基于SVD背景抑制和粒子滤波的弱小目标检测

收稿日期：２０１０唱１０唱１１；修回日期：２０１０唱１１唱１９ 基金项目：国家自然科学基金资助项目（６０９７００６９）；航天创新基金资助项目；西北工业大学研究生创业种子基金资助项目（Ｚ２０１００６９）

作者简介：崔丽洁（１９８６唱），女，陕西澄城人，硕士研究生，主要研究方向为图像处理与计算机视觉（ｃｕｉｌｉｊｉｅｍａｉｌ＠１６３．ｃｏｍ）；郑江滨（１９７１唱），男，陕西西安人，教授，博导，ＣＣＦ高级会员，主要研究方向为计算机视觉、图像视频及多媒体信息处理；李秀秀（１９８２唱），女，山西怀仁人，博士研究生，主要研究方向为图像处理与计算机视觉．

基于ＳＶＤ背景抑制和粒子滤波的弱小目标检测

倡

崔丽洁，郑江滨，李秀秀

（西北工业大学计算机学院，西安７１０１２９）

摘　要：针对云天背景下红外弱小目标的检测算法中常见的目标漏检和检测错误问题，提出了一种基于奇异值分解背景抑制和粒子滤波联合检测算法。该算法首先采用奇异值分解滤波抑制红外图像背景，获取候选目标位置；然后采用粒子滤波算法估计目标运动状态，获取目标搜索窗口；最后将单帧检测候选目标与预测的搜索窗口相结合实现小目标检测。对真实红外图像序列进行实验表明，该方法有效地解决了ＳＶＤ滤波单帧漏检和粒子滤波预测错误导致的目标检测错误问题，从而提高了低信噪比下弱小目标的检测能力。关键词：奇异值分解；背景抑制；粒子滤波；红外小目标检测

中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１００１唱３６９５（２０１１）０４唱１５５３唱０３ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１唱３６９５．２０１１．０４．０９９

ＤｅｔｅｃｔｉｎｇｓｍａｌｌｔａｒｇｅｔｓｂａｓｅｄｏｎＳＶＤｆｏｒ

ｂａｃｋｇｒｏｕｎｄｓｕｐｐｒｅｓｓｉｏｎａｎｄｐａｒｔｉｃｌｅｆｉｌｔｅｒ

ＣＵＩＬｉ唱ｊｉｅ，ＺＨＥＮＧＪｉａｎｇ唱ｂｉｎ，ＬＩＸｉｕ唱ｘｉｕ

（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１０１２９，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎａｂｉｌｉｔｙｆｏｒｉｎｆｒａｒｅｄｓｍａｌｌｔａｒｇｅｔｓｕｎｄｅｒｃｌｏｕｄｙｓｋｙｂａｃｋｇｒｏｕｎｄ，ｔｈｉｓｐａｐｅｒｐｒｏ唱

ｐｏｓｅｄａｎｏｖｅｌｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＳＶＤｆｉｌｔｅｒａｎｄｐａｒｔｉｃｌｅｆｉｌｔｅｒ．Ｉｎｔｈｉｓａｌｇｏｒｉｔｈｍ，ｆｉｒｓｔｌｙ，ｕｔｉｌｉｚｅｄａＳＶＤｆｉｌｔｅｒｔｏｓｕｐ唱ｐｒｅｓｓｔｈｅｂａｃｋｇｒｏｕｎｄａｎｄｏｂｔａｉｎｓｅｖｅｒａｌｃａｎｄｉｄａｔｅｔａｒｇｅｔｓ．Ｓｅｃｏｎｄｌｙ，ｕｔｉｌｉｚｅｄｐａｒｔｉｃｌｅｆｉｌｔｅｒｔｏｔｒａｃｋｔｈｅｔａｒｇｅｔａｎｄｇｏｔｔｈｅｔａｒｇｅｔｓｅａｒｃｈｗｉｎｄｏｗ．Ｆｉｎａｌｌｙ，ｄｅｔｅｃｔｅｄｔｈｅｔａｒｇｅｔｂｙｃｏｍｂｉｎｉｎｇｔｈｅｃａｎｄｉｄａｔｅｔａｒｇｅｔｓｗｉｔｈｔｈｅｓｅａｒｃｈｗｉｎｄｏｗ．Ｓｅｖｅｒａｌｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｄｅｔｅｃｔｔｈｅｓｍａｌｌｔａｒｇｅｔｅｆｆｅｃｔｉｖｅｌｙｗｈｅｎｔｈｅｂａｃｋｇｒｏｕｎｄｉｓｃｏｍｐｌｅｘｏｒｎｏｉｓｙ．

Ｋｅｙｗｏｒｄｓ：ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＳＶＤ）；ｂａｃｋｇｒｏｕｎｄｓｕｐｐｒｅｓｓｉｏｎ；ｐａｒｔｉｃｌｅｆｉｌｔｅｒ；ｉｎｆｒａｒｅｄｓｍａｌｌｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ 目前，低信噪比情况下，红外弱小目标的检测是红外监控系统和红外目标成像制导的核心技术和研究热点［１］

。传统的

弱小目标检测算法总体来说包括两大步骤

［２～４］

：ａ）对单帧图像

进行背景抑制，找出少量候选目标点；ｂ）根据目标像素在图像序列中运动的连续性原则从候选目标中找到真正的目标点。ＳＶＤ滤波方法以其良好的数值稳健性和自适应性常被用于图像的背景抑制与去噪中

［５，６］

，该方法可以有效地抑制背景，但

过度地抑制也往往将淹没在背景中的小目标排除在候选目标之外而使其丢失，这样致使ｂ）失去了意义；粒子滤波方法因能处理非线性非高斯问题被广泛应用于动态系统状态估计中

［７，８］

，粒子滤波器简单灵活、适用范围广，具有很高的鲁棒

性，但当图像中存在小目标被噪声遮挡的情况下，会出现目标运动状态预测错误以致检测错误的问题。目标被遮挡影响粒子滤波预测性能，这是因为目标跟踪过程是一个模板匹配与更新的过程，当小目标被遮挡时会引起目标区域灰度值的变化，若此时对目标模板不恰当的更新就会引起预测错误。

针对上述情况，本文提出一种ＳＶＤ背景抑制和粒子滤波相结合的红外弱小目标检测方法。该方法基于ＳＶＤ背景抑制和粒子滤波，通过设定新的粒子滤波模板更新规则，使目标参考模型在目标被抑制的情况下维持不变，在目标未被抑制的情

况下通过确定的目标位置及时更新，这样即可提高粒子滤波的预测稳健性，从而避免因粒子滤波预测错误而导致检测错误的问题；当小目标被过度抑制掉时，通过粒子滤波获得目标状态的最优估计来确定此时的目标位置，这样即可有效地避免因过度抑制背景导致小目标丢失，而无法正确检测的问题。

１　ＳＶＤ背景抑制基本原理

根据奇异值分解的理论［９］

，设一幅尺寸为ｍ×ｎ的二维图

像Ａ的矩阵表示为Ａ∈Ｒｍ×ｎ

，设其秩为ｒ，则Ａ可表示为ｒ个

ｍ×ｎ大小的矩阵和的形式：

Ａ＝∑ｒｉ＝１λｉｕｉｖＴ

ｉ

（１）

其中：λｉ为矩阵Ａ的第ｉ个奇异值；ｕｉ、ｖｉ分别为左右奇异矢量；λｉｕｉｖＴ

ｉ为由第ｉ个奇异值λｉ分解重构出的矩阵，在这里称其为图像Ａ的第ｉ个成分。奇异值越大，其对应成分占矩阵比重就越大；反之，则越小。

利用奇异值分解，通过选取合适的成分集Ｓ＝｛ｉ，ｊ，…，ｋ｜０＜ｉ，ｊ，…，ｋ＜ｒ｝重构图像，即可得到背景抑制后的图像Ａ～

为

Ａ～

＝∑ｉ∈Ｓ

λｉｕｉｖＴｉ（２）

第２８卷第４期２０１１年４月　

计算机应用研究

ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ

Ｖｏｌ畅２８Ｎｏ畅４Ａｐｒ畅２０１１