關(guān)于紅外圖像分析以及信息提取的研究

程國(guó)民

摘要：分析了紅外圖像目標(biāo)特征，并提出了基于PCNN的紅外線圖像信息提取方法，結(jié)合人眼視覺特性與紅外線圖像內(nèi)容，明確紅外線圖像信息目標(biāo)，依照確定信息結(jié)果，可在紅外圖像內(nèi)容信息分析與相關(guān)編碼傳輸中得到廣泛應(yīng)用。

關(guān)鍵詞：紅外圖像;信息提取;跟蹤監(jiān)測(cè)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1007-9416（2018）10-0000-00

隨著近些年遠(yuǎn)程武器導(dǎo)彈與彈藥的迅猛發(fā)展，彈目跟蹤逐漸成為武器效能不可缺少的一部分。本研究主要分析與探討紅外圖像與信息提取技術(shù)，以期為目標(biāo)跟蹤監(jiān)測(cè)提供技術(shù)依據(jù)。

1紅外圖像目標(biāo)特征分析

因?yàn)榧t外圖像主要是利用測(cè)量物體進(jìn)行熱量的向外輻射所得到，所以，相比于可見光圖像，其劣勢(shì)在于：較差的分辨率、較低的對(duì)比度、較低的信噪比、模糊的視覺效果、目標(biāo)反射特征和灰度分布不存在線性關(guān)系。

從根本上說(shuō)，外道彈小目標(biāo)跟蹤系統(tǒng)所獲取的紅外圖像，在空間幾何關(guān)系中，其紅外圖像信息能夠直接反映出空間中目標(biāo)的具體位置，目標(biāo)尺寸則會(huì)在圖像像素?cái)?shù)目中反映出來(lái)。因?yàn)榧t外圖像或只能怪目標(biāo)邊緣的概念較為模糊，因此，精準(zhǔn)識(shí)別紅外圖像目標(biāo)邊緣信息與跟蹤精度具有直接相關(guān)性。為對(duì)外彈道目標(biāo)圖像的處理算法進(jìn)行研究，首先應(yīng)該分析彈丸紅外圖像的特點(diǎn)，目標(biāo)跟蹤的紅外圖像原理如圖1所示。

數(shù)據(jù)采集與存儲(chǔ)、成像光學(xué)系統(tǒng)與跟蹤機(jī)構(gòu)、跟蹤處理與控制機(jī)制、圖像處理技術(shù)以及數(shù)據(jù)采集與存儲(chǔ)共同組成目標(biāo)跟蹤紅外圖像系統(tǒng)。自成像信息輸出中能夠看出，紅外目標(biāo)圖像的特征包括三點(diǎn)：①紅外圖像背景內(nèi)存在噪音，且噪音并非如多數(shù)研究文獻(xiàn)中所提及的理想狀況，尤其是在測(cè)量動(dòng)態(tài)且復(fù)雜的環(huán)境中，會(huì)以隨機(jī)的方式產(chǎn)生噪音[1];②紅外背景圖像本身具有起伏變化的特征，這和背景光的強(qiáng)度存在直接相關(guān)性;③紅外圖像目標(biāo)邊緣的形狀為曲線，且并非特別明顯，具有不對(duì)稱性，必須通過(guò)算法才能搜尋到。

2紅外圖像的信息提取分析

為了盡可能的確保人眼關(guān)注的圖像視覺信息，怎樣在圖像內(nèi)應(yīng)用視覺顯著計(jì)算是現(xiàn)階段圖像處理的關(guān)鍵內(nèi)容。首先，研究視覺顯著計(jì)算大多在圖像顯著區(qū)域計(jì)算方面集中，提取圖像目標(biāo)則是顯著計(jì)算未來(lái)的主要發(fā)展方向。其次，現(xiàn)階段顯著圖計(jì)算大多選擇winner-take-all方法，并未考慮到圖像類別差異與圖像感知差異。相關(guān)神經(jīng)計(jì)算學(xué)研究發(fā)現(xiàn)，相同類型的圖像視覺特征較為類似，依照?qǐng)D像類別能夠?qū)σ曈X顯著區(qū)信息提取方法予以確定。所以，該部分主要分析紅外圖像的信息提取方法。

2.1紅外圖像顯著區(qū)域的信息提取分析

為獲取各類型紅外圖像的特征通道加權(quán)權(quán)值，采用Groud-Truth集中紅外圖像與對(duì)應(yīng)顯著圖，選擇KNN分類算法劃分?jǐn)?shù)據(jù)集為L(zhǎng)個(gè)不同的圖像類別，確保：

以上公式中，n表示特征通道數(shù)，s則表示圖像類別P內(nèi)部的圖像數(shù)量，而g則表示數(shù)據(jù)集內(nèi)部圖像對(duì)應(yīng)的顯著圖。將新圖像數(shù)據(jù)I輸入進(jìn)去，選擇距離分類法對(duì)新圖像到數(shù)據(jù)集中圖像間的距離計(jì)算出來(lái)，得出：

只是利用視覺顯著區(qū)域分布圖并不能夠明確視覺顯著區(qū)域的大小與中心點(diǎn)，所以，選擇正則矩方法對(duì)視覺顯著區(qū)域的大小與中心點(diǎn)進(jìn)行計(jì)算，如以下公式所示：

以上公式中，M、N分別表示視覺顯著區(qū)域信息分布圖的掉，而對(duì)應(yīng)像素x，y內(nèi)部視覺顯著值函數(shù)則采用s（x，y）表示。

紅外圖像類別對(duì)特征通道顯著圖合并策略與特征通道選擇策略具有決定性影響，對(duì)于紅外圖像數(shù)據(jù)集主要選擇學(xué)習(xí)分類算法，通過(guò)分類加權(quán)結(jié)果對(duì)視覺顯著區(qū)域信息提取過(guò)程具有指導(dǎo)作用。

通過(guò)圖1可以看出，（a）圖是源圖像，（b）圖是通過(guò)Itti視覺注意模型所獲得的視覺顯著區(qū)域，而（c）圖則是依照?qǐng)D像種類本身所具有的優(yōu)化特征通道加權(quán)系數(shù)之后所獲得的某個(gè)視覺顯著區(qū)域，（d）圖是5名測(cè)試人員通過(guò)SMI iView XRED動(dòng)態(tài)儀所記錄的某個(gè)視覺顯著區(qū)域[2]。由此可以看出，測(cè)試結(jié)果可以依照源圖像類別對(duì)顯著區(qū)域的信息范圍進(jìn)行精準(zhǔn)判斷與提取，與原有方法相比，其信息提取性能得到顯著提升。

2.2紅外圖像顯著信息目標(biāo)的分割

因?yàn)榧t外圖像本身所具有的固有特性，圖像信息分割問(wèn)題與普通圖像目標(biāo)分割存在一定差異性，而PCNN目標(biāo)分割法可以讓輸入相似的神經(jīng)元脈沖同時(shí)產(chǎn)生，可以有效彌補(bǔ)數(shù)據(jù)輸入的空間不連貫問(wèn)題，同時(shí)還可彌補(bǔ)幅度層面的微小變化，由此就能夠?qū)D像區(qū)域信息完整、全面的保存下來(lái)，而且還可有效處理待分割圖像目標(biāo)與重疊背景灰度的情況，無(wú)訓(xùn)練。所以，與PCNN方法相結(jié)合有助于分割紅外圖像的目標(biāo)信息。

在分割紅外圖像目標(biāo)信息方面，二維圖像矩陣其實(shí)就是PCNN神經(jīng)元模型數(shù)量，每個(gè)像素灰度值均與神經(jīng)元輸入Sij相對(duì)應(yīng)，在神經(jīng)元ij點(diǎn)火的情況下，其閾值就會(huì)增大，并隨著時(shí)間指數(shù)的上升而衰減，在閾值減小到等于或小于相應(yīng)Uij時(shí)，其神經(jīng)元就會(huì)出現(xiàn)二次點(diǎn)火的情況，由此再次增加其閾值。在此過(guò)程中，神經(jīng)元輸出則會(huì)產(chǎn)生脈沖序列信號(hào)，若存在神經(jīng)元集群與點(diǎn)火閾值相接近，那么任一神經(jīng)元點(diǎn)火均會(huì)引導(dǎo)集群集體點(diǎn)火。

3結(jié)語(yǔ)

紅外圖像探測(cè)技術(shù)基于其全天候探測(cè)與被動(dòng)式探測(cè)等優(yōu)勢(shì)，在當(dāng)前高科技戰(zhàn)爭(zhēng)中逐漸發(fā)揮著非常重要的作用，再加上紅外成像本身存在抗干擾性強(qiáng)、被動(dòng)工作、全天候工作以及目標(biāo)識(shí)別能力強(qiáng)等特征，該研究分析了紅外圖像目標(biāo)特征，并提出了基于PCNN的紅外線圖像信息提取方法，結(jié)合人眼視覺特性與紅外線圖像內(nèi)容，明確紅外線圖像信息目標(biāo)，依照確定信息結(jié)果，可在紅外圖像內(nèi)容信息分析與相關(guān)編碼傳輸中得到廣泛應(yīng)用，對(duì)外彈道目標(biāo)跟蹤極具重要意義。

參考文獻(xiàn)

[1]鐘明亮.紅外顯微圖像的信息提取技術(shù)研究[D].哈爾濱工程大學(xué)，2014.

[2]郭重華.近紅外顯微圖像信息提取方法研究及應(yīng)用[D].中國(guó)農(nóng)業(yè)大學(xué)，2006.

Research on Infrared image Analysis and Information Extraction

CHENG？Guo-min

（91245？troop Huludao Liaoning？ 125000）

Abstract： This paper analyses the target characteristics of infrared image， and puts forward an infrared image information extraction method based on PCNN. Combining human visual characteristics and infrared image content， the infrared image information target is defined. According to the determined information result， it can be widely used in infrared image content information analysis and related coding transmission.

Key words： infrared image; information extraction; tracking and monitoring