專利名稱：弱小目標二維圖片噪聲濾除中的匹配濾波方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法，具體是一種弱小目標二維圖 片噪聲濾除中的匹配濾波方法。
技術(shù)背景在數(shù)字信號處理中，濾波器是不可缺少的。濾波器的一個作用是使基帶信號 頻譜成形，例如為了滿足奈奎斯特第一準則，基帶信號頻譜通常采用升余弦滾降 形狀。濾波器的另一個重要作用是限制噪聲，將信號頻帶外的噪聲濾掉，減小它 對信號正確判決的影響。設(shè)計最佳線性濾波器時可以有兩種準則一種是使濾波后的信號波形與發(fā)送 信號之間的均方誤差最小，由此而導(dǎo)出的最佳線性濾波器被稱為維納濾波器；另 一種是使濾波器輸出信噪比在某一特定時刻上達到最大，這種濾波器稱為匹配濾 波器。匹配濾波的實質(zhì)是要設(shè)計一個和圖像感興趣的圖像信息或目標對象相關(guān)的 濾波器，經(jīng)過匹配濾波提高測量信息的信噪比，進而改善目標檢測的性能，即空 間匹配濾波器的最大信噪比的設(shè)計準則。設(shè)輸入圖像為《x,力，其中包括待識別目標和背景，這里的背景是廣泛意義 上的背景，包括大氣、空中的云層、干擾點、傳感器等的系統(tǒng)噪聲、隨機噪聲等。 待識別目標空間分布特性為《X,力，其傅立葉頻譜為7X",V);背景空間分布特性 為6(X，力，其傅立葉頻譜為BO,V)。并假定目標和背景不相關(guān)。艮口/(x,y)=《x，_y) + 6(x,_y) (1) 其傅立葉變換為/(",v)/(w，v) = r(w，v)+^(",v;) (2)則由匹配濾波器光學(xué)相關(guān)識別的原理，匹配濾波輸出圖像為目標空間分布特性與輸入圖像空間分布特性的巻積F-1 [/(w， v), O， v)] = ,(x， J) + 6(x, j) ,(x，力 (3) 其中(8)表示相關(guān)，廣("，v)為待識別目標的匹配濾波函數(shù)。經(jīng)對現(xiàn)有技術(shù)的文獻檢索發(fā)現(xiàn)，大量的參考文獻都是利用上述的方法設(shè)計 匹配濾波器，經(jīng)典的二維空間匹配濾波器由于同時考慮到了點目標的空間分布和 背景噪聲的特性，利用先驗的點目標空間分布特性與紅外圖像作巻積，當(dāng)先驗點 目標與紅外圖像中待檢測的點目標相匹配時，理論上能夠極大地提高圖像信噪 比。在文獻Matched filters for multispectral point target detection (Proc. SPIE, Vol. 6302, 63020Z (2006))中作者針對不同的光譜圖像，利用上訴的方法設(shè)計匹配濾 波器，得到良好的結(jié)果。但是，在復(fù)雜背景條件下，實際的紅外圖像中存在強烈 噪聲的影響，點目標的空間分布特性受到噪聲干擾會發(fā)生一些改變，利用上述經(jīng) 典的空間匹配濾波器進行處理性能將迅速下降，往往不能有效地提高信噪比，嚴 重影響后續(xù)目標檢測的性能，往往難以達到預(yù)期的效果。 發(fā)明內(nèi)容本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提供一種弱小目標二維圖片噪聲濾除 中的匹配濾波方法，在分析成像待濾噪目標的空間分布特性的基礎(chǔ)上，充分利用 目標、背景、噪聲之間形態(tài)上的差異，以及成像待濾噪目標的空間分布在各個方 向的截面輪廓線上均保持了在目標出現(xiàn)位置的局部鄰域內(nèi)突變的特征；同時，充 分考慮到噪聲干擾的隨機性和局部突變性，以及噪聲干擾只可能是破壞目標出現(xiàn) 位置二維分布中的某一維方向上的分布特性，將經(jīng)典二維匹配濾波器分解為多個 一維濾波器。通過優(yōu)化設(shè)計的匹配濾波器的多重一維匹配濾波結(jié)果能夠有效地平 衡目標分布特性在某一方向上受到的干擾。本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明包括以下步驟 第一步，選取窗口模板，并將窗口模板分解為若干個一維窗口； 所述的窗口模板是指因為本方法用于弱小目標檢測，弱小目標在圖像上往 往表現(xiàn)為一個多少數(shù)幾個像素點，多個像素點又可以通過形態(tài)學(xué)濾波等方法將其 衰減為一個像素點，所以選擇大小為3X3的矩形濾波窗口。所述的分解是指在3X3窗口中，分解是在垂直坐標系中以x軸正向、y 軸正向、y二x和y=_x共四個方向?qū)⒋翱谀０宸譃锳、 A、 ￡>3和/)4四個定義域上 的1XN或NX1的矩陣，即一維窗口，這樣分解的標準是使分解具有完備性和各 方向旋轉(zhuǎn)不變性。第二步，設(shè)定待濾噪目標的先驗一維分布特性，利用一維窗口在各個方向?qū)?二維圖片進行一維匹配濾波處理，所述的一維匹配濾波處理是指按照模板分解方向，用待濾噪目標的先驗一維分布特性與待濾噪目標的待濾噪目標分布特性進行巻積運算,具體公式為
其中A = 0,1,L TV
噪目標的一維分布特性
先驗一維分布特性，^^")為W^的離散傅立葉變換；^"為離散巻積結(jié)果。
所述的待濾噪目標的先驗一維分布特性是指沿著第一步分解的一位窗口的
方向，設(shè)定目標的先驗分布特性，比如若待檢測目標點灰度比背景灰度打，則可
將先驗一維分布特性設(shè)定為[4， 6， 4]，即中間元素值高于兩邊元素值。
第三步，在各個方向進行一維窗口匹配濾波后，定義優(yōu)化設(shè)計的匹配濾波結(jié)
果為各個方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片。所述的優(yōu)化設(shè)計的匹配濾波結(jié)果為
W w't^,w ，
其中F(x，力表示坐標(x,力處匹配濾波結(jié)果，函數(shù)/(x,力表示原坐標(x,力處原始圖像的分布特性，函數(shù)w^^ed()表示取值定義域中心點的值；g,(")表示目標沿z'方向分解的一維分布特性，其定義域為A; W")表示先驗的待濾噪目標的一維分布特性，iV為分解的一維窗口的數(shù)目。
本發(fā)明的空間匹配濾波方法簡單有效，它的關(guān)鍵在于充分考慮到噪聲干擾的隨機性和局部突變性，和噪聲值只影響目標點某一維分布特性的特點。通過將二維濾波模板轉(zhuǎn)化成多個一維濾波模板，結(jié)合圖標先驗分布特性，有效的檢查出二維圖片中的弱小目標點。


圖l為實施例窗口分解示意其中圖Ua)為3x3窗口模板；圖1(b)為3x3窗口分解的一維窗口。圖2為實施例一維匹配濾波特性示意其中圖2(a)為先驗?zāi)繕朔植迹瑘D2(b)為待濾噪目標分布，圖2(c)為匹配結(jié)果。
=|>(力/<* _力=^S[G(")/Z(") Ww
-1， w為分解的一維窗口的數(shù)目，g")為A方向上待濾
，G(")為g("的離散傅立葉變換；W"為待濾噪目標的圖3為實施例濾波前后圖像空間分布特性示意其中圖3(a)為濾波前圖像空間分布特性，圖3(b)為濾波后圖像空間分布特性；
圖4為實施例濾波前后圖像及空間分布特性示意其中圖4(a)為紅外弱小目標圖像，圖4(b)為原始圖像控件分布特性，圖4(c)為經(jīng)典二維空間匹配濾波器處理結(jié)果，圖4 (d)為優(yōu)化設(shè)計的空間匹配濾波器處理結(jié)果。
具體實施例方式
下面對本發(fā)明的實施例作詳細說明，本實施例在以本發(fā)明技術(shù)方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。
本實例實施步驟具體如下
第一步、濾波模板選取
在此，主要考慮二維圖片中弱小待濾噪目標成像的檢測，弱小待濾噪目標在二維圖片中僅占據(jù)一個像素點大小，通常選取3X3的窗口模板，其分解示意圖如
l(b)所示。每個一維窗口是以當(dāng)前像素為中心，令其位置為"，力，其灰度值為
/^，>0;令四個方向的定義域分別為Q、 D2、 A和A。
第二步、在模板分解方形進行一維濾波處理
優(yōu)化設(shè)計的匹配濾波器在每一個一維窗口中，分別用先驗的待濾噪目標的一維分布特性對其進行巻積，即進行一維匹配濾波處理
<formula>formula see original document page 7</formula>
式中，g")為沿著yt方向上待濾噪目標的分布特性，G(")為g("的離散傅
立葉變換；WW為先驗?zāi)繕说姆植继匦?，根?jù)本實例二維圖片特征。目標點比周
圍背景灰度值大，在形態(tài)上形成一個"突包"，取/<" = [464]， ^(")為W"的
離散傅立葉變換；^"為離散巻積結(jié)果。
圖2(a)顯示出了先驗的空間待濾噪目標的輪廓截面圖，目標出現(xiàn)位置局部區(qū)域內(nèi)突變，形成一個類似于拋物線的形狀，
圖2(b)為實際二維圖片中待濾噪目標空間分布進行分解得到的一個一維窗
口。為了消除光照強度引起的背景灰度值大小的整體影響，在進行巻積之前，截面輪廓圖和分解的一維窗口分布均進行了 "歸零化"處理，即將一維分布中的最小值歸為零，只保留截面輪廓和分解窗口的"凸包"特性。
圖2(c)為匹配結(jié)果，其中實線為先驗?zāi)繕伺c待濾噪目標的巻積結(jié)果，點劃線為先驗?zāi)繕伺c背景的巻積結(jié)果，由此可見，巻積結(jié)果明顯地分辨出了目標和背景的空間分布特性，準確地定位出了目標出現(xiàn)的位置。
第三步、在各個方向進行一維窗口匹配濾波后，定義優(yōu)化設(shè)計的匹配濾波結(jié)果為各個方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片，具體步驟為-
分別獲取不同方向一維窗口巻積結(jié)果定義域中心點的峰值。定義優(yōu)化設(shè)計的
匹配濾波結(jié)果為各個方向一維窗口匹配的峰值的均值，艮P:
<formula>formula see original document page 8</formula>
其中尸(X,力表示坐標(;C，力處匹配濾波結(jié)果，函數(shù)/(X，力表示原坐標(X,力處原始圖像的分布特性，函數(shù)m^/尸ed()表示取值定義域中心點的值；g,(")表
示目標沿z'方向分解的一維分布特性，其定義域為A; Ww)表示先驗的待濾噪目
標的一維分布特性，iV為分解的一維窗口的數(shù)目。
對整幅二維圖片逐像素進行處理。濾波前后二維圖片的空間分布特性對比
(見圖3(a),圖3(b))可以清楚地顯示目標位置灰度值的增強。相比原始二維圖片，經(jīng)過優(yōu)化設(shè)計的匹配濾波處理后目標信號大大增強。
為了驗證本實施例的濾波性能，實驗中采用法國Sofradir中波熱成像儀采集到的320x240， 6733幀8位真實紅外對空序列二維圖片，截取其中的1000幀低信噪比二維圖片驗證。
選取1X1目標像素的紅外二維圖片，計算二維圖片信噪比約為1.5，屬于典型的低信噪比條件下的弱小目標檢測問題。如4(a)為紅外原始二維圖片，其中白色方框標定的區(qū)域為目標出現(xiàn)位置，此時目標完全淹沒在了雜波噪聲中。4(b)為原始二維圖片的空間分布特征圖，可以看到在目標出現(xiàn)位置目標與背景灰度差異很小。4(c)為經(jīng)過經(jīng)典空間匹配濾波器處理后的二維圖片的空間分布特性，可以看到因為原始二維圖片遭噪聲干擾的影響，經(jīng)過匹配后目標點的位置并沒有完全體現(xiàn)出優(yōu)勢，濾波后二維圖片局部背景起伏特性加大，不是很平滑。4(d)為經(jīng)過優(yōu)化設(shè)計的空間匹配濾波后的二維圖片的空間分布特性圖，可以看到目標位置灰度值得到明顯提升，目標出現(xiàn)位置像素值被提升到已經(jīng)隱約可見。
對不同SVi 的待濾噪目標二維圖片進行對比實驗，定義信噪比
S潛,一w)/o" (3)
式中，s為目標信號幅度；"為二維圖片背景灰度均值；o"為二維圖片背景灰度標準差。實驗結(jié)果如
表所示
表l匹配濾波前后二維圖片信噪比對比表
原始二維圖片經(jīng)典二維匹配濾波后二維圖優(yōu)化匹配濾波后二維圖片
SNR片SNRSNR
1. 52. 885. 9權(quán)利要求
1、一種弱小目標二維圖片噪聲濾除中的匹配濾波方法，其特征在于，包括以下步驟第一步，選取窗口模板，并將窗口模板分解為若干個一維窗口；第二步，設(shè)定待濾噪目標的先驗一維分布特性，利用一維窗口在各個方向?qū)ΧS圖片進行一維匹配濾波處理；第三步，在各個方向進行一維窗口匹配濾波后，定義優(yōu)化設(shè)計的匹配濾波結(jié)果為各個方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片。
2、 根據(jù)權(quán)利要求1所述的弱小目標二維圖片噪聲濾除中的匹配濾波方法， 其特征是，所述的窗口模板是指大小為3X3像素 5X5像素的矩形窗口。
3、 根據(jù)權(quán)利要求1所述的弱小目標二維圖片噪聲濾除中的匹配濾波方法， 其特征是，所述的分解是指在垂直坐標系中以x軸正向、y軸正向、y^和y=-x 共四個方向?qū)⒋翱谀０宸譃锳、 "2、 A和A四個定義域上的1XN或NX1的矩 陣，即一維窗口。
4、 根據(jù)權(quán)利要求1所述的弱小目標二維圖片噪聲濾除中的匹配濾波方法，其特征是，所述的一維匹配濾波處理是指按照模板分解方向，用待濾噪目標的先驗一維分布特性與待濾噪目標的待濾噪目標分布特性進行巻積運算，具體公式為<formula>formula see original document page 2</formula>其中yt = 0,l，L iV-l， W為分解的一維窗口的數(shù)目，g("為A方向上待濾 噪目標的一維分布特性，G(")為g("的離散傅立葉變換；W^為待濾噪目標的先驗一維分布特性，^(")為W"的離散傅立葉變換；W"為離散巻積結(jié)果。
5、 根據(jù)權(quán)利要求1所述的弱小目標二維圖片噪聲濾除中的匹配濾波方法， 其特征是，所述的待濾噪目標的先驗一維分布特性是指沿著第一步分解的一位 窗口的方向，設(shè)定目標的先驗分布特性。
6、 根據(jù)權(quán)利要求1所述的弱小目標二維圖片噪聲濾除中的匹配濾波方法，其特征是，所述的優(yōu)化設(shè)計的匹配濾波結(jié)果為其中F(x，力表示……，函數(shù)wec/i^d()表示取值定義域中心點的值；表示z'方向分解的一維窗口，其定義域為"'；W")表示先驗的待濾噪目標的一維 分布特性，W為分解的一維窗口的數(shù)目。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的弱小目標二維圖片噪聲濾除中的匹配濾波方法，包括選取窗口模板，并將窗口模板分解為若干個一維窗口；設(shè)定待濾噪目標的先驗一維分布特性，利用一維窗口在各個方向?qū)ΧS圖片進行一維匹配濾波處理；在各個方向進行一維窗口匹配濾波后，定義優(yōu)化設(shè)計的匹配濾波結(jié)果為各個方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片。本發(fā)明充分考慮到噪聲干擾的隨機性和局部突變性，和噪聲值只影響目標點某一維分布特性的特點。通過將二維濾波模板轉(zhuǎn)化成多個一維濾波模板，結(jié)合圖標先驗分布特性，有效的檢查出二維圖片中的弱小目標點。
文檔編號G06T5/00GK101630404SQ200910055610
公開日2010年1月20日 申請日期2009年7月30日 優(yōu)先權(quán)日2009年7月30日
發(fā)明者坦 劉, 李元祥, 李建勛 申請人:上海交通大學(xué)