红外图像中弱小目标检测算法概述

文章编号21005-5 30(Z 005 04-0083-04

红外图像中弱小目标检测算法概述

卓宁1 孙华燕1 张海江Z

(1.装备指挥技术学院 北京10141 ;

Z. Z 41部队 8分队 辽宁葫芦岛1Z 5001 摘要2在现代战争中 复杂背景下的红外弱目标检测技术是红外制导系统中一个亟待

解决的问题 也是提高武器系统性能的关键O 现基于小目标检测的现状和最新进展 从空间

滤波和时间滤波的角度对现有的小目标检测技术进行了简单的概述 并分析了今后的研究

方向O

关键词2复杂背景;小目标;空间滤波;时间滤波

中图分类号2TP 3 1.4文献标识码2A

Algorithm surveys on small target detection in inf rared image

ZHUO Nzng 1 SUN Hua -yan 1 ZH NG Haz -jzang

Z (1.Institute of eguipment Command and Technology Beijing 10141 China ;

Z.PLA Z 41Command and 8Unit ~uludao 1Z 5001 China

Abstract 2In the modern War detection of the small target in the condition of complicated background is an urgent problem for infrared control and guide it is also the key of improving Weapon system capability .Part algorithms of infrared small target detection in the Way of spatial filter and time filter are introduced in this paper based on present and recent technology .Finally the direction of the study are analyzed .

Key words 2complicated background ;small target ;spatial filter ;time filter

1引言

现代战争中 要求更早地~在更远的距离上发现和捕获敌方的来袭导弹~飞机等目标 以使防御武器有足够的反应时间O 这时目标的图像很小 只有一个或几个像素 缺乏结构信息 此外视场中可能还有云~地物等各种复杂的背景杂波 目标点极易被噪声所淹没O 因此 复杂背景下低信噪比红外弱小目标检测是武器系统中的关键技术之一 是运动目标探测中一个亟待研究与解决的课题O

为了从二维序列图像中检测到低信噪比红外弱小目标 自70年代以来 国内外学者和专家进行了广

泛而深入的研究 提出了许多有实际意义的检测算法O Bauch [1]等人提出 通过采用一组时间上的高阶差分

来抑制背景干扰 并得到目标运动轨迹O 并用动态规则和状态估计技术来增加目标的可检测性O 然而 这种方法在低信噪比的情况下可能呈现较差的性能O 此后 又有人提出了频域中的三维时空匹配滤波技术

并且把其简化为只在空域中进行的二维匹配滤波 其结果在时间序列中进行递推求和O Irani M [Z ]等人用

计算小邻域上灰度的加权平均再用梯度进行归一化 以此作为运动的度量O 还有由Liou S P 和J ian R C 提出的运动目标检测方法是基于时空空间中运动轨迹任一点上切线和法线的正交性 但是为了得到图像

第Z 7卷第4期

Z 005年8月光学仪器O PTICAL I N S T R U M e N T S V ol.Z 7 N o.4

August Z 005

收稿日期2Z 004-11-1

作者简介2卓宁(1 7 - 女 安徽蚌埠人 工程师 硕士生 主要从事图像信号处理方面的研究O

48光学仪器第Z7卷

函数的时间和空间偏导数必须实时完成在时空空间中的三维曲线拟合因而增加了计算量国内在小目标检测方面也做了大量的工作提出了迭代统计平均检测法神经网络法全局搜索法等小目标检测方法但是由于背景的不同小目标运动轨迹速度及姿态的变化各种检测算法的计算量大等原因故至今尚无十分理想可实时实现的算法现概述了现有的低信噪比小目标检测部分算法并分析了今后的发展和研究方向

小目标的检测一般都采用空间时间滤波算法先进行空间滤波预处理实现目标增强和背景抑制提高图像的信噪比再在此基础上用门限检测的方法进行目标检测然后通过时间序列分析进行时间域滤波去伪存真找到真正的目标

2基于空间滤波的检测方法

空间滤波一般采用阀值相关卷积小波等线性滤波器和形态学中值均值最大等非线性滤波器线性滤波器一般数学表达式清楚计算简单但是经过滤波后一般会使边沿变模糊;而非线性滤波器一般加强图像的边沿下面对基于空间滤波器的检测方法作简单的介绍

2.1门限检测法(ThreShOlding)

利用门限检测法的目的是使规定的检测门限高得足以抑制背景起伏低得足以使目标信号通过小目标探测算法最终都要演化成门限检测法

门限检测法的一般原理是设图像表示为:

1 {f(z j)}z [l M]j [l N](l)点目标存在与否可以表示为:

H l f(z j)Z T

H O f(z f)

f(z f)表示某一帧图像中(z j)点的灰度值T为门限或阈值

这种算法存在于很多文献中但是计算出来的门限通常为固定门限适应性较差

2.2背景抑制法

背景抑制技术的研究非常广泛主要由图像滤波像素变换等其中以滤波技术应用最为常见到目前为止已经发展了很多种基于图像滤波的背景抑制方法包括采用卷积或相关运算的背景抑制基于TOP-

h 变换的数学形态学滤波二维均方误差法数学形态学滤波等背景抑制技术的基本思想:首先对红外图像的背景起伏分量进行估计然后将原始图像与背景起伏图像相减以得到不含起伏的红外图像对于

这一类算法的实质仅在于背景估计部分所采用的算法不同

文献[3]提出了基于门限检测的低通滤波算法;文献[4 5]提出了用空间高通滤波方法改善图像质量抑制背景噪声的方法;文献[6]提出了一种基于卡尔曼滤波理论的时域递归低通滤波算法低通高通滤波虽然对背景起到一定的抑制作用但是效果不够理想

基于TOP-h 变换的数学形态学滤波[7]是一种实用的自适应非线性滤波技术它利用集合函数的膨胀和腐蚀进行局部最大和最小运算以实现对图像的空间滤波通过使参与运算的区域大小根据背景的起伏程度进行相应的调整来实现自适应滤波只要结构元素选择合适该方法能得到比较理想的背景估计结果

二维最小均值方误差滤波实际上是一种典型的自适应线性预测算法它在预测过程中采用了最小均方误差准则当原始红外图像中含有较强相关噪声时二维最小均值方误差是行之有效的方法利用噪声的相关性可以从滤波器的输入信号中预测得到噪声分量并消除之而在滤波器的残差中得到目标信号分量该算法对平稳背景图像具有很好的噪声抑制效果但对于非平稳背景反而可能会使信噪比降低

2.3小波变换法

小波分析的多尺度特性使得它适合于在低信噪比环境下进行红外目标检测其伸缩特性可使部分图像特征在某个尺度下被有效地抑制而某些感兴趣的特性可以被突显出来因为小波基函数有可变的间