復(fù)雜黃海背景下紅外艦船目標(biāo)檢測(cè)與識(shí)別技術(shù)研究

復(fù)雜黃海背景下紅外艦船目標(biāo)檢測(cè)與識(shí)別技術(shù)研究

0對(duì)紅外艦隊(duì)目標(biāo)的自動(dòng)檢測(cè)紅外成像技術(shù)具有高度現(xiàn)代化、被動(dòng)隱蔽性、功能距離長等優(yōu)點(diǎn)，逐漸成為正確武器工具的發(fā)展方向。為了使武器系統(tǒng)能夠精確制導(dǎo),自動(dòng)檢測(cè)、識(shí)別和跟蹤目標(biāo)是其關(guān)鍵點(diǎn)和難點(diǎn)。近年來,紅外艦船目標(biāo)的檢測(cè)是國內(nèi)外極為關(guān)注的熱點(diǎn)問題,但由于復(fù)雜的海面、海天背景中,移動(dòng)的海面和連綿起伏的波浪反光使圖像的信噪比和對(duì)比度等隨浪高、距離和太陽位置的不同而不斷變化,因而背景變化復(fù)雜。當(dāng)海面雜波或魚鱗光較強(qiáng)時(shí),紅外圖像中有大量浪峰的灰度強(qiáng)度接近甚至等于或大于目標(biāo)像素點(diǎn)的最大灰度值,給檢測(cè)目標(biāo)帶來困難。對(duì)此,提出了一種有效的海天背景下紅外艦船的自動(dòng)檢測(cè)方法,由于紅外艦船目標(biāo)圖像信息量較大且含有大量隨機(jī)噪聲和雜波干擾,為了滿足實(shí)時(shí)性要求和不影響后續(xù)的圖像分割質(zhì)量,先利用小波變換的方法對(duì)紅外圖像進(jìn)行預(yù)處理,然后利用海天線和自適應(yīng)閾值相結(jié)合的方法對(duì)目標(biāo)圖像進(jìn)行分割,最后通過幾何特征量的匹配實(shí)現(xiàn)了對(duì)紅外艦船目標(biāo)的自動(dòng)檢測(cè)。實(shí)驗(yàn)表明:該方法能有效地抑制天空云層和海面雜波的影響,提高單幀圖像中的目標(biāo)檢測(cè)概率,降低誤檢率。其檢測(cè)流程如圖1所示。1小波變換的基本原理圖像預(yù)處理的目的是采用一系列技術(shù)降低噪聲的影響和圖像的失真程度,以利于后續(xù)處理。海天背景中的噪聲主要是浪涌等引起的強(qiáng)脈沖性沖擊噪聲。人們提出了許多圖像去噪的方法,其中小波變換由于具有低熵性、去相關(guān)性和選基的靈活性等在圖像去噪領(lǐng)域得到了越來越廣泛的使用。基本小波函數(shù)也稱為母小波ψ(x)是一個(gè)具有零均值且持續(xù)時(shí)間有限的衰減振蕩波形,其傅里葉變換ψ(x)具有帶通性質(zhì),即滿足ψ(ω=0)=0。小波基是由一個(gè)基本小波ψ(x)經(jīng)過伸縮和平移產(chǎn)生的一簇函數(shù):式中:a為伸縮因子;b為平移因子。ψ(x)經(jīng)過平移和伸縮變換后,即可生成不同的頻率成分。其二進(jìn)制離散化形式為:小波變換的含義就是將基本小波(即母小波)ψ(x)函數(shù)作位移b后,再在不同尺度a下與待分析信號(hào)x(t)作內(nèi)積。也就是說小波變換的基本思想是將原始信號(hào)通過伸縮及平移后,分解為一系列具有不同空間分辨率、不同頻率和不同方向特性的子帶信號(hào)。這些子帶信號(hào)具有良好的時(shí)域、頻域局部特性,可以用來表示原始信號(hào)的局部特征,進(jìn)而實(shí)現(xiàn)對(duì)信號(hào)時(shí)間、頻率的局部化分析,以克服傅里葉變換在分析非平穩(wěn)的復(fù)雜圖像時(shí)所存在的局限性。小波分解過程中可以根據(jù)Mallat提出的離散二進(jìn)小波變換的快速算法,用正交鏡像數(shù)字濾波器H(低通)和G(高通)濾波來實(shí)現(xiàn)對(duì)原始圖像的逐層分解。設(shè)H和G的脈沖響應(yīng)分別為h(n)和g(n),則它們的關(guān)系為:低通濾波器的輸出稱為逼近,高通濾波器的輸出稱為細(xì)節(jié)。數(shù)字濾波器系數(shù)和所采用的小波形狀有關(guān)。分解獲得的逼近圖像可以進(jìn)一步分解為新的逼近和細(xì)節(jié)信號(hào),即構(gòu)成更高一級(jí)的分解。該分解過程是可逆的,也就是說可以由任一級(jí)分解的逼近和細(xì)節(jié)重構(gòu)原始信號(hào)。文中小波去噪選用了具有緊支集的Haar小波基,自適應(yīng)選取閾值。Haar小波基的正交性保證了分解后各層圖像之間不相關(guān),它的多分辨系統(tǒng)構(gòu)成一組較簡單的正交歸一的小波族,可以減小運(yùn)算復(fù)雜度,提高運(yùn)算速度,便于系統(tǒng)硬件實(shí)現(xiàn)。2圖像分割和目標(biāo)檢測(cè)算法2.1紅外圖像海天線檢測(cè)針對(duì)紅外艦船目標(biāo)總是出現(xiàn)在海天線附近的特點(diǎn),通過檢測(cè)海天線位置將其上下附近的帶狀區(qū)域確定為目標(biāo)潛在區(qū),可以極大地縮小目標(biāo)搜索范圍,排除天空云團(tuán)和海面雜波的干擾,提高單幀圖像中目標(biāo)的檢測(cè)概率,降低誤檢率。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。考慮到天空和海面的熱輻射特點(diǎn)不同,文中使用梯度強(qiáng)度均值分割方法檢測(cè)海天線,如圖2所示,其中(a)為原始圖像,(b)為分割出的海天線。排除海面雜波和天空因素的干擾。由于在紅外圖像中的海天線并不是一條線,而是一個(gè)模糊的過渡區(qū)域,因此只要大概的海天線位于該區(qū)域內(nèi)即可,沒有必要追求太高的定位精度,而且海天線檢測(cè)只是為了確定目標(biāo)的潛在區(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提取目標(biāo)選取圖像分割是一種將圖像分割成若干個(gè)有意義區(qū)域的圖像處理技術(shù),其中在分割出的各個(gè)彼此獨(dú)立的區(qū)域中可能包含潛在目標(biāo)。圖像分割的關(guān)鍵和難點(diǎn)是分割閾值的選取。采用一種基于行列均值的自適應(yīng)閾值方法進(jìn)行分割,其主要思想是:設(shè)圖像尺寸為M×N,(i,j)是二維數(shù)字圖像平面上的點(diǎn),f(i,j)是圖像各點(diǎn)的灰度值,計(jì)算圖像各行列的灰度均值,對(duì)圖像中任意一點(diǎn),如果其灰度值減去所在行的均值大于某閾值,且其灰度值減去所在列的均值也大于該閾值,則認(rèn)為該點(diǎn)是潛在的目標(biāo)區(qū)域中的點(diǎn),并且置為白;否則認(rèn)為是背景中的點(diǎn)被濾除,置為黑。另外,通過判斷分割后面積最大的聯(lián)通域的面積占圖像的百分比,自適應(yīng)獲得最佳分割閾值。綜合以上分析,可以得出求取目標(biāo)圖像分割閾值的方法,步驟如下:(3)給分割閾值Th賦一初值Th0;(4)對(duì)圖像中任意一點(diǎn)P(m,n),若f(m,n)-Xi>Th,且f(m,n)-Yj>Th,則置為白;否則置為黑;(5)判斷分割后面積最大的聯(lián)通域的面積占整幅圖像的百分比η,若η不在給定區(qū)間[a1,a2]內(nèi),則相應(yīng)調(diào)整Th的值;(6)重復(fù)步驟(4)、(5),以求得最佳閾值,提取目標(biāo),如圖4(b)所示。綜上分析,可得到圖像分割流程圖,如圖3所示。2.3標(biāo)大小、體長比圖像分割以后,通過特征匹配進(jìn)一步檢測(cè)艦船目標(biāo),文中使用4個(gè)幾何特征量來確定真實(shí)目標(biāo)。(1)邊界長度:提取每個(gè)目標(biāo)邊緣的長度。(2)目標(biāo)大小:在一個(gè)直角坐標(biāo)軸上的目標(biāo)的最大長度和最大寬度。目標(biāo)長度是通過計(jì)算平行于目標(biāo)長度方向且通過目標(biāo)質(zhì)心的一條直線段之間的距離而得到。目標(biāo)寬度則是計(jì)算通過目標(biāo)質(zhì)心且垂直于長度方向的直線段之間的距離。(3)長寬比:目標(biāo)最大長度與最大寬度之比值。(4)復(fù)雜度:邊緣像素點(diǎn)總數(shù)與目標(biāo)像素點(diǎn)總數(shù)之比值。只有同時(shí)滿足這4個(gè)特征量的目標(biāo)才能確定為真實(shí)目標(biāo),這些特征量的值可以是預(yù)定義的一個(gè)區(qū)間,也可以是經(jīng)驗(yàn)參數(shù)。3實(shí)驗(yàn)圖的大小、背景采用文中提出的目標(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)。原始圖像是實(shí)地拍攝的海面航行的艦船,圖像大小為384×284,裁剪為361×249的實(shí)驗(yàn)圖,背景為云層、海浪。對(duì)隨機(jī)抽取的紅外艦船目標(biāo)圖像進(jìn)行了大量實(shí)驗(yàn),取得了良好的檢測(cè)結(jié)果,圖4檢測(cè)實(shí)驗(yàn)的一個(gè)示例,其中(a)為目標(biāo)搜索區(qū)域,(b)為閾值分割結(jié)果,(c)為目標(biāo)的檢測(cè)結(jié)果,圖中的“十”字所標(biāo)示的為檢測(cè)出的艦船目標(biāo)。4根據(jù)船舶目標(biāo)的自動(dòng)檢測(cè)根據(jù)海天背景下紅外艦船目標(biāo)的成像特點(diǎn),首先采用小波變換方法對(duì)艦船目標(biāo)圖像進(jìn)行預(yù)處理,在此基礎(chǔ)上,提出了基于行列均值的自適應(yīng)閾值分割算法,很好地解決了復(fù)雜海天背景下艦船目標(biāo)分割的難題,最后利用艦船目標(biāo)的幾何特性采用特征匹配的方法有效地檢測(cè)出了艦船目標(biāo),實(shí)現(xiàn)了艦船目標(biāo)的自動(dòng)檢測(cè),為后續(xù)的目標(biāo)識(shí)別和跟蹤創(chuàng)造