天基紅外動目標檢測系統(tǒng)的仿真和評估

陸福星，李夜金，趙云峰，饒 鵬

天基紅外動目標檢測系統(tǒng)的仿真和評估

陸福星1,2,3，李夜金1,2，趙云峰1,2，饒 鵬1,2

（1.中國科學院上海技術(shù)物理研究所，上海 200083；2.中國科學院紅外探測與成像技術(shù)重點實驗室，上海 200083；3. 中國科學院大學，北京 100049）

為了更有效評估紅外探測系統(tǒng)的性能，評估系統(tǒng)的成像質(zhì)量，根據(jù)動目標序列圖像的檢測原理，結(jié)合建模仿真技術(shù)，設(shè)計并開發(fā)了基于Matlab平臺的天基紅外動目標檢測仿真系統(tǒng)，進行了實驗仿真。該仿真系統(tǒng)以紅外探測成像系統(tǒng)的圖像作為輸入，對圖像進行灰度算法和信噪比分析，反映紅外探測系統(tǒng)的成像質(zhì)量，實現(xiàn)單幀檢測以及多幀關(guān)聯(lián)檢測，輸出檢測率、虛警率和目標運動軌跡，并能夠?qū)z測算法進行評價。通過探測波段和空間分辨率的研究對天基紅外探測系統(tǒng)的譜段選擇、空間分辨率的設(shè)計有較強的工程應用指導價值。

目標檢測；仿真系統(tǒng)；紅外檢測；系統(tǒng)評估

0 引言

研究空中目標（如大型客機、隱身飛機等）和海面目標（如艦船、漁船等）等運動目標的檢測與跟蹤具有重要的意義。目標的多樣性、輻射強度微弱使得原先僅僅依賴單一譜段輻射信息的探測系統(tǒng)工程實現(xiàn)代價極高，探測、識別和跟蹤效能低下。紅外探測器建模仿真系統(tǒng)通過對典型動目標在譜段、幾何、輻射和時間等多尺度的紅外特性進行研究，結(jié)合天基紅外探測系統(tǒng)的成像鏈路模型和成像指標，生成弱小目標在不同的場景圖像，為了評價系統(tǒng)的成像質(zhì)量，進行了目標檢測仿真系統(tǒng)設(shè)計，驗證探測器仿真系統(tǒng)成像鏈路的有效性和指標設(shè)計的合理性。

1 目標檢測基礎(chǔ)理論

1.1 圖像特征描述

天基目標紅外探測系統(tǒng)中，由于探測距離非常遠（幾千上萬公里），目標通常表現(xiàn)為點狀，缺乏形狀、尺度、紋理等特性信息，難以運用檢測斑、面目標的方法[2]。而大氣云層、海面背景等對太陽的反射和散射形成很強的背景雜波干擾，導致目標難以被檢測。如何有效地抑制背景雜波、提高目標背景對比度是目標檢測的關(guān)鍵[10]。單幀圖像直接處理難以實現(xiàn)對目標的有效檢測，必須先進行圖像預處理對背景噪聲進行抑制再結(jié)合目標的灰度信息和運動信息，對圖像序列進行分析，最終獲得目標的運動軌跡[1]。

1.2 目標檢測算法評價標準

對檢測算法的性能作出合理全面的評價具有重要的意義，它是實際系統(tǒng)選擇算法的重要依據(jù)。為客觀地衡量不同檢測算法的性能，采用信噪比、背景抑制因子和接收機工作特性曲線（Receiver operating characteristic curve，簡稱ROC）等指標來定量分析算法在目標檢測過程中的有效性。信噪比主要反映了目標灰度與背景灰度的相關(guān)程度。信噪比SNR越大，目標與背景的相關(guān)性越小，目標受背景干擾越??；背景抑制因子（Background Suppress Factor，簡稱BSF）主要反映了濾波后背景的抑制程度。BSF越大，濾波后背景受到的抑制越強。信噪比反映了目標信號相對背景信號的加強程度，而背景抑制因子只反映了背景的抑制水平，沒有反映任何目標信息。與信噪比、背景抑制因子相比，接收機工作特性曲線評估方法能夠提供更為全面、客觀的分析，因而被廣泛采用。

2 動目標檢測系統(tǒng)的處理方法

2.1 預處理

預處理主要是利用一些濾波器，來預測估計圖像的背景信息，獲得的背景預測圖像相對平滑，最后用原圖像減去背景分量得到殘差圖像。預處理技術(shù)提高了圖像的質(zhì)量和改善了信噪比。最小均方濾波和中值濾波是典型的非線性濾波技術(shù)[3]，如中值濾波采用一個×的濾波模板對整幅圖像遍歷并對模板區(qū)域內(nèi)的圖像灰度值排序，將中間值作為背景的估計，最后與原始圖像做差來實現(xiàn)濾波[3,7,11]。線性濾波技術(shù)主要有形態(tài)學濾波，高通濾波[2-3]，背景預測[3]等，而形態(tài)學是利用一定形態(tài)的結(jié)構(gòu)元來提取圖像的中對應的形態(tài)來實現(xiàn)圖像的分析和識別[2-3]；高通濾波則采用濾波模板對目標像素與周圍鄰域像素作比較，實現(xiàn)平緩背景的抑制[3]。

2.2 閾值分割

紅外圖像經(jīng)過前期的預處理后，弱化了大部分的背景和噪聲，但是獲得的殘差圖像中除了目標還有大量的點狀噪聲，我們的最終目的是從這些區(qū)域中提出我們感興趣的弱小目標[5]。為了從殘差圖像中尋找潛在的目標，要進行分割以檢測出目標。預處理后的圖像像素大部分都集中在低灰度區(qū)，只有目標和小部分噪聲分布在高亮度區(qū)，可通過相關(guān)的閾值分割來檢測小目標。目前，從圖像中分割出可疑目標，比較常用的閾值分割方法有迭代法、類間最大差分法（Ostu法）、類間最大距離法和最大熵法等。

2.3 多幀檢測

多幀檢測通常有先檢測后跟蹤算法（DBT）和檢測前跟蹤算法（TBD），由于本課題研究的點目標的檢測與跟蹤問題。圖像缺乏足夠的信息，采用DBT來進行序列圖像檢測。序列圖像經(jīng)單幀檢測后得到疑似目標，采用三幀關(guān)聯(lián)管道濾波[6]來濾除虛假目標。

3 目標檢測仿真系統(tǒng)的整體設(shè)計

紅外動目標仿真系統(tǒng)整體分為圖像顯示、參數(shù)輸入和參數(shù)輸出3個部分。

3.1 圖像顯示模塊

圖像顯示模塊由圖像載入、單幀檢測顯示、多幀檢測動態(tài)展示、軌跡輸出以及圖像的灰度直方圖和灰度的三維展示組成。

3.2 參數(shù)輸入

參數(shù)輸入部分包括濾波窗口、閾值分割參數(shù)、多幀檢測的起始幀數(shù)和結(jié)束幀數(shù)、前后幀關(guān)聯(lián)判別閾值。

3.3 參數(shù)輸出

檢測輸出有圖像預處理后局部信噪比、單幀檢測時間、多幀檢測時間、目標實時位置和檢測率、漏警率、虛警率。

3.4 系統(tǒng)整體介紹

輸入的圖像經(jīng)過中值濾波預處理、最大熵分割后得到疑似目標的位置，經(jīng)過邊緣抑制、標記后得到圖像的候選目標作為單幀結(jié)果的輸出，同時可以輸出圖像的信噪比、目標當前幀位置和檢測時間；多幀處理是將連續(xù)處理的三幀單幀處理圖像作為輸入，通過多幀鄰域判別輸出目標的位置，最終輸出目標的運動軌跡，并統(tǒng)計出圖像的檢測率、虛警率和檢測時間。系統(tǒng)的流程如圖1所示。

圖1系統(tǒng)流程圖

仿真系統(tǒng)的界面如圖2所示。

圖2仿真界面

4 數(shù)據(jù)處理與分析

4.1 圖像信噪比分析

首先對F22和B2圖像的信噪比進行分析。通過對數(shù)據(jù)的分析發(fā)現(xiàn)，當圖像的空間分辨率在30～100m的范圍內(nèi)，目標呈現(xiàn)為點狀，且表現(xiàn)為暗目標和亮目標兩種形態(tài)。太陽照射是影響目標亮暗的主要因素，無太陽照射時，B2既不能反射太陽的輻射，自身又無尾焰，整體的紅外輻射遠小于背景，同時由于體積較大，可在圖像上形成明顯的暗目標；而F22的體積較小，同時自身的尾焰產(chǎn)生的紅外輻射與背景的紅外輻射亮度相當，易淹沒在背景雜波中；在太陽輻射的條件下，B2和F22反射太陽的紅外輻射，成為亮目標，它們的信噪比隨著空間分辨率的增大而減小。

實驗采用5×5中值濾波對圖像進行背景抑制，背景抑制后統(tǒng)計以目標為中心大小為9×9的矩形區(qū)域的局部信噪比[7]。信噪比隨空間分辨率（30～100m）的變化規(guī)律如圖3所示。信噪比的絕對值越大，目標越容易檢測。

由圖4可知：陽光照射是影響目標亮度的關(guān)鍵因素。在無太陽照射時，B2飛機和F22飛機為暗目標，它的信噪比為負數(shù)，且隨著空間分辨率的增大而減小，但此時F22飛機自身輻射能量很弱，而圖像的背景雜波較強，其信噪比絕對值很小。這是因為在無陽光照射的情況下，F(xiàn)22飛機不能反射太陽的紅外輻射，且它沒有尾焰，其氣動熱與噴口熱部件產(chǎn)生的紅外輻射遠小于海雜波背景產(chǎn)生的紅外輻射，因此表現(xiàn)為暗目標。而對于B2飛機，在飛行的過程中由于它的尾焰會產(chǎn)生強烈的紅外輻射，和海雜波紅外輻射大致在同一個數(shù)量級，因此淹沒在了背景雜波中。而在有陽光照射的條件下，B2飛機和F22飛機的信噪比為正值，這是由于飛機反射強陽光紅外輻射的緣故。它們的信噪比大體隨著空間分辨率的增大而增大。且太陽高度角越小，信噪比越高。

海雜波背景溫度對信噪比的影響也非常顯著。海雜波背景的溫度越高，其紅外輻射越強，背景越亮，目標的信噪比越低，但暗目標越易檢測，而亮目標越難以檢測；空間分辨率也是影響檢測效果的另一重要因素?？臻g分辨率越高，目標在圖像中的所占的像素越大，目標越清晰，越有利于檢測。

圖3 無陽照條件下不同分辨率下中波探測圖像的信噪比

圖4 太陽高度角20°條件下不同分辨率下中波探測圖像的信噪比

4.2 檢測算法性能分析

通過上節(jié)對信噪比的分析，從中選擇了具有代表性的4幅圖像進行處理，分析不同檢測算法在不同的條件下的檢測性能。4幅圖像中有2幅暗目標圖像，有2幅亮目標圖像。這里采用中值濾波、最大中值濾波[9]、背景抑制、高通濾波四種算法進行比較。濾波窗口均為5×5。對4幅圖像的背景抑制結(jié)果如圖5～圖8所示。

圖5 對B2飛機中波無陽照背景溫度293K分辨率30m圖像的處理結(jié)果

圖6 對B2飛機中波無陽照背景溫度293K分辨率50m圖像的處理結(jié)果

圖7 對B2飛機中波太陽高度角20°背景溫度293K分辨率100m圖像的處理結(jié)果

圖8 對F22飛機中波太陽高度角20°背景溫度293K分辨率30m圖像的處理結(jié)果

表1 圖像信噪比

表2 背景抑制因子

表1、表2實驗仿真數(shù)據(jù)表明，空間分辨率越高時背景抑制算法得到的圖像信噪比和背景抑制因子越高，但當分辨率降低時，圖像信噪比下降速度過快，不利于檢測。其他三種算法的目標信噪比和局部背景抑制因子相差不大，檢測效果良好。

4.3 空間分辨率對檢測效率的影響分析

對圖像進行背景抑制后，可以認為圖像背景服從(,)的正態(tài)分布，而目標服從(t,)正態(tài)分布。采用恒虛警檢測方法可以確定分割閾值，從而得到目標的單幀檢測概率。本文將恒虛警概率設(shè)為10－5。

首先，對中波圖像進行處理。表3～表5給出了不同分辨率下采用不同背景抑制算法的檢測概率。其中表4和表5中的目標為暗目標，表3中的目標為亮目標。

從表1表2中可以看出，在F22、B2飛機在中波太陽高度角20°溫度301K及B2飛機在中波無陽光背景溫度293K的情況下，空間分辨率為30m、50m、70m時采用不同背景抑制算法都能取得較好的檢測概率，而空間分辨率達到100m時，F(xiàn)22飛機在中波太陽高度角20°背景溫度301K和B2飛機在中波無陽光溫度293K的情況下，檢測概率下降非常明顯，該分辨率不能滿足目標圖像信噪比和單幀可探測需求。在F22飛機在中波太陽照射時背景溫度293K的情況下，不同算法的檢測概率都非常低，在這種情況下，目標已經(jīng)完全淹沒在了背景雜波中，無法將目標檢測出來。

其次，對長波圖像進行處理。表6、表7給出了無太陽照射時不同分辨率下采用不同背景抑制算法的檢測概率。以下兩種不同背景溫度情況下的目標均為暗目標。

表3 F22飛機在中波太陽高度角20°溫度301K下的檢測概率

表4 F22飛機在中波無陽光溫度293K下的檢測概率

表5 B2飛機在中波無陽光溫度293K下的檢測概率

表6 B2飛機在長波無光照溫度293K下的檢測概率

表7 B2飛機在長波無光照溫度301K下的檢測概率

從表6和表7中可以看出，在B2飛機在長波無陽光背景溫度為293K、301K的情況下，60m、80m、100m空間分辨率條件下各背景抑制算法的檢測概率相差不大，均符合目標可探測需求。

5 結(jié)束語

仿真結(jié)果表明在無太陽照射條件下B2飛機利用中波探測在70m分辨率下單幀檢測率達到90%以上同時在用長波探測時100m分辨率情況下也能夠滿足探測需求，而F22則在無太陽照射時30m分辨率下都被背景噪聲嚴重干擾無法達到檢測要求，在一定光照下可以在100m分辨率利用中波探測以大于90%的檢測概率檢測出來。通過上述研究對天基紅外探測系統(tǒng)在譜段選擇、空間分辨率設(shè)計方面有較強的工程應用指導價值。

[1] 于雪蓮. 復雜背景條件下紅外運動目標的實時探測和跟蹤技術(shù)[D].南京: 南京理工大學, 2004.

Yu Xuelian. Real time detection and tracking of infrared moving targets in complex background[D]. Nanjing: Nanjing University of Science and Technology, 2004

[2] 高珊. 序列圖像運動點目標檢測算法研究[D]. 西安: 電子科技大學, 2008.

Gao Shan. Research on moving point target detection algorithm for serial images [D]. Xi'an: University of Electronic Science and technology of China, 2008

[3] 汪大寶. 復雜背景下的紅外弱小目標檢測與跟蹤技術(shù)研究[D].西安:電子科技大學, 2010.

Wang Dabao. Research on infrared small target detection and tracking under complex background[D]. Xi'an: University of Electronic Science and technology of China, 2010.

[4] 王阿敏, 高穎, 王鳳華, 等. 圖像目標檢測與識別仿真平臺設(shè)計與實現(xiàn)[J]. 微處理機, 2013(4): 41-45.

WANG Amin, GAO Ying, WANG Fenghua, et al. Design and implementation of simulation platform for image target detection and recognition[J]., 2013(4): 41-45.

[5] 李大偉. 復雜背景紅外弱小目標檢測[M]. 哈爾濱: 哈爾濱工業(yè)大學, 2013.

Li Dawei.[M]. Harbin: Harbin Institute of Technology, 2013.

[6] 孫繼剛. 序列圖像紅外小目標檢測與跟蹤算法研究[D]. 長春: 中國科學院大學, 2014.

Sun Jigang. Research on small target detection and tracking algorithm for image sequences[D]. Changchun: Chinese Academy of Sciences, 2014.

[7] Barnett J. Statistical analysis of median subtraction filtering with application to point target detection in infrared background[J]., 1989, 1050: 10-18.

[8] 楊衛(wèi)平, 沈振康. 紅外圖像序列小目標檢測預處理技術(shù)[J]. 紅外與激光工程, 1998, 27(1): 23-28.

Yang Weiping, Shen Zhenkang. Preprocessing technology for small target detection in infrared image sequences[J]., 1998, 27(1): 23-28.

[9] Deshpande S. D., Er M.H., Ronda V., et al. Max-mean and Max-median filters for detection of small target[C]//,;, 1999, 3809: 74-83.

[10] 龍云利, 徐暉, 安瑋, 等. 基于紅外序貫M估計的時空域融合紅外雜波背景抑制[J]. 航空學報, 2011, 32(8): 1531-1541.

Long Yunli, Xu Hui, An Wei, et al. Temporal and spatial domain fusion of infrared clutter background suppression based on infrared sequential M estimation[J]., 2011, 32(8): 1531-1541.

[11] Comaniciu D. An algorithm for data-driven bandwidth selection[J]..., 2003, 25(2): 603-619.

Simulation and Evaluation of Space-BasedInfrared Moving Target Detection System

LU Fuxing1,2,3，LI Yejin1,2，ZHAO Yunfeng1,2，RAO Peng1,2

(1.,,200083,;2.,,200083,;3.,100049,)

In order to evaluate the performance of infrared detection system more effectively and evaluate the imaging quality of the system, based on the detection principle of the moving target sequence image and the modeling and simulation technology, the space-based infrared moving target detection simulation system based on matlab platform was designed and developed, Simulation was carried out. The simulation system uses the infrared detection imaging system image as input, and carries on the gray arithmetic and SNR analysis to the image, which reflects the imaging quality of the infrared detection system, realizes single frame detection and multi-frame correlation detection, output detection rate, false alarm rate and the target trajectory, and can evaluate the detection algorithm. The research of detection band and spatial resolution has strong application value in spectrum selection and spatial resolution design of space-based infrared detection system.

target detection，simulation system，infrared detection，system evaluation

TN21

A

1001-8891(2017)05-0451-06

2016-11-16；

2017-04-20。

陸福星（1991-），男，湖北黃岡，博士研究生，主要從事紅外信息處理技術(shù)研究。E-mail：lfx110@foxmail.com。

裝備預先研究基金項目（30502030101）。