單幀圖像目標(biāo)檢測(cè)

燕山大學(xué)本科畢業(yè)設(shè)計(jì)結(jié)題報(bào)告課題名稱(chēng)：基于單幀紅外圖像的弱小目標(biāo)檢測(cè)學(xué)院（系）：里仁學(xué)院電氣工程系年級(jí)專(zhuān)業(yè)：10級(jí)計(jì)算機(jī)控制一班學(xué)生姓名：余海指導(dǎo)教師：張旭光

本次畢設(shè)主要任務(wù)

1、熟悉Matlab軟件，會(huì)用Matlab編程。2、查閱相關(guān)資料，掌握目標(biāo)檢測(cè)的算法。3、通過(guò)Matlab編程，驗(yàn)證算法并分析實(shí)驗(yàn)結(jié)果。4、撰寫(xiě)畢業(yè)論文。第一章：研究概述研究背景問(wèn)題和目標(biāo)解決辦法研究背景課題名稱(chēng)：基于單幀紅外圖像的弱小目標(biāo)檢測(cè)

具有重要的軍事戰(zhàn)略意義和實(shí)用價(jià)值，提高國(guó)防綜合能力，有效提高監(jiān)測(cè)預(yù)警和反擊能力；對(duì)民用領(lǐng)域有廣闊的應(yīng)用前景如：天文觀測(cè)、森林火警、粒子監(jiān)測(cè)、衛(wèi)星天氣紅外云圖分析、紅外醫(yī)療圖像病理分析，飛機(jī)拍攝地面紅外圖像地質(zhì)分析，城市紅外污染分析等方面。問(wèn)題和目標(biāo)紅外弱小目標(biāo)檢測(cè)識(shí)別難點(diǎn):對(duì)比度較低、邊緣模糊、信號(hào)強(qiáng)度弱,缺乏紋理、形狀、大小等結(jié)構(gòu)信息,目標(biāo)極易被噪聲所淹沒(méi)。在自然環(huán)境中,雜波和復(fù)雜背景給目標(biāo)檢測(cè)帶來(lái)了很大的干擾。本次畢設(shè)要達(dá)到的目標(biāo)：針對(duì)紅外圖像目標(biāo)信噪比低，且易受背景雜波干擾的特點(diǎn)，提出紅外圖像弱小目標(biāo)的檢測(cè)方案，以實(shí)現(xiàn)紅外檢測(cè)水平的優(yōu)化提高。解決方法

通過(guò)對(duì)圖像預(yù)處理、目標(biāo)檢測(cè)等常用算法的測(cè)試分析，總結(jié)有益的結(jié)論。并針對(duì)紅外圖像掠海小目標(biāo)信噪比低，且易受到水天線(xiàn)和背景雜波干擾的特點(diǎn)，提出了一種紅外圖像弱小目標(biāo)的檢測(cè)方案。

該方法的步驟是：首先采用中值濾波來(lái)減小噪聲，采用拉普拉斯算法用以抑制背景噪聲并對(duì)目標(biāo)增強(qiáng)；采用最大類(lèi)間方差法閾值分割圖像；再用均值處理除掉圖像中可能出現(xiàn)的目標(biāo)區(qū)域斷裂的情況，然后進(jìn)行形態(tài)學(xué)處理，解決目標(biāo)粘連等情況，最后采用了圖像行掃描法有效地濾除水天線(xiàn)；然后得到候選小目標(biāo)。第二章：研究框架研究思路

檢測(cè)步驟處理結(jié)果

研究思路：圖像預(yù)處理

圖像預(yù)處理是為剔除圖像中無(wú)關(guān)的信息，增強(qiáng)目標(biāo)的可檢測(cè)性，以及識(shí)別的可靠性，對(duì)圖像進(jìn)行的處理。

目的是提高傳給主處理器的圖像的質(zhì)量和信噪比，減少需處理的數(shù)據(jù)量

采用對(duì)比的方法，對(duì)圖像采用多種圖像預(yù)處理分割方法并進(jìn)行對(duì)比優(yōu)劣，選擇最合適的圖像預(yù)處理方法。

原圖添加椒鹽噪聲線(xiàn)性空域?yàn)V波

中值濾波效果低通濾波效果形態(tài)學(xué)濾波效果

椒鹽噪聲處理對(duì)比高斯噪聲處理對(duì)比

原圖添加高斯噪聲線(xiàn)性空域?yàn)V波效果中值濾波效果低通濾波效果形態(tài)學(xué)濾波效果乘性噪聲處理對(duì)比

原圖添加乘性噪聲線(xiàn)性空域?yàn)V波效果

中值濾波效果低通濾波效果形態(tài)學(xué)濾波效果結(jié)論

通過(guò)編程實(shí)現(xiàn)了這些算法，并比較了各種預(yù)處理算法的處理效果。同時(shí)，表明，中值濾波在預(yù)處理階段具有濾波效果好，適合作為紅外圖像弱小目標(biāo)檢測(cè)的預(yù)處理手段。研究思路目標(biāo)檢測(cè)就是將目標(biāo)從背景中抽離出來(lái)。并提取出感興趣目標(biāo)

通圖像預(yù)處理一樣，對(duì)于圖像同時(shí)采用不同閾值分割，進(jìn)行檢測(cè)對(duì)比，看那種效果更好。選擇最好的方法作為圖像檢測(cè)的方法。

固定閾值分割效果

原圖對(duì)應(yīng)的灰度直方圖固定閾值分割效果閾值60對(duì)應(yīng)的圖閾值70對(duì)應(yīng)的圖閾值80對(duì)應(yīng)的圖

閾值85對(duì)應(yīng)的圖閾值90對(duì)應(yīng)的圖迭代法和最大類(lèi)間方差法閾值分割

原圖迭代法閾值分割圖Otsu閾值分割圖結(jié)論1、實(shí)驗(yàn)結(jié)果表明，迭代閾值分割和最大類(lèi)間差法閾值分割對(duì)水天線(xiàn)沒(méi)有被有效的濾掉。所以也不適合直接處理含水天線(xiàn)的紅外小目標(biāo)圖像。2、固定閾值分割直接明了，但是處理步驟繁瑣，需要多次實(shí)驗(yàn)。3、迭代法處理效果明顯，但是運(yùn)算時(shí)間較長(zhǎng)，很容易死機(jī)。4、最大類(lèi)間方差法處理快速，效果也很顯著。5、確定用最大類(lèi)間方差法作為閾值分割方法。單幀紅外圖像弱小目標(biāo)檢測(cè)

1、首先采用中值濾波來(lái)減小噪聲；2、采用了拉普拉斯圖像增強(qiáng)，用以抑制背景噪聲并對(duì)目標(biāo)增強(qiáng)；3、采用最大類(lèi)間方差法閾值分割圖像；4、均值處理5、形態(tài)學(xué)濾波，6、采用了圖像行掃描法有效地濾除水天線(xiàn)；最后得到候選小目標(biāo)。檢測(cè)步驟檢測(cè)步驟（1）：中值濾波先采用中值濾波降噪。由于紅外圖像中目標(biāo)所處的環(huán)境復(fù)雜，背景干擾大，故該檢測(cè)算法首先采用一定窗口的中值濾波來(lái)消除噪聲，尤其是脈沖噪聲的干擾。中值濾波器用于圖像處理中是這樣進(jìn)行的：設(shè)置一個(gè)濾波窗口，將其移遍圖像(序列)上的點(diǎn)，且用窗口內(nèi)各原始值的中值代替窗口中心點(diǎn)的值。在坐標(biāo)點(diǎn)(x,y)大小為m×n的窗口表示為Sxy，中值濾波是選取窗口Sxy中被干擾圖像g(x,y)的中值，作為坐標(biāo)點(diǎn)(x,y)的輸出，公式為：中值濾波：程序globalT%定義全局變量Taxes(handles.axes2);%使用第二個(gè)axesT=getimage;k=medfilt2(handles.img,[5,5]);%中值濾波imshow(k);%顯示圖片handles.img=k;%把圖像發(fā)給handles.img,方便其他函數(shù)調(diào)用guidata(hObject,handles);%更新句柄handles檢測(cè)步驟（2）：拉普拉斯圖像增強(qiáng)

采用拉普拉斯模板來(lái)進(jìn)行背景抑制和目標(biāo)增強(qiáng)。拉普拉斯模板算法具有目標(biāo)增強(qiáng)幅度大，背景抑制能力強(qiáng)的特點(diǎn)，適合在紅外圖像中作為背景抑制和目標(biāo)增強(qiáng)的手段。

拉普拉斯算子也是最簡(jiǎn)單的各向同性微分算子，具有旋轉(zhuǎn)不變性。一個(gè)二維圖像函數(shù)的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，定義為：

對(duì)于離散的數(shù)字圖像，二階偏導(dǎo)數(shù)可以用二階差分近似表示，由此得到的Laplacain算子為：拉普拉斯圖像增強(qiáng)

axes(handles.axes2);T=getimage;f=handles.img;f2=im2double(f);%將f轉(zhuǎn)換為歸一化的double類(lèi)圖像w8=[111;1-81;111];g2=imfilter(f2,w8,'replicate');g=f2-g2;%用原圖減去此濾波結(jié)果（以還原失去的灰度色調(diào)）imshow(g)handles.img=g;guidata(hObject,handles);檢測(cè)步驟（3）：最大類(lèi)間方差法閾值分割

最大類(lèi)間方差法又叫Otsu方法。該算法是在灰度直方圖的基礎(chǔ)上采用最小二乘法原理推導(dǎo)出來(lái)的。并一直被認(rèn)為是閾值自動(dòng)選取方法中的最優(yōu)方法，該方法計(jì)算簡(jiǎn)單，在一定條件下不受圖像對(duì)比度與亮度變化的影響，在一些實(shí)時(shí)圖像處理系統(tǒng)中得到廣泛應(yīng)用。

基本原理是以最佳閾值將圖像的灰度值分割成兩部分，使兩部分之間的方差最大，即具有最大的分離性。最大類(lèi)間方差法程序globalT%定義全局變量Taxes(handles.axes2);%使用第二個(gè)axesT=getimage;I=im2double(handles.img);T0=graythresh(I);%獲取閥值J=im2bw(I,T0);%圖像分割imshow(J);handles.img=J;%更新句柄guidata(hObject,handles);%更新句柄檢測(cè)步驟（4）：均值處理

采用均值處理來(lái)實(shí)現(xiàn)目標(biāo)融合，弱化背景邊緣。紅外圖像中目標(biāo)經(jīng)過(guò)背景抑制和增強(qiáng)處理后有可能出現(xiàn)目標(biāo)斷裂的情況，鑒于這個(gè)原因采用均值處理能夠很好的實(shí)現(xiàn)目標(biāo)融合，同時(shí)可以弱化背景邊緣。

同時(shí)均值處理使得圖像中沒(méi)有被完全濾掉的背景邊緣擴(kuò)散開(kāi)來(lái)，削弱其強(qiáng)度，這樣有利于分割出真正的候選目標(biāo)。均值濾波程序globalT%定義全局變量Taxes(handles.axes2);%使用第二個(gè)axesT=getimage;w2=fspecial('average',[5,5])%先定義一個(gè)均值濾波器k=imfilter(handles.img,w2,'replicat