基于oes閾值的圖像分割與背景雜波噪聲抑制

基于oes閾值的圖像分割與背景雜波噪聲抑制

0低信噪比同步控制的方法在距離紅色目標(biāo)的圖像中，紅色信號(hào)傳感器接收到的目標(biāo)強(qiáng)度較弱，噪聲和背景干擾較大，圖像信噪比降低。另一方面，由于目標(biāo)沒(méi)有具有明顯的輪廓和結(jié)構(gòu)特征，因此可以使用“表面”信息、粒度和運(yùn)動(dòng)信息。因此紅外小目標(biāo)檢測(cè)器性能將直接決定末制導(dǎo)系統(tǒng)的有效作用距離及設(shè)備的復(fù)雜程度。復(fù)雜的海面背景中,移動(dòng)的海面及連綿起伏的波浪反光使圖像的信噪比和對(duì)比度等信息都隨著浪高、距離和太陽(yáng)位置的不同而不斷變化。當(dāng)海面雜波或魚(yú)鱗光較強(qiáng)時(shí),紅外圖像中有大量的浪峰的灰度強(qiáng)度接近甚至等于或大于點(diǎn)目標(biāo),在這種情況下,基于灰度閾值或空域?yàn)V波的方法,因很難區(qū)分點(diǎn)目標(biāo)和魚(yú)鱗光而失效。當(dāng)探測(cè)器在運(yùn)動(dòng)載體上,目標(biāo)在隨機(jī)運(yùn)動(dòng)時(shí),運(yùn)動(dòng)參數(shù)無(wú)法預(yù)知和估計(jì),因此不適合使用諸如圖像匹配、光流場(chǎng)、傅里葉譜分析、多幀圖像能量累積等常用的運(yùn)動(dòng)目標(biāo)檢測(cè)與分析方法?？傊?針對(duì)復(fù)雜多變的海面背景,低信噪比紅外小目標(biāo)的檢測(cè)問(wèn)題的關(guān)鍵在于如何有效地提高單幀圖像檢測(cè)率。文中提出的方法不需要太多的目標(biāo)先驗(yàn)知識(shí)或假設(shè),也不需對(duì)圖像特征具體分析。在對(duì)紅外圖像進(jìn)行自適應(yīng)濾波的基礎(chǔ)上,以數(shù)學(xué)形態(tài)運(yùn)算為主,進(jìn)行背景抑制和目標(biāo)分割,最后針對(duì)遠(yuǎn)距離艦艇小目標(biāo)總是出現(xiàn)在海天線附近的特點(diǎn)分離出真正的目標(biāo)。仿真實(shí)驗(yàn)證明,該方法能有效地抑制天空云層和海雜波的影響,提高單幀圖像中目標(biāo)檢測(cè)概率,降低誤檢率。1圖像結(jié)構(gòu)的提取數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用語(yǔ)言是集合論,它的基本思想是用一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀,去除不相干的結(jié)構(gòu),以達(dá)到對(duì)圖像分析和識(shí)別的目的。形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù),易于用并行處理方法和硬件實(shí)現(xiàn)。1.1腐蝕和膨脹運(yùn)算數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算為:膨脹、腐蝕、開(kāi)運(yùn)算和閉運(yùn)算?；谶@些基本運(yùn)算可以推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法。數(shù)學(xué)形態(tài)學(xué)對(duì)信號(hào)的形態(tài)變換可以是集合,也可以是函數(shù)。設(shè)給定輸入圖像F={(x,f(x))|x∈P,P?E2}和結(jié)構(gòu)元素B={(x,b(x))|x∈S,S?E2},其中,x為圖像平面空間的坐標(biāo)點(diǎn);f(x)為x點(diǎn)的圖像灰度值;b(x)為x點(diǎn)的結(jié)構(gòu)函數(shù)值;E2為歐氏空間。(1)腐蝕是數(shù)學(xué)形態(tài)學(xué)最基本的運(yùn)算,用結(jié)構(gòu)元素B對(duì)輸入圖像F進(jìn)行灰度腐蝕,記為fΘb,其定義為:(fΘb)(x)=infm∈Sx+m∈Ρ{f(x+m)-b(m)}(1)(fΘb)(x)=infm∈Sx+m∈P{f(x+m)?b(m)}(1)腐蝕是一種消除邊界點(diǎn)的過(guò)程,可有效地消除孤立噪聲點(diǎn),去除邊界上不平滑的凸出部分。(2)膨脹是腐蝕運(yùn)算的對(duì)偶運(yùn)算(逆運(yùn)算),是數(shù)學(xué)形態(tài)學(xué)的第二個(gè)基本運(yùn)算,記為f?b,其定義為:(f?b)(x)=supm∈Sx-m∈Ρ{f(x-m)+b(m)}(2)(f?b)(x)=supm∈Sx?m∈P{f(x?m)+b(m)}(2)式中inf和sup分別表示上確界和下確界運(yùn)算。膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過(guò)程,可填補(bǔ)空洞和形成連通域,可填平圖像邊界上不平滑的凹陷部分。(3)形態(tài)濾波開(kāi)啟和閉合運(yùn)算則用腐蝕與膨脹運(yùn)算的級(jí)聯(lián)來(lái)定義,即:F和B的開(kāi)運(yùn)算(f?b)(x)=[(fΘb)?b](x)(3)(f?b)(x)=[(fΘb)?b](x)(3)F和B的閉運(yùn)算(f?b)(x)=[(f?b)Θb](x)(4)開(kāi)運(yùn)算是先對(duì)圖像進(jìn)行腐蝕運(yùn)算再進(jìn)行膨脹運(yùn)算,能去掉圖像中的孤立區(qū)域和毛刺,并可消除形狀小于結(jié)構(gòu)元素的正峰值,根據(jù)目標(biāo)和噪聲的特點(diǎn),選擇適應(yīng)的結(jié)構(gòu)元能剔除目標(biāo)和噪聲,而將背景保留下來(lái);閉運(yùn)算是先對(duì)圖像進(jìn)行膨脹運(yùn)算再進(jìn)行腐蝕運(yùn)算,可以填充物體內(nèi)細(xì)小空洞,連接鄰近物體和平滑物體邊界。1.2關(guān)于table-hat算子的特點(diǎn)Top-Hat變換算子,記為hat(f),其定義為:hat(f)=f-(f?b)(5)可見(jiàn)Top-Hat運(yùn)算是原始圖像信號(hào)與其開(kāi)運(yùn)算后的信號(hào)之差,所以經(jīng)Top-Hat變換處理后的圖像能抑制平緩變化的背景和不相關(guān)的結(jié)構(gòu)信息,提取出形狀類(lèi)似于結(jié)構(gòu)元素的孤立目標(biāo)和噪聲,即可以檢測(cè)出圖像信號(hào)中的灰度峰值,因此Top-Hat算子具有高通濾波的特性。2目標(biāo)檢測(cè)和分割算法2.1紅外圖像海天線檢測(cè)針對(duì)遠(yuǎn)距離艦船小目標(biāo)總是出現(xiàn)在海天線附近的特點(diǎn),通過(guò)檢測(cè)海天線位置來(lái)確定目標(biāo)的潛在區(qū)域,可以極大地縮小目標(biāo)搜索范圍,排除海浪和云團(tuán)的干擾,提高目標(biāo)檢測(cè)率,因此海天線在海面小目標(biāo)檢測(cè)中有很重要的意義。由于紅外圖像反映的是熱輻射差,對(duì)溫度極為敏感;海上自然氣候的變化和波浪的擾動(dòng),以及空氣對(duì)熱輻射的散射和吸收作用,使紅外圖像中海天線模糊不清;大量高輻射的云層、海浪及魚(yú)鱗光形成了很強(qiáng)的背景邊緣干擾,所以直接對(duì)紅外圖像進(jìn)行海天線檢測(cè),很難確定海天線。參考文獻(xiàn)提出了一種基于小波分析的海天線檢測(cè)算法,提高了海天線的檢測(cè)和定位精度,但實(shí)現(xiàn)較為復(fù)雜,難以硬件實(shí)現(xiàn)。根據(jù)海面和天空具有完全不同的輻射特性,在紅外圖像中表現(xiàn)為兩大類(lèi)不同灰度區(qū)域的特點(diǎn),提出了基于最大類(lèi)間方差法的海天線檢測(cè)算法,簡(jiǎn)單有效地實(shí)現(xiàn)了海天線的檢測(cè)和定位。(1)最佳閾值的確定最大類(lèi)間方差法是Otsu于1978年在最小二乘法原理的基礎(chǔ)上推導(dǎo)出來(lái)的,可將圖像分割成兩類(lèi),使得類(lèi)內(nèi)方差最小,而類(lèi)間方差最大,其原理如下:設(shè)閾值t將圖像劃分成兩類(lèi)C0和C1,圖像的灰度范圍是G={0,1,...,L-1},N為像素總數(shù),ni為灰度值為i的像素?cái)?shù),則C0={0,1,...,t},C1={t+1,t+2,...,L-1},每一灰度出現(xiàn)的概率為pi=ni/N,則C0和C1類(lèi)出現(xiàn)的概率為:ω0=t∑i=0pi,ω1=L-1∑i=t+1pi=1-ω0(6)均值為:μ0=t∑i=0ipi/ω0,μ1=L-1∑i=t+1ipi/ω1(7)則全圖灰度均值為:μ=ω0μ0+ω1μ1(8)類(lèi)間方差定義為:σ2B=ω0(μ0-μ)2+ω1(μ1-μ)2(9)當(dāng)σ2B最大時(shí),即可由上述公式得到最佳閾值:Τ=max0≤t≤L-1σ2B=max0≤t≤L-1|ω0(μ0-μ)2+ω1(μ1-μ)2|(10)(2)海天線內(nèi)邊緣提取1)根據(jù)公式(10)計(jì)算閾值并對(duì)圖像進(jìn)行分割,如圖1(b)所示,由于海天交界處很模糊,使分割線周?chē)胁簧偌?xì)小的雜散點(diǎn),選擇適當(dāng)?shù)慕Y(jié)構(gòu)元素進(jìn)行形態(tài)開(kāi)運(yùn)算和閉運(yùn)算,去掉圖像中的孤立區(qū)域和毛刺并平滑邊界;2)進(jìn)行邊緣檢測(cè)得到海天線的初始位置,見(jiàn)圖1(c);3)由于在紅外圖像中海天線不是一條線,而是一個(gè)模糊的過(guò)渡區(qū)域,在Otsu閾值分割中,將這個(gè)區(qū)域歸到了海面中,因此得到的邊緣比實(shí)際海天線要高。根據(jù)大量實(shí)驗(yàn)和經(jīng)驗(yàn),給定一個(gè)偏移量進(jìn)行調(diào)整即可獲得海天線,見(jiàn)圖1(d);4)將以海天線為中心的上下δ區(qū)域劃分為目標(biāo)潛在區(qū)域,如圖1(e)所示。由于海天線檢測(cè)只是為了確定目標(biāo)潛在區(qū)域,所以即使海天線位置有些偏移也不會(huì)影響到目標(biāo)檢測(cè)結(jié)果。2.2用形態(tài)濾波控制海底背景雜波利用紅外傳感器等獲取的目標(biāo)圖像,由于目標(biāo)紅外輻射強(qiáng)度與其周?chē)徲蜃匀槐尘暗妮椛鋸?qiáng)度不相關(guān),且一般都高于其鄰域背景的輻射強(qiáng)度,故當(dāng)距離較遠(yuǎn)的目標(biāo)成像很小時(shí),可將其看成具有恒定灰度值的孤立亮斑。由于在復(fù)雜海面上,移動(dòng)的海雜波和魚(yú)鱗光對(duì)紅外小目標(biāo)檢測(cè)干擾極大,因此要求算法既能有效抑制海面背景雜波干擾,又能較好地保護(hù)和提取目標(biāo)。通過(guò)理論和實(shí)驗(yàn)分析發(fā)現(xiàn),形態(tài)學(xué)濾波方法具有較強(qiáng)的抗噪性和魯棒性,能除去不相關(guān)的結(jié)構(gòu)信息,從而有效地抑制雜波以及大的云團(tuán)和大面積連續(xù)分布的海面背景,提取出高亮區(qū)的目標(biāo)。(1)首先對(duì)單幀低信噪比復(fù)雜海面背景紅外圖像,采用維納自適應(yīng)濾波進(jìn)行預(yù)處理可有效地抑制隨機(jī)噪聲和高斯噪聲,提高圖像對(duì)比度和信噪比;(2)根據(jù)紅外圖像的特點(diǎn)和目標(biāo)的大小,選擇適合的圓形結(jié)構(gòu)元素B1對(duì)圖像進(jìn)行Top-Hat形態(tài)濾波處理,抑制大面積連續(xù)分布的云團(tuán)和平緩變化的海面等背景雜波干擾,提取形狀類(lèi)似于結(jié)構(gòu)元素并位于高亮度區(qū)的孤立目標(biāo)和強(qiáng)噪聲點(diǎn);(3)針對(duì)殘留的海空背景中魚(yú)鱗光和云團(tuán)等強(qiáng)噪聲的特點(diǎn),選擇一個(gè)適當(dāng)?shù)慕Y(jié)構(gòu)元素B2,對(duì)圖像進(jìn)行形態(tài)開(kāi)運(yùn)算,進(jìn)一步剔除由背景形成的大量細(xì)小干擾;(4)在海天線確定的目標(biāo)潛在區(qū)域內(nèi),利用紅外目標(biāo)灰度總是高于其周?chē)徲虮尘暗奶攸c(diǎn),搜索局部極大值,確定閾值即可分割出目標(biāo)。3案例圖像的選取用點(diǎn)目標(biāo)檢測(cè)方法對(duì)實(shí)際拍攝的紅外圖像進(jìn)行實(shí)驗(yàn)。原始紅外圖像是用8～12μm紅外攝像機(jī)實(shí)地拍攝的海面航行軍艦和船只,背景為云層、海浪、海岸線或遠(yuǎn)山,大小為768×576,裁剪為400×400的實(shí)驗(yàn)圖像。對(duì)隨機(jī)抽取的100幀紅外小目標(biāo)圖像進(jìn)行實(shí)驗(yàn),都能正確檢測(cè)出目標(biāo)。部分實(shí)驗(yàn)結(jié)果如圖2所示。4全視場(chǎng)圖像信息實(shí)