基于三維塊匹配與改進(jìn)Top-hat的紅外圖像目標(biāo)檢測(cè)方法

馬 烜，鄒金慧

(1.昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院，云南 昆明 650500；2.云南省礦物管道輸送工程技術(shù)研究中心，云南 昆明 650500)

0 引言

紅外熱成像無損檢測(cè)技術(shù)是一種新的無損檢測(cè)技術(shù)。它具有快速、檢測(cè)效率高、大范圍、直觀、全天候及可遠(yuǎn)距離非接觸檢測(cè)等優(yōu)點(diǎn)。其檢測(cè)原理為：對(duì)被測(cè)物進(jìn)行加熱，同時(shí)使用熱像儀記錄被測(cè)物體的溫度場(chǎng)，由于被測(cè)物體中有缺陷部分與無缺陷部分的導(dǎo)熱性不同，將產(chǎn)生熱流的不均勻，從而造成被測(cè)物體中有缺陷和無缺陷部分各自對(duì)應(yīng)的溫度不同，從而可以判定是否存在缺陷[1]。

紅外熱成像無損檢測(cè)系統(tǒng)易受干擾，獲取的紅外圖像普遍存在噪聲大、對(duì)比度低、非均勻背景干擾的問題。因此，增強(qiáng)紅外圖像對(duì)比度，突出圖像中的目標(biāo)信息就成為了紅外無損檢測(cè)技術(shù)中的重要研究?jī)?nèi)容[2-4]。學(xué)者們提出了許多圖像增強(qiáng)方法，主要有濾波器、數(shù)學(xué)形態(tài)學(xué)[5]、小波變換[6]處理等方法。這些方法雖然取得了一定的效果，但是對(duì)于復(fù)雜背景干擾下處理效果不理想。針對(duì)在復(fù)雜背景干擾下難以精確檢測(cè)出紅外目標(biāo)的問題，本文提出了基于三維塊匹配與改進(jìn)Top-hat的紅外圖像目標(biāo)檢測(cè)方法。

1 BM3D和改進(jìn)Top-hat變換

1.1 三維塊匹配

設(shè)原始含噪圖像為：

z:X→R,z(x)=y(x)+η(x)

(1)

式(1)中，x∈X是坐標(biāo)點(diǎn)，y表示去噪圖像，η表示高斯噪聲。BM3D算法可分為基礎(chǔ)估計(jì)部分和最終估計(jì)部分[7-9]。

BM3D算法第一步為基礎(chǔ)估計(jì)部分。首先選定參考?jí)K，并以此參考?jí)K為中心在一定區(qū)域內(nèi)搜索此參考?jí)K的相似塊，塊之間相似度的大小為：

(2)

(3)

將所有處理完的圖像塊進(jìn)行像素點(diǎn)的加權(quán)平均，從而重構(gòu)出基礎(chǔ)估計(jì)圖像。

(4)

基礎(chǔ)估計(jì)已經(jīng)完成，接著對(duì)初步去噪圖像進(jìn)行最終去噪，重復(fù)進(jìn)行上述步驟，與基礎(chǔ)估計(jì)不同的是將硬閾值濾波替換為維納濾波，維納濾波的收縮系數(shù)為：

(5)

經(jīng)過最終估計(jì)之后得到最終的去噪圖像。

圖1 BM3D去噪原理圖Fig.1 BM3D denoising schematic

1.2 改進(jìn)Top-hat變換

傳統(tǒng)Top-hat變換只使用單一的結(jié)構(gòu)元素，雖然能夠抑制大部分背景，但在復(fù)雜背景下仍會(huì)殘留少量噪聲和雜波干擾，也會(huì)腐蝕目標(biāo)區(qū)域的邊緣信息，這對(duì)于后續(xù)的目標(biāo)檢測(cè)非常不利[10-14]。因此，提出改進(jìn)Top-hat變換利用多尺度結(jié)構(gòu)元素來估計(jì)背景圖像。

其中，圓形結(jié)構(gòu)元素是常用結(jié)構(gòu)元素之一，如圖3所示，ΔS為一個(gè)平面圓環(huán)形的結(jié)構(gòu)元素，ΔS=So-Si，So為外層的平面圓形結(jié)構(gòu)元素，Si為與So同心的內(nèi)層結(jié)構(gòu)元素。Sb和So為大小相等的平面圓形結(jié)構(gòu)元素。

圖2 結(jié)構(gòu)元素Fig.2 Structural element

設(shè)n個(gè)尺度的結(jié)構(gòu)元素被使用，結(jié)構(gòu)元素在每個(gè)尺度i(1≤i≤n)上的大小尺寸逐漸改變，如式(6)和式(7)所示。

Soi=So+i×nB

(6)

Sbi=Sb+i×nB

(7)

式中，nB為結(jié)構(gòu)元素尺寸大小增長(zhǎng)的步長(zhǎng)。

改進(jìn)的Top-hat變換利用兩個(gè)具有相同形狀的圓形結(jié)構(gòu)元素Sb和So，ΔS=So-Si?；赟b和ΔS，提出了新的開閉算子，其定義如下：

f·Soi=(f⊕ΔS)ΘSb

(8)

f·Soi=(fΘΔS)⊕Sb

(9)

白帽和黑帽運(yùn)算可定義為：

NWTH(x,y)=f(x,y)-f·Soi

(10)

NBTH(x,y)=f·Soi-f(x,y)

(11)

對(duì)于開閉運(yùn)算f·Soi和f·Soi來講，如果所處理的區(qū)域不是目標(biāo)區(qū)域，這樣就可能導(dǎo)致在運(yùn)算操作中會(huì)產(chǎn)生負(fù)的灰度值。因此，NWTH和NBTH可修改定義為如下的形式：

NWTH(x,y)=max((f(x,y)-f(x,y)·Soi),0)=
f(x,y)-min(f(x,y)·Soi,f(x,y))

(12)

NBTH(x,y)=max((f(x,y)·Soi)-f(x,y),0)=
max(f(x,y)·Soi,f(x,y))-f(x,y)

(13)

從定義中可以看出，改進(jìn)的Top-hat變換相比于經(jīng)典Top-hat變換在膨脹和腐蝕運(yùn)算上順序相反，并且采用結(jié)構(gòu)元素ΔS和Sb，充分地利用了結(jié)構(gòu)元素的邊界信息，更好地凸顯了目標(biāo)區(qū)域信息。

2 基于三維塊匹配與改進(jìn)Top-hat的紅外圖像目標(biāo)檢測(cè)方法流程

主動(dòng)式紅外無損檢測(cè)中的紅外圖像存在非均勻背景干擾、噪聲大、邊緣模糊、局部對(duì)比度差的共性問題，且存在的噪聲主要為高斯噪聲，集中在頻域中高頻部分?，F(xiàn)有圖像增強(qiáng)方法在去噪同時(shí)對(duì)于圖像邊緣信息損失較大、頻域中高頻部分噪聲難以去除，且經(jīng)典Top-hat算法主要存在結(jié)構(gòu)元素選取單一、對(duì)于復(fù)雜背景圖像目標(biāo)檢測(cè)精度低等缺陷。鑒于此，本文提出了基于三維塊匹配與改進(jìn)Top-hat的紅外圖像目標(biāo)檢測(cè)方法，該方法首先采用三維塊匹配算法對(duì)紅外圖像進(jìn)行濾波，在濾波的同時(shí)能更好地保留圖像的邊緣信息；其次構(gòu)建改進(jìn)Top-hat算子，利用不同大小、不同形狀的結(jié)構(gòu)元素對(duì)濾波后圖像進(jìn)行背景估計(jì)，得到校正后圖像。最后對(duì)校正后圖像進(jìn)行閾值分割，得到目標(biāo)圖像。流程如下：

1) 將采集過來的紅外圖像，利用BM3D算法進(jìn)行去噪，提高圖像的對(duì)比度。

2) 對(duì)去噪后圖像利用改進(jìn)Top-hat算法消除圖像的非均勻背景干擾，得到校正后圖像。

3) 將校正后圖像進(jìn)行閾值分割，得到目標(biāo)圖像。

圖3 紅外圖像目標(biāo)檢測(cè)方法流程圖Fig.3 Flow chart of infrared image target detection method

3 實(shí)驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)概述

本實(shí)驗(yàn)采用實(shí)驗(yàn)室自主研發(fā)的電渦流加熱無損檢測(cè)裝置對(duì)試件進(jìn)行檢測(cè)研究。檢測(cè)系統(tǒng)中主要包括熱像儀、電渦流加熱裝置、上位機(jī)和其他裝置。紅外熱像儀型號(hào)為HT18，其光譜響應(yīng)范圍為8～14，熱靈敏度為0.07 ℃，測(cè)試測(cè)量精度±2%或±2 ℃。脈沖激勵(lì)裝置為實(shí)驗(yàn)室自主研發(fā)的電渦流加熱裝置。檢測(cè)時(shí)，電渦流加熱裝置與熱像儀置于被測(cè)物體上方，如圖4所示。

圖4 紅外圖像目標(biāo)檢測(cè)方法示意圖Fig.4 Schematic diagram of infrared image target detectionmethod

試件為一塊鐵制部件，鐵制部件內(nèi)部含有不同方向的缺陷，使用檢測(cè)系統(tǒng)進(jìn)行檢測(cè)，從4種不同缺陷的紅外圖像序列中各選取一幀進(jìn)行分析。本實(shí)驗(yàn)選取尺度數(shù)為n=9，So=Sb=10，ΔS=2。

3.2 結(jié)果處理分析

對(duì)實(shí)驗(yàn)中獲取的紅外圖像采用本文提出的方法進(jìn)行目標(biāo)識(shí)別，并將處理結(jié)果與經(jīng)典Top-hat算法處理結(jié)果進(jìn)行對(duì)比，如圖5所示。

圖5(a)為實(shí)驗(yàn)采集的原始圖像；圖5(b)為原始圖像的三維灰度分布圖； 圖5(c)為經(jīng)典Top-hat算法對(duì)原始圖像進(jìn)行目標(biāo)識(shí)別的對(duì)應(yīng)實(shí)驗(yàn)結(jié)果圖；圖5(d)為經(jīng)典Top-hat算法三維灰度分布結(jié)果圖；圖5(e)為本文算法對(duì)原始圖像進(jìn)行目標(biāo)識(shí)別的對(duì)應(yīng)實(shí)驗(yàn)結(jié)果圖；圖5(f)為本文算法三維灰度分布結(jié)果圖。通過本文方法與經(jīng)典Top-hat算法的實(shí)驗(yàn)結(jié)果

圖對(duì)比可以看出，經(jīng)典Top-hat算法在分割紅外圖像目標(biāo)時(shí)雖然分割出了目標(biāo)信息，但圖中分離出的目標(biāo)均含有不同程度的虛警信息，且部分出現(xiàn)目標(biāo)斷裂，使得目標(biāo)信息失真，難以準(zhǔn)確識(shí)別圖像中的目標(biāo)區(qū)域，對(duì)于后續(xù)的特征提取、目標(biāo)跟蹤、識(shí)別等處理會(huì)造成很大的影響。而本文提出的算法能夠更精確地檢測(cè)出紅外圖像目標(biāo)信息。從圖5(e)中可以看出，本文提出的方法準(zhǔn)確地分割出了紅外圖像的目標(biāo)信息，沒有虛警信息。其主要原因?yàn)楸疚姆椒ㄔ趫D像去噪的同時(shí)較好地保存了圖像邊緣和細(xì)節(jié)上的信息，且改進(jìn)Top-hat算法利用不同大小、不同形狀的結(jié)構(gòu)元素更好地抑制了背景干擾，使得后期紅外圖像分割更加準(zhǔn)確。

圖5 方法對(duì)比結(jié)果圖Fig.5 Method comparison result diagram

為了更好地驗(yàn)證本文提出算法的有效性，本文采用背景抑制因子BSF、均方誤差MSE和峰值信噪比PSNR來評(píng)價(jià)本文算法的有效性，實(shí)驗(yàn)結(jié)果如表1。

峰值信噪比定義如下：

(14)

式(14)中，Yij和Xij分別表示去噪后圖像和原始圖像，m、n分別表示圖像的行列。

PSNR值越大，表明對(duì)于圖像的去噪能力越強(qiáng)。

均方誤差定義如下：

(15)

式(15)中，Yij和Xij分別表示去噪后圖像和原始圖像，m、n分別表示圖像的行列。

表1 不同算法性能比較Tab.1 Comparison of performance of different algorithms

MSE值越大，表明圖像失真越嚴(yán)重。

背景抑制因子定義如下：

(16)

式(16)中，σout和σin分別為去噪后圖像均方差和原始圖像均方差。

BSF值越大，表明圖像背景抑制效果越好。

由表1結(jié)果可知，本文提出算法得到的圖像在均方誤差MSE值上有顯著下降，并且在峰值信噪比PSNR和背景抑制因子BSF值上有所提高，說明該算法在增強(qiáng)對(duì)比度和非均勻加熱背景抑制方面均好于經(jīng)典Top-Hat算法。

4 結(jié)論

本文提出了基于三維塊匹配與改進(jìn)Top-hat的紅外圖像目標(biāo)檢測(cè)方法，三維塊匹配算法在濾波同時(shí)可以更好地保護(hù)圖像邊緣信息；改進(jìn)Top-hat變換利用不同大小、不同形狀的結(jié)構(gòu)元素更好地解決了主動(dòng)式紅外圖像中存在的非均勻加熱背景干擾的共性問題，從而使得后期圖像的分割更加準(zhǔn)確。仿真實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠有效地增強(qiáng)紅外圖像對(duì)比度、抑制噪聲干擾、減弱非均勻加熱背景的影響，從而突出紅外圖像目標(biāo)信息，使得復(fù)雜背景干擾下紅外圖像目標(biāo)檢測(cè)更加準(zhǔn)確。為后續(xù)的特征提取、目標(biāo)跟蹤、識(shí)別等處理奠定了基礎(chǔ)，具有較廣泛的應(yīng)用價(jià)值。