基于窄波段像素色比的背景抑制殘差圖融合方法

基于窄波段像素色比的背景抑制殘差圖融合方法

檢測(cè)太祖手機(jī)是自動(dòng)目標(biāo)識(shí)別系統(tǒng)（atr）的重要組成部分，在提高系統(tǒng)的作用距離和檢測(cè)概率方面發(fā)揮著重要作用。在紅外圖像中，小目標(biāo)周圍的背景區(qū)域通常具有很強(qiáng)的相關(guān)性。在只使用單幅圖像時(shí)，通常根據(jù)相關(guān)背景信息預(yù)測(cè)目標(biāo)覆蓋的背景，并將其與原始圖像進(jìn)行比較以進(jìn)行檢測(cè)虛弱目標(biāo)。傳統(tǒng)的檢測(cè)方法大多對(duì)殘差圖像直接進(jìn)行閾值分割來(lái)實(shí)現(xiàn)目標(biāo)檢測(cè),檢測(cè)性能直接受到背景預(yù)測(cè)處理效果的限制.筆者采用一種基于窄波段像素色比的殘差圖融合處理方法,對(duì)不同波段的圖像進(jìn)行背景抑制,利用兩個(gè)窄波段的色比參數(shù)對(duì)殘差圖像進(jìn)行噪聲和雜波的進(jìn)一步抑制,分割、融合圖像,獲得信噪比得到提高的殘差圖像;在融合圖像上進(jìn)行基于體積檢測(cè)算法的處理,利用點(diǎn)目標(biāo)成像是一個(gè)“隆起的包”(類似于二次曲線中的開口朝下的橢圓拋物面)的特性對(duì)殘差圖像中目標(biāo)的能量進(jìn)行集中,以提高信噪比和點(diǎn)目標(biāo)的可探測(cè)性.仿真結(jié)果表明文中的方法檢測(cè)效果良好,在采用傳統(tǒng)簡(jiǎn)單背景預(yù)測(cè)方法的情況下實(shí)現(xiàn)弱小目標(biāo)的準(zhǔn)確檢測(cè);相比時(shí)域檢測(cè)的方法具有明顯的實(shí)時(shí)性優(yōu)勢(shì).1局域背景預(yù)測(cè)算法對(duì)于紅外圖像的弱小目標(biāo)檢測(cè)問題,圖像可認(rèn)為由目標(biāo)、背景和噪聲三要素組成,可以說(shuō)目標(biāo)檢測(cè)實(shí)際上就是將目標(biāo)與背景和噪聲分開.經(jīng)過對(duì)大量紅外圖像的觀察和分析發(fā)現(xiàn),圖像中的目標(biāo)即使在整個(gè)圖像中強(qiáng)度不是最強(qiáng)的,但在它所處的小區(qū)域中與局域背景的差別較明顯;而強(qiáng)度較高的背景中的像素,雖然灰度值較大,但在它所處的局域中與周圍背景無(wú)明顯差異.基于這樣的事實(shí),文獻(xiàn)提出局域背景預(yù)測(cè)算法.它的基本思想是圖像中的任何一個(gè)像素點(diǎn),如果它屬于背景中的點(diǎn),那么它的灰度值一定可以用周圍區(qū)域的像素點(diǎn)的灰度值來(lái)預(yù)測(cè),也就是說(shuō),它跟周圍的某些點(diǎn)屬于同一背景,或者說(shuō),它的灰度值與周圍像素點(diǎn)的灰度值相關(guān)性較強(qiáng).而對(duì)于屬于目標(biāo)的像素點(diǎn),它的灰度值與周圍像素點(diǎn)的灰度值相關(guān)性較差,在圖像局部會(huì)形成一個(gè)或幾個(gè)“異常點(diǎn)”.利用這樣的差異來(lái)分離目標(biāo)與背景是背景預(yù)測(cè)方法的出發(fā)點(diǎn).最基本的背景預(yù)測(cè)模型為其中,X為M×N的輸入圖像,Y為預(yù)測(cè)圖像,Wj為第j級(jí)的權(quán)重矩陣,j=m×M+n,對(duì)應(yīng)著當(dāng)前位置,Sj對(duì)應(yīng)著局域背景選取點(diǎn)的范圍集合,屬于Sj的像素點(diǎn)個(gè)數(shù)是有限的,設(shè)為L(zhǎng).預(yù)測(cè)圖像與輸入圖像之間的殘差圖像為其中,X為M×N的輸入圖像.Y(m,n)可以認(rèn)為是(m,n)這一像素點(diǎn)的局部背景灰度,若取圖像的對(duì)比度定義為并取Gmax=255,Gmin=0,則E(m,n)就是(m,n)這一像素點(diǎn)的對(duì)比度,此時(shí)檢測(cè)問題就轉(zhuǎn)化為在殘差圖像上進(jìn)行對(duì)比度閾值檢測(cè).通常直接在預(yù)測(cè)殘差圖上進(jìn)行對(duì)比度門限檢測(cè).筆者提出了對(duì)殘差圖進(jìn)行進(jìn)一步處理(包括基于色比的算法和體積檢測(cè)的算法進(jìn)一步提高信噪比),來(lái)獲得更好的閾值分割結(jié)果.2利用窄段的顏色比剩余圖進(jìn)行融合2.1雙波長(zhǎng)鑒別技術(shù)雙波段特性是一種常用的,用來(lái)鑒別目標(biāo)和背景(雜波)的有效手段.紅外制導(dǎo)由單模制導(dǎo)向多模制導(dǎo)發(fā)展,即由單一的紅外制導(dǎo)向紅外/紫外、紅外/毫米波、雙色紅外、雙色紅外/毫米波、紅外成像/激光、毫米波/紅外/電視等復(fù)合制導(dǎo)方向發(fā)展,就是利用雙/多波段鑒別技術(shù)提高制導(dǎo)性能和抗干擾能力.美國(guó)研制的第三代便攜式防空導(dǎo)彈“毒刺-POST”(FIM-92B)采用了紅外/紫外雙波段探測(cè)技術(shù)(InSe用于4.1μm中波紅外波段探測(cè),CdSe用于0.3~0.5μm紫外波段探測(cè))來(lái)抑制多目標(biāo)和背景干擾.在此,定義雙波段色比為2.2固定閾值或恒分割率算法根據(jù)色比的定義,為減輕噪聲的影響,雙波段圖像的像素色比為其中,ue003band1和ue003band2分別是雙波段圖像Xband1和Xband2在像素(u,v)處,大小為L(zhǎng)×L的局部平均值.選擇波段1和波段2具體對(duì)應(yīng)的波段,使目標(biāo)的像素色比大于背景的像素色比,在求出的像素色比圖像IRband1/band2上,可使用固定閾值或恒定分割率算法,對(duì)目標(biāo)和雜波進(jìn)行色比鑒別.恒定分割率算法是指設(shè)定一個(gè)恒定的分割率,該分割率對(duì)應(yīng)一分割閾值,所有超過分割閾值的點(diǎn)除以圖像總點(diǎn)數(shù)所計(jì)算出的比率最接近設(shè)定的恒定分割率.圖1(e)設(shè)置恒定分割率為0.03時(shí)的一個(gè)目標(biāo)和雜波色比鑒別結(jié)果.從圖中可以看出,像素色比鑒別區(qū)別開了目標(biāo)和云背景雜波,但由于噪聲的隨機(jī)性,一部分噪聲也被分割出來(lái)了.根據(jù)像素色比的分割結(jié)果,對(duì)雙波段的殘差圖進(jìn)行像素級(jí)別圖像融合.融合算法為式中,Eband1(m,n)和Eband2(m,n)分別是波段1和波段2的殘差圖像,th是用恒定分割率算法求出的像素色比分割閾值,IF(m,n)是融合獲得的殘差圖,如圖1(f)所示的例子.從圖中可以看出,當(dāng)像素色比能有效地鑒別目標(biāo)和背景雜波時(shí),融合殘差圖的信噪比比任何一個(gè)窄波段的殘差圖的都要高一些.3基于二次社會(huì)化的點(diǎn)目標(biāo)選取點(diǎn)目標(biāo)成像是一個(gè)“隆起的包”,類似于二次曲線中的開口朝下的橢圓拋物面.背景預(yù)測(cè)圖像與輸入圖像之間的殘差圖像實(shí)際上是不包含背景的目標(biāo)與噪聲圖像,其中的點(diǎn)目標(biāo)基本維持輸入圖像上目標(biāo)的形狀.實(shí)際圖像與相應(yīng)殘差圖像中的點(diǎn)目標(biāo)成像如圖2所示.因此,可以充分利用該特性來(lái)提高點(diǎn)目標(biāo)的檢測(cè)性能,即通過最小二乘來(lái)逼近橢圓拋物面,并計(jì)算其體積來(lái)提高信噪比.記空間中二次曲線的一般方程為其中,a11,a22,a33,a12,a13,a23不全為0.經(jīng)過正交矩陣對(duì)角化坐標(biāo)變換后,曲線方程變?yōu)槠渲?當(dāng)λ1,λ2,λ3中只有一個(gè)為0,不妨設(shè)λ3=0,且λ1λ2>0時(shí),二次曲線為橢圓拋物面.是二次曲面的一個(gè)不變量.背景預(yù)測(cè)殘差圖像中,設(shè)以當(dāng)前像素(x′,y′)為中心的[-k,k]×[-k,k]鄰域內(nèi)的像素可以表示為用二次曲面來(lái)逼近含有噪聲的像素值,即通過經(jīng)典的最小二乘算法來(lái)求出方程的參數(shù),最小化指標(biāo)函數(shù)為得到最小二乘解x=(ATA)-1ATI,其中,x=[a,b,c,d,e,f]T,通過橢圓拋物面曲線擬合后,可以通過極值條件求出其極值點(diǎn)(x0,y0),即由對(duì)式(10)進(jìn)行平移坐標(biāo)變換x′=x-x0,y′=y-y0,得到其中f′=(cd2-bde+ae2)(b2-4ac)+f.對(duì)式(13)用正交變換法將其化為二次標(biāo)準(zhǔn)型,則有橢圓拋物面開口朝下,且極值點(diǎn)位于xOy平面的上方,需要滿足條件λ1<0,λ2<0,f′>0.采用小目標(biāo)所包含的能量做為特征量,它可以通過V=λ1λ2f′=I2×f′來(lái)表征.由于在上述正交相似變換法化一般實(shí)系數(shù)二次方程為標(biāo)準(zhǔn)型時(shí),運(yùn)算過程中要引入矩陣的求逆運(yùn)算,因此,算法計(jì)算量大,而且矩陣求逆會(huì)導(dǎo)致算法不穩(wěn)定.下面利用二次曲面不變量的性質(zhì)來(lái)進(jìn)一步化簡(jiǎn)運(yùn)算,避免了矩陣求逆.對(duì)式(10)采用配方法化為二次型標(biāo)準(zhǔn)形,作變換根據(jù)可逆線性變換化二次型為標(biāo)準(zhǔn)型的慣性定理,標(biāo)準(zhǔn)型的系數(shù)中的正、負(fù)個(gè)數(shù)不變,則有對(duì)于式(13),其對(duì)應(yīng)的二次曲面一般方程(7)中各系數(shù)為由二次曲面不變量性質(zhì)可知,小目標(biāo)能量特征值等價(jià)于為了將目標(biāo)的能量集中到目標(biāo)的中心,對(duì)式(19)乘以比例系數(shù)Vc,即通過集中殘差圖像中點(diǎn)目標(biāo)的能量,可以很好地抑制如云層邊緣等強(qiáng)干擾,并且提高殘差圖像自適應(yīng)閾值分割的準(zhǔn)確程度.圖3顯示了針對(duì)實(shí)際紅外圖像基于體積的算法提高信噪比的結(jié)果.從圖3中可以看出,在殘差圖3(b)中,云層邊緣的灰度高于點(diǎn)目標(biāo)灰度最高值,所以直接閾值分割無(wú)法抑制云層邊緣的干擾信號(hào).而經(jīng)過基于體積的殘差圖處理,點(diǎn)目標(biāo)能量被集中在目標(biāo)中心,云層邊緣干擾信號(hào)是條帶狀,集中程度沒有點(diǎn)目標(biāo)強(qiáng),點(diǎn)目標(biāo)的最高灰度超過云層邊緣干擾信號(hào),目標(biāo)被檢測(cè)出來(lái)了.4窄波長(zhǎng)單幀圖像的檢測(cè)圖4和圖5都是在模擬場(chǎng)景生成并添加了系統(tǒng)效應(yīng)的模擬圖像上進(jìn)行的探測(cè)結(jié)果.圖4(a)是寬波段的模擬輸入圖像,從分割結(jié)果可以看出對(duì)于寬波段單幀圖像,如果不引入多幀累積等算法,則沒有很好的手段去進(jìn)一步消除雜波和噪聲.圖5(a)和圖5(b)是不同窄波段的模擬輸入圖像,比較圖5(i)~(h)的結(jié)果,其中,圖5(i)和圖5(k)是對(duì)窄波段殘差圖進(jìn)行基于體積檢測(cè)的處理后的分割結(jié)果,由于圖像信噪比很低,分割結(jié)果含有大量的噪聲點(diǎn),而經(jīng)過殘差融合之后的分割結(jié)果如圖5(l)所示,準(zhǔn)確地檢測(cè)出圖中的目標(biāo).5閾值分割和目標(biāo)體積檢測(cè)筆者利用窄波段像素色比的原理,在紅外弱小目標(biāo)檢測(cè)中經(jīng)典背景預(yù)測(cè)的基礎(chǔ)之上,對(duì)殘差圖進(jìn)行融合處理,提高殘差圖的信噪比.在融合過程中,以窄波段像素色比為標(biāo)準(zhǔn),選取適當(dāng)?shù)暮愣ǚ指盥蕘?lái)實(shí)現(xiàn)目標(biāo)和雜波的分割并獲得融合殘差圖,此