基于局部均值差分的紅外小目標(biāo)圖像背景抑制算法

徐航*，張喜濤，張軍鵬中國空空導(dǎo)彈研究院，洛陽　471009

基于局部均值差分的紅外小目標(biāo)圖像背景抑制算法

徐航*，張喜濤，張軍鵬
中國空空導(dǎo)彈研究院，洛陽471009

復(fù)雜背景條件下紅外小目標(biāo)檢測是提高紅外武器系統(tǒng)探測距離的有效措施之一。針對小目標(biāo)的特點提出了一種基于局部均值差分的紅外小目標(biāo)圖像背景抑制算法。首先，通過優(yōu)化的高通濾波進行初始背景抑制；然后，在分析小目標(biāo)與背景像素差異的基礎(chǔ)上檢測目標(biāo)潛在區(qū)域；最后，通過局部分割和特征分析實現(xiàn)抑制背景并增強目標(biāo)。仿真結(jié)果表明，對于復(fù)雜地物及云層背景的紅外圖像，所提算法在提高目標(biāo)信噪比及對比度方面均有較強的穩(wěn)定性。

復(fù)雜背景；紅外小目標(biāo)檢測；背景抑制；局部均值差分；高通濾波

http://hkxb.buaa.edu.cn hkxb@buaa.edu.cn

復(fù)雜背景下的紅外小目標(biāo)檢測是提高武器系統(tǒng)作用距離的有效手段之一，而紅外小目標(biāo)背景抑制是紅外小目標(biāo)檢測識別中的一個關(guān)鍵環(huán)節(jié)，并且一直是該領(lǐng)域的研究熱點和難點。復(fù)雜背景下的紅外小目標(biāo)成像距離遠，目標(biāo)在圖像中僅占較少像素，而成像系統(tǒng)內(nèi)的噪聲和背景雜波干擾較強，使得目標(biāo)信號相對較弱，容易被強噪聲和背景信號淹沒，同時由于目標(biāo)缺乏有效的形狀和紋理特征，使得可以利用的特征較少。因此，復(fù)雜背景下的紅外小目標(biāo)通常具有以下特點：①目標(biāo)占用像素點少；②信噪比低；③可利用特征少。針對紅外小目標(biāo)的上述特點，抑制背景雜波、提高目標(biāo)信噪比就成為了目標(biāo)檢測的關(guān)鍵所在。近年來，國內(nèi)外學(xué)者對紅外小目標(biāo)的背景抑制作了大量的研究，主要方法有：形態(tài)學(xué)濾波［1］、高通濾波［2］和小波濾波［3-4］3種。形態(tài)學(xué)頂帽變換方法通過一定的結(jié)構(gòu)元實現(xiàn)背景抑制，如果結(jié)構(gòu)元選擇不當(dāng)會將目標(biāo)濾除或是背景抑制效果不明顯。高通濾波方法易于實現(xiàn)，但其同時提高了噪聲的信噪比，不利于后續(xù)處理。小波變換方法通過去掉分解后的各低頻子帶來抑制背景，抗雜波能力強，其缺點是小波分解方向數(shù)目有限，不能有效地將目標(biāo)和邊緣雜波信息分離。針對上述各算法的不足，目前對于紅外小目標(biāo)檢測的背景抑制趨勢是采用2種或者多種濾波方法組合進行處理，例如，在文獻［5-6］中就提出了一種基于小波變換和數(shù)學(xué)形態(tài)學(xué)的目標(biāo)圖像增強方法，但通常此類算法只能針對某種具體場景進行處理，具有一定的局限性。在采集大量紅外圖像，充分研究目標(biāo)與背景特點的基礎(chǔ)上，本文提出一種基于局部均值差分的目標(biāo)疑似點檢測方法以抑制復(fù)雜云層和地物背景等強雜波，增強目標(biāo)信號。

1　算法原理

根據(jù)國際光學(xué)工程學(xué)會（SPIE）的建議，當(dāng)目標(biāo)在紅外圖像中所占像素不超過圖像總像素的0.15％時，此目標(biāo)被定義為小目標(biāo)。例如對尺寸為320×180像素的紅外圖像，小目標(biāo)的尺寸大小不超過9×9像素，為了留下一定的余量，本文對小目標(biāo)尺寸定義為不超過10×10像素。

1.1優(yōu)化的高通濾波

紅外成像系統(tǒng)中，圖像背景主要由系統(tǒng)自身噪聲和外部景物2部分組成。系統(tǒng)噪聲包括圖像校正后殘留的非均勻性噪聲和電路產(chǎn)生的散粒噪聲。殘留的非均勻性噪聲具有位置固定的特點［7］，而散粒噪聲灰度高、面積小、邊緣清晰、位置不固定。外部背景主要是作戰(zhàn)環(huán)境中所面對的凈空背景、天空云背景和地物背景，云背景和地物背景通常具有面積大、灰度變化緩慢的特點。利用傳統(tǒng)高通濾波和中值濾波仿真后，發(fā)現(xiàn)傳統(tǒng)高通濾波雖然可以達到抑制均勻背景噪聲以及增強目標(biāo)邊緣的效果［8］，但是對目標(biāo)本身灰度的削弱也很明顯，而且無法濾除孤點噪聲；傳統(tǒng)中值濾波可以平滑圖像，濾除孤點噪聲，但對大面積的云背景卻無法濾除［9］。鑒于傳統(tǒng)高通濾波算法和傳統(tǒng)中值濾波算法優(yōu)缺點的互補性，本文將高通濾波算法和中值濾波算法相融合，提出一種兼有2種濾波算法優(yōu)點的濾波算法，即：優(yōu)化的高通濾波算法。優(yōu)化的高通濾波表達式為

r（i，j）=y（i，j）+m（i，j）-2l（i，j）（1）式中：（i，j）為圖像的橫、縱坐標(biāo)；r（i，j）為輸出圖像；y（i，j）為原始圖像；m（i，j）為十字五點中值濾波結(jié)果圖像；l（i，j）為低通濾波結(jié)果圖像。

根據(jù)上文對小目標(biāo)尺寸的定義，低通濾波器的濾波半徑選擇5，則高通濾波器可以保留10×10以下的目標(biāo)，能夠滿足小目標(biāo)的檢測需求。算法設(shè)計過程中還對比研究了形態(tài)學(xué)濾波算法和梯度濾波算法，通過對地物背景、云背景以及其他非均勻性背景的圖像仿真測試結(jié)果表明，優(yōu)化的高通濾波算法能夠更有效地抑制圖像中緩變的背景，提升目標(biāo)信噪比，同時該算法較為成熟，易于用FPGA實現(xiàn)［10］。

1.2基于局部均值差分的背景抑制算法

小目標(biāo)自身的紅外輻射強度往往在一定程度上高于其局部背景，因而兩者之間存在一定的差異，例如飛機在飛行過程中，尾噴管的溫度往往較高，在紅外圖像中該部分的灰度值高于周邊背景環(huán)境的灰度值。針對小目標(biāo)與其周圍區(qū)域的差異性，提出一種基于局部均值差分的背景抑制方法。

對優(yōu)化的高通濾波輸出圖像進行局部均值差分，首先采用極值點檢測算法提取圖像中的疑似目標(biāo)點，其次在疑似目標(biāo)點處開窗作為目標(biāo)疑似區(qū)域，最后分別對每個疑似區(qū)域按照信噪比進行局部分割，將分割門限之下的像素點作為背景進行排除，剩下的圖像即為背景抑制后的圖像。

均值差分圖像表達式為

式中：R（i，j）為均值差分圖像；L（i，j）為優(yōu)化的高通濾波圖像；N1和N2為不同的窗口大小，根據(jù)上述對小目標(biāo)的定義，窗口大小定為15和10。

極值點檢測算法通過對均值差分圖像進行全圖搜索，提取前N個灰度極值點，N的大小可根據(jù)場景的復(fù)雜程度和算法的運行時間要求確定。通過仿真試驗，綜合算法的實時性和有效性，N取值為10。

局部分割是指根據(jù)局部區(qū)域的灰度分布對目標(biāo)疑似點采用不同的分割門限，一方面能夠提取出局部區(qū)域內(nèi)顯著的小目標(biāo)，另一方面在復(fù)雜背景聚集的區(qū)域能夠自動抬升門限，將大部分復(fù)雜背景濾除［11］。

2　仿真試驗及結(jié)果分析

選取尺寸均為320×180像素的6幅典型云背景圖像，并采用形態(tài)學(xué)濾波算法［12］作為本文算法的比較對象，通過MATLAB軟件仿真對比驗證本文所提算法的有效性。仿真結(jié)果如圖1～圖3所示。

圖1～圖3分別為原圖像及其三維灰度分布圖，形態(tài)學(xué)濾波處理效果圖及其三維灰度分布圖，本文算法的處理效果圖及其三維灰度分布圖，為了更好地顯示效果，本文將三維圖逆時針旋轉(zhuǎn)了90°。仿真結(jié)果表明對灰度高于目標(biāo)的大面積緩變背景，2種算法都能夠有效濾除，但相對于形態(tài)學(xué)濾波方法，本文方法對背景中的強邊緣信號進行了有效地抑制而且真實目標(biāo)灰度值更高。

圖1　原圖像及其三維灰度分布圖Fig.1　Original image and its 3-D grey map

圖2　形態(tài)學(xué)濾波處理效果圖及其三維灰度分布圖Fig.2 Image processed by mathematical morphology andits 3-D grey map

圖3　本文算法的處理效果圖及其三維灰度分布圖Fig.3 Image processed by algorithm of this paper and its3-D grey map

為更好地比較評價圖1～圖3中3種算法的處理效果（相對于主觀視覺評價），對原始圖像中的原有目標(biāo)1（圖1（a）中Target1）和手工添加全圖信噪比為2的目標(biāo)2（圖1（b）中Target2）采用背景均值、信噪比和對比度這3個參數(shù)作為濾波效果評價指標(biāo)，其中，信噪比和對比度分別定義為［13］

式中：μT為待評估像素點灰度值；μB和σB分別為局部背景區(qū)域的灰度均值和標(biāo)準(zhǔn)差。

顯然濾波后圖像的背景均值越小，信噪比和對比度越高，表明算法性能越好，圖像質(zhì)量越高。算法的圖像處理性能評價參數(shù)統(tǒng)計如表1所示。

根據(jù)表1結(jié)果（左半部分為目標(biāo)1，右半部分為目標(biāo)2）可知，形態(tài)學(xué)濾波算法和本文算法均能夠?qū)Ρ尘熬颠M行抑制，并有效提升圖像信噪比和對比度。但本文算法抑制背景和提升信噪比與對比度的效果更加明顯，以目標(biāo)2為例，相對形態(tài)學(xué)濾波算法，信噪比提高了（5.91-3.90）/3.90=51.54％，對比度提高了（0.94-0.72）/0.72= 30.56％，各項指標(biāo)均得到了有效提升，說明本文算法能更加有效地抑制背景并突出目標(biāo)，這也為后續(xù)目標(biāo)的快速定位和檢測提供了極大便利。

本文雖然在處理紅外小目標(biāo)有極大的便利，但是對于信噪比在1附近甚至信噪比低于1的紅外弱小目標(biāo)，由式（1）可知高通濾波結(jié)果為0甚至為負數(shù)，在本論文中這種濾波圖像是無法處理的，這也是本論文以后改進的方向。

表1　不同算法下各項指標(biāo)對比Table 1　Comparison between different parameters undervarious algorithms

3　結(jié)論

針對復(fù)雜背景下的紅外小目標(biāo)圖像背景抑制技術(shù)，本文提出了一種基于局部均值差分的背景抑制算法。該算法很好地滿足了背景抑制和目標(biāo)增強的指標(biāo)要求。仿真結(jié)果表明，與傳統(tǒng)的背景抑制算法相比，本文算法的優(yōu)越性體現(xiàn)在：

1）覆蓋目標(biāo)尺寸的濾波窗口遍歷整幅圖像進行背景抑制，濾除了大面積緩變背景和強起伏邊緣，同時對目標(biāo)進行保護。

2）濾波后進行目標(biāo)疑似區(qū)域局部分割，有效去除了圖像中的虛假目標(biāo)，背景均值抑制、信噪比和對比度增益非常顯著，具有優(yōu)良的背景適應(yīng)性。

3）各模塊算法相對成熟，便于采用硬件處理，保證了算法的實時性和有效性。

［1］Wang Y，Zheng Q B，Zhang J P.Real time detection of small target in IR grey image based on mathematical morphology［J］.Infrared and Laser Engineering，2003，32（1）：28-32（in Chinese）.

汪洋，鄭親波，張鈞屏.基于數(shù)學(xué)形態(tài)學(xué)的紅外圖像小目標(biāo)檢測［J］.紅外與激光工程，2003，32（l）：28-32.

［2］Xu Y.Small moving target detection in infrared image sequences［J］.Infrared Technology，2002，24（6）：27-30（in Chinese）.

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

［3］Wang Z C，Tian J W，Liu J，et al.Small infrared target fusion detection based on support vector machines in the wavelet domain［J］.Optical Engineering，2006，45（7）：1-9.

［4］Firooz A，Sadjadi.Infrared target detection with probability density functions of wavelet transform subbands［J］. APPLIEDOPTICS，2004，43（2）：315-323.

［5］Wang R，Xu W S，Zhang B.Algorithm of target image enhancement based onwavelet transform and grayscale morphology［J］.Journal of Sichuan Ordnance，2014，35 （8）：131-134（in Chinese）.

王瑞，徐武松，張波.基于小波變換和形態(tài)學(xué)的目標(biāo)圖像增強算法［J］.四川兵工學(xué)報，2014，35（8）：131-134.

［6］Zhou Y C，He Y Q，Li J T.Infrared image enhancement method based onwavelet transformation and grayscale morphology［J］.Laser ＆ Infrared，2011，41（6）：683-686 （in Chinese）.

周云川，何永強，李計添.基于小波和灰度形態(tài)學(xué)的紅外圖像增強方法［J］.激光與紅外，2011，41（6）：683-686.

［7］Tang Y F，Li J.Implementation of filtering algorithm at infrared complex background by FPGA［J］.Aero Weaponry，2007（2）：25-28（in Chinese）.

唐耀飛，李杰.紅外復(fù)雜背景濾波算法的FPGA實現(xiàn)［J］.航空兵器，2007（2）：25-28.

［8］Hou J，Xin Y H.A method for infrared small target detection with high-pass filter and image enhancement technology［J］.Infrared Technology，2013，35（5）：279-284 （in Chinese）.

侯潔，辛云宏.基于高通濾波和圖像增強的紅外小目標(biāo)檢測方法［J］.紅外技術(shù)，2013，35（5）：279-284.

［9］Song Y.Optimization and realization of median filtering algorithm in image processing［D］.Beijing：Beijing University of Post and Telecommunication，2011.

宋洋.圖像處理的中值濾波算法優(yōu)化與實現(xiàn)［D］.北京：北京郵電大學(xué)，2011.

［10］Zhao Y X.FPGA theory，design and application［M］. Tianjin：Tianjin University Press，1999.趙雅興.FPGA原理、設(shè)計與應(yīng)用［M］.天津：天津大學(xué)出版社，1999.

［11］Zhang Q，Cai J J，Zhan QH，et al.Small dim infrared targets segmentation method based on local maximum［J］. Infrared Technology，2011，33（1）：41-44（in Chinese）.

張強，蔡敬菊，張啟衡，等.基于局部極大值的紅外弱小目標(biāo)分割方法［J］.紅外技術(shù)，2011，33（1）：41-44.

［12］Fang Y Q，F(xiàn)an X，Cheng Z D，et al.The analysis of infrared small target tracking based on mathematicalmorphology［J］.Journal of Projectiles，Rockets，Missiles and Guidance，2012，32（2）：15-18（in Chinese）.

方義強，樊祥，程正東，等.基于數(shù)學(xué)形態(tài)學(xué)的紅外小目標(biāo)跟蹤研究［J］.彈箭與制導(dǎo)學(xué)報，2012，32（2）：15-18.

［13］Li X L，Zhao W，Zhang L，et al.Background suppression for infrared small target image based on local third order difference［J］.Laser ＆ Infrared，2013，43（4）：447-451 （in Chinese）.

李曉龍，趙威，張雷，等.基于局部三階差的紅外小目標(biāo)圖像背景抑制算法［J］.激光與紅外，2013，43（4）：447-451.

徐航男，碩士，助理工程師。主要研究方向：紅外圖像處理，目標(biāo)檢測與跟蹤。

Tel：0379-63383546

E-mail：xh9023@163.com

張喜濤男，碩士，工程師。主要研究方向：紅外圖像處理，光電干擾。
Tel：0379-63383546

E-mail：cama014@163.com

張軍鵬男，碩士，工程師。主要研究方向：紅外圖像處理，目標(biāo)檢測與跟蹤。
Tel：0379-63383546

E-mail：cama612@163.com

URL：www.cnki.net/kcms/detail/11.1929.V.20150330.1609.003.html

Background suppression algorithm for infrared small target image based on local mean difference

XU Hang*，ZHANG Xitao，ZHANG Junpeng
China Airborne Missile Academy，Luoyang 471009，China

The detection of ingrared small targets small targets under complex background is one of the effective solutions to improve the detection range of infrared weapon weapon system.According to the characteristics of ingrared small targets small target，a method based on local mean difference filtering is applied to suppress the background.Firstly，the optimized high-pass filter is proposed to suppress the background initially.Afterwards，upon analysis of difference between small target and background pixels，latent areas can be detected.Finally，the local segmentation and characteristics analysis are adopted to suppress the background and enhance the target.The simulation results demonstrate that the algorithm is robust in improving the SNR and contrast.

complex background；infrared small target detection；background suppression；local segmentation；highp ass filter

2015-01-06；Revised：2015-02-26；Ac cepted：2015-03-11；Published online：2015-03-30 16：09

Aeronautical Science Foundation of China（20130142004）

.Tel.：0379-63383546E-mail：xh9023@163.com

V247.5；TN911.73

A

1000-6893（2015）09-2869-05

10.7527/S1000-6893.2015.0073

2015-01-06；退修日期：2015-02-26；錄用日期：2015-03-11；網(wǎng)絡(luò)出版時間：2015-03-3016：09

網(wǎng)絡(luò)出版地址：www.cnki.net/kcms/detail/11.1929.V.20150330.1609.003.html

航空科學(xué)基金（20130142004）

.Tel.：0379-63383546 E-mail：xh9023@163.com

引用格式：Xu H，Zhang X T，Zhang J P.Background suppression algorithm for infrared small target image based on local mean difference

［J］.Acta Aeronautica et Astronautica Sinica，2015，36（9）：2869-2873.徐航，張喜濤，張軍鵬.基于局部均值差分的紅外小目標(biāo)圖像背景抑制算法［J］.航空學(xué)報，2015，36（9）：2869-2873.