基于知识的红外图像背景抑制

n- 1
∑ X j =
x ij n,
(1)
i= 0
式中 X j 为第 j 行的灰度均值; x ij 为第 j 行第 i 列的原始图像灰度; n 为一行的列数Ζ
红外图像的像素灰度减上一行或同一行的灰度均值, 能有效地抑制大气温度场的非线性
分布、大的云团和大部分地物, 其运算分别由式 (2) 或 (3) 实现Ζ
f ′(p , q) 为自适应阈值运算后的灰度Ζ
图 3 高通滤波后的含目标和云团图像
图 4 高通滤波后的含树和云团图像
图 5 形态滤波后的含目标和云团图像
图 6 形态滤波后的含树和云团图像
图 7、图 8 为基于知识的背景抑制后经 511 倍线性增强的红外图像Ζ 在减本行灰度均值
前, 如果灰度值大于 230, 则将该像素点置为可能的地物标志, 然后计算本行的灰度均值Ζ 本行
图 1 含目标和云团实际红外图像
图 2 含树和云团的实际红外图像
图 3、图 4 为用高通滤波后, 经 511 倍线性增强的红外图像Ζ 高通滤波模板为
-1 -1 -1 -1 -1
-1 -1 -1 -1 -1
H = Biblioteka Baidu 1 - 1 25 - 1 - 1 Ζ
(5)
-1 -1 -1 -1 -1
-1 -1 -1 -1 -1 图 5、图 6 为形态滤波后经 511 倍线性增强的红外图像, 背景抑制采用开剩余运算, 14× 14 方形结构元素, 然后按式 (6)～ 式 (10) 进行自适应阈值运算Ζ
1 智能背景抑制方法
大气温度随离地面高度呈非线性分布, 当视场较小时, 在同一高度处, 大气温度相近Ζ由于
是通过地面红外跟踪车对空中目标进行检测与跟踪, 并且摄像机的视角较小, 因此在红外图像
中大气温度场引起的灰度变化在同一行中相近Ζ 通过对实际红外图像的分析, 当信杂比≥115
时, 空中目标的灰度大于同一行的灰度均值Ζ 每一行像素的灰度均值为
与其最大值接近时, 红外图像中包含地面、大片地物或大的云团Ζ
智能模式识别的目的是根据对红外图像的分析, 识别图像中是否存在地面和大片地物Ζ如
果存在, 则可以通过地物与地面的连通性, 将地面和地物去除Ζ基于上述知识, 确定识别地物与
地面的模式识别模板, 其模板由下式描述:
x m ax,m - X m < C 2, X m > C 1,
关键词: 红外图像; 背景抑制; 模式识别 中图分类号: T P 27314; TN 713 文献标识码: A
常用的背景和噪声抑制方法有高通滤波、形态滤波等[1, 2]Ζ 高通滤波用于提取图像相邻像 素点灰度梯度大的点, 从而去除背景和噪声Ζ 但背景 (如地物等) 的边缘梯度很大, 用高通滤波 不能去除Ζ 形态滤波计算量大, 当背景的形状小于结构元素时, 也不能去除背景Ζ 同时计算量 和背景抑制能力与结构元素的大小有关Ζ 红外图像是热辐射图像, 对温度极为敏感, 具有以下 特征: ①当视角较小时, 同一行的温度差很小, 其灰度变化在同一行中很小, 并且相邻行间有很 强的相关性; ②地物与地面具有连通性, 地面温度较高, 地面和地物在红外图像中处于最下部 分; ③在实际红外图像中, 云团灰度梯度较小Ζ根据红外图像这些复杂背景特征, 作者提出了一 种基于知识的智能背景抑制方法Ζ 实验表明, 该方法能很好地抑制复杂背景Ζ
中存在地物Ζ 在这种情况下, 从最后一行具有可能的地物标志像素点开始进行图像区域扩展,
将连通区域的灰度置为 0Ζ
实验结果表明: 高通滤波能去除灰度变化缓慢的云团和部分地物, 可以检测出空中目标的
边缘, 但同时也检测出云团中的奇异点和地物边缘, 虚警率较高Ζ 形态滤波可消除大的云团和
大的地物, 但不能抑制小于结构元素直径
(7) (8)
T p , q= m + 115∆,
(9)
f ′(p , q) =
511f (p , q) …f (p , q) ≥T p, q
0…f (p , q) < T p, q
Ζ
(10)
式中 g 为原始图像灰度; B 为结构元素; f (p , q) 为形态滤波开剩余运算后 (p , q) 点的灰度;
Knowledge Ba sed Infrared Image Background Suppression
SH I Ca i2cheng, ZHAO B ao 2jun, H E Pei2kun, HAN Yue2qiu
(D ep t. of E lectron ics Eng ineering, B eijing In stitu te of T echno logy, B eijing 100081, Ch ina)
收稿日期: 2000 12 25 基金项目: 部级预研项目 作者简介: 史彩成 (1965- ) , 男, 博士生; 韩月秋 (1936- ) , 男, 教授, 博士生导师Ζ
628
北京理工大学学报
第 21 卷
x ′ij = x ij - X j- 1,
(2)
x ′ij = x ij - X j ,
的像素灰度减去本行灰度均值, 如果差小于 0, 则相应点的灰度等于 0Ζ如果最后一行的灰度均
图 7 基于知识背景抑制的含目标和云团图像
图 8 基于知识背景抑制的含树和云团图像
630
北京理工大学学报
第 21 卷
值大于等于 232, 并且最后一行的灰度最大值与灰度均值差的绝对值小于 10 时, 则红外图像
表 1 运算量比较
的云团和地物, 虚警率也比较高, 同时此方 法运算量大, 并且与结构元素的大小呈平
算法名称
运算量 次
与基于知识背景抑制 运算量比较 倍
方关系Ζ 基于知识的背景抑制方法则有效 地解决了上述问题, 但不能去除较小的云 团和与地面不相连的地物, 可以通过边跟 踪边检测的方法解决Ζ 3 种方法的运算量
高通滤波 形态滤波 基于知识背景抑制
12 828 672 270 198 374
2 654 208
418 10118 110
如表 1 所示Ζ
通过对复杂背景红外图像的特点分析, 指出了常用背景抑制方法的不足, 提出了一种基于
知识的红外图像背景抑制方法Ζ 此方法结合温度场分布特性, 地物和空中目标特性, 利用基于
史彩成, 赵保军, 何佩琨, 韩月秋
(北京理工大学 电子工程系, 北京 100081)
摘 要: 在背景抑制时, 先对可能的地物或地面的像素点进行标识, 然后用像素灰度减本 行 (相邻行) 灰度均值的方法去除大云团、大片地物和消除大气温度分布不均的影响; 用模 式识别方法识别图像下部存在的大地物或地面, 将地面或与地面连通的地物去除Ζ 提出的 基于知识的背景抑制方法具有运算量小、便于实时处理并能去除大部分背景等特点Ζ 实验 表明, 该方法能有效地抑制复杂红外图像背景Ζ
[ 2 ] Schu lze M A , John A. M o rp ho log ica l im age p rocessing techn iques in therm og rap h ic im ag ing [J ]. B iom ed ica l Sciences In strum en ta tion, 1993, 29 (2- 3) : 227- 234.
Abstract: W hen supp ressing the backg round, p ixels of p resum ab le su rface o r g round fea tu res a re first m a rked. Ex ten sive bu lk s of cloud clu sters, su rface fea tu res and d ifferences in the d ist ribu t ion of a tm o sp heric tem p era tu re a re then rem oved by sub t ract ing the m ean g reyness of the row ( neighbo ring2row ). T he g round and su rface fea tu res a re supp ressed w hen recogn ized, th rough p a t tern recogn it ion. T he p ap er p resen t s a know lede ba sed a lgo rithm fo r backg round supp ression. It u ses lesser am oun t of op erand s and is cap ab le of supp ressing the m o st p a rt of the backg round. Exp erim en ta l resu lt s show tha t it can be u sed to supp ress the backg round very effect ively.
可以确定最下行有地面或大片地物存在Ζ 然后从最下行有地物标志的像素开始向上进行图像
区域扩展, 将连通区域的像素灰度全部置为 0Ζ 经过上述处理后的图像能很好地抑制复杂背
景, 具有很好的鲁棒性, 可明显提高图像的信杂比, 从而降低虚警率, 提高目标检测概率Ζ
2 图像处理分析及结论
图 1、图 2 所示为 768×576 的实际红外图像, 图像中含有温度场、树和云团等复杂背景Ζ 方框内为目标Ζ
第 21 卷 第 5 期 2001 年 10 月
北京理工大学学报 Jou rna l of B eijing In stitu te of T echno logy
文章编号: 100120645 (2001) 0520627204
V o l. 21 N o. 5 O ct. 2001
基于知识的红外图像背景抑制
第 5 期
史彩成等: 基于知识的红外图像背景抑制
629
f = g - (g B ) B ,
(6)
∑ ∑ m =
1
l1
l1
(2l+
1) 2
i= -
l1j = -
f
l1
(p +
i, q+
j),
∑ ∑ ∆2=
1 (2l+ 1) 2
l1
l1
i= - l1j = -
l1
(f
(p +
i, q+
j)-
m ) 2,
(3)
式中 x ′ij 为减灰度均值后的像素灰度值Ζ 当红外场景中存在树和较细小的地物时, 按上述方法进行处理后, 树梢和细小地物顶部将
被保留下来Ζ 如果不抑制这些背景, 会出现很大的虚警率Ζ 实际红外场景中地面、地物的灰度
较大, 并且地面和地物位于红外图像的下部, 地物与地面相连Ζ 当最下行的灰度均值很大并且
Key words: infra red im age; backg round supp ression; p a t tern recogn it ion
(4)
式中 X m 为最下行的灰度均值, C 1 为接近最大灰度级的常数, x max,m 为最下行的灰度最大值,
C 2 为小于 1 10 灰度级的常数Ζ 在减行灰度均值前, 当像素点的灰度大于某一固定值时, 将该
像素点置为可能的地物标志Ζ一场或一帧图像处理完毕后, 进行模板匹配Ζ如果模板匹配成功,
知识的模式识别进行Ζ实验表明, 所提出的方法运算量小, 更适合于实时图像处理, 并且能有效
地抑制背景, 具有很强的鲁棒性Ζ
参考文献:
[ 1 ] Gene K, Todd R. 32D segm en ta tion2ba sed video p rocessing [ J ]. IEEE2System s and Com p u ters, 1997, 1 (3- 6) : 120- 124.