直方圖均衡化的一個(gè)例子：圖3.5 直方圖均衡化示例直方圖規(guī)定化直方圖均衡化校正不具備交互作用的

43、特性，直方圖規(guī)定化校正在運(yùn)用均衡化原理的基礎(chǔ)上，提供了根據(jù)給定直方圖做圖像增強(qiáng)的手段。令分別為原始圖像和期望圖像的灰度概率密度函數(shù)。如果對(duì)原始圖像和期望圖像均作直方圖均衡化處理，應(yīng)有： (3.5) (3.6) (3.8)由于都是進(jìn)行均衡化處理，所以處理后的原始圖像概率密度函數(shù)PS(S)以及理想圖像的概率密度函數(shù)PV(V)是相等的。于是，我們可以利用變換后的原始圖像的灰度級(jí)S帶地上式中V，即，這里灰度級(jí)Z便是所希望的圖像的灰度級(jí)。對(duì)于離散圖像而言，有。直方圖規(guī)定化的實(shí)例如下：3.2 空域圖像平滑 任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。噪聲惡化了圖像質(zhì)量，使圖像模糊，甚至淹沒特征

44、，給分析帶來困難。消除圖像噪聲的工作稱之為圖像平滑或?yàn)V波。平滑的目的有兩個(gè)：改善圖像質(zhì)量和抽出對(duì)象特征。 由于噪聲源眾多（如光柵掃描、底片顆粒、機(jī)械元件、信道傳輸?shù)龋肼暦N類復(fù)雜（如加性噪聲、乘性噪聲、量化噪聲等），所以平滑方法也多種多樣。平滑可以在空間域進(jìn)行，基本方法是求像素灰度的平均值或中值。也可以在頻率域進(jìn)行。如低通濾波技術(shù)，為了既平滑噪聲又保護(hù)圖像信號(hào)。3.1.1 噪聲消除法 由傳感器或信道引起的噪聲通常呈現(xiàn)孤立離散性分布，它們常常與鄰域像素有比較明顯的差異。噪聲消除法平滑時(shí)，順序檢測每一個(gè)像素，如果某個(gè)像素的幅度大于其鄰域像素的平均值，且達(dá)到一定水平，則判定該像素為噪聲，繼而用鄰域

45、像素均值取代這一像素?？梢娫肼暦ㄆ交年P(guān)鍵是準(zhǔn)確判斷噪聲像素。我們?nèi)∫粋€(gè)NN的窗口（N3，5，7），令窗口中心像素的灰度為 Z, 窗口內(nèi)其它像素的灰度值為Zi，Z與Zi之差的絕對(duì)值為Di。再定義一個(gè)統(tǒng)計(jì)變量CNT和門限值T。將(N2-1)個(gè)Di逐個(gè)與T作比較，如果大于等于T，則給計(jì)數(shù)器CNT加1（CNT初始值為零）。處理完畢，若計(jì)數(shù)器CNT的值大于約定值Y，就認(rèn)為該像素為噪聲，繼而輸出窗口均值，否則原值輸出。將窗口順序移過全幀，即可完成噪聲消除平滑。噪聲消除法簡單易行，對(duì)單點(diǎn)噪聲有較好的效果。需要注意的是，在操作中對(duì)門限T的選擇要慎重，T太大，噪聲消除不干凈；T太小易使圖像模糊。噪聲消除法實(shí)例

46、如下：a 原始圖像 b 分噪聲消除后的圖像3.2.2 鄰域平均法令被討論像素的灰度值為F(j,k)，以其為中心，窗口像素組成的點(diǎn)集以A表示，集內(nèi)像素?cái)?shù)以L表示。經(jīng)鄰域平均法濾波后，像素F(j,k)對(duì)應(yīng)的輸出為：即用窗口像素的平均值取代F(j,k)原來的灰度值。鄰域平均法平滑時(shí)，鄰域的選取通常有兩種方式：以單位距離為半徑或單位距離的倍為半徑。以33窗口為例，如圖3.6(a)為單位距離為半徑時(shí)，其鄰域?yàn)椋?。稱為4點(diǎn)鄰域，L=4。如圖3.6(b)為單位距離的倍為半徑時(shí)，其鄰域?yàn)椋悍Q為8點(diǎn)鄰域，L=8。A 4點(diǎn)鄰域 b 8點(diǎn)鄰域圖3.6 (j,k) 點(diǎn)的兩種鄰域鄰域平均法有力地抑制了噪聲，同時(shí)，也出現(xiàn)

47、了因平均作用而引起的模糊現(xiàn)象，模糊程度與鄰域半徑成正比。為了盡可能減小模糊失真，有人提出了“超限鄰域平均法”，公式如下：就是說當(dāng)F(j,k)大于鄰域平均值一定值后，作噪聲處理，否則不變。鄰域平均法實(shí)例如下：a 原始圖像 b 領(lǐng)域平均法后的圖像3.2.3 中值濾波中值濾波是一種對(duì)干擾脈沖和點(diǎn)狀噪聲有良好抑制作用，而對(duì)圖像邊緣能較好保持的非線性圖像增強(qiáng)技術(shù)。在一維形式下，中值濾波器是一個(gè)含有奇數(shù)個(gè)像素的滑動(dòng)窗口，經(jīng)排序后，窗口像素序列為，v=(L-1)/2，L為窗口長度，F(xiàn)i即為窗口像素的中值濾波輸出。記作：，表示取窗口中值。如一窗口長度為5，像素灰度分別為，則。若灰度級(jí)為30的像素為椒鹽噪聲（表

48、現(xiàn)為黑圖像上的白點(diǎn)，白圖像上的黑點(diǎn)），在經(jīng)過中值濾波后即被消除。 一維中值濾波的概念很容易推廣到二維。這時(shí)取某種形式的二維窗口，將窗口內(nèi)像素排序，生成單調(diào)二維數(shù)據(jù)序列。類似于一維，二維中值濾波輸出G(j,k)為。一般來說，二維中值濾波器比一維濾波器更能抑制噪聲。二維中值濾波器的窗口形狀可以有多種，如線狀、方形、十字形、圓形、菱形等。不同形狀的窗口產(chǎn)生不同的濾波效果，使用中必須根據(jù)圖像的內(nèi)容和不同的要求加以選擇。從以往的經(jīng)驗(yàn)看，方形或圓形窗口適宜于外廓線較長的物體圖像，而十字形窗口優(yōu)選于有尖頂角物體的圖像。使用中值濾波器濾除噪聲的方法有多種，且十分靈活。一種方法是：先使用小尺度窗口，后逐漸加大窗

49、口尺寸，直到中值濾波器的壞處多于好處為止。另一種方法是：一維濾波器和二維濾波器交替使用。此外還有疊代操作，就是對(duì)輸入圖像重復(fù)進(jìn)行同樣的中值濾波，直到輸出不再有變化為止。中值濾波實(shí)例如下：a 原始圖像 b 中值濾波后的圖像3.2.4 梯度倒數(shù)加權(quán)梯度倒數(shù)加權(quán)法平滑產(chǎn)生起源于這樣的考慮：一幀離散圖像中，相鄰區(qū)域的變化大于區(qū)域內(nèi)部的變化，在同一區(qū)域中，中間像素的變化小于邊緣像素的變化。梯度值正比于鄰近像素灰度級(jí)差值，即在圖像變化緩慢區(qū)域，梯度值小，反之則大?，F(xiàn)在取梯度倒數(shù)，該倒數(shù)之大小正好與梯度相反，以梯度倒數(shù)作權(quán)重因子，則區(qū)域內(nèi)部的鄰點(diǎn)權(quán)重就大于邊緣旁或區(qū)域外的鄰點(diǎn)。也就是說，這種平滑其貢獻(xiàn)主要來

50、自區(qū)域內(nèi)部的像素，平滑后圖像邊緣和細(xì)節(jié)不會(huì)受到明顯損害。梯度倒數(shù)加權(quán)平滑的第一步是建立歸一化的權(quán)重矩陣W作為平滑的掩模。對(duì)33窗口，其組成為：這里規(guī)定，其余8個(gè)加權(quán)系數(shù)為。定義除W(j,k)外的其它權(quán)重矩陣元素為。式中m，n分別為-1，0，1。m，n不能同時(shí)為零。在此基礎(chǔ)上，用窗口像素分別與相應(yīng)位置上的權(quán)重因子相乘，積之和就是F(j,k)的平滑輸出G(j,k)。例如：有一個(gè)窗口，其像素集為（按行順序展開）。根據(jù)上面公式計(jì)算得到：G(j,k)=0.0423+0.0635+0.1267+0.0423+0.5009+0.0514+0.0514+0.0423+0.0836=7。梯度倒數(shù)加權(quán)的實(shí)例如下：

51、a 原始圖像 b 梯度倒數(shù)加權(quán)后的圖像3.3 空間域圖像銳化銳化的目的是增強(qiáng)圖像邊緣，使人看起來愜意，以及便于對(duì)目標(biāo)的識(shí)別和處理。圖像銳化有多種方法，如針對(duì)平均或積分運(yùn)算使圖像模糊，可逆其道而采取微分運(yùn)算；使用高通濾波器優(yōu)化高頻分量，抑制低頻分量，提高圖像邊界清晰度等。3.3.1 梯度法梯度是圖像處理中最常用的一次微分方法。對(duì)圖像函數(shù)F(j,k)，其在點(diǎn)(j,k)上的梯度定義為矢量：，GF(j,k)的幅度：，其中GF(j,k)叫做梯度。對(duì)離散圖像而言，可用差分近似表示地圖，一種常用的近似關(guān)系式是：為了便于編程和提高運(yùn)算速度，在某些場合可進(jìn)一步簡化為：知道了梯度GF(j,k)后，有以下幾種方法來

52、確定銳化輸出G(j,k)。直接以梯度值代替，這種方法直截了當(dāng)，簡單。但在F(j,k)均勻的區(qū)域，因梯度值GF(j,k)很小（極端情況下甚至為零），會(huì)表現(xiàn)出暗的特性，這在有些場合是不適宜的。輔以門限判斷該方法基本上不破壞圖像背景，又可增強(qiáng)邊緣。給邊緣規(guī)定一個(gè)特定的灰度值，即給背景規(guī)定特定的灰度級(jí)二值圖像梯度幅度比例于相鄰像素的灰度級(jí)差值。在灰度陡變區(qū)域，梯度值大；在灰度相似區(qū)域，梯度值?。辉诨叶燃?jí)為常數(shù)區(qū)域，梯度為零。熟悉梯度的這些性質(zhì)，根據(jù)不同的目的選擇不同的算法，就能獲得滿意的銳化效果。梯度法銳化后的實(shí)例如下（采用Sobel算子）：a 原始圖像 b 梯度法后的圖像3.3.2 Laplacia

53、n算子 Laplacian算子是線性二次微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。對(duì)圖像F(j,k)，其Laplacian算子為： (3.17)對(duì)于二維圖像有： (3.18)也可以寫成：上式可解釋為Laplacian算子等于F(j,k)與其鄰域均值之差。如果把包含F(xiàn)(j,k)自身在內(nèi)的鄰域均值看成是F(j,k)擴(kuò)散形成的模糊的話，上式又可理解為Laplacian算子等于F(j,k)與F(j,k)模糊之差。Laplacian算子銳化時(shí)，其銳化輸出為： (3.20)對(duì)于Laplacian算子有如下的性質(zhì)： 在灰度均勻區(qū)間或灰度斜坡部分，即； 在灰度級(jí)斜坡的頂部

54、和底部均不為零，且底部形成灰度級(jí)“下沖”，頂部形成灰度級(jí)“上沖”； 灰度級(jí)界線的低灰度級(jí)一側(cè)形成灰度級(jí)“下沖”，而界線的高灰度級(jí)一側(cè)形成灰度級(jí)“上沖”； 正是這些“下沖”與“上沖”過程增加了灰度坡度的陡度，勾劃出圖像區(qū)域的外部廓線。和梯度一樣，Laplacian算子對(duì)圖像界線有明顯的增強(qiáng)作用。Laplacian算子增強(qiáng)的效果如下圖3.8所示：a 原始圖像 b Laplacian增強(qiáng)后的圖像圖3.8 Laplacian增強(qiáng)示意圖3.3.3 高通濾波 圖像邊緣與高頻分量相對(duì)應(yīng)。高通濾波器讓高頻分量暢通無阻，而對(duì)低頻分量則充分限制，從而達(dá)到圖像銳化目的。建立在離散卷積基礎(chǔ)上的空間域高通濾波關(guān)系式：

55、(3.21) 式中G(m1,m2)為銳化輸出；F(n1,n2)為輸入圖像；H(m1-n1+1,m2-n2+1)為沖激響應(yīng)陣列（亦叫卷積陣列）。幾種常見的歸一化沖激陣列如下：， a 原始圖像 b 高通濾波后的圖像3.3.4 統(tǒng)計(jì)差值法這是利用圖像的局部統(tǒng)計(jì)特性（均值與方差）對(duì)圖像邊界做銳化的方法，其基本思路是：在二維數(shù)字圖像F中，令點(diǎn)(j,k)出的灰度值為F(j,k)，以(j,k)為中心，(2r+1)*(2s+1)的區(qū)域內(nèi)的灰度的均值為E(j,k)，r、s為大于零的整數(shù)，表示方差。有下面的計(jì)算公式： (3.22)式中，m,n為以(j,k)為中心，(2r+1)*(2s+1)的區(qū)域。(j,k)點(diǎn)的銳

56、化輸出為。統(tǒng)計(jì)差值法實(shí)例如下：a 原始圖像 b 統(tǒng)計(jì)差值法后的圖像3.4 彩色技術(shù)3.4.1 什么是偽彩色增強(qiáng)技術(shù)偽彩色技術(shù)就是將灰度圖像的各個(gè)不同灰度級(jí)按照線性或非線性的映射方法變換成不同的顏色，得到一幅彩色圖像的增強(qiáng)技術(shù)。使原圖像細(xì)節(jié)更容易辨認(rèn)，目標(biāo)更容易識(shí)別。3.4.2 為什么引入彩色增強(qiáng)技術(shù)由于人眼的視覺特性：分辨的灰度階介于十幾到二十幾級(jí)之間,彩色分辨能力可達(dá)灰度分辨能力的百倍以上。眾所周知由于人的視覺系統(tǒng)對(duì)色彩非常敏感，能區(qū)分的灰度級(jí)只有二十多個(gè)，但能區(qū)分不同亮度、色度和飽和度的幾千種顏色人的彩色。根據(jù)人的這一特點(diǎn)，可將彩色用于增強(qiáng)中以提高圖像的可鑒別性。因此如果能將一幅灰度圖像變

57、成彩色圖像就可以達(dá)到增強(qiáng)圖像的視覺效果。3.4.3 彩色增強(qiáng)技術(shù)原理彩色增強(qiáng)技術(shù)是利用人眼的視覺特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分布，改善圖形的可分辨性。彩色增強(qiáng)方法可分為偽彩色增強(qiáng)和假彩色增強(qiáng)兩類。3.4.4 假彩色增強(qiáng)假彩色增強(qiáng)的對(duì)象是三基色描繪的自然圖像或同一景物的多光譜圖像。對(duì)自然圖像，方法之一是將目標(biāo)物（人們所關(guān)注的對(duì)象）映射為假彩色與原色不同的彩色。例如，綠色草原置成紅色，藍(lán)色海洋換成綠色等。這樣做的目的是使目標(biāo)物置于奇特的環(huán)境中以引起觀察者的注意。方法之二是，根據(jù)人的眼睛的色覺靈敏度，重新分配圖像成分的顏色。如眼網(wǎng)膜中視錐體和視桿體對(duì)可見光區(qū)的綠色波長比較敏感

58、，于是可將原來非綠色描述的圖像細(xì)節(jié)或目標(biāo)物經(jīng)假彩色處理變成綠色，來達(dá)到提高目標(biāo)分辨率的目的。自然圖像的假彩色映射可定義為： (3.23)式中Rf 、Gf、Bf為原基色分量；RF、GF、BF為假彩色三基色分量； Tij為轉(zhuǎn)移函數(shù)。這種顯示的色彩與該圖像的波段不對(duì)應(yīng)的方式所顯示出來的圖像叫假彩色圖像。但多光譜圖像（同一景物）的假彩色是我們經(jīng)常討論的?，F(xiàn)在，多光譜圖像在圖像家族中已占有極重要的位置。僅遙感圖像而言，就有，地質(zhì)遙感圖像、海洋遙感圖像、氣象遙感圖像、森林遙感圖像、農(nóng)業(yè)遙感圖像、軍事遙感圖像等。多光譜圖像中，有一部分是非可見光波段，這些非可見光波段往往包含了可見光波段所不包含的信息。如紅外

59、波段，它具有夜間探測和全天候探測的能力。將紅外波段與可見光波段感應(yīng)的圖像結(jié)合起來，可確保圖像資料的連續(xù)性，豐富圖像資料的內(nèi)容。三基色與具有n個(gè)波段的多光譜圖像Fi之間的關(guān)系為： (3.24)式中Fi為第i波段圖像；表示通用的函數(shù)運(yùn)算 通常，我們采用同一目標(biāo)的多幅圖像中取三幅合成顯示，得到假彩色圖像。假彩色增強(qiáng)的例子如下： a 微光圖像 b 紫外圖像c 處理的結(jié)果3.13 假彩色示意圖3.4.4 偽彩色增強(qiáng) 偽彩色增強(qiáng)是針對(duì)灰度圖像提出來的，其宗旨是把離散黑白圖像F(j,k)的不同灰度級(jí)按照線性或者非線性映射成不同彩色，來提高圖像內(nèi)容的可辨識(shí)度。 由于人眼對(duì)彩色的分辨率遠(yuǎn)高于對(duì)灰度差的分辨率，所

60、以這種技術(shù)可用來識(shí)別灰度差較小的像素。在黑白圖像中，灰度是連續(xù)分布的，因此灰度差小于5時(shí)，人眼是無法分辨的，但采用不同灰度用不同的顏色顯示后，就能提高人眼對(duì)最小灰度差的分辨能力。例如，有一幅電燈燈絲圖像，已知像素與溫度有一定的關(guān)系，可利用偽彩色技術(shù)來區(qū)分不同的溫度。如最高溫度可用紅色表示，較低一些的溫度可用綠色表示，最低溫度用藍(lán)色表示。經(jīng)過偽彩色處理后的圖像總的信息量保持不變，但是其溫度信息對(duì)人眼來說變得更直觀了。常用的偽彩色增強(qiáng)的方法有：密度分割法、頻率域偽彩色增強(qiáng)、灰度變換彩色法。 密度分割法強(qiáng)度分層是偽彩色圖像增強(qiáng)技術(shù)中原理最簡單、操作最簡便的一種。屆時(shí)F(j,k)看成是一個(gè)二維的強(qiáng)度函