紅外圖像中艦船目標(biāo)增強(qiáng)技術(shù)研究

李瑞東，張新超

(防災(zāi)科技學(xué)院，河北 三河 401331)

紅外圖像中艦船目標(biāo)增強(qiáng)技術(shù)研究

李瑞東，張新超

(防災(zāi)科技學(xué)院，河北 三河 401331)

摘要：隨著各國在海洋領(lǐng)域競爭的日益激烈，艦船目標(biāo)自動識別技術(shù)正逐漸成為社會的研究熱點(diǎn)，目標(biāo)增強(qiáng)是艦船目標(biāo)自動識別技術(shù)中的重要環(huán)節(jié)，但通常海天背景下艦船目標(biāo)紅外圖像的目標(biāo)背景對比度低，圖像信噪比差。為使低對比度艦船紅外圖像中感興趣目標(biāo)得到增強(qiáng)，本文首先利用中值濾波去除圖像中的隨機(jī)噪聲，然后對圖像進(jìn)行同態(tài)濾波，最后加入對像素空間位置的考慮，利用像素鄰域的灰度均值和均方差值構(gòu)建了一個灰度變換函數(shù)，實(shí)現(xiàn)圖像的灰度拉伸。實(shí)驗(yàn)結(jié)果表明，以往僅通過灰度信息的增強(qiáng)技術(shù)很難取得較好效果，本文在考慮像素位置的基礎(chǔ)上提出的灰度變換函數(shù)可較好的實(shí)現(xiàn)對艦船目標(biāo)局部區(qū)域的增強(qiáng)。

關(guān)鍵詞：紅外圖像；中值濾波；同態(tài)濾波；灰度變換

0引言

隨著國際社會在海洋領(lǐng)域的競爭日益激烈，我國艦船規(guī)模不斷擴(kuò)大，例如兼?zhèn)涠喾N功能的海洋調(diào)查船[1]、各種海軍戰(zhàn)艦等。海上艦船目標(biāo)的自動識別也隨之成為國內(nèi)外極為關(guān)注的焦點(diǎn)，艦船自動識別技術(shù)為準(zhǔn)確跟蹤艦船目標(biāo)、實(shí)現(xiàn)導(dǎo)彈精確制導(dǎo)等提供了重要保障，該技術(shù)可以說已成為海上作戰(zhàn)系統(tǒng)中不可或缺的部分[2]。但艦船自動識別技術(shù)發(fā)展至今，仍存在一些亟待解決的關(guān)鍵問題，如在圖像預(yù)處理過程中對紅外圖像艦船目標(biāo)的增強(qiáng)問題。紅外背景(尤其是大海自然背景中的海浪)往往呈大面積的連續(xù)分布狀態(tài)，在紅外輻射的強(qiáng)度上也呈漸變過渡狀態(tài)[3]。另外由于海浪的不斷變化對紅外成像形成干擾，大氣中的各種微顆粒對紅外信號傳輸過程產(chǎn)生影響[4]，以及探測器本身易受光照影響形成光斑的固有特性等，使得產(chǎn)生的紅外圖像目標(biāo)-背景間對比度低，圖像信噪比差，灰度范圍窄，這給后續(xù)的艦船目標(biāo)檢測或識別帶來了極大困難，因此目標(biāo)增強(qiáng)技術(shù)的研究對后續(xù)的識別問題具有重要意義。

以往的艦船目標(biāo)增強(qiáng)技術(shù)通常包括圖像平滑和圖像對比度增強(qiáng)兩大步驟。圖像平滑意在防止圖像噪聲跟隨有用信號被一起增強(qiáng)，平滑技術(shù)主要包括中值濾波[5]、各種低通濾波[6]等。而圖像對比度增強(qiáng)則是為了有針對性的增強(qiáng)船艦?zāi)繕?biāo)，方法主要包括直方圖均衡、同態(tài)濾波[7]、光流[8]以及小波等。本文主要針對海上艦船目標(biāo)的紅外圖像,綜合考慮了像素的灰度和空間位置信息，在對圖像降噪和實(shí)現(xiàn)同態(tài)濾波的基礎(chǔ)上，利用像素鄰域的灰度均值和方差信息構(gòu)建灰度變換函數(shù)，使圖像的灰度得到拉伸，從而實(shí)現(xiàn)對紅外圖像艦船目標(biāo)的增強(qiáng)。

1紅外圖像場景模型

利用紅外成像傳感器獲取的紅外目標(biāo)圖像數(shù)據(jù)主要由目標(biāo)、背景及噪聲3部分組成，可用公式描述如下[9]：

f(m,n)=T(m,n)+B(m,n)+N(m,n)

式中f(m,n)為實(shí)際紅外圖像；T(m,n)為目標(biāo)圖像；B(m,n)為自然背景；N(m,n)為噪聲[9]。在紅外探測條件下，艦船目標(biāo)在圖像中通常僅占較小的成像面積，一般為幾十到幾百個像素。由于行駛中的艦船溫度一般要高于周圍的自然海天背景，因此其紅外輻射強(qiáng)度相應(yīng)的也大于自然背景產(chǎn)生的紅外輻射，并且這2種輻射強(qiáng)度不具任何相關(guān)性，故船艦?zāi)繕?biāo)通常會在圖像中形成孤立的亮區(qū)域，該亮區(qū)域與周圍環(huán)境背景的灰度差異構(gòu)成圖像中的一部分高頻成分。背景B(m,n)一般由天空和海面構(gòu)成，對天空而言，除了在極少數(shù)情況下，云朵會使圖像中出現(xiàn)亮暗層次，絕大多數(shù)情況下天空背景在圖像中灰度變化緩慢，因此天空主要占據(jù)圖像f(m,n)的連續(xù)低頻成分；對海面而言，由于探測器接收到的信號受到強(qiáng)烈的海浪干擾，因此圖像中局部亮度層次較豐富，常出現(xiàn)隨機(jī)雜亂的亮暗交替，體現(xiàn)在頻譜圖上就會出現(xiàn)不連續(xù)的高頻毛刺脈沖。噪聲N(m,n)的產(chǎn)生因素很多，通常涉及紅外探測器受光照影響的固有屬性、信號在大氣中傳播時被微粒散射或吸收等，噪聲主要構(gòu)成圖像中的高頻成分，且它們在空間上往往表現(xiàn)的很隨機(jī)。

2目標(biāo)增強(qiáng)技術(shù)

目標(biāo)增強(qiáng)技術(shù)主要包括以下3個步驟：圖像降噪、同態(tài)濾波增強(qiáng)、灰度變換，具體流程如圖1所示。

圖1目標(biāo)增強(qiáng)流程圖
Fig.1The flow chart of image enhancement

2.1　紅外圖像的降噪處理

艦船紅外圖像的信噪比往往較低，隨機(jī)噪聲會參與形成圖像中的部分高頻信號，為防止噪聲隨著有用信號一起被增強(qiáng)，首先要降低這些干擾噪聲，傳統(tǒng)的中值濾波可處理紅外圖像中的隨機(jī)噪聲，理論上中值濾波既可去除噪聲，又有保留圖像細(xì)節(jié)的能力，但考慮到艦船紅外圖像的低對比度特性，傳統(tǒng)中值濾波無法得到理想效果，因此本文選用了另外一種較好的中值濾波方法[10]，該濾波器可在濾除噪聲的同時，更好的保留住圖像細(xì)節(jié)。

2.2　同態(tài)濾波

如果將一幅圖像f(x,y)用其照明分量i(x,y)和反射分量r(x,y)來表示，則其數(shù)學(xué)模型可表示為兩分量相乘的形式：

f(x,y)=i(x,y)·r(x,y)。

照明分量i(x,y)反映了圖像的平均亮度，其數(shù)據(jù)變化通常較平緩，常常由圖像中較平坦的區(qū)域產(chǎn)生，因此照明分量主要占據(jù)圖像頻譜的低頻區(qū)域；而反射分量r(x,y)反映了圖像中急劇變化的部分，如孤立噪聲、目標(biāo)與背景的邊緣以及其他偽邊緣等，圖像細(xì)節(jié)都包括在反射分量中，因此其構(gòu)成了圖像頻譜的高頻部分。為了能分開考慮照射分量和反射分量，需對上式進(jìn)行一系列變形，首先在等式兩邊同時取對數(shù)，使得照射分量與反射變量相乘變成兩者的對數(shù)相加，即

lnf(x,y)=lni(x,y)+lnr(x,y)，

接著對等式兩邊同時進(jìn)行離散傅里葉變換，則有：

F(u,v)=I(u,v)+R(u,v)。

至此便實(shí)現(xiàn)了反射分量與照射分量的分離，這種分離將有助于后面對反射分量的提取，即對圖像中高對比度區(qū)域的提取，接著在等式兩邊同時乘以同態(tài)濾波器H(u,v)。為了得到圖像中對比度大的區(qū)域，突出目標(biāo)的局部細(xì)節(jié)，H(u,v)需滿足抑制低頻I(u,v)，提高高頻R(u,v)。圖2給出了典型濾波器傳遞函數(shù)H(u,v)的剖面形狀，其中D(u,v)為(u,v)到原點(diǎn)的距離。

圖2　典型濾波器剖面圖Fig.2　Typical cutaway view of filter

這樣的濾波器能夠達(dá)到增強(qiáng)高頻和抑制低頻的效果。對上式同乘H(u,v)后得到：

S(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)

對上式進(jìn)行離散傅里葉逆變換：

s(x,y)=F-1[H(u,v)I(u,v)]+F-1[H(u,v)R(u,v)]

最后再對s(x,y)進(jìn)行對數(shù)運(yùn)算的反運(yùn)算—指數(shù)運(yùn)算，可得經(jīng)過同態(tài)濾波后的圖像為：

g(x,y)=exp[s(x,y)]。

由以上分析可知，濾波后的圖像g(x,y) 細(xì)節(jié)將更突出。

2.3　局部增強(qiáng)

紅外圖像中的高頻信號主要由目標(biāo)-背景的灰度差異以及其他噪聲形成，正是由于高頻信號中也包括了強(qiáng)烈變換的海浪，隨機(jī)噪聲等，僅僅從灰度信息出發(fā)對圖像進(jìn)行高通濾波就很難將艦船目標(biāo)邊緣和這些噪聲形成的高頻脈沖區(qū)分開來，因此本文在用同態(tài)濾波去除低頻信息后，又加入了對像素空間位置的考慮?？紤]到由海浪變化形成的高頻信號在空間位置上比較間斷隨機(jī)，而目標(biāo)邊緣產(chǎn)生的有用高頻信息則呈現(xiàn)出集中連續(xù)的特點(diǎn)，本文利用每個像素鄰域像素的均值m(x,y)和方差σ(x,y)兩特征，設(shè)計了如下灰度變換函數(shù)來對圖像進(jìn)行灰度拉伸：

g(x,y)=A(x,y)[f(x,y)-m(x,y)]+

其中f(x,y)為原圖像；g(x,y)為灰度變換后圖像；m(x,y)和σ(x,y)分別為以像素(x,y)為中心的鄰域內(nèi)像素的灰度均值和均方差值；k為比例常數(shù)，可用來調(diào)節(jié)增益系數(shù)A(x,y)大??；A(x,y)，m(x,y)與σ(x,y)的值都與所選鄰域的位置和大小密切相關(guān)，式中A(x,y)[f(x,y)-m(x,y)]部分使得圖像的局部微小細(xì)節(jié)得以放大，對于增益系數(shù)A(x,y)而言，其與均方差成反比，與灰度均值成正比，因此圖像中擁有小對比度和較高灰度值的區(qū)域?qū)?yīng)的A(x,y)會更大。

一般認(rèn)為，圖像中艦船目標(biāo)邊緣灰度變化呈平滑過渡狀態(tài)，而由海浪變化形成的亮暗層次則比較雜亂無章，因此船艦?zāi)繕?biāo)的對比度一般比海浪區(qū)域低，而同時由于運(yùn)動中的艦船目標(biāo)一般會比周圍背景輻射更強(qiáng)，反映在圖像上即擁有更高的灰度值，因此大均值和小方差2個特征都造成艦船目標(biāo)相應(yīng)的增益系數(shù)A(x,y)更大，這樣的圖像變換相當(dāng)于使得船艦?zāi)繕?biāo)區(qū)域的灰度得到局部增強(qiáng)，而同為高頻率的背景噪聲則得到相對抑制。

3結(jié)果與分析

本文選取的3張測試圖像分別為304×418大小的近距離目標(biāo)圖、309×506大小的遠(yuǎn)距離目標(biāo)圖、175×241大小的高噪聲目標(biāo)圖，同態(tài)濾波器選用均值為0，方差為5的高斯核，比例系數(shù)k=0.7，在MatlabR2011a平臺上對增強(qiáng)算法進(jìn)行測試，圖3、圖4和圖5分別給出了對3張測試圖的艦船目標(biāo)增強(qiáng)效果，算法使目標(biāo)-背景間的對比度加強(qiáng)，并且該算法簡單易操作，對于這里給出的測試圖，平均每幅圖的處理時間大約為1.3 s。

圖3　近距離目標(biāo)增強(qiáng)效果Fig.3　Enhancement for short distance target

圖4　遠(yuǎn)距離目標(biāo)增強(qiáng)效果Fig.4　Enhancement for long distance target

圖5　高噪聲目標(biāo)增強(qiáng)效果Fig.5　Enhancement for image with high noise

4結(jié)語

由于艦船的紅外圖像對比度普遍較低，因此目標(biāo)增強(qiáng)問題是艦船自動識別技術(shù)的基礎(chǔ)和前提，同時也是一大難點(diǎn)。本文改變以往研究中僅采用灰度特征增強(qiáng)目標(biāo)的策略，綜合考慮了像素的灰度和空間位置信息，針對海天背景下艦船紅外圖像中的艦船目標(biāo)增強(qiáng)技術(shù)進(jìn)行了研究。首先利用改進(jìn)的中值濾波對紅外圖像中的隨機(jī)噪聲進(jìn)行平滑處理，避免噪聲跟隨目標(biāo)一起被增強(qiáng)，接著用高斯核對圖像進(jìn)行同態(tài)濾波，增強(qiáng)圖像全局對比度，最后利用設(shè)計的灰度變換函數(shù)對圖像進(jìn)行灰度拉伸，該灰度變換函數(shù)可使對比度較低且較亮的區(qū)域獲得更高的增益系數(shù)，從而使得目標(biāo)與背景的對比度進(jìn)一步增大，實(shí)現(xiàn)對圖像的局部增強(qiáng)。本文提出的增強(qiáng)技術(shù)在高噪聲圖像、遠(yuǎn)近距離目標(biāo)圖像中都取得了較好的實(shí)

驗(yàn)結(jié)果，為海天背景下艦船目標(biāo)紅外圖像預(yù)處理研究提供了一定參考價值。

參考文獻(xiàn)：

[1]陳練,蘇強(qiáng),董亮,等.國內(nèi)外海洋調(diào)查船發(fā)展對比分析[J].艦船科學(xué)技術(shù),2014(s1):2-7.

CHEN Lian,SU Qiang,DONG Liang,et al.Comparative analysis of the development of research vessel at home and abroad[J].Ship Science and Technology,2014(s1):2-7.

[2]OWE T D,SUN G, WANG D, et al.Research on infrared ship detection method in sea-sky background[C]//ISPDI 2013-Fifth International Symposium on Photoelectronic Detection and Imaging.International Society for Optics and Photonics, 2013: 89072H-89072H-10.

[3]劉延武,王文濤.一種遠(yuǎn)距離傳輸紅外圖像的目標(biāo)識別方法[C]//全國第 16 屆計算機(jī)科學(xué)與技術(shù)應(yīng)用(CACIS) 學(xué)術(shù)會議論文集,2004.

[4]任席闖,王江安,吳榮華.紅外與微波波段大氣折射率比較分析[J].艦船科學(xué)技術(shù),2011,33(1):65-68.

REN Xi-chuang,WANG Jiang-an,WU Rong-hua.The comparison of the atmosphere refractive index of infrared band and microwave band wavelengths[J].Ship Science and Technology,2011,33(1):65-68.

[5]YANG Wei-ping,SHEN Zhen-kang.Small target detection and preprocessing technology in infrared image sequences[J].Infrared and Laser Engineering,1998,27(1): 23-28.

[6]XU Ying.Small moving target detection in infrared image sequences[J].Infrared Technology,2002,24(6):27-30.

[7]胡竇明,趙海生,李云川,等.一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法[J].紅外技術(shù),2012,34(4):224-228.

HU Du-ming,ZHAO Hai-sheng,LI Yun-chuan,et al.A new approach to in frared image enhancemtnt based on homomorphic filter[J].In frared Technology,2012,34(4):224-228.

[8]URAS S,GIROSI F,VERRI A.A computational approach to motion perception[J].BiolCybern,1988(60):79-87.

[9]梁世花.海天背景下紅外弱小目標(biāo)的檢測[D].武漢理工大學(xué),2012.

[10]SUN T,NEUVO Y.Detail-preserving median based filters in image processing[J].Pattern Recognition Letters,1994,15(4):341-347.

Study of enhancement technique for infrared ship image

LI Rui-dong，ZHANG Xin-chao

(Institute of Disaster Prevention,Sanhe 101601,China)

Abstract：With the increasing competition in the field of ocean, automatic ship target recognition technology is becoming a research hotspot of society, target enhancement for infrared ship image is an important part of the ship recognition procedure. However, images formed under the sea-sky background are usually low in contrast and signal-to-noise contrast. To enhance the contrast in ship target and the background, median filter were used in the beginning to remove random noise in the infrared image, then the homomorphic filtering was carried, finally, considering the pixel position, average gray scale mean square error of the pixel neighborhood were used to construct a gray level transformation function, which stretches the gray level of image. The experimental results show that common enhancement technique considering the pixel gray only usually achieves poor result, the gray level transformation function designed here is based on pixel location, and it can enhance the local area like ship for infrared image.

Key words：infrared image； median filtering； homomorphic filtering； gray transformation

作者簡介：李瑞東(1982-)，男，講師，碩士，研究方向?yàn)榘雽?dǎo)體材料中載流子的輸運(yùn)性質(zhì)；地球的自由振蕩。

基金項目：中國地震局教師科研基金資助項目(20120122)

收稿日期：2014-07-21； 修回日期： 2014-11-11

文章編號：1672-7649(2015)01-0209-04

doi：10.3404/j.issn.1672-7649.2015.01.045

中圖分類號：TN219

文獻(xiàn)標(biāo)識碼：A