復(fù)雜背景下減少紅外小目標(biāo)檢測虛警率的算法

張晟翀,蔡 軍,孫玉銘,王立新

(1.光電信息控制和安全技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北 三河 065201;2.第二炮兵駐錦州地區(qū)專用保障裝備軍事代表室,遼寧 錦州 121000;3.北京理工大學(xué)光電學(xué)院,北京 100081)

·圖像與信號處理·

復(fù)雜背景下減少紅外小目標(biāo)檢測虛警率的算法

張晟翀1,蔡 軍1,孫玉銘2,王立新3

(1.光電信息控制和安全技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北 三河 065201;2.第二炮兵駐錦州地區(qū)專用保障裝備軍事代表室,遼寧 錦州 121000;3.北京理工大學(xué)光電學(xué)院,北京 100081)

為了減小復(fù)雜背景下紅外小目標(biāo)檢測的虛警率,采用自適應(yīng)平滑再中值濾波的方法抑制背景噪聲,邊緣增強(qiáng)閾值分割檢測方法突出和提取目標(biāo),利用小目標(biāo)是孤立奇異點(diǎn)且不能發(fā)生突變的特點(diǎn),通過多特性聯(lián)合判斷方法實(shí)現(xiàn)虛警目標(biāo)剔除算法。實(shí)驗(yàn)表明,本文的算法計(jì)算量小、實(shí)時性好、實(shí)現(xiàn)靈活,在復(fù)雜背景下能有效降低虛警又不漏檢目標(biāo),并實(shí)際完成了FPGA和DSP的硬件實(shí)現(xiàn)。

復(fù)雜背景；紅外小目標(biāo)檢測；虛警；奇異點(diǎn)

1 引 言

遠(yuǎn)距離大視場的紅外告警,會引入復(fù)雜的地物背景,而目標(biāo)變?yōu)樾?點(diǎn))目標(biāo),可利用的有效信息一般為目標(biāo)灰度的平穩(wěn)性和目標(biāo)運(yùn)動軌跡的連續(xù)性[1]。由于云層和地面的小亮背景與點(diǎn)目標(biāo)難以區(qū)分,造成虛警率較高。因此,許多文獻(xiàn)進(jìn)行了相關(guān)的探索,如采用序貫圖像檢測方法[2-3]、多量級多向梯度表決融合檢測算法[4]、利用目標(biāo)運(yùn)動軌跡連續(xù)性的光流法[5-6]和角坐標(biāo)變化的檢測算法[7]以及利用背景本身固有的規(guī)律性特性的背景預(yù)測算法[8-10]等。這些算法各有側(cè)重,但較為復(fù)雜,要達(dá)到實(shí)用和實(shí)時硬件實(shí)現(xiàn),仍有一定困難。本文通過對實(shí)際圖像的分析,結(jié)合點(diǎn)目標(biāo)與背景差異的多特性聯(lián)合判斷,研究一種既能有效降低虛警率又快速簡便易于硬件實(shí)現(xiàn)的紅外小目標(biāo)檢測算法。

2 目標(biāo)檢測前的背景噪聲抑制

為了使目標(biāo)檢測更準(zhǔn)確,需要在目標(biāo)檢測前對背景噪聲進(jìn)行抑制,一般采用中值濾波器[11]、高通濾波器、平滑和匹配濾波器以及它們的一些組合改進(jìn)形式[12]。我們采用先自適應(yīng)平滑再中值濾波的方法,使背景內(nèi)部灰度值更均勻,即可避免將小目標(biāo)當(dāng)成噪聲點(diǎn)被中值濾波濾除,又保留目標(biāo)強(qiáng)邊緣的灰度值。對紅外圖像f(x，y)的自適應(yīng)平滑濾波處理過程為：

(1)

其中,濾波窗口的大小為(2P+1)×(2P+1);Kx,y為加權(quán)系數(shù)。中值濾波模板采用如圖1所示的十字形,即可濾除單個的噪聲點(diǎn)又能盡量保留點(diǎn)目標(biāo)。濾波后的效果圖如圖2所示,背景變得更為干凈,目標(biāo)也更清晰了。

圖1 中值濾波模板

圖2 平滑加中值濾波效果圖

上述濾波均可通過固定的系數(shù)模板用FPGA硬件實(shí)現(xiàn),可有效保證實(shí)時性。此外,在濾波后還要采用幀相減的方法進(jìn)一步濾除不變的背景以及像面的壞點(diǎn)、鏡頭的雜質(zhì)等形成的位置固定的噪聲。由于目標(biāo)是運(yùn)動的,只有變化的目標(biāo)不會被相減掉。這樣我們就可以利用圖像中變化的部分進(jìn)行目標(biāo)提取,提高目標(biāo)檢測的速度和效率。

3 邊緣增強(qiáng)閾值分割目標(biāo)檢測

利用小目標(biāo)邊緣仍然比較清晰的重要特征,通過對圖像采用邊緣增強(qiáng)和閾值分割,突出可能的目標(biāo)點(diǎn),然后再通過對其邊緣輪廓的有效像素進(jìn)行搜索,檢測出目標(biāo)的大小和位置,如圖3所示。

圖3 邊緣增強(qiáng)閾值分割效果圖

邊緣增強(qiáng)采用Sobel算子進(jìn)行,閾值分割可采用最優(yōu)閾值法、迭代閾值法、Otsu閾值化法、最大熵法[13]等。但為了滿足實(shí)時性和有效地分離小目標(biāo),采用一種相對快速的自適應(yīng)閾值分割方法。閾值T取為：

T=E+k×σk=1.0～2.0

(2)

其中,E表示目標(biāo)點(diǎn)矩形領(lǐng)域的灰度均值；σ表示同一領(lǐng)域的灰度標(biāo)準(zhǔn)方差；k為門限系數(shù)。經(jīng)過邊緣增強(qiáng)閾值分割處理后,輸出圖像就僅含有目標(biāo)和少量高頻噪聲及與目標(biāo)相似的有亮邊緣的背景。它們被統(tǒng)稱為“可疑目標(biāo)”,是否為真正的目標(biāo)需要進(jìn)一步地檢測和判決。

在二值圖像中對目標(biāo)邊緣輪廓進(jìn)行搜索,采用了較為快速的邊界擴(kuò)展法。即在搜索到第一個值為1的像素點(diǎn)開始,每次均在其上下左右四個邊界尋找相鄰的值為1的像素,找到后就將其邊界在此方向上擴(kuò)展一個像素。找到的像素均置為0,以保證每個值為1的像素只被搜索一次。當(dāng)四個方向都找不到有效像素時,該目標(biāo)的邊界擴(kuò)展結(jié)束。圖4示意了通過六次邊界擴(kuò)展確定兩個目標(biāo)位置和大小的過程。黑色方塊表示搜索到的目標(biāo)區(qū)域,虛線表示每次搜索的邊界。該方法避免了重復(fù)搜索,簡單實(shí)用,能快速地找到目標(biāo)的邊界和位置。

因?yàn)榍懊娴奶幚砜赡軙斐赡承┍尘按竽繕?biāo)的邊緣不連續(xù),形成一些假的小目標(biāo),所以還要將距離很近的目標(biāo)合并。這里距離很近的目標(biāo)主要是對邊界有重疊區(qū)域,以及邊界間距離小于2個像素的目標(biāo)而言。

圖4 六次邊界擴(kuò)展進(jìn)行目標(biāo)搜索的示意圖

4 虛警目標(biāo)剔除算法

在復(fù)雜背景下,前面提取檢測出的“可疑目標(biāo)”中大多含有如云層、地面物體的邊緣等形成的虛警目標(biāo)。通過對紅外圖像的反復(fù)觀察發(fā)現(xiàn)：小目標(biāo)除了比背景亮和具有灰度突變的邊緣特征外,還具有下列與背景目標(biāo)特性不同的特點(diǎn)：

(1)小目標(biāo)一般為點(diǎn)狀目標(biāo),這是唯一可以利用的形狀特征;

(2)小目標(biāo)的亮度在連續(xù)的幾幀內(nèi)是比較穩(wěn)定的,不會發(fā)生突變；

(3)小目標(biāo)在其周圍相鄰背景中為一個孤立的奇異點(diǎn)，這個奇異點(diǎn)的特性是亮度比周邊都高而且灰度值高出的量在四面都比較均勻;

(4)小目標(biāo)的方位是連續(xù)變化的,不會突變也不會不變。

這樣就可以通過這些特點(diǎn)進(jìn)行多特性聯(lián)合判斷來剔除虛警目標(biāo)。具體算法為：

(1)首先通過目標(biāo)邊界的長度、寬度和長寬比信息,將各種復(fù)雜背景(云層、樹木、建筑等)邊緣形成的比較大的或明顯不是點(diǎn)目標(biāo)的細(xì)長目標(biāo)剔除。

(2)判斷目標(biāo)是否為孤立的奇異點(diǎn)。即將目標(biāo)平均灰度值與在目標(biāo)上下左右所取的四個背景灰度值相減,如果差值相近且均為正值,則為目標(biāo)點(diǎn)。否則為虛警。

(3)建立連續(xù)幀都檢測到的目標(biāo)庫,記錄位置、大小、亮度角速度等信息。

(4)同一方位的目標(biāo),如果亮度、大小和位置在兩幀內(nèi)變化較大的是虛警。

(5)目標(biāo)的運(yùn)動方向突然變化或突然出現(xiàn)又消失。比如飛鳥,以及閃光等可視為虛警。

(6)最后將連續(xù)多幀位置和大小均不變的目標(biāo)剔除(區(qū)分地面不動的小目標(biāo))。

(7)實(shí)時更新目標(biāo)參數(shù),連續(xù)記錄目標(biāo)的變化,使虛警降到最低。

圖5為整個算法的流程圖。

圖5 算法流程圖

5 實(shí)驗(yàn)結(jié)果及分析

通過FPGA和TMS320C6416 DSP對本文的算法進(jìn)行編程,在硬件上實(shí)現(xiàn)實(shí)時的小目標(biāo)檢測,得到的實(shí)驗(yàn)結(jié)果，如圖6和圖7所示。其中白色十字指示了檢測到的目標(biāo)點(diǎn)。

圖6 未采用虛警目標(biāo)剔除的檢測算法結(jié)果圖

圖7 采用了虛警目標(biāo)剔除算法的結(jié)果圖

從圖6中可以看出，圖6(a)、(b)、(c)由于復(fù)雜云層和地物背景的干擾,在有目標(biāo)的情況下出現(xiàn)了虛警；圖6(d)雖然沒有目標(biāo)出現(xiàn),但由于地面樹木等復(fù)雜背景的干擾也出現(xiàn)了虛警。而從圖7可以看出,由于采用了虛警目標(biāo)剔除算法,圖7(a)在比較復(fù)雜的地面背景下沒有因?yàn)闃淠镜任矬w的干擾出現(xiàn)虛警,并檢測到了正確的飛機(jī)目標(biāo)；圖7(b)、(c)、(d)在同樣云層和地面電線桿背景干擾下檢測到了正確的目標(biāo),沒有出現(xiàn)虛警。

6 結(jié) 語

本文的算法通過對背景噪聲抑制、邊緣增強(qiáng)閾值分割檢測和關(guān)鍵的虛警目標(biāo)剔除算法,根據(jù)小目標(biāo)是孤立奇異點(diǎn)且不能發(fā)生突變的特點(diǎn),采用較為簡單的多特性聯(lián)合判斷方法,成功地在復(fù)雜背景下檢測出了小目標(biāo)。具有計(jì)算量小、實(shí)現(xiàn)靈活、檢測效果好、實(shí)時性強(qiáng)和便于硬件實(shí)現(xiàn)的特點(diǎn)。在復(fù)雜地空背景下的虛警率經(jīng)連續(xù)幀實(shí)測,由原來的50%左右降低到2%以下,且大多數(shù)背景下虛警率為0。

[1] WANG Guoyou,CHEN Zhenxue,LI Qiaoliang.A review of infrared weak and small targets detection under complicated background[J].Infraed Technology，2006,28(5)：287-292.(in Chinese) 汪國有,陳振學(xué),李喬亮.復(fù)雜背景下紅外弱小目標(biāo)檢測的算法研究綜述[J].紅外技術(shù),2006,28(5)：287-292.

[2] YU Jiancheng,SUN Shengli,CHEN Guilin.Study of point target detection in infrared images[J].Infrared,2006,27(4)：15-19.(in Chinese) 俞建成,孫勝利,陳桂林.紅外圖像中小目標(biāo)檢測研究[J].紅外,2006,27(4)：15-19.

[3] Blostein S D,Huang T S.Detecting small moving objects in image sequences using sequential hypothesis testing[J].IEEE Trans.On Signal Processing，1991,39(7):1611-1629.

[4] ZONG Siguang,WANG Jiangan,CHEN Qishui.New detection algorithm for dim IR point targets under complicated sea and sky background[J].Opto-Electronic Engineering，2005,32(4)：9-12.(in Chinese) 宗思光,王江安,陳啟水.?？諒?fù)雜背景下紅外弱點(diǎn)目標(biāo)檢測新算法[J].光電工程,2005,32(4)：9-12.

[5] Horn B K,Schunck B G.The image flow cons-traint equation[J].CVGIP，1986,35(3):26-31.

[6] ZOU Jiangwei,CHEN Zengping.Small space target extraction based on morphology and image flow method[J].Opto-Electronic Engineering，2005,32(4)：13-15，31.(in Chinese) 鄒江威,陳曾平.應(yīng)用形態(tài)學(xué)與圖像流法的空間小目標(biāo)提取方法[J].光電工程,2005,32(4)：13-15，31.

[7] LI Peng,CHEN Qian.An efficient detection algorithm for decreasing false alarm rate of infrared surveillance system[J].Opto-Electronic Engineering,2010,37(4)：15-19.(in Chinese) 李鵬,陳錢.一種有效降低紅外預(yù)警系統(tǒng)虛警率的檢測算法[J].光電工程,2010,37(4)：15-19.

[8] Nishiguchi K,Kobayashi M,Ichikawa A.Small target detection from image using recursive max filter[C]//SPIE，1995,2561:153-165.

[9] CHEN Zhenxue,WANG Guoyou.Infrared small and weak target detection based on self-adaptive background forecast[J].Laser & Infrared,2005,35(8)：608-610.(in Chinese) 陳振學(xué),汪國有.基于自適應(yīng)背景預(yù)測的紅外弱小目標(biāo)檢測算法[J].激光與紅外,2005,35(8)：608-610.

[10]LI Jicheng,SHEN Zhenkang,LU Xinping,et al.Weak and small target detection based on adaptive prediction of IR background clutter[J].Laser & Infrared,2004,34(6)：478-480,486.(in Chinese) 李吉成,沈振康,魯新平,等.基于背景雜波自適應(yīng)預(yù)測的紅外弱小目標(biāo)檢測[J].激光與紅外,2004,34(6)：478-480，486.

[11]Barnett J.Statistical analysis of median subtraction filtering with application to point target detection in infrared backgrounds[C]//SPIE，1989,1050:10-18.

[12]YU Hainan,ZHAO Baojun.Detection of small targets of low SNR infrared image[J].Laser & Infrared,2004,34(1)：40-42.(in Chinese) 于海南,趙保軍.低信噪比紅外圖像小目標(biāo)的檢測[J].激光與紅外,2004,34(1)：40-42.

[13]LI Zhongjie,YANG Guanliang,XU Xiaojie.Image segmentation based on automatic thresholding selection and edge detection[J].Journal of Naval University of Engineering.2002,14(4)：88-91.(in Chinese) 李忠杰,楊關(guān)良,徐小杰.自動閾值選取與邊緣檢測相結(jié)合的圖像分割算法[J].海軍工程大學(xué)學(xué)報,2002,14(4)：88-91.

Algorithm to reduce false alarm of IR small targets detection in complex background

ZHANG Sheng-chong1,CAI Jun1,SUN Yu-ming2,WANG Li-xin3

(1.Science and Technology on Electro-optical Information Security Control Laboratory，Sanhe 065201，China;2.Special Support Equipment Military Representative Office of Second Artillery Stationed in Jinzhou，Jinzhou 121000，China;3.School of Electro-Optical,Beijing Institute of Technology，Beijing 100081，China)

In order to reduce the false alarm of IR small targets detection under complicated background,adaptive smooth and median filtering algorithm were used to suppress background noise,and edge enhancement threshold segmentation method was used to highlight and extract the target. Because small target is the isolated singular point and can′t mutate,false alarm deletion algorithm was realized through multiple features combined with judgment method. Experiment results show that this algorithm has the merits of simple calculation,good real-time and flexible implementation. Under the complex background it can effectively reduce the false alarm and don′t leave out target. It has been realized with FPGA and DSP hardware structure.

complex background；IR small targets detection；false alarm；singular ponit

1001-5078(2015)02-0221-04

張晟翀(1973-)，男，碩士研究生，研究方向?yàn)閿?shù)字信號處理。E-mail：zsc417@126.com

2014-07-01;

2014-07-15

TP391.41

A

10.3969/j.issn.1001-5078.2015.02.022