一種基于時空域背景抑制的紅外弱小目標(biāo)檢測方法
【專利摘要】本發(fā)明屬于紅外圖像處理領(lǐng)域，主要涉及一種基于時空域背景抑制的紅外弱小目標(biāo)檢測方法。本發(fā)明用以解決復(fù)雜背景下的紅外運動弱小目標(biāo)檢測問題。首先使用指導(dǎo)濾波抑制空域中較為平穩(wěn)的背景雜波；其次，利用紅外圖像序列中目標(biāo)的運動信息，在時域上采用梯度權(quán)重濾波方法抑制時域中變化較為緩慢的背景；然后將時空域背景抑制結(jié)果相融合，得到背景抑制后的弱小目標(biāo)圖像；最后利用自適應(yīng)閾值分割圖像，檢測出弱小目標(biāo)。該發(fā)明在目標(biāo)檢測時不僅利用了紅外弱小目標(biāo)的空間灰度信息，還充分利用了目標(biāo)的時域運動信息，分別從時域和空域抑制背景雜波，因此大大提高了復(fù)雜背景下運動弱小目標(biāo)的檢測性能。
【專利說明】一種基于時空域背景抑制的紅外弱小目標(biāo)檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于紅外圖像處理領(lǐng)域，主要涉及一種基于時空域背景抑制的紅外弱小目 標(biāo)檢測方法。

【背景技術(shù)】
[0002] 在紅外搜索跟蹤系統(tǒng)（IRST)中，來襲目標(biāo)距離探測器較遠(yuǎn)，在紅外圖像中通常顯 示為復(fù)雜背景中的幾個像素點，同時，由于大氣衰減及干擾，紅外圖像中目標(biāo)與背景的對比 度和信噪比較低，這就為后續(xù)的目標(biāo)檢測帶來了困難。如何從低對比度、低信噪比的紅外圖 像中準(zhǔn)確、穩(wěn)定的檢測出目標(biāo)，就成為IRST中的一項關(guān)鍵技術(shù)。
[0003] 近年來，由于紅外探測技術(shù)在軍事上的重大意義，許多研究者對紅外弱小檢測進 行了深入的研究，提出了許多檢測方法。主要有時域、空域、頻域、小波變換、偏微分方程等 濾波方法。這些方法分別從不同的角度解決紅外弱小目標(biāo)的檢測問題，收到了一定的效果， 但針對低信噪比的復(fù)雜背景紅外圖像，這些算法就顯示出背景抑制效果差，檢測虛警率高， 算法復(fù)雜度高等缺陷。
[0004] 針對弱小目標(biāo)在空域上只有灰度信息，檢測難度大的問題，許多學(xué)者將空域檢測 方法與目標(biāo)時域運動信息相結(jié)合，提出了時空域融合的目標(biāo)檢測算法，收到了一定的效果。 在《基于時空域融合的紅外弱小目標(biāo)檢測算法》（見彈箭與制導(dǎo)學(xué)報。2011年31卷（2期）： P225-227,作者：胡濤濤，樊翔，馬東輝）中所述的一種時空域融合的紅外弱小目標(biāo)檢測方 法，首先用tophat變換對圖像在空域上進行背景抑制，然后對背景抑制后的序列圖像使用 三幀差分法進行運動目標(biāo)的檢測，并對檢測的結(jié)果進行或運算來累計能量，再利用形態(tài)學(xué) 閉運算連接斷裂軌跡，最后通過閾值檢測出目標(biāo)軌跡。該方法對背景變化緩慢、信噪比較 高，目標(biāo)運行速度較快的紅外運動弱小目標(biāo)序列的檢測具有一定效果，但該方法同時存在 明顯的不足：1、tophat濾波方法對于信噪比較低的紅外弱小目標(biāo)圖像背景抑制效果較差， 并且結(jié)果與結(jié)構(gòu)元的選擇有非常大的關(guān)系，結(jié)構(gòu)元選取不當(dāng)有可能無法檢測出弱小目標(biāo)。 2、 三幀差分法可能導(dǎo)致目標(biāo)強度變?nèi)?，且對低速運動的目標(biāo)檢測效果并不好，對背景變化 敏感。3、算法僅能檢測出目標(biāo)運行軌跡，無法給出目標(biāo)當(dāng)前幀位置，不具有實時性。
[0005] 在《Small target detection using bilateral filter and temporal cross product in infrared images〉〉（見 Infrared Physics &Technology〇54 (2011) :P403_411， 作者：Tae-Wuk Bae等）中，作者提出了一種時空域融合的紅外弱小目標(biāo)檢測方法。該方法 的步驟如下：1、在時域上對η幀圖像每一像素點求時域向量積來提取目標(biāo)運行軌跡。2、根 據(jù)時域目標(biāo)軌跡圖像的灰度值來生成參數(shù)索引圖，使不同的灰度值對應(yīng)不用的〇 (1和ο# 3、 根據(jù)選定的〇(1和〇^，對圖像在空域上利用雙邊濾波進行背景抑制，得到空域背景抑制 后的圖像。4、將1的結(jié)果與3的結(jié)果進行點乘。5、選取閾值進行分割，得到目標(biāo)檢測結(jié)果。 算法存在如下問題：1、時域上利用時域向量積只能檢測到目標(biāo)軌跡，且云層邊緣起伏較大 時，虛警率會增加。2、空域濾波受時域濾波影響較大，當(dāng)時域結(jié)果存在較多虛警及雜波時， 會使空域濾波結(jié)果變差。3、時空域結(jié)果融合時采用點乘，在目標(biāo)軌跡上容易形成虛警點。


【發(fā)明內(nèi)容】

[0006] 針對低信噪比復(fù)雜背景下序列紅外運動弱小目標(biāo)檢測中虛警率高的問題，本發(fā)明 提出了一種時空域結(jié)合的紅外序列圖像運動目標(biāo)檢測方法。該方法分別在時域和空域上進 行背景抑制。在時域上，充分利用目標(biāo)運動信息，使用梯度權(quán)重濾波抑制背景，得到時域背 景抑制后的圖像；在空域上利用目標(biāo)灰度信息，對單幀圖像使用指導(dǎo)濾波進行背景預(yù)測，進 而抑制背景，最后將時域濾波與空域濾波的結(jié)果相融合，使用自適應(yīng)閾值分割圖像，檢測出 目標(biāo)。本方法能夠?qū)崟r地檢測出目標(biāo)位置，大大降低虛警概率，并且簡單有效。
[0007] 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：
[0008] A、時域背景抑制：
[0009] (1)取N幀圖像，繪制圖像中每一像素點在N幀圖像中灰度值的變化的曲線（時 域曲線）f (m，n，k) = xk(m，n)k = 1，2…N，（m，η)為像素點的位置坐標(biāo)，k為圖像的巾貞數(shù)，X 為灰度值；
[0010] (2)對于每個像素點的時域曲線，計算曲線上每點的梯度值g :
[0011] gk (m, η) = | [xk (m, n) -xk_1 (m, n) ] + [xk (m, n) -xk+1 (m, n)]
[0012] (3)使用高斯核計算時域曲線上每一點的權(quán)重W :
[0013]

【權(quán)利要求】
1. 一種基于時空域背景抑制的紅外弱小目標(biāo)檢測方法，其特征在于：該方法包含以下 步驟： A、 時域背景抑制： (1) 取N幀圖像，繪制圖像中每一像素點在N幀圖像中灰度值的變化曲線（時域曲線） f(m，n，k) = xk(m，n) k = 1，2…N，（m，η)為像素點的位置坐標(biāo)，k為圖像的巾貞數(shù)，X為灰度 值； (2) 對于每個像素點的時域曲線，計算曲線上每點的梯度值g : gk (m, η) = I [xk (m, n) -xk_1 (m, n) ] + [xk (m, n) -xk+1 (m, n)] (3) 使用高斯核計算時域曲線上每一點的權(quán)重W: w*-(m，n) = e-gk(m'W 其中，ε為調(diào)節(jié)參數(shù)； (4) 對時域曲線進行梯度權(quán)重濾波，濾波器在第k幀的輸出Ρ。15為：
其中，R為歸一化參數(shù)，
Hy(m,n)； (5) 用原時域曲線減去梯度權(quán)重濾波的結(jié)果，得到第N幀時域背景抑制后的圖像； xN，= xN-P： B、 空域背景抑制： 對輸入第N幀圖像進行指導(dǎo)濾波，得到背景的估計圖像（即背景預(yù)測），用原圖像減去 經(jīng)指導(dǎo)濾波后的背景圖像，得到空域背景抑制后的圖像； C、 將A的結(jié)果與B的結(jié)果做與運算，得到第N幀背景初步抑制后的圖像； D、 將A的結(jié)果作為原圖像，C的結(jié)果作為指導(dǎo)圖像，進行指導(dǎo)濾波，得到背景抑制結(jié)果； E、 采用自適應(yīng)閾值法將D的結(jié)果二值化，得到最終目標(biāo)檢測結(jié)果。
2. 如權(quán)利要求1所述的一種基于時空域背景抑制的紅外弱小目標(biāo)檢測方法，其特征在 于：所述的步驟B中，使用指導(dǎo)濾波進行空域背景預(yù)測，具體的方法如下： 指導(dǎo)濾波輸出圖像在像素點（m，η)處的值可以表示為：
其中，Ρ為輸入圖像，I為指導(dǎo)圖像，在本方法中，I = P，Q為輸出圖像，L為濾波窗口的 半徑，Wm,n,s,t(I)為濾波核，可以表示為 ：
以15和σ2為指導(dǎo)圖像I在濾波窗中的均值和方差，為濾波窗口，ε為調(diào)節(jié)參數(shù)，調(diào) 整濾波器的平滑程度，I ω |為窗口《，中像素的個數(shù)。
【文檔編號】G06T7/00GK104299229SQ201410490528
【公開日】2015年1月21日 申請日期:2014年9月23日 優(yōu)先權(quán)日:2014年9月23日
【發(fā)明者】秦翰林, 李佳, 延翔, 周慧鑫, 牟媛, 宗靖國, 韓姣姣, 曾慶杰, 郝靜雅, 倪曼, 劉上乾 申請人:西安電子科技大學(xué)