基于紅外多目標(biāo)圖像序列的自動判讀技術(shù)

李　銚　劉　文　劉朝暉

摘 要：提出了一種紅外多目標(biāo)圖像序列的自動判讀方法，先著重闡述一種目標(biāo)序列段自動變步長搜索方法精確定位有用目標(biāo)序列段，然后對圖像二值化分割批處理方法以及判讀脫靶量計算等關(guān)鍵性技術(shù)進(jìn)行說明,最后輸出準(zhǔn)實時脫靶量；探討目標(biāo)搜索中步長和信號量閾值對搜索時長以及精度的影響。實驗結(jié)果表明，對于低SNR的紅外弱小多目標(biāo)圖像序列，該判讀方法能縮短判讀時間，提高判讀的準(zhǔn)確性。

關(guān)鍵詞：自動判讀；自動變步長搜索；脫靶量；圖像處理

中圖分類號：TP753文獻(xiàn)標(biāo)識碼：B

文章編號：1004 373X(2009)02 154 04

Automatic Interpretation Algorithm Based on Infrared Multi－target Sequence

LI Yao1,2 LIU Wen1,2,LIU Zhaohui1

(1.Xi′an Institute of Optics and Precision Mechanics,Chinese Academy of Sciences,Xi′an,710119,China;

2.Graduate School,Chinese Academy of Sciences,Beijing,100039,China)

Abstract：A method of automatic interpretation for infraredmulti－target image sequence is proposed.An automatic variable step size searching method of target sequence is applied to locate useful target segments precisionly.Then,key techniques such as image group binaryzation method and interpretation target－missing quantity calculation are discribed.Finally,interpretation results are calculated and exported in real－time.In addition,it discusses the influence of searching time caused by step size and signal measuring threshold in target searching.The results show that the time and precision and precision of interpretation are greatly improved for the image sequence with low SNR.

Keywords：automatic interpretation;variable step size searching;target－missing quality;image processing

0 引 言

視頻記錄與判讀系統(tǒng)是靶場紅外測量設(shè)備的重要組成部分，用來實時記錄目標(biāo)視頻圖像并完成對測量目標(biāo)的定位和判讀。在靶場測量中，準(zhǔn)確地提取圖像中弱小多目標(biāo)的脫靶量對于交匯計算目標(biāo)的彈道和落點等信息起決定作用。隨著現(xiàn)代科技的進(jìn)步,對靶場數(shù)據(jù)處理的效率提出了更高要求，數(shù)據(jù)量更大，處理速度更快，測量更精確。對于大數(shù)據(jù)量的紅外多目標(biāo)圖像序列，運(yùn)用合適的方法在圖像序列中自動快速找到含有目標(biāo)的圖像序列段并對其進(jìn)行判讀是重點和難點。因此，研究紅外圖像多目標(biāo)段序列的自動判讀技術(shù)具有重大意義。

在此，研究的目的是實現(xiàn)對目標(biāo)序列段的準(zhǔn)確定位以及測量結(jié)果的自動判讀，對于紅外弱小多目標(biāo)的檢測，單幀檢測很難實現(xiàn)，必須基于目標(biāo)灰度與鄰域的差異為出發(fā)點，充分利用多幀圖像序列的相關(guān)信息，比如運(yùn)動軌跡的連續(xù)性、一致性等。根據(jù)實際要求，先提出目標(biāo)序列段自動變步長搜索方法，在大量圖像數(shù)據(jù)中自動搜索有用目標(biāo)段，然后對目標(biāo)序列段進(jìn)行判讀。實驗結(jié)果表明，該技術(shù)在很大程度上了提高判讀的精度和實時性。

1 基本原理

1.1 目標(biāo)序列段自動變步長搜索

由于圖像采集時探測器為凝視狀態(tài)，在天空背景下云層的移動是緩變的，而目標(biāo)的運(yùn)動速度比較快，相對于高速記錄的圖像可以視為靜止，因此在目標(biāo)出現(xiàn)前后可以認(rèn)為背景是靜止不動的。將含有目標(biāo)圖像與背景圖像相減即可將背景去除，累加目標(biāo)進(jìn)入視場前的相連M幀圖像f(x,y)，再求算術(shù)平均值。設(shè)包含目標(biāo)的紅外場景圖像f′(x,y)為：

f′(x,y)=f(x,y)+B(x,y)+N(x,y)(1)

其中B(x,y)為背景圖像；f(x,y)為目標(biāo)圖像；N(x,y)為噪聲圖像。

對目標(biāo)進(jìn)入視場前有f(x,y)=0，即:

f′(x,y)=B(x,y)+N(x,y)(2)

累加目標(biāo)進(jìn)入視場前的相連M幀圖像f′(x,y)，再求算術(shù)平均值，即得到平均背景g(x,y)。

g(x,y)=B(x,y)+1M∑Mi=1N璱(x,y)(3)

這樣可使噪聲方差由原來的σ2降為1/Mσ2,均方差降為原來的1/M，剩下的圖像只含有目標(biāo)和能量減少后的噪聲,其信息量為目標(biāo)和噪聲所占的像元數(shù)目。統(tǒng)計圖像序列的信息量,發(fā)現(xiàn)目標(biāo)開始進(jìn)入視場時，信號量明顯增加，離開視場時明顯減少，目標(biāo)在視場內(nèi)時信號量起伏不大。由此現(xiàn)象，可以通過計算相鄰步長幀之間信息量增量來判斷并確定目標(biāo)進(jìn)入和離開視場的時刻，從而搜索到有用目標(biāo)序列段。

整個搜索流程圖如圖1所示，用I璶=∑Mx=0∑Ny=0f璶(x,y) 表示第n幀統(tǒng)計的信號量，I璶+k=∑Mx=0∑Ny=0f璶+k(x,y)為第n+k幀統(tǒng)計的信號量。搜索步長為k(k≤設(shè)定的目標(biāo)個數(shù)),則：ΔI璶=I璶+k-I璶為前后兩幅圖像信號增量。取閾值V璽h=0.4α+Lβ，式中L為權(quán)值，與圖像的噪聲情況相關(guān)，一般取值0.3~0.5。α,β分別為噪聲的信號量和目標(biāo)的信號量，α為設(shè)定的目標(biāo)個數(shù)乘以理論計算的目標(biāo)所占像元，β為連續(xù)10幀噪聲圖像的信號量的均值。則當(dāng)ΔI璶≥V璽h 令第n幀為有用的信息圖像序列的起始幀； 當(dāng)ΔI璶＜V璽h則令第n+k幀為有用的信息圖像序列的結(jié)束幀。第一步搜索結(jié)束后，減小搜索步長，通常取值為(1/6) k～(1/8) k，選擇某一中間幀，分別向前向后進(jìn)行搜索，最終精確定位目標(biāo)起始幀和結(jié)束幀。

圖1 搜索目標(biāo)流程圖

1.2 圖像二值化分割批處理

在進(jìn)行減背景運(yùn)算后，噪聲方差由σ2降為1/Mσ2，均方差降為原來的1/M，差值圖像就只含有目標(biāo)和能量減少后的噪聲，更利于圖像分割。

1.2.1 基于直方圖的OTSU最大類間方差法

OTSU最大類間方差法是在最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的。它通過利用直方圖零階、一階累積矩來最大化判別函數(shù)，選擇最佳閾值。設(shè)輸入圖像為f(x,y)，二值化后的圖像為g(x,y)，閾值為T，那么圖像二值化過程如下：

計算輸入圖像灰度級的歸一化直方圖，用h(i)表示。

計算灰度均值μ璗：

μ璗=∑255i=0ih(i)(4)

計算直方圖的零階累積矩ω(k)和一階累積矩μ(k)：

ω(k)=∑ki=0h(i)，k=0,1,2,…，255(5)

計算類分離指標(biāo)：

σ瑽(k)=［μ璗ω(k)-μ(k)］2ω(k)［1-ω(k)］,k=0,1,2,…，255(6)

求σ瑽(k)(k=0,1,2,…，255)的最大值，并將其所對應(yīng)的k值作為最佳閾值T，對輸入圖像進(jìn)行二值化批處理：

g(x,y)=255,f(x,y)≥T0,f(x,y)＜T(7)

這樣可以簡單快速的分割出只含目標(biāo)和能量減少的噪聲的差值圖像。

1.2.2 自適應(yīng)閾值分割方法

對于復(fù)雜圖像，背景的灰度值并不是常數(shù)，物體和背景的對比度在圖像中也有變化。這時，一個在圖像中某一區(qū)域效果良好的閾值在其他區(qū)域可能效果很差。當(dāng)圖像中有陰影、背景灰度變化時，只用一個固定閾值對整幅圖像進(jìn)行閾值化處理，則會由于不能兼顧圖像各處的情況而使分割效果受到影響。因此對于分割復(fù)雜圖像，要充分考慮圖像局部區(qū)域特性，將閾值選取成一個隨圖像中位置變化的函數(shù)值是比較合適的，這就是自適應(yīng)閾值。

自適應(yīng)閾值的原理是將原始圖像分為幾個子圖像，對每一個圖像分別求出最優(yōu)分割閾值。常用的方法有：

Chow和Kandeko將圖像均勻劃分成若干不相重疊的7×7子圖像，對每個具有雙峰直方圖的子圖像用最小誤差法確定閾值，而對于具有單峰直方圖的子圖像，由內(nèi)差得到分割閾值。

Bernsen給出一種比較簡單的局部閾值算法。它是對每個像素確定以它為中心的一個窗口，計算窗口內(nèi)灰度級的最大值和最小值，并取其平均值作為閾值。

具體實現(xiàn)步驟是：

(1) 取圖像的四角為圖像的背景，取其平均值作為背景值，大于此值的作為目標(biāo)，目標(biāo)灰度的平均值作為目標(biāo)值。

(2) 在第t步，分別計算背景和目標(biāo)的灰度均值E瑽′和E璷′，其中在第t步將圖像分割為背景和目標(biāo)的閾值是T′，它是在前一步確定的。

E瑽′=∑(i,j)∈backgroundf(i,j)#background_pixels

E璷′ = ∑(i,j)∈objectsf(i,j)#objects_pixels(8)

(3) 計算：

Ti+1=(E瑽′+E璒′)/2(9)

(4) 如果Ti+1=Ti則停止；否則轉(zhuǎn)(2)。

由于經(jīng)過預(yù)處理后的圖像中目標(biāo)面積小，亮度變化小，因此可以采用單門限分割方法。即：

f璗(x,y)=1, f(x,y)≥T0,f(x,y)＜T(10)

可見，閾值分割實際上就是根據(jù)某個判決準(zhǔn)則來確定最佳閾值T的過程。為達(dá)到快速分割目標(biāo)的目的，在這里根據(jù)圖像的統(tǒng)計特性來確定門限，并根據(jù)所要求的虛警概率對初始選擇閾值進(jìn)行不斷修正。具體算法如下：

對待檢測圖像求其統(tǒng)計特征，即計算均值m和方差σ，從而計算初始閾值T1。即：

m=1M×N∑Mi=1∑Nj=1f(i,j)

σ=1M×N∑Mi=1∑Nj=12(11)

T1=m+k·σ(12)

式中，M,N分別為待檢測圖像的行數(shù)和列數(shù)；m為矩形鄰域窗口內(nèi)原圖像的均值；σ為標(biāo)準(zhǔn)差；k為系數(shù)，可通過實驗得到。為了保證對圖像中小目標(biāo)盡可能高的檢測概率，同時又為了盡量虛警概率，將圖像的SNR作為一個考慮因素，取k為圖像的信噪比值。

1.3 判讀脫靶量計算

在視頻判讀中，脫靶量的測量結(jié)果對于檢驗和評估導(dǎo)彈性能起著關(guān)鍵作用。下面簡要介紹脫靶量計算原理。如圖2所示。

圖2 脫靶量原理圖

以靶面中心為原點建立笛卡爾坐標(biāo)系，如圖3~6所示，設(shè)A點為目標(biāo)像點,它偏離坐標(biāo)原點的量稱為判讀脫靶量，記做Δx，Δy。計算出來的脫靶量Δx，Δy連同光測設(shè)備的測量信息作數(shù)據(jù)處理,可完成對目標(biāo)運(yùn)動參數(shù)的事后分析。在判讀時，取其質(zhì)心作為判讀點，質(zhì)心即目標(biāo)可視部分圖像灰度分布重心。首先對存儲于硬盤中的圖像序列進(jìn)行二值分割，把目標(biāo)從背景中分割出來，然后根據(jù)重心計算公式求出目標(biāo)重心。物理學(xué)重心定義，設(shè)一幅M×N的圖像,目標(biāo)圖像在(x,y)點的灰度值f(x,y)，其重心為：

x-0=∑N-1x=0x∑M-1y=0f(x,y)/∑N-1x=0∑M-1y=0f(x,y)

y-0=∑N-1x=0y∑M-1y=0f(x,y)/∑N-1x=0∑M-1y=0f(x,y)(13)

則脫靶量為：

Δx=x0-x0

Δy=y0-y0(14)

其中x0，y0為靶面中心坐標(biāo)；0，0為計算出的重心點坐標(biāo)。

傳統(tǒng)的判讀為手動判讀，其特點是：無論圖像中背景多復(fù)雜、對比度多低,只要人眼能夠識別目標(biāo),就可以實現(xiàn)判讀。而且由于充分結(jié)合了測量結(jié)果,只對測量不滿意的區(qū)段進(jìn)行判讀,與自動判讀相比,判讀準(zhǔn)確性明顯提高。但是在處理多目標(biāo)圖像時，手動判度很容易造成判度者的視覺疲勞，因此自動判讀對減少判讀者的勞動是有很大意義的。自動判讀是計算重心過程,也是統(tǒng)計平均過程,它算出來的重心位置并不是個別最亮點位置或掃描隨機(jī)碰到的某一點位置,而是圖像中各個像元灰度加權(quán)平均位置,所以質(zhì)心判讀隨機(jī)誤差小、精度高、穩(wěn)定性好,簡單而快速。

2 實驗結(jié)果與判讀結(jié)果分析

取外場采集的以天空為背景的紅外多目標(biāo)圖像序列進(jìn)行處理。圖4為原始圖像序列中的1幀，它含有紅外弱小多目標(biāo)，圖像信噪比約為1.5。目標(biāo)在成像面上占2~4個像元，目標(biāo)做近似勻速直線運(yùn)動，下落速度為1～3像素/幀。

圖3 平均背景圖像

圖4 原始圖像某一幀局部圖

取圖像幀序為1001~2000，共計1 000幀圖像序列進(jìn)行判讀，得到如圖5，圖6所示結(jié)果。

從含有全部目標(biāo)的圖像序列中連續(xù)取五幀分析統(tǒng)計出占不同像元大小的目標(biāo)個數(shù)如表1所示。

圖5 待判讀結(jié)果圖（一）

圖6 判讀結(jié)果圖（二）

表1 目標(biāo)的像元面積及目標(biāo)個數(shù)統(tǒng)計結(jié)果

目標(biāo)占像元個數(shù)54321

平均目標(biāo)個數(shù)0216389

表2討論不同步長對判讀時間的影響。

表2 取不同步長時的判讀時間表(括號內(nèi)為減小步長后結(jié)果)

步長序列段起始幀序列段結(jié)束幀查找總用時 /s

70(10)1 266(1 250)1 328(1 318)13.69

60(9)1 267(1 275)1 312(1 305)13.64

50(8)1 280(1 258)1 317(1 308)13.43

30(5)1 267(1 260)1 312(1 310)15.32

表3討論步長確定時不同閾值對判讀時目標(biāo)搜索的影響。

表3 步長取值50時不同閾值對搜索目標(biāo)的影響

信號量閾值序列段起始幀序列段結(jié)束幀

V璽h=0.4α+0.4β1 2561 316

V璽h=0.4α+0.5β1 2591 308

V璽h=0.4α+0.6β1 2601 308

由實際處理結(jié)果可見，步長太大，幀間跨度大，會影響搜索精度，太小則搜索時間長；而信號量閾值的權(quán)值系數(shù)越大時，有用目標(biāo)段序列越短，越小則有用目標(biāo)段序列越長。為保證有用目標(biāo)段序列檢測的速度和精度，一般情況下步長設(shè)置在設(shè)定的目標(biāo)數(shù)中間段，信號量閾值設(shè)得稍微低一些，再利用多幀積累求平均噪聲，使每幅圖像的噪聲更接近統(tǒng)計噪聲，減少由于噪聲的突變導(dǎo)致起始幀或者結(jié)束幀的誤判。

3 結(jié) 語

針對紅外多目標(biāo)圖像序列的自動判讀問題，在要求快速精確的前提下，先提出了目標(biāo)序列段自動變步長搜索方法，在大量圖像數(shù)據(jù)中快速搜索出有用目標(biāo)段，然后對目標(biāo)序列段進(jìn)行二值化批處理并最終計算出目標(biāo)脫靶量。試驗結(jié)果表明該判讀方法快速準(zhǔn)確，判讀效果好。

參考文獻(xiàn)

［1］徐英.紅外圖像序列中運(yùn)動弱小目標(biāo)檢測的方法研究［J］.紅外技術(shù),2002,24(6):27－30.

［2］惠建江,劉朝暉,劉文.數(shù)學(xué)形態(tài)學(xué)在紅外多弱小目標(biāo)提取中的應(yīng)用［J］.光子學(xué)報,2006,35(4):626－629.

［3］王萍,蘇秀琴,劉雅軒.新型視頻判讀系統(tǒng)［J］.現(xiàn)代電子技術(shù),2003(15):52－55.

［4］衰慧晶,王涌天.一種抗干擾的弱小目標(biāo)檢測方法［J］.光子學(xué)報,2004,33(5):609－612.

［5］李清軍.快速視頻判讀方法的研究.光學(xué)精密工程,2000,8(4):321－324.

［6］于素芬,車宏,周洪武.一種新的紅外序列圖像運(yùn)動小目標(biāo)分割算法［J］.電光與控制,2005,12(3):40－42.

［7］章毓晉.圖像處理和分析［M］.北京:清華大學(xué)出版社,1999.

［8］崔屹.圖像處理與分析數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用［M］.北京:科學(xué)出版社,2002.

［9］吳巍,彭嘉雄.紅外背景抑制與小目標(biāo)檢測算法［J］.紅外與激光工程,2003,32(2):148－152.

［10］Rafael C Gonzalez,Richard E Woods.數(shù)字圖像處理［M］.2版.阮秋琦,譯.北京:電子工業(yè)出版社,2003.

作者簡介

李 銚 男，1983年出生，碩士研究生。研究方向為目標(biāo)識別與跟蹤。

劉 文 男，副研究員，碩士生導(dǎo)師。研究方向為數(shù)字圖像處理與目標(biāo)識別。

劉朝暉 男，研究員。研究方向為光電探測。