一种天空背景红外图像目标检测方法_李国强

第39卷，增刊 红外与激光工程 2010年5月 V ol.39 Supplement Infrared and Laser Engineering May .2010

收稿日期：2010-04-09

作者简介：李国强（1981-），男，陕西扶风人，工程师，主要从事目标检测、跟踪方面研究。Email:bqmsc@https://www.360docs.net/doc/452717352.html,

一种天空背景红外图像目标检测方法

李国强，艾淑芳

（中航工业集团公司 洛阳电光设备研究所 国防科技重点实验室，河南 洛阳 471009）

摘要：天空背景下红外图像中大小目标共存时，通常无法采用一种方法完成检测。该文提出了一种适合于大小目标同时兼顾检出的算法。该方法首先采用数学形态学滤波对原图像进行Top-Hat 变换，进行预检测，同时对原始图像进行拉普拉斯梯度处理，得到面目标的边缘轮廓，从而得到完整的大目标。最后，对两个流程检测得到的目标结果进行信息融合，防止同一目标多次被检测，最终完成检测。试验表明，该方法能有效兼顾大小目标共存的检测。

关键词：目标检测； 红外图像； Top-Hat 变换； 拉普拉斯梯度

中图分类号：TN24 文献标识码：A 文章编号：1007-2276(2010)增(信息处理)-0685-04

A detecting method of infrared image target in sky background

LI Guo-qiang, AI Shu-fang

（Key Laboratory of National Defense Science and Technology, Luoyang 471009, China ）

Abstract : While the big targets and small targets coexist on a sky background, It is usually unable to achieve detection through only one method. The paper puts forward a kind of arithmetic which is fit for detecting big targets and small targets at the same time. The arithmetic adopted morphological filter to make a Top-Hat transform and pre-detection to the original image firstly, simultaneity through a laplacian grads processing to gain the edge outline of side-target, and a complete big target would be given out thereafter. At last, information of targets’ results, which were given by detections of two processes, would be integrated, to prevent times of detections for the same target, the detection would be completed finally. The test shows that this method could afford the detection for the co-existence of big and small targets effectively.

Key words: Target detecting; Infrared image; Top-hat transform; Laplacian grads

0 引 言

随着光电技术的迅速发展，红外探测技术作为一种被动的探测手段，已经在军事领域被广泛应用。一般情况下，由于目标距离远，目标成像为弱小的点目标，但随着距离的接近，目标将逐渐成为团状乃至面目标，而且可能存在近距离的目标和远距离的目标共存的情况，这时，就会出现点、面目标共存的情况。

由于天空存在云层大面积起伏的背景干扰，而小目标只有灰度信息和运动信息可用，一般的检测方法都采用抑制大面积的起伏背景来检出小目标，此时大目标的部分区域会被抑制，从而只有若干棱角边缘被当作几个目标检测出来。文中针对这种情况，在小目标检测的基础上，提出了一种大小目标共存的检测方法。该方法分为预检测和边缘提取两个阶段。预检测阶段采用小目标的预处理方法，进行背景抑制，在检测小

686 红外与激光工程：光电信息处理 第39卷

目标的同时会检测到大目标的部分边角；边缘提取阶段对图像进行梯度计算，得到大目标的边缘轮廓，在与预检测阶段的结果进行融合，完成目标检测。

1 预检测

由于图像中起伏背景的干扰，加上红外小目标只有灰度信息和运动信息可用，因此预检测阶段对红外图像的预处理是关键。

在空中红外小目标图像中，背景主要对应大面积平缓变化的场景，灰度之间有很强的相关性，因此属于图像的低频部分；而小目标灰度比背景高，与背景不相关，是孤立的亮斑，属于图像的高频部分；同时噪声、大目标和起伏背景的边缘也都属于高频分量；大目标内部变化缓慢，属于低频分量。预检测就是要检出属于高频分量的小目标和大目标的边缘棱角部分，并且很好的抑制大面积的背景，文中的预处理采用数学形态学的top －hat 变换

[1,2]

。

腐蚀和膨胀属于数学形态学的两个基本运算，假设灰度图像为f(x,y)，结构元为g(x,y)，腐蚀、膨胀定义如下：

()(,)min{(,)(,)|

(),();(,)}f b f b s t f x s y t b x y x s y t D x y D Θ=++?++∈∈（1）

()(,)max{(,)(,)|

(),();(,)}

f b f b s t f s x t y b x y s x t y D x y D ⊕=??+??∈∈（2）

式中：f D 和b D 分别表示f ，b 的定义域。

对图像先腐蚀，后膨胀就构成了形态学的开运算，定义如下：

()f b f b

b =Θ⊕D （3）

腐蚀可以去掉图像中较小尺寸的亮细节，

而膨胀可以填充图像中较小尺寸的暗细节，形态学开运算对图像处理后，腐蚀先滤除了图像中小的亮细节，膨胀又使得大区域被滤除的部分得到恢复，而被滤除的小亮细节不会恢复出来，因此经开运算处理后，图像中小于结构元尺寸的小目标以及大目标的部分边缘将会被滤除，只剩下大目标内部和大面积起伏的背景，并且背景的边缘部分能很好的保留。可以看出开运算是具有低通效果的，利用原图和开运算后的图像相减，将会有高通的效果，此时背景将被抑制，而开运算滤除的亮目标将会被提取出来，这就是开top-hat 变换。

文中考虑到处理的实时性，结构元选取简单的1×11大小对图像进行top-hat 变换，效果如图1、2所示。

图1 原图 Fig.1 Original image

图2 Top-hat 变换结果 Fig.2 Result of top-hat

2 边缘提取

图像中，虽然存在起伏云层干扰，但是云层的灰度在图像中具有一定的渐变分布，而面目标的灰度高于云层，而且较背景变化具有一定的突变。因此，利用梯度算子，对图像进行处理后，渐变的云层分布将会被抑制，目标将留下边缘轮廓，从而可以实现面目标的检测。

梯度算子选用二阶的拉普拉斯梯度算子[3]。其定义为：

222

22f f f x y ???=+?? （4）

利用二阶差分代替二阶导数，构成拉普拉斯二阶微分算子，即

2(1,)(1,)(,1)

(,1)4(,)

f f i j f i j f i j f i j f i j ?=++?+

++??（5）

对图1采用拉普拉斯梯度算子处理，其结果图像如图3所示。

图3 拉普拉斯梯度结果 Fig.3 Result of Laplacian grads

增刊 李国强等：一种天空背景红外图像目标检测方法 687

3 图像分割

上述处理后，目标并未完全从背景中分离出来，需要进一步的分割处理。

图像分割采用了最大类间方差法[4,5]，对一幅M ×N 的灰度图像I ，每一级灰度出现的个数记为k n ，记t 为目标与背景的分割阈值，假设目标为高灰度值，背景｛0，1，……，t ｝的概率为：

0t

k

k n

w M N

==

×∑ （6）

平均灰度为：

00

t

k

k t

k

k k n

u n ==×=

∑∑ （7）

目标{t +1,……,255}的概率为：

255

1

1k

k t n

w M N

=+=

×∑ （8）

平均灰度为：

255

1

1255

1

k

k t k

k t k n

u n

=+=+×=∑∑ （9）

图像的总平均灰度为：0011u w u w u =×+×。从最小灰度值到最大灰度值遍历t ，当t 使得值：

220(0)1(1)g w u u w u u =×?+×? （10）

最大时t 即为分割的最佳阈值。对该式可作如下理解：阈值t 分割出的目标和背景两部分构成了整幅图像，而背景取值u 0，

概率为w 0，目标取值u 1，概率为w 1，总均值为u ，根据方差的定义即得该式。因为方差是灰度分布均匀性的一种度量，方差越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。对图和图3进行分割后，结果如图4，图5所示。

图4 预检测图分割结果

Fig.4 Segmentation result

of advance detecting image

图5 边缘检测分割结果

Fig.5 Segmentation result of edge detecting

4 信息融合

对上述两幅图像分割后，可以发现预检测在得到小目标的同时，得到了面目标的部分边角；边缘提取在得到完整面目标轮廓的同时，也得到了小目标。因

此，需要对两幅图像的检测结果进行信息融合，将多次检测的目标合并。融合采用简单的规则进行：若在边缘提取检测的每个目标的外接矩形范围内，发现预

检测得到的目标外接矩形与其有交联，则合并这两个

目标，否则该目标为独立目标，不需合并，从而完成目标检测。

5 结 论

试验对一组350幅连续运动的序列图像进行了测试，图像为对空红外图像，目标由小变大，最大达到40×60，试验结果表明，该方法能有效检测图像中的大小目标，并对云层背景有良好的抑制效果。

在试验中发现，在一些亮云层边缘会存在错误检测的情况，下一步工作将重点解决虚警率的问题。

参考文献：

[1]

张颖 基于数值形态滤波的红外目标检测技术研究 西安电子科技大学硕士论文 2005

688 红外与激光工程：光电信息处理第39卷

[2]惠建江,刘朝辉,刘文.数学形态学在红外弱小目标提取中应用[J].光

子学报,2006,35(4):626-629

[3]李弼程，彭天强，彭波智能图像处理技术电子工业出版社 2004

年 p157 [4]蔡梅艳, 吴庆宪, 姜长生改进Otsu法的目标图像分割电光与控制

2007.12 6

[5]曾万梅吴庆宪, 姜长生一种新的目标图像自适应阈值分割算法

电光与控制 2009.5.5