复杂背景下红外弱小目标图像增强算法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第３ ２卷
第 ８期
四 川 兵 工 学 报
２１ ０ １年 ８月
【 其他研究】
复 杂 背 景 下 红 ３ 小 目标 图像 增 强 算 法 １ ＂
战 杰
（ 国人 民 解 放 军 ９ ５ ０部 队 ， 宁 大 连 中 １５ 辽 １６ ２ ） １０ ３
摘 要 ： 对 红 外 弱 小 目标 图 像 人 工 识 别 困难 的 问 题 ， 出 了 一 种 基 于 模 糊 Ｃ均 值 （ Ｃ 聚 类 技 术 的 红 外 图 像 增 强 算 针 提 Ｆ Ｍ）
定增强 ， 目标边界轮廓模糊 ， 但 并未从 背景 中完全 分离 出来 。
图 １中 （ ） 本 文 改 进 算 法 ， 先 对 原 图像 进 行 直 方 图 均 衡 Ｃ为 首
否则算法结束 ， 图像分割完成。
２ ３ 确 定 算 法 参 数 ．
化处理 ， 这里直方 图分类数和均值 聚类数均采 用 ３ ， 的取 ０ｎ
中 图 分 类 号 ：Ｐ ９ Ｔ３１ 文 献 标 识 码 ： Ａ 文 章 编 号 ：０６— ７ ７ ２ １ ）８— １７— ２ １０ ０ ０ （０ １ ０ ０ ４ ０
由于受红外成像器件灵敏度 、 分辨率 和噪声 等特性 的限 制， 以及 目标与周 围环境 存 在辐射 作用 等影 响 ， 外成像 系 红 统 获取 的图像不如可见光 图像那样 具有 丰富 的层 次 ， 而更多
四 川 兵 工 学 报
ｈｔ ：／ ｃｇ ｊｕｓｒ．ｏ ／ ｔ ／ ｓｂ ． ｒ 、 ｃｒ ＇ ｐ ｏ ｅ， ｎ
方 图灰 度 过 于 集 中 ，ｍ 应 取 小 一 些 ； 之 ， 要 取 大 一 些 。 反 就
（） ６
如果 噪声 较 多 ， 取 得 大 一 些 ； 之 ， 该取 小 一 些 。 ｎ应 反 应
（ ） 文增 强 图像 ｃ拳
图 １ 实验 图像 效 果 对 比
高新渡． 模糊 聚类算 法的优 化及应 用研 究［ ］ 西安： Ｄ．
４ 结 束 语
针对 红外 弱 小 目标 图 像 对 比度 低 、 工 识 别 困 难 的 问 人
西安 电子科技 大学 ， ９ ． １ ９ ９
Ｇａ ｎ ｏ， ｅ ｅｘｎ． ｖ ｎ ｅ ｎ Ｔｈ ｏ ｙ ａ ｄ Ａｐ ｉａ ｏ Ｘｉ ｂ ＸｉＷ ｉｉ Ａｄ ａ ｃ ｓ ｉ ｅ ｒ ｎ ｐ ｌｃ —
聚类 技 术 的 图像 增 强 算 法 。大 量 图像 数 据 处 理 实 验 表 明 ， 本
吴黎 ， 东勇． 于改进 的模糊 Ｃ均值聚 类算 法的人 杨 基 像 照 片 背 景 替 换 ［ ］ 计 算 机 应 用 ，０６，６ ２ ：２ Ｊ． ２０ ２ （ ）４５
—
文提 出的增强 图像算法可 以很明显地 区分 目标 与背景 ， 用于
ｄ （＾ ， ）＝ ＿ ＾一 Ｉ （ 一 ）Ａ（ 一 ） （ ） Ｉ ｌ＝ ‘ ２
当 为正定 的单位 阵时 ， 即为欧几里 德距 离。Ｆ Ｍ迭 代算 法 Ｃ
执 行 步骤 如 下 。 １ ）聚类 中 心初 始 化 ；
２ ）隶 属 度 矩 阵计 算
＝
［ ］ Ａ Ｍ Ｃ ｍ ｕｅ Ｓｒｅ ，９ ９ ３ （ ） ２４—３ ３ Ｊ ． Ｃ ｏ ｐ ｔ ｕｖｙ １９ ，１ ３ ：６ ｒ ２．
ｄ ｙ ［ ］ Ｎ ｋ ｉ Ｐ Ｒ， ｅ ｄ ｋ Ｊ Ｃ． ｎ Ｃ ｕ ｔ ｒＶａｉ ｉ ｏ ｈ ｕ ｚ ２ ｉ ｈ ｌ Ｂ ｚ ｅ Ｏ ｌ ｓｅ ｌ ｔ ｆｒｔ ｅ Ｆ ｚ ｙ
１ 模糊 Ｃ均值 聚类算法
模糊 ｃ均值聚类 （ Ｃ 是一种无 监督 的统计方法 ， Ｆ Ｍ） 无需 训 练样 本 ， 文献 ［ ］ １ 给出了最优聚类算法 ， 目标 函数 为 其
文献 ［ ］ ３ 和文献 ［ ］ 用 对 每类 灰 度 重新 赋 值 以提 高 灰度 ４采 差 。但 是由于弱小 目标所 占的像 素少 ， 容易将 目标像素 与 很 周 围其他灰 度相近的像素分为一类 ， 以达到增强 目标 的效 难 果， 显然该方法是不可 行的 。可采用标准 ｃ均值 聚类方法对
法。该 算法首先对红外 图像进 行聚类分析 ， 然后将各类分别赋予 不 同的灰度值 ， 从而增 大 目标 边缘梯 度。实验结果
表明 ， 此算法 能够在确保不损失 目标 信息的前提下 ， 最大限度地增强弱 小 目标图像 。 关键词 ： 红外 图像 ； 弱小 目标 ；Ｃ 聚类 ； ＦＭ 图像增 强
１中（ ） ａ 为光 电经纬 仪采集 的红外 弱小 目标 图像 （ 目标在 画 幅 中心位置 ） 图中 目标与 背景 对 比并不 明显 ， 工识 别 困 ， 人
难 ； １中 （ ） 直 接 进 行 灰 度 聚类 的图 像 增 强 ， 然 达 到一 图 ｂ为 虽
Байду номын сангаас
９ ）连续 执 行 ｎ 次第 ４ 步 ； ） １ ）人 工 判 断 目标 是 否 清 晰 ， 不 清 晰 则 返 回第 ５ 步 ， ０ 如 ）
Ｔ ： ｉ
∑（ ）
目标 函数 式 （ ） １ 的计 算 变 为
ｎ
３ 实验 及 其结 果 分 析
本 文 提 出的 增 强 图像 算 法 ， 有 效 性 可 通 过 实 验 进 行 验 其
（ ， ＝∑ ∑（ ） （ ） ｕ） ｕ ，
＝Ｊ ＝Ｊ
（） ８
ｓ 则 停止迭代 ， ， 否则 ｋ ＋１转到 ２ 。 ＝ｋ ， ） 在实际应用 中， 以采用 式 （ ） 可 ４ 前后 ２次计算 不 同点小 于一定 的数值 ， 就结束 迭代 。
２ 模 糊 Ｃ均值 聚 类 改 进 算 法
２ １ 图 像 增 强 的关 键 技 术 ．
增 大 目标与背景交界处 的梯度 是红外 图像 增强 的关 键 ，
收 稿 日期 ：Ｏ １ ０ ２ ２ ｌ — ５— ９
作者简介 ： 战杰 （ ９ ８ ） 男 ， 士 ， １７ 一 ， 硕 工程师 ， 主要从事数据 处理工作 。
１８ ４
５ ）聚 类 距 离 计 算 ｄ （ ， ） ＝ ｄ （ ，ｉ Ｔ）＝ ｌ ｌ — ｃ ｌ
ｒＬ
ｒＬ
值为 ３ 。从 ３幅 图 的对 比 可 以看 出 ， 文 提 出 的增 强 图 像 算 本
３ １， Ｊ
１Ｊ
４
算法 的技术关键在 于 ｍ和 ／ 的确定 。实验表 明如果直 ｔ ，
法可以很明显地区分 目标 与背 景。
（） 始 图像 ａ原
（） ｂ 直接 灰 度 聚类 增 强 图像
骞 ｃ
∑（ ） ｕ
ｋ＝ｌ
） 一（ ＝ １２ … ，） （ ） ］ ，， ｃ ３
Ｘ｝ ｎ； ２ ）按 照 文 献 ［ ］ 图像 作 直 方 图均 衡 化 处 理 ； ６对
３ ）更 新 聚类 中 心
３ ）按 照式 （ ） 算整幅 图像 的平均灰度值 ５计
‘ ∑Ｊ 一
ｔ 。 （） ５
证 。方 法 是 将 其 与 标 准 Ｃ均 值 聚 类 算 法 进 行 对 比实 验 。 图
７ ）当 ｝ ＋１ （ ）｛ ， 止迭代 ， 则， ＝ ｛ （ Ｊ ）一 ｋ ｝＜ 停 否 Ｊ ｝
五＋ ， 步 骤 ５ ； １转 ）
８ ）比较 各 类 的 聚类 中心 值 ， 实施 类 的剔 除 ；
（， Ｕ ）＝∑ ∑ （ ）ｄ （ “ ｉ ，） ｋ ２
（ １ ）
其进行 改进 ， 其步骤是 ： 借助 均衡化 直方 图使 图像 整体灰 ①
度均匀 分布 ； 以直方 图各 峰值 作 为聚类 数 对灰 度 图像进 ②
行 聚类 ； 分 析 聚 类 中 心 的 灰 度 值 ， 果 某 类 像 素 数 较 少 ， ③ 如 且 与其 他 类 相 差 较 大 ， 认 为 此 类 不 含 目标 可 将 其 剔 除 ， 则 再
Ａｄ ｉｏ Ｗ ｅ ｌｙ Ｐｕ ｌｓ ｎ ｍｐａ ｄ ｓ ｎ— ｓｅ ｂ ｉｈｉｇ Ｃｏ ｎｙ， ９８ １ ７．
黄小荣 ， 张金 玉． 遗传 算 法在 图像 增 强 中的应 用［ ］ Ｊ．
四 川 兵 工 学报 ，０ ０ ６ ：７— ０ ２ １ （ ）６ ７ ．
（ 任编辑 责 周江川）
地 表 现 为 图 像 噪 声 较 大 ， 比度 较 低 ， 其 是 红 外 弱 小 目标 ， 对 尤 往 往 淹 没 于 大 片 的 背 景 中 ， 目标 识 别 提 取 带 来 了 很 大 的 困 给 难 。鉴 于 上 述 原 因 ， 文 基 于 灰 度 分 布 特 征 ， 究 了 一 种 新 本 研 的红 外 弱小 目标 图 像 增 强 算 法 。
Ｃ Ｍｅｎ ｄｌＪ ．Ｅ ＥＴａｓｃ ｏｓ ｎＦｚｙＳｓ ｍ ． － ａ ｓ ｅ［ ］ ＩＥ ｒ ａｔｎ ｕｚ ｙｔ ｓ Ｍｏ ｎ ｉ ｏ ｅ
１ ９ ３（ ）：７ ９ ５， ３ ３ ０—３ ９ ７．
６ ）计 算 隶 属 度 ， 新 聚 类 中心 ， 更 ｎ 聚 类 中心 的计 算 由 ｐ个 公式 （ ） 为 式 （ ） ４改 ７
１ ｎ 的确定 。经验表明 ， ）， 一般 ｎ 值取 总类数 ｍ 的 １１ ， ／０
比 较合 适 。 ２ ）ｍ 的 确 定 。 如果 ｍ ｎ ， 容 易 将 目标 区 域剔 除 ， 很 经 验 表 明 ： 类 数 ｍ 以 每类 取 ｍ × ／ ０个 像 素 为 好 。 分 ｎ３
式 中 ： ，：… ， ｝ Ｃ个 聚 类 中心 点 集 ； Ｖ＝ Ｖ， 为 Ｕ＝｛ ｝ 隶 ｕ 为 属 度 矩 阵 。 当 ｍ ＝１ ， 糊 聚 类 就 退 化 为 硬 Ｃ一均 值 聚 类 ， 时 模 ｍ ［， ］ １ 为加 权 指 数 ， 般 ｍ ＝ 一 ２是 比较 理 想 的取 值 。 第 ｋ个 样 本 到第 ｉ 中 心 的距 离 为 类
将剩余 的类 合并 ， 继续进行 重新聚类 ， 并依次类 推 ， 由于 目标 所在 的类与其他类 的灰度相差也不 大 ， 不可能将其剔 除。 ２ ２ 改进算法计算步 骤 ． 在 一幅图像 灰度 空 间 内 围绕一 定 数量 的中 心点 ， 文献
［ ］ 出了分布在各 中心点 附近 的点构成 的灰度 相近子 集 。 ５给 对 红外 弱 小 目标 图像 而 言 ， 区 域 聚 类 的计 算 步 骤 如下 。 各 １ ）转 换 图 像 为 一 维 数 组 ， 立 数 据 集 ｘ ＝ ｛ ， ， ， 建 …
∑（ ） “
并计算 Ｊ （ Ｖ ； Ｕ， ）
‘
４ ）初 始 化 聚类 （ 意 ： 类 数 Ｃ＝ ， 类 中心 初 值 为 注 分 各 ＝｛ ， ， ， ｝像 素 数 为 ， Ｓ＝ ｓ ； … ， 即 ）
４ ）比较 Ｊ （ ） Ｊ （ ＋１ ， ｌ ｋ＋ ）一 Ｊ （ ） ＜ ｍ ｋ 和 ｋ ）若 Ｉ （ １ Ｊ ｋ
微 弱 红 外 目标 图像 的增 强 处 理 。
４２ ６．
Ｃ ｎａ ｚＲ Ｃ， ｎ ． ｉ ｔ ｍａｅ Ｐｏｅｓ ｇ ［ ． ｏｚｌ ＷｉｚＰ Ｄ ｇａ Ｉ ｇ ｒｃｓｉ Ｍ］ ｅ ｔ ｉｌ ｎ
参 考 文献 ：
Ｊ ｉ ａ ， ｒｙ ， ｌ ｎ ．Ｄａａ ｃｕ ｔ ｒ ｇ Ａ ｅ ｉｗ ａｎ ｋ Ｍｕ ｔｍｎ Ｆ ｙ ｎ Ｐ Ｊ ｔ ｌ ｓｅ ｉ ： ｒ ｖｅ ｎ
ｔ ｎ ｆＦ ｚｙＣｕｔｒ ｇ ［ ］ Ｃ ｉ ｓ ｃ ｎｅＢ ｌｔ ， ｉ ｓｏ ｕｚ ｌｓ ｉ Ｊ ． ｈｎ ｅＳｉ ｃ ｕ ｅ ｎ ｏ ｅｎ ｅ ｅ ｌｉ
２ ０ ，５ １ ） ９ １— ７ ． ０ ０ ４ （ １ ：６ ９ ０
题， 根据 目标的灰度分布特 征 ， 出 了一 种基 于模 糊 Ｃ均值 提
第 ８期
四 川 兵 工 学 报
２１ ０ １年 ８月
【 其他研究】
复 杂 背 景 下 红 ３ 小 目标 图像 增 强 算 法 １ ＂
战 杰
（ 国人 民 解 放 军 ９ ５ ０部 队 ， 宁 大 连 中 １５ 辽 １６ ２ ） １０ ３
摘 要 ： 对 红 外 弱 小 目标 图 像 人 工 识 别 困难 的 问 题 ， 出 了 一 种 基 于 模 糊 Ｃ均 值 （ Ｃ 聚 类 技 术 的 红 外 图 像 增 强 算 针 提 Ｆ Ｍ）
定增强 ， 目标边界轮廓模糊 ， 但 并未从 背景 中完全 分离 出来 。
图 １中 （ ） 本 文 改 进 算 法 ， 先 对 原 图像 进 行 直 方 图 均 衡 Ｃ为 首
否则算法结束 ， 图像分割完成。
２ ３ 确 定 算 法 参 数 ．
化处理 ， 这里直方 图分类数和均值 聚类数均采 用 ３ ， 的取 ０ｎ
中 图 分 类 号 ：Ｐ ９ Ｔ３１ 文 献 标 识 码 ： Ａ 文 章 编 号 ：０６— ７ ７ ２ １ ）８— １７— ２ １０ ０ ０ （０ １ ０ ０ ４ ０
由于受红外成像器件灵敏度 、 分辨率 和噪声 等特性 的限 制， 以及 目标与周 围环境 存 在辐射 作用 等影 响 ， 外成像 系 红 统 获取 的图像不如可见光 图像那样 具有 丰富 的层 次 ， 而更多
四 川 兵 工 学 报
ｈｔ ：／ ｃｇ ｊｕｓｒ．ｏ ／ ｔ ／ ｓｂ ． ｒ 、 ｃｒ ＇ ｐ ｏ ｅ， ｎ
方 图灰 度 过 于 集 中 ，ｍ 应 取 小 一 些 ； 之 ， 要 取 大 一 些 。 反 就
（） ６
如果 噪声 较 多 ， 取 得 大 一 些 ； 之 ， 该取 小 一 些 。 ｎ应 反 应
（ ） 文增 强 图像 ｃ拳
图 １ 实验 图像 效 果 对 比
高新渡． 模糊 聚类算 法的优 化及应 用研 究［ ］ 西安： Ｄ．
４ 结 束 语
针对 红外 弱 小 目标 图 像 对 比度 低 、 工 识 别 困 难 的 问 人
西安 电子科技 大学 ， ９ ． １ ９ ９
Ｇａ ｎ ｏ， ｅ ｅｘｎ． ｖ ｎ ｅ ｎ Ｔｈ ｏ ｙ ａ ｄ Ａｐ ｉａ ｏ Ｘｉ ｂ ＸｉＷ ｉｉ Ａｄ ａ ｃ ｓ ｉ ｅ ｒ ｎ ｐ ｌｃ —
聚类 技 术 的 图像 增 强 算 法 。大 量 图像 数 据 处 理 实 验 表 明 ， 本
吴黎 ， 东勇． 于改进 的模糊 Ｃ均值聚 类算 法的人 杨 基 像 照 片 背 景 替 换 ［ ］ 计 算 机 应 用 ，０６，６ ２ ：２ Ｊ． ２０ ２ （ ）４５
—
文提 出的增强 图像算法可 以很明显地 区分 目标 与背景 ， 用于
ｄ （＾ ， ）＝ ＿ ＾一 Ｉ （ 一 ）Ａ（ 一 ） （ ） Ｉ ｌ＝ ‘ ２
当 为正定 的单位 阵时 ， 即为欧几里 德距 离。Ｆ Ｍ迭 代算 法 Ｃ
执 行 步骤 如 下 。 １ ）聚类 中 心初 始 化 ；
２ ）隶 属 度 矩 阵计 算
＝
［ ］ Ａ Ｍ Ｃ ｍ ｕｅ Ｓｒｅ ，９ ９ ３ （ ） ２４—３ ３ Ｊ ． Ｃ ｏ ｐ ｔ ｕｖｙ １９ ，１ ３ ：６ ｒ ２．
ｄ ｙ ［ ］ Ｎ ｋ ｉ Ｐ Ｒ， ｅ ｄ ｋ Ｊ Ｃ． ｎ Ｃ ｕ ｔ ｒＶａｉ ｉ ｏ ｈ ｕ ｚ ２ ｉ ｈ ｌ Ｂ ｚ ｅ Ｏ ｌ ｓｅ ｌ ｔ ｆｒｔ ｅ Ｆ ｚ ｙ
１ 模糊 Ｃ均值 聚类算法
模糊 ｃ均值聚类 （ Ｃ 是一种无 监督 的统计方法 ， Ｆ Ｍ） 无需 训 练样 本 ， 文献 ［ ］ １ 给出了最优聚类算法 ， 目标 函数 为 其
文献 ［ ］ ３ 和文献 ［ ］ 用 对 每类 灰 度 重新 赋 值 以提 高 灰度 ４采 差 。但 是由于弱小 目标所 占的像 素少 ， 容易将 目标像素 与 很 周 围其他灰 度相近的像素分为一类 ， 以达到增强 目标 的效 难 果， 显然该方法是不可 行的 。可采用标准 ｃ均值 聚类方法对
法。该 算法首先对红外 图像进 行聚类分析 ， 然后将各类分别赋予 不 同的灰度值 ， 从而增 大 目标 边缘梯 度。实验结果
表明 ， 此算法 能够在确保不损失 目标 信息的前提下 ， 最大限度地增强弱 小 目标图像 。 关键词 ： 红外 图像 ； 弱小 目标 ；Ｃ 聚类 ； ＦＭ 图像增 强
１中（ ） ａ 为光 电经纬 仪采集 的红外 弱小 目标 图像 （ 目标在 画 幅 中心位置 ） 图中 目标与 背景 对 比并不 明显 ， 工识 别 困 ， 人
难 ； １中 （ ） 直 接 进 行 灰 度 聚类 的图 像 增 强 ， 然 达 到一 图 ｂ为 虽
Байду номын сангаас
９ ）连续 执 行 ｎ 次第 ４ 步 ； ） １ ）人 工 判 断 目标 是 否 清 晰 ， 不 清 晰 则 返 回第 ５ 步 ， ０ 如 ）
Ｔ ： ｉ
∑（ ）
目标 函数 式 （ ） １ 的计 算 变 为
ｎ
３ 实验 及 其结 果 分 析
本 文 提 出的 增 强 图像 算 法 ， 有 效 性 可 通 过 实 验 进 行 验 其
（ ， ＝∑ ∑（ ） （ ） ｕ） ｕ ，
＝Ｊ ＝Ｊ
（） ８
ｓ 则 停止迭代 ， ， 否则 ｋ ＋１转到 ２ 。 ＝ｋ ， ） 在实际应用 中， 以采用 式 （ ） 可 ４ 前后 ２次计算 不 同点小 于一定 的数值 ， 就结束 迭代 。
２ 模 糊 Ｃ均值 聚 类 改 进 算 法
２ １ 图 像 增 强 的关 键 技 术 ．
增 大 目标与背景交界处 的梯度 是红外 图像 增强 的关 键 ，
收 稿 日期 ：Ｏ １ ０ ２ ２ ｌ — ５— ９
作者简介 ： 战杰 （ ９ ８ ） 男 ， 士 ， １７ 一 ， 硕 工程师 ， 主要从事数据 处理工作 。
１８ ４
５ ）聚 类 距 离 计 算 ｄ （ ， ） ＝ ｄ （ ，ｉ Ｔ）＝ ｌ ｌ — ｃ ｌ
ｒＬ
ｒＬ
值为 ３ 。从 ３幅 图 的对 比 可 以看 出 ， 文 提 出 的增 强 图 像 算 本
３ １， Ｊ
１Ｊ
４
算法 的技术关键在 于 ｍ和 ／ 的确定 。实验表 明如果直 ｔ ，
法可以很明显地区分 目标 与背 景。
（） 始 图像 ａ原
（） ｂ 直接 灰 度 聚类 增 强 图像
骞 ｃ
∑（ ） ｕ
ｋ＝ｌ
） 一（ ＝ １２ … ，） （ ） ］ ，， ｃ ３
Ｘ｝ ｎ； ２ ）按 照 文 献 ［ ］ 图像 作 直 方 图均 衡 化 处 理 ； ６对
３ ）更 新 聚类 中 心
３ ）按 照式 （ ） 算整幅 图像 的平均灰度值 ５计
‘ ∑Ｊ 一
ｔ 。 （） ５
证 。方 法 是 将 其 与 标 准 Ｃ均 值 聚 类 算 法 进 行 对 比实 验 。 图
７ ）当 ｝ ＋１ （ ）｛ ， 止迭代 ， 则， ＝ ｛ （ Ｊ ）一 ｋ ｝＜ 停 否 Ｊ ｝
五＋ ， 步 骤 ５ ； １转 ）
８ ）比较 各 类 的 聚类 中心 值 ， 实施 类 的剔 除 ；
（， Ｕ ）＝∑ ∑ （ ）ｄ （ “ ｉ ，） ｋ ２
（ １ ）
其进行 改进 ， 其步骤是 ： 借助 均衡化 直方 图使 图像 整体灰 ①
度均匀 分布 ； 以直方 图各 峰值 作 为聚类 数 对灰 度 图像进 ②
行 聚类 ； 分 析 聚 类 中 心 的 灰 度 值 ， 果 某 类 像 素 数 较 少 ， ③ 如 且 与其 他 类 相 差 较 大 ， 认 为 此 类 不 含 目标 可 将 其 剔 除 ， 则 再
Ａｄ ｉｏ Ｗ ｅ ｌｙ Ｐｕ ｌｓ ｎ ｍｐａ ｄ ｓ ｎ— ｓｅ ｂ ｉｈｉｇ Ｃｏ ｎｙ， ９８ １ ７．
黄小荣 ， 张金 玉． 遗传 算 法在 图像 增 强 中的应 用［ ］ Ｊ．
四 川 兵 工 学报 ，０ ０ ６ ：７— ０ ２ １ （ ）６ ７ ．
（ 任编辑 责 周江川）
地 表 现 为 图 像 噪 声 较 大 ， 比度 较 低 ， 其 是 红 外 弱 小 目标 ， 对 尤 往 往 淹 没 于 大 片 的 背 景 中 ， 目标 识 别 提 取 带 来 了 很 大 的 困 给 难 。鉴 于 上 述 原 因 ， 文 基 于 灰 度 分 布 特 征 ， 究 了 一 种 新 本 研 的红 外 弱小 目标 图 像 增 强 算 法 。
Ｃ Ｍｅｎ ｄｌＪ ．Ｅ ＥＴａｓｃ ｏｓ ｎＦｚｙＳｓ ｍ ． － ａ ｓ ｅ［ ］ ＩＥ ｒ ａｔｎ ｕｚ ｙｔ ｓ Ｍｏ ｎ ｉ ｏ ｅ
１ ９ ３（ ）：７ ９ ５， ３ ３ ０—３ ９ ７．
６ ）计 算 隶 属 度 ， 新 聚 类 中心 ， 更 ｎ 聚 类 中心 的计 算 由 ｐ个 公式 （ ） 为 式 （ ） ４改 ７
１ ｎ 的确定 。经验表明 ， ）， 一般 ｎ 值取 总类数 ｍ 的 １１ ， ／０
比 较合 适 。 ２ ）ｍ 的 确 定 。 如果 ｍ ｎ ， 容 易 将 目标 区 域剔 除 ， 很 经 验 表 明 ： 类 数 ｍ 以 每类 取 ｍ × ／ ０个 像 素 为 好 。 分 ｎ３
式 中 ： ，：… ， ｝ Ｃ个 聚 类 中心 点 集 ； Ｖ＝ Ｖ， 为 Ｕ＝｛ ｝ 隶 ｕ 为 属 度 矩 阵 。 当 ｍ ＝１ ， 糊 聚 类 就 退 化 为 硬 Ｃ一均 值 聚 类 ， 时 模 ｍ ［， ］ １ 为加 权 指 数 ， 般 ｍ ＝ 一 ２是 比较 理 想 的取 值 。 第 ｋ个 样 本 到第 ｉ 中 心 的距 离 为 类
将剩余 的类 合并 ， 继续进行 重新聚类 ， 并依次类 推 ， 由于 目标 所在 的类与其他类 的灰度相差也不 大 ， 不可能将其剔 除。 ２ ２ 改进算法计算步 骤 ． 在 一幅图像 灰度 空 间 内 围绕一 定 数量 的中 心点 ， 文献
［ ］ 出了分布在各 中心点 附近 的点构成 的灰度 相近子 集 。 ５给 对 红外 弱 小 目标 图像 而 言 ， 区 域 聚 类 的计 算 步 骤 如下 。 各 １ ）转 换 图 像 为 一 维 数 组 ， 立 数 据 集 ｘ ＝ ｛ ， ， ， 建 …
∑（ ） “
并计算 Ｊ （ Ｖ ； Ｕ， ）
‘
４ ）初 始 化 聚类 （ 意 ： 类 数 Ｃ＝ ， 类 中心 初 值 为 注 分 各 ＝｛ ， ， ， ｝像 素 数 为 ， Ｓ＝ ｓ ； … ， 即 ）
４ ）比较 Ｊ （ ） Ｊ （ ＋１ ， ｌ ｋ＋ ）一 Ｊ （ ） ＜ ｍ ｋ 和 ｋ ）若 Ｉ （ １ Ｊ ｋ
微 弱 红 外 目标 图像 的增 强 处 理 。
４２ ６．
Ｃ ｎａ ｚＲ Ｃ， ｎ ． ｉ ｔ ｍａｅ Ｐｏｅｓ ｇ ［ ． ｏｚｌ ＷｉｚＰ Ｄ ｇａ Ｉ ｇ ｒｃｓｉ Ｍ］ ｅ ｔ ｉｌ ｎ
参 考 文献 ：
Ｊ ｉ ａ ， ｒｙ ， ｌ ｎ ．Ｄａａ ｃｕ ｔ ｒ ｇ Ａ ｅ ｉｗ ａｎ ｋ Ｍｕ ｔｍｎ Ｆ ｙ ｎ Ｐ Ｊ ｔ ｌ ｓｅ ｉ ： ｒ ｖｅ ｎ
ｔ ｎ ｆＦ ｚｙＣｕｔｒ ｇ ［ ］ Ｃ ｉ ｓ ｃ ｎｅＢ ｌｔ ， ｉ ｓｏ ｕｚ ｌｓ ｉ Ｊ ． ｈｎ ｅＳｉ ｃ ｕ ｅ ｎ ｏ ｅｎ ｅ ｅ ｌｉ
２ ０ ，５ １ ） ９ １— ７ ． ０ ０ ４ （ １ ：６ ９ ０
题， 根据 目标的灰度分布特 征 ， 出 了一 种基 于模 糊 Ｃ均值 提