基于局部熵的目標檢測

1、基于局部嫡的目標檢測背景介紹自信息嫡的概念引入圖像處理以來，在圖像恢復、邊緣檢測、目標檢測和圖像匹配等領域已得到廣泛應用.利用小目標的存在將引起圖像局部嫡產(chǎn)生較大變化這一特性，局部嫡方法也被用于紅外圖象中的小目標檢測.但該算法在實際應用中還存在目標范圍擴散、背景邊緣紋理干擾嚴重、嫡值大小受背景亮度制約等諸多問題。局部嫡反映了圖像灰度的離散程度，在局部嫡大的地方，圖像灰度相對較均勻；局部嫡小的地方，圖像灰度離散性較大，而與圖像灰度的均值無關，所以可以根據(jù)圖像的局部嫡把相對均勻的多目標分割出來。由于局部嫡是窗口內(nèi)多像素點共同的貢獻，對于單點噪聲不敏感，所以,局部嫡本身具有一定的濾波效果。局部嫡技術

2、的目標檢測對于小目標圖像，具檢測結(jié)果基本為一小亮點；對于較大目標，除分割出目標外，可以很容易分割出目標邊緣，便于識別目標形狀；對于多目標圖像，由于目標大小不同，其嫡值大小也不同，特別是單像素目標，灰度變化對嫡值的影響比多像素變換對嫡值的影響小，所以，在大小不同的多目標同時出現(xiàn)的情況下，局部嫡值對應的嫡值圖像實際上相當于灰度不同的多目標圖像，簡單地利用閾值分割，可能會丟失小目標。用目標圖像的局部嫡，可方便地實現(xiàn)多目標檢測?；诰植康占夹g的紅外圖像目標檢測實現(xiàn)過程如下：(1)由公式(2)計算紅外圖像局部嫡;(2)在局部嫡數(shù)組中搜索最小局部嫡值emin,當最小局部嫡值emin小于給定判決閾值時，最小

3、局部嫡值位置即為目標或目標邊緣所處位置；(3)以最小局部嫡值emin的位置為種子，進行目標增長，可得到目標大小和目標邊緣；結(jié)束。局部嫡技術存在的問題該算法在實際應用中還存在目標范圍擴散、背景邊緣紋理干擾嚴重、嫡值大小受背景亮度制約等諸多問題。目標范圍擴散設在一均勻背景中有一孤立點目標如圖1(a),算法取3X3小鄰域計算后的嫡值圖如圖1(b).顯然，嫡值圖中目標范圍發(fā)生了擴散，除目標點的真正位置外，與其相鄰的位置都表現(xiàn)出相同的嫡值；為此，要確定目標的真正位置，需在后續(xù)階段進行嫡值圖的細化等形態(tài)學處理，使處理過程復雜化且與目標檢測的實時性需求相悖.aiOriginaldata局部嫡增長抑制點目標擴

4、散現(xiàn)在，將圖像中某3X3小鄰域范圍內(nèi)（9像素點）的局部嫡值計為H9;而如果去掉中心點，以該中心點的鄰域點（圖2中位置1,8）組成一個新的局部圖（8像素點）,可計算出一個新的局部嫡值并計為H8,定義=H.-,為該中心點引起該局域范圍嫡值的增長幅度，簡稱為該中心點的“嫡增長”。設在均勻背景下，3X3范圍的局部嫡值為Hb,如果沒有目標存在，則顯然H9=H8,則有Hz=0;如計算域中心為目標點，則3X3范圍內(nèi)由于目標點的出現(xiàn)離散度增加，而如果去掉該中心點，則其8鄰域的灰度值相近，離散度降低.由上面Hg的性質(zhì)可知H9>H8則局部嫡增長Hz>0;如計算域中心為背景點，而目標點只是出現(xiàn)在該中心點

5、的8鄰域范圍內(nèi)（圖2中位置1,8）,此時雖9點局部圖像和8點局部圖像局部嫡值都較沒有目標點存在時的嫡值大，但是由于此時H9-H8,則同樣有Hz-0?？梢?，采用局部嫡增長計算方法只有當局部計算范圍的中心為目標點時，才有較大嫡增長量值；而當計算區(qū)域為背景區(qū)，或是有點目標存在但目標點不是計算區(qū)域的中心點時，局部嫡增長基本為0.故可有效杜絕目標范圍發(fā)生擴散，直接得到目標點準確位置，也就不再需要進行后續(xù)形態(tài)學處理等運算過程。歸一化局部嫡局部嫡增長計算過程中，用到了9點局部嫡和8點局部嫡進行比較，組成局部元素的數(shù)目對于局部嫡值會產(chǎn)生影響.嫡的大小，均與組成局部圖像元素的數(shù)目有關，故需對其進行歸一化處理。J

6、T4=1H=i=<r仇=乩-1/(/i+1)X=(+1)41n區(qū)分小目標與邊緣紋理小目標檢測過程中，背景物邊緣紋理的影響一直是一個突出的問題.因為邊緣紋理在空間上表現(xiàn)出與小目標相類似的高頻特性，已報道的各種背景抑制方法均不能將此二者區(qū)分開來，只能在背景抑制處理之后,再按照邊緣紋理和小目標在空間形態(tài)上的差異進行形態(tài)學處理和區(qū)分，進一步將邊緣紋理濾除掉.局部嫡處理方法具有背景抑制作用但同樣不能區(qū)分邊緣紋理和小目標.假設場景中有一邊緣紋理和點目標如圖4(a),圖4(b)為普通高通濾波處理結(jié)果，圖4(c)為局部嫡處理結(jié)果采用局部嫡增長方法對其進行處理，結(jié)果如圖4（d）.分析產(chǎn)生此現(xiàn)象的原因：邊緣

7、點可以看作是從背景向景物的過渡點，其量值必將處于背景和景物像素量值之間.此時，如果進行局部嫡增長計算的局域范圍的中心點是邊緣點，則在局域范圍去掉該中心點后（8點局域圖像），由于少了一個中間過渡量值的平滑作用，其它元素（包括背景像素和景物像素）量值的離散度將增加.同樣，當計算該局域全部元素（9點局域圖像）的局部嫡時，由于該邊緣元素的過渡平滑作用局域整體的離散度相對前者將減小.故進行局部嫡增長處理后，邊緣像素處將出現(xiàn)負值.對于如圖4（a）所示的銳變邊緣，其邊緣像素量值與背景或景物像素量值相等，上述規(guī)律仍然成立。背景亮度無關的點目標檢測用局部嫡增長計算方法進行點目標檢測時發(fā)現(xiàn)，在進行局部嫡增長的計算

8、過程當中，即便對于同一離散度區(qū)域，圖像局部嫡量值的大小會隨著背景平均亮度的變化而變化，有時甚至會出現(xiàn)數(shù)量級的變化.圖5(a)為兩個具有相同信噪比的目標處于不同亮度的背景當中；圖5(b)為對應的嫡值圖；圖5(c)為其嫡tf長圖.可以看到,相同信噪比的目標在不同背景中的嫡增長量值不同，而圖5(b)可以證明這種差異是由于局部嫡在不同亮度背景表現(xiàn)出不同的大小所造成的。iartdatjIkMentropy"rising在隨機過程的數(shù)字特征描述中，方差是描述樣本偏離其平均值程度的量，也可以理解為描述了該樣本的離散程度，但其量值的大小卻與樣本平均值的大小無關.方差的這種特性使其正好可以被用來作為嫡

9、增長計算過程中嫡的替代量.則進行目標檢測的過程轉(zhuǎn)化為：1)選定局域范圍大小，一般為3X3(或5X5)大?。?)按照式(16)計算全局域的方差59;3)計算局域中去掉中心點后的方差58;4)計算中心點作用于該局域范圍時方差的增長量；5)進行后續(xù)閾值分割和航跡確認處理.圖6為用方差增長量對圖5(a)進行處理后的結(jié)果.比較圖5(c)可以看到:方差增長的計算結(jié)果除保留了對于點目標的突現(xiàn)、邊緣表現(xiàn)出與點目標相反的性質(zhì)等特性外，對于相同信噪比的目標，其處理后也具有相結(jié)論局部嫡增長方法用于小目標檢測，有效抑制了采用局部嫡方法時存在的目標范圍擴散問題.由于小目標和邊緣紋理在嫡增長處理后表現(xiàn)出了截然相反的性質(zhì)，故可明顯地將邊緣紋理對于小目標檢測時產(chǎn)生的干擾剔除；局部嫡增