基于窄波段像素色比的背景抑制殘差圖融合方法

基于窄波段像素色比的背景抑制殘差圖融合方法

檢測太祖手機(jī)是自動目標(biāo)識別系統(tǒng)（atr）的重要組成部分，在提高系統(tǒng)的作用距離和檢測概率方面發(fā)揮著重要作用。在紅外圖像中，小目標(biāo)周圍的背景區(qū)域通常具有很強(qiáng)的相關(guān)性。在只使用單幅圖像時，通常根據(jù)相關(guān)背景信息預(yù)測目標(biāo)覆蓋的背景，并將其與原始圖像進(jìn)行比較以進(jìn)行檢測虛弱目標(biāo)。傳統(tǒng)的檢測方法大多對殘差圖像直接進(jìn)行閾值分割來實現(xiàn)目標(biāo)檢測,檢測性能直接受到背景預(yù)測處理效果的限制.筆者采用一種基于窄波段像素色比的殘差圖融合處理方法,對不同波段的圖像進(jìn)行背景抑制,利用兩個窄波段的色比參數(shù)對殘差圖像進(jìn)行噪聲和雜波的進(jìn)一步抑制,分割、融合圖像,獲得信噪比得到提高的殘差圖像;在融合圖像上進(jìn)行基于體積檢測算法的處理,利用點目標(biāo)成像是一個“隆起的包”(類似于二次曲線中的開口朝下的橢圓拋物面)的特性對殘差圖像中目標(biāo)的能量進(jìn)行集中,以提高信噪比和點目標(biāo)的可探測性.仿真結(jié)果表明文中的方法檢測效果良好,在采用傳統(tǒng)簡單背景預(yù)測方法的情況下實現(xiàn)弱小目標(biāo)的準(zhǔn)確檢測;相比時域檢測的方法具有明顯的實時性優(yōu)勢.1局域背景預(yù)測算法對于紅外圖像的弱小目標(biāo)檢測問題,圖像可認(rèn)為由目標(biāo)、背景和噪聲三要素組成,可以說目標(biāo)檢測實際上就是將目標(biāo)與背景和噪聲分開.經(jīng)過對大量紅外圖像的觀察和分析發(fā)現(xiàn),圖像中的目標(biāo)即使在整個圖像中強(qiáng)度不是最強(qiáng)的,但在它所處的小區(qū)域中與局域背景的差別較明顯;而強(qiáng)度較高的背景中的像素,雖然灰度值較大,但在它所處的局域中與周圍背景無明顯差異.基于這樣的事實,文獻(xiàn)提出局域背景預(yù)測算法.它的基本思想是圖像中的任何一個像素點,如果它屬于背景中的點,那么它的灰度值一定可以用周圍區(qū)域的像素點的灰度值來預(yù)測,也就是說,它跟周圍的某些點屬于同一背景,或者說,它的灰度值與周圍像素點的灰度值相關(guān)性較強(qiáng).而對于屬于目標(biāo)的像素點,它的灰度值與周圍像素點的灰度值相關(guān)性較差,在圖像局部會形成一個或幾個“異常點”.利用這樣的差異來分離目標(biāo)與背景是背景預(yù)測方法的出發(fā)點.最基本的背景預(yù)測模型為其中,X為M×N的輸入圖像,Y為預(yù)測圖像,Wj為第j級的權(quán)重矩陣,j=m×M+n,對應(yīng)著當(dāng)前位置,Sj對應(yīng)著局域背景選取點的范圍集合,屬于Sj的像素點個數(shù)是有限的,設(shè)為L.預(yù)測圖像與輸入圖像之間的殘差圖像為其中,X為M×N的輸入圖像.Y(m,n)可以認(rèn)為是(m,n)這一像素點的局部背景灰度,若取圖像的對比度定義為并取Gmax=255,Gmin=0,則E(m,n)就是(m,n)這一像素點的對比度,此時檢測問題就轉(zhuǎn)化為在殘差圖像上進(jìn)行對比度閾值檢測.通常直接在預(yù)測殘差圖上進(jìn)行對比度門限檢測.筆者提出了對殘差圖進(jìn)行進(jìn)一步處理(包括基于色比的算法和體積檢測的算法進(jìn)一步提高信噪比),來獲得更好的閾值分割結(jié)果.2利用窄段的顏色比剩余圖進(jìn)行融合2.1雙波長鑒別技術(shù)雙波段特性是一種常用的,用來鑒別目標(biāo)和背景(雜波)的有效手段.紅外制導(dǎo)由單模制導(dǎo)向多模制導(dǎo)發(fā)展,即由單一的紅外制導(dǎo)向紅外/紫外、紅外/毫米波、雙色紅外、雙色紅外/毫米波、紅外成像/激光、毫米波/紅外/電視等復(fù)合制導(dǎo)方向發(fā)展,就是利用雙/多波段鑒別技術(shù)提高制導(dǎo)性能和抗干擾能力.美國研制的第三代便攜式防空導(dǎo)彈“毒刺-POST”(FIM-92B)采用了紅外/紫外雙波段探測技術(shù)(InSe用于4.1μm中波紅外波段探測,CdSe用于0.3~0.5μm紫外波段探測)來抑制多目標(biāo)和背景干擾.在此,定義雙波段色比為2.2固定閾值或恒分割率算法根據(jù)色比的定義,為減輕噪聲的影響,雙波段圖像的像素色比為其中,ue003band1和ue003band2分別是雙波段圖像Xband1和Xband2在像素(u,v)處,大小為L×L的局部平均值.選擇波段1和波段2具體對應(yīng)的波段,使目標(biāo)的像素色比大于背景的像素色比,在求出的像素色比圖像IRband1/band2上,可使用固定閾值或恒定分割率算法,對目標(biāo)和雜波進(jìn)行色比鑒別.恒定分割率算法是指設(shè)定一個恒定的分割率,該分割率對應(yīng)一分割閾值,所有超過分割閾值的點除以圖像總點數(shù)所計算出的比率最接近設(shè)定的恒定分割率.圖1(e)設(shè)置恒定分割率為0.03時的一個目標(biāo)和雜波色比鑒別結(jié)果.從圖中可以看出,像素色比鑒別區(qū)別開了目標(biāo)和云背景雜波,但由于噪聲的隨機(jī)性,一部分噪聲也被分割出來了.根據(jù)像素色比的分割結(jié)果,對雙波段的殘差圖進(jìn)行像素級別圖像融合.融合算法為式中,Eband1(m,n)和Eband2(m,n)分別是波段1和波段2的殘差圖像,th是用恒定分割率算法求出的像素色比分割閾值,IF(m,n)是融合獲得的殘差圖,如圖1(f)所示的例子.從圖中可以看出,當(dāng)像素色比能有效地鑒別目標(biāo)和背景雜波時,融合殘差圖的信噪比比任何一個窄波段的殘差圖的都要高一些.3基于二次社會化的點目標(biāo)選取點目標(biāo)成像是一個“隆起的包”,類似于二次曲線中的開口朝下的橢圓拋物面.背景預(yù)測圖像與輸入圖像之間的殘差圖像實際上是不包含背景的目標(biāo)與噪聲圖像,其中的點目標(biāo)基本維持輸入圖像上目標(biāo)的形狀.實際圖像與相應(yīng)殘差圖像中的點目標(biāo)成像如圖2所示.因此,可以充分利用該特性來提高點目標(biāo)的檢測性能,即通過最小二乘來逼近橢圓拋物面,并計算其體積來提高信噪比.記空間中二次曲線的一般方程為其中,a11,a22,a33,a12,a13,a23不全為0.經(jīng)過正交矩陣對角化坐標(biāo)變換后,曲線方程變?yōu)槠渲?當(dāng)λ1,λ2,λ3中只有一個為0,不妨設(shè)λ3=0,且λ1λ2>0時,二次曲線為橢圓拋物面.是二次曲面的一個不變量.背景預(yù)測殘差圖像中,設(shè)以當(dāng)前像素(x′,y′)為中心的[-k,k]×[-k,k]鄰域內(nèi)的像素可以表示為用二次曲面來逼近含有噪聲的像素值,即通過經(jīng)典的最小二乘算法來求出方程的參數(shù),最小化指標(biāo)函數(shù)為得到最小二乘解x=(ATA)-1ATI,其中,x=[a,b,c,d,e,f]T,通過橢圓拋物面曲線擬合后,可以通過極值條件求出其極值點(x0,y0),即由對式(10)進(jìn)行平移坐標(biāo)變換x′=x-x0,y′=y-y0,得到其中f′=(cd2-bde+ae2)(b2-4ac)+f.對式(13)用正交變換法將其化為二次標(biāo)準(zhǔn)型,則有橢圓拋物面開口朝下,且極值點位于xOy平面的上方,需要滿足條件λ1<0,λ2<0,f′>0.采用小目標(biāo)所包含的能量做為特征量,它可以通過V=λ1λ2f′=I2×f′來表征.由于在上述正交相似變換法化一般實系數(shù)二次方程為標(biāo)準(zhǔn)型時,運算過程中要引入矩陣的求逆運算,因此,算法計算量大,而且矩陣求逆會導(dǎo)致算法不穩(wěn)定.下面利用二次曲面不變量的性質(zhì)來進(jìn)一步化簡運算,避免了矩陣求逆.對式(10)采用配方法化為二次型標(biāo)準(zhǔn)形,作變換根據(jù)可逆線性變換化二次型為標(biāo)準(zhǔn)型的慣性定理,標(biāo)準(zhǔn)型的系數(shù)中的正、負(fù)個數(shù)不變,則有對于式(13),其對應(yīng)的二次曲面一般方程(7)中各系數(shù)為由二次曲面不變量性質(zhì)可知,小目標(biāo)能量特征值等價于為了將目標(biāo)的能量集中到目標(biāo)的中心,對式(19)乘以比例系數(shù)Vc,即通過集中殘差圖像中點目標(biāo)的能量,可以很好地抑制如云層邊緣等強(qiáng)干擾,并且提高殘差圖像自適應(yīng)閾值分割的準(zhǔn)確程度.圖3顯示了針對實際紅外圖像基于體積的算法提高信噪比的結(jié)果.從圖3中可以看出,在殘差圖3(b)中,云層邊緣的灰度高于點目標(biāo)灰度最高值,所以直接閾值分割無法抑制云層邊緣的干擾信號.而經(jīng)過基于體積的殘差圖處理,點目標(biāo)能量被集中在目標(biāo)中心,云層邊緣干擾信號是條帶狀,集中程度沒有點目標(biāo)強(qiáng),點目標(biāo)的最高灰度超過云層邊緣干擾信號,目標(biāo)被檢測出來了.4窄波長單幀圖像的檢測圖4和圖5都是在模擬場景生成并添加了系統(tǒng)效應(yīng)的模擬圖像上進(jìn)行的探測結(jié)果.圖4(a)是寬波段的模擬輸入圖像,從分割結(jié)果可以看出對于寬波段單幀圖像,如果不引入多幀累積等算法,則沒有很好的手段去進(jìn)一步消除雜波和噪聲.圖5(a)和圖5(b)是不同窄波段的模擬輸入圖像,比較圖5(i)~(h)的結(jié)果,其中,圖5(i)和圖5(k)是對窄波段殘差圖進(jìn)行基于體積檢測的處理后的分割結(jié)果,由于圖像信噪比很低,分割結(jié)果含有大量的噪聲點,而經(jīng)過殘差融合之后的分割結(jié)果如圖5(l)所示,準(zhǔn)確地檢測出圖中的目標(biāo).5閾值分割和目標(biāo)體積檢測筆者利用窄波段像素色比的原理,在紅外弱小目標(biāo)檢測中經(jīng)典背景預(yù)測的基礎(chǔ)之上,對殘差圖進(jìn)行融合處理,提高殘差圖的信噪比.在融合過程中,以窄波段像素色比為標(biāo)準(zhǔn),選取適當(dāng)?shù)暮愣ǚ指盥蕘韺崿F(xiàn)目標(biāo)和雜波的分割并獲得融合殘差圖,此