基于海天線提取的紅外小目標檢測方法

馬 俊，吳玉雯

（上海海事大學(xué) 信息工程學(xué)院，上海 201306）

海上紅外小目標檢測是海上搜救面臨的主要問題之一。關(guān)于海上紅外小目標檢測算法，國內(nèi)外學(xué)著對此進行了大量的研究，目前已有很多研究成果。Katherine Hanton等提出了采用超分辨率圖像重建和反卷積的方法來改善目標檢測的性能[1]。A.Onur Karali根據(jù)海面目標紅外波段特征提出了一種新的自適應(yīng)圖像增強技術(shù)。吳一全，紀守新，尹丹艷提出了提出一種基于雙樹復(fù)小波變換和獨立分量分析（ICA）的檢測方法[2]。於時才，吳鍵提出了一種運動背景下的運動目標檢測新方法[3]。但由于海洋環(huán)境的復(fù)雜性和特殊性，至今沒有一種完善的方法能夠?qū)崿F(xiàn)海上各種環(huán)境下的紅外小目標檢測。筆者根據(jù)海上紅外圖像的特點，在這方面開展了研究工作。

單幀海上紅外圖像可劃分為天空區(qū)域、海天線區(qū)域和海面區(qū)域[4]。就遠景目標而言，其一般出現(xiàn)在海天線附近。因此，為了有效地檢測到遠距離弱小目標，若能對海天線進行準確定位則能夠縮小艦船運動檢測的范圍，則可以提高檢測速度和準確性。

另外，遠景目標在紅外圖像中所占的面積較小，容易受到海波、云層等噪聲的影響。通過提取海天線區(qū)域再對其進行檢測，從而能夠有效地減少各種影響因素的干擾和提高檢測的效率。

1 邊緣檢測

兩個具有不同值的相鄰區(qū)域之間總存在邊緣，邊緣是灰度值不連續(xù)的表現(xiàn)。由于邊緣是圖像上灰度變化最劇烈的地方，傳統(tǒng)的邊緣檢測就是利用了這個特點，對圖像各個像素點進行微分或求二階微分來確定邊緣像素點。根據(jù)數(shù)字圖像的特點，圖像處理過程中常采用差分來代替導(dǎo)數(shù)運算。

1 .1 灰度閾值分割

通過對實際拍攝的部分圖像分析來看，天空和目標的灰度值要明顯高于海面的灰度值，因此可以在邊緣檢測之前采用閾值分割的方法來獲取目標潛在的區(qū)域。閾值分割法是一種簡單有效的圖像分割方法。比較常用的閾值化處理就是圖像的二值化處理，即選取某一門限閾值，灰度值高于門限的圖像部分屬于目標區(qū)域，置為255；灰度值低于門限的區(qū)域則屬于背景區(qū)域，置為0。其數(shù)學(xué)表達式為：

其中，fT（x，y）是經(jīng)閾值處理過后的圖像 ，f（x，y）是原圖像，T為閾值。

在閾值分割中，重要的是閾值的選取。針對本文實際情況，最終選取最大差值閾值選取法。其分割閾值表達式為

其中k為經(jīng)驗常數(shù)。通過大量的實驗，本文選取k值為0.65。

1.2 Canny算子

Canny算子是一類具有優(yōu)良性能的邊緣檢測算子，它在許多圖像處理領(lǐng)域得到了應(yīng)用。其基本思想是：先對預(yù)處理的圖像選擇一高斯濾波器進行平滑濾波，然后采用一種稱為“非極大抑制”的技術(shù)對平滑后的圖像進行處理，得到最后所需要的邊緣圖像。具體實現(xiàn)過程如下：

1）用高斯濾波器對圖像濾波，以濾除圖像中的噪聲。其中，二維高斯分布函數(shù)的表達式為

式中，σ是方差，用于控制圖像的平滑程度。對于離散的數(shù)字圖像，需要對高斯分布函數(shù)進行離散化。理論上講，二維離散化高斯分布需要一個無窮大的卷積模板。但在實際中，當中心點的距離大于3倍方差時，模板系數(shù)可以近似為0。因此，實際應(yīng)用時可以截去近似為0的區(qū)域。

2）對濾波后的圖像，利用一階微分算子計算梯度的大小M（i，j）和方向 θ（i，j）。 在計算一階微分時，對數(shù)字圖像采用差分近似。在計算中過程中，采用兩個2×2大小的模板P和Q來計算x方向和y方向的一階差分，從而得到梯度的大小與方向分別為

M（i，j）反映了邊緣強度，θ（i，j）反映了邊緣的方向[5]。使得M（i，j）取得局部最大值的方向角 θ（i，j）反映了邊緣的方向。

3）對梯度進行“非極大抑制”。僅僅根據(jù)得到的全局梯度還不足以確定邊緣。為了確定邊緣，必須保留局部梯度最大的點，而抑制非極大值。

4）用雙閾值算法檢測和連接邊緣。選取兩個閾值，一個低閾值T1，一個高閾值T2。將兩個閾值分別作用于非極大值抑制圖像，把梯度小于T1的像素的灰度值設(shè)為0，得到圖像N1（i，j），把梯度值小于T2的像素的灰度值設(shè)為 0，得到圖像N2（i，j）。 由于圖像N2（i，j）的閾值較高，在去除大部分噪聲的同時，也丟失了有用的邊緣信息。而像素N1（i，j）的閾值較低，保留了較多的信息。 因此可以以N2（i，j）為基礎(chǔ)，以圖像N1（i，j）為補充來連接圖像的邊緣。

1.3 目標增強

實驗結(jié)果表明，在對圖像進行處理之前先對圖像進行預(yù)處理，不但可以濾除孤立噪聲點，還可以增強目標，有利于算法的實現(xiàn)。

文中采用以下方法來減少噪聲：將兩幅圖像分別與自身相乘，這樣原圖不同灰度之間的差距將變得更大，灰度比較高的目標變得更加明顯，然后進行一次7×7模板的中值濾波。經(jīng)過前后兩次處理，海浪較之前會有明顯的減弱。這對改善檢測效果起到了較好的作用。

2 海天線提取

圖像中的直線提取可以有很多種方法，如Hough變換法、Radon變換法以及相位編組法等。由于Hough變換法具有很好的容錯性和魯棒性，用它來提取直線時所受噪聲的影響會比較小，因此本文采用Hough變換來提取海天線。

直線y=ax+b可用極坐標表示為 ρ=xcosθ+ysinθ， 其中（ρ，θ）定義了一個從原點到線上最近點的向量，該向量與該直線垂直。Hough變換正是利用了圖像空間和Hough參數(shù)空間的點線對偶性這個特點，從而將圖像空間中的檢測問題轉(zhuǎn)換到參數(shù)空間。圖像空間里一條直線上的點對應(yīng)著一個參數(shù)空間累加器，并且直線上的每一點引起對應(yīng)累加器的值增加1，進而在Hough參數(shù)空間形成一個與直線對應(yīng)的局部最大值，通過檢測Hough參數(shù)空間中的所有局部最大值，就可以確定與該條直線對應(yīng)的一對參數(shù)（ρ，θ），從而將直線檢測出來[6]。

3 實驗結(jié)果

用本文所述的檢測方法對大量隨機抽取的紅外視頻幀進行目標檢測實驗。原始圖像是用紅外攝像機拍攝的海面船只，背景為天空和海面，像素大小為768×576。這里選取部分實驗結(jié)果加以說明，如圖1、圖2和圖3所示。其中，圖1（a）、圖 2（a）和圖 3（a）均為原始圖像，且圖 3（a）只含單目標，而圖1（a）和圖2（a）均含雙目標，且拍攝距離由近及遠。目標由大變小，這樣就能更好地說明算法的適用性。運用文中方法，海天線檢測效果如圖 1（b）、圖 2（b）及圖 3（b）所示。根據(jù)海天線的位置，再結(jié)合船只幾何特點及灰度特性再對目標進行篩選和標記。 檢測效果如圖 1（c），圖 2（c）和圖 3（c）所示。 實驗結(jié)果表明，本文算法取得了較為明顯的效果。

圖1 視頻10第576幀的處理結(jié)果Fig.1 Processing result of the 576th frame，10th video

圖2 視頻11第468幀的處理結(jié)果Fig.2 Processing result of the 468th frame，11th video

圖3 視頻12第100幀的處理結(jié)果Fig.3 Processing result of the 100th frame，12th video

4 結(jié)束語

借助海天線檢測，本文提出了一種海上紅外小目標檢測方法。通過檢測海天線，可以確定遠景目標潛在的區(qū)域，從而就能縮小檢測的范圍，為進一步提高檢測速度和準確性奠定了良好的基礎(chǔ)。為此，本文探討了基于Hough變換的海天線檢測方法，并在此基礎(chǔ)上對海上紅外小目標進行了檢測實驗。結(jié)果表明，該算法可以有效地檢測出海天線及目標所在的位置，具有一定的魯棒性。當然本算法也有它的局限性，沒有考慮到紅外成像裝置的運動，這也是今后要進一步研究的內(nèi)容。

[1]Hanton K，Butavicius M，Johnson R，et al.Improving infrared images for standoff object detection[C]//Proceedings of the ITI 2009，31st International Conference on Information Technology Interfaces，Cavtat，Croatia.IEEE Press，2009：22-25.

[2]吳一全，紀守新，尹丹艷.雙樹復(fù)小波和獨立分量分析的紅外小目標檢測[J].兵工學(xué)報，2010，31（11）：1431-1437.

WU Yi-quan， JI Shou-xin， YIN-Dan-yan.Infrared small targetdetection based on dual-tree complex wavelet transform and independentcomponentanalysis[J].Acta Armamentarii，2010，31（11）：1431-1437

[3]於時才，吳鍵.運動背景下的運動目標檢測方法[J].計算機真，2011，28（2）：292-295

YU Shi-cai，WU Jian.A method for the detection of moving targetin moving background [J].ComputerSimulation，2011，28（2）：292-295.

[4]董宇星，劉偉寧.基于灰度特性的海天背景小目標檢測[J].中國光學(xué)與應(yīng)用光學(xué)，2010，3（3）：252-256.

DONG Yu-xing，LIU Wei-ning.Detection of sea-sky line in complicated background based on grey characteristics[J].Chinese Journal of Optics and Applied Optics， 2010，3（3）：252-256.

[5]何友金，李楠.艦船紅外圖像邊緣檢測方法對比研究[J].計算機仿真，2006，23（4），201-203.

HE You-jin，Li Nan.A comparison study of edge detection algorithms for ship IR image[J].Computer Simulation，2006，23（4），201-203

[6]張兆偉，馬治國，錢超，等.紅外圖像中海天線的提取[J].海軍工程大學(xué)學(xué)報，2005，17（3）：97-99.

ZHANG Zhao-wei，MA Zhi-guo，QIAN Chao， et al.Location horizontal region of infrared image [J].Journal of naval University of Engineering， 2005，17（3）：97-99.