多波段紅外目標(biāo)的空譜關(guān)聯(lián)檢測算法①

南京宏，張義超，李重遠(yuǎn)，解永鋒，陳 益

(北京宇航系統(tǒng)工程研究所，北京 100076)

0 引言

空中目標(biāo)監(jiān)視任務(wù)日益嚴(yán)峻，呈現(xiàn)出目標(biāo)多元、特性復(fù)雜、廣域分布等特點(diǎn)。紅外傳感器[1]具有功耗低、重量輕、隱蔽性強(qiáng)等優(yōu)勢，廣泛用于民用和軍事領(lǐng)域。由于高速信號處理芯片、數(shù)字圖像處理等技術(shù)的不斷發(fā)展，紅外圖像目標(biāo)檢測得到不斷拓展和充實(shí)完善，形成了大量理論體系[2]。按照紅外傳感器與目標(biāo)的不同距離階段劃分，紅外目標(biāo)檢測算法包括弱小目標(biāo)檢測算法和面目標(biāo)檢測算法。在弱小目標(biāo)檢測階段，目標(biāo)與紅外傳感器距離遠(yuǎn)，由于大氣衰減、光學(xué)散射等因素，目標(biāo)成像面積小，通常只占幾個像素而不具有形狀、紋理和結(jié)構(gòu)信息，且易受背景噪聲干擾，具有一定檢測難度。

國內(nèi)外學(xué)者設(shè)計了眾多的紅外目標(biāo)檢測方法，傳統(tǒng)的單幀圖像檢測方法包括最大均值濾波[3]、Tophat濾波[4，5]和小波變換[6]等，但是上述方法在目標(biāo)信噪比較低時的虛警率高。為了同時實(shí)現(xiàn)低虛警率和高檢測率，利用基于多顯著圖融合的方法[7，8]和基于稀疏表示的方法[9]實(shí)現(xiàn)低信噪比紅外目標(biāo)檢測，但是上述方法由于迭代計算導(dǎo)致實(shí)時性差。

近年來出現(xiàn)了基于人類視覺系統(tǒng)(HVS)的紅外弱小目標(biāo)檢測方法[10-13]，該系列方法通過定義和計算目標(biāo)與周圍背景的局部對比度實(shí)現(xiàn)背景抑制和目標(biāo)增強(qiáng)，從而有效提取目標(biāo)。然而，上述方法僅采用單一波段的紅外圖像完成目標(biāo)檢測，而超遠(yuǎn)距離的空中目標(biāo)成像能量微弱、信噪比低，仍存在檢測率低、虛警率高的問題。針對上述問題，本文研究多波段紅外目標(biāo)的空譜關(guān)聯(lián)檢測算法。

1 基于空譜關(guān)聯(lián)的多波段紅外目標(biāo)檢測算法

本文以多波段紅外視頻為輸入信息，針對目標(biāo)遠(yuǎn)距離成像能量微弱、信噪比低的問題，提出了空譜關(guān)聯(lián)的目標(biāo)檢測算法，總體算法流程如圖1所示，包括局部對比度提升的多尺度目標(biāo)空域檢測、多波段紅外圖像的潛在目標(biāo)光譜鑒別兩部分。

圖1 基于空譜關(guān)聯(lián)的目標(biāo)檢測總體算法流程

1.1 局部對比度提升的多尺度目標(biāo)空域檢測

1.1.1 多波段紅外圖像預(yù)處理

傳統(tǒng)的圖像預(yù)處理方法包括中值濾波和均值濾波。然而，針對遠(yuǎn)距離目標(biāo)探測的目標(biāo)信噪比低、點(diǎn)源分布特點(diǎn)，上述預(yù)處理方法存在噪聲和目標(biāo)同時濾除的問題。由于目標(biāo)中心點(diǎn)對其八鄰域存在一定的紅外輻射影響，而噪聲中心點(diǎn)孤立存在，所以噪聲八鄰域的灰度值都很小。利用目標(biāo)鄰域與噪聲鄰域的差異性，本文設(shè)計目標(biāo)保護(hù)的高效去噪方法：

(1)

其中，dcen表示中心像素灰度值與其八鄰域像素灰度值差值的絕對值之和，Icen表示中心像素灰度值，Ii表示鄰域像素i的灰度值。

(2)

式(2)中，設(shè)定閾值Thd，I(x,y)為圖像位置(x,y)處的灰度值，mediumfilter(·)表示3×3中值濾波。在圖像預(yù)處理過程中，計算每一個像素點(diǎn)的dcen，并與Thd進(jìn)行比較，如果大于該閾值，則認(rèn)為是潛在的噪聲點(diǎn)，并采用3×3中值濾波進(jìn)行去噪，否則保留原始灰度值。

1.1.2 多尺度塊局部對比度計算

在完成圖像預(yù)處理后，圖像存在目標(biāo)及少量背景噪聲。本文采用一種多尺度塊局部對比度測量方法，進(jìn)行目標(biāo)增強(qiáng)和背景抑制，提升目標(biāo)信噪比。針對紅外目標(biāo)局部對比度高于背景局部對比度的特點(diǎn)進(jìn)行算法設(shè)計。由于目標(biāo)面積不超過3×3像素，所以給定尺度s×s(s=2,3)，則中心塊區(qū)域設(shè)為T，其八鄰域?yàn)锽1～B8，結(jié)構(gòu)圖如圖2所示。

圖2 圖像塊八連通域結(jié)構(gòu)圖

定義目標(biāo)T與背景Bi的不相似度為：

(3)

其中：

d(T,Bi)=mT-mBi(i=1,2,…,8)

(4)

mT和mBi分別為中心塊區(qū)域及其背景區(qū)域的灰度均值，計算塊局部對比度：

dn=d(T,Bi)×d(T,Bi+4)

(5)

由于dn包含四個值，選擇最小值dmin作為當(dāng)前中心塊的局部對比度值。采用圖像滑窗的方式計算多尺度s×s(s=2,3)的局部對比度。以多尺度最大響應(yīng)值代替原始區(qū)域像素值并構(gòu)建對比度響應(yīng)圖，即可實(shí)現(xiàn)紅外目標(biāo)增強(qiáng)與背景抑制。依據(jù)公式(6)對對比度圖進(jìn)行閾值分割和目標(biāo)提取。圖像局部對比度圖的均值為μ，方差為σ，則定義二值化全局閾值T：

T=μ+kσ

(6)

其中，k是可調(diào)節(jié)參數(shù)。在完成圖像閾值分割后，統(tǒng)計二值化圖像中的連通體作為目標(biāo)候選區(qū)域，并提取質(zhì)心位置，得到單幀空間域潛在目標(biāo)位置結(jié)果，如圖3所示。

(a)短波圖像 (b)中波圖像 (c)長波圖像

由圖3可知，在同一探測場景不同波段圖像中，潛在目標(biāo)檢測結(jié)果存在差異。圖中圓圈標(biāo)記了三個波段均檢測到的潛在目標(biāo)。所以需要實(shí)現(xiàn)多波段紅外圖像的目標(biāo)光譜鑒別。

1.2 多波段紅外圖像的潛在目標(biāo)光譜鑒別

1.2.1 潛在目標(biāo)及背景光譜提取

根據(jù)多波段紅外圖像的潛在目標(biāo)檢測結(jié)果，得到數(shù)據(jù)Y=[Y1,Y2,Y3]T=[y1,y2,…yN]，其中，Yk為第k(k[1,3]個波段圖像灰度值，yi為第i(i[1,N])個潛在目標(biāo)像元的質(zhì)心位置，N為潛在目標(biāo)像元總數(shù)。為了實(shí)現(xiàn)多波段紅外圖像的潛在目標(biāo)光譜鑒別，首先需要采集潛在目標(biāo)光譜和背景光譜，為分析光譜特征的差異性奠定基礎(chǔ)，如圖4所示。

圖4 多波段紅外圖像的潛在目標(biāo)及背景光譜提取結(jié)果

分析圖4可知，背景光譜整體平滑且灰度值較低，而潛在目標(biāo)光譜中部分波段的灰度值較高。然而，部分潛在目標(biāo)受到噪聲的影響需要剔除。所以利用光譜信息保留有效目標(biāo)。

1.2.2 多波段圖像RX異常檢測

為了描述目標(biāo)光譜與背景光譜的差異性，采用RX異常檢測方法，設(shè)F0表示異常不存在，F(xiàn)1表示異常存在，則二元假設(shè)可表示為：

F0∶y=On

F1∶y=st+On

(7)

式中，On表示背景噪聲向量，si表示異常像元(目標(biāo))的光譜向量。假設(shè)待檢驗(yàn)的光譜向量yi來源于兩個具有相同協(xié)方差矩陣Cb與不同均值的高斯分布。在假設(shè)F0下，yi(背景)服從高斯分布N(0,Cb)；在另一假設(shè)F1下，yi(目標(biāo))服從高斯分布N(st,Cb)，則針對潛在目標(biāo)光譜集合中的像元yi，RX方法的光譜檢測結(jié)果可表示為：

(8)

(9)

(10)

設(shè)閾值為η=mean(RX)，如果RX(yi)≥η，則像元yi為空譜檢測的目標(biāo)結(jié)果。

2 結(jié)果分析

首先分析目標(biāo)檢測性能評價指標(biāo)，并對算法進(jìn)行定量分析和定性分析。

2.1 性能評價指標(biāo)

本文采用平均檢測準(zhǔn)確率(TPR)和平均虛警率(FAR)兩個指標(biāo)進(jìn)行定量分析：

(11)

(12)

式中，Dn表示實(shí)際檢測到的目標(biāo)數(shù)量，Rn表示真實(shí)存在的目標(biāo)數(shù)量，F(xiàn)p表示誤檢測的像素總數(shù)，Tp表示圖像全部像素數(shù)。

2.2 算法定量分析

本文提出的多波段紅外目標(biāo)的空譜關(guān)聯(lián)檢測算法包括空間域候選目標(biāo)檢測和光譜域目標(biāo)精確鑒別兩部分內(nèi)容，實(shí)現(xiàn)“空間域快速提取+光譜域精確鑒別”的空譜關(guān)聯(lián)檢測。本文采用3類背景、2類光照條件共計6種典型場景，每個場景中包含180幀多波段圖像(短波紅外、中波紅外、長波紅外)，每幀圖像中包含3個目標(biāo)和一定的背景噪聲，分階段驗(yàn)證本文算法的性能。

2.2.1 單波段圖像的空間域目標(biāo)檢測結(jié)果分析

本文提出的空間域目標(biāo)快速提取算法模塊包含多波段紅外圖像預(yù)處理和多尺度塊局部對比度計算兩部分內(nèi)容。基于6種典型場景的中波紅外圖像，將本文算法與三種通用的單幀圖像目標(biāo)檢測算法LCM[11]、MPCM[12]和HB-MLCM[13]進(jìn)行性能對比，結(jié)果如表1所示。

表1 本文空間域檢測方法與其它算法的性能對比結(jié)果

由表1可知，基于6種典型場景的中波紅外圖像，本文空間域檢測方法的平均TPR為90.73%，平均FAR為1.11×10-6，均優(yōu)于其它三種對比的方法。結(jié)果表明本文采用的“圖像空間域預(yù)處理+多尺度塊局部對比度計算”可以有效剔除噪聲，提高檢測率并降低虛警率。

2.2.2 多波段圖像的光譜域目標(biāo)檢測結(jié)果分析

在單波段圖像空間域目標(biāo)檢測結(jié)果分析的基礎(chǔ)上，對比單波段目標(biāo)檢測與多波段空譜關(guān)聯(lián)檢測的結(jié)果，如表2所示。

表2 單波段目標(biāo)檢測與多波段空譜關(guān)聯(lián)檢測結(jié)果對比

由表2可知，多波段空譜關(guān)聯(lián)檢測的準(zhǔn)確率和虛警率均優(yōu)于單一波段。其中，多波段檢測的平均TPR為98.35%，性能優(yōu)于短波約6%、優(yōu)于中波約8%、優(yōu)于長波約10%；而多波段檢測的虛警率比任意單一波段降低了約30%。所以，多波段空譜關(guān)聯(lián)檢測結(jié)果優(yōu)于任意單一波段的空域檢測結(jié)果，驗(yàn)證了“空譜關(guān)聯(lián)檢測”的有效性。

2.3 算法定性分析

本文定性分析算法結(jié)果，場景中包含180幀多波段圖像，每幀圖像包含3個目標(biāo)和一定的背景噪聲。為了方便展示，將目標(biāo)檢測結(jié)果用紅色矩形框標(biāo)記在中波輸入圖像。多波段紅外目標(biāo)檢測結(jié)果如圖5所示。在第135幀至第160幀圖像(以5幀為間隔)中，均準(zhǔn)確檢測到目標(biāo)1、目標(biāo)2和目標(biāo)3，在第155幀存在兩個虛警，在第135、140、145、150、160幀不存在虛警。

本文提出的多波段紅外目標(biāo)空譜關(guān)聯(lián)檢測算法適用于不同背景和不同光照條件，在保持較低虛警率的前提下，可以有效檢測目標(biāo)。

圖5 多波段紅外目標(biāo)檢測結(jié)果

3 結(jié)論

針對遠(yuǎn)距離多波段空中目標(biāo)探測，本文提出了基于空譜關(guān)聯(lián)的多波段紅外目標(biāo)檢測算法，基于局部對比度提升的多尺度目標(biāo)檢測實(shí)現(xiàn)潛在目標(biāo)提取，并利用多波段紅外圖像的潛在目標(biāo)光譜鑒別實(shí)現(xiàn)虛警剔除。利用多波段(短波1 μm～3 μm、中波3 μm～5 μm、長波8 μm～10 μm)紅外圖像數(shù)據(jù)，在不同背景、不同光照條件的場景下驗(yàn)證了空譜關(guān)聯(lián)目標(biāo)檢測算法性能。實(shí)驗(yàn)結(jié)果表明：多波段空譜關(guān)聯(lián)檢測結(jié)果優(yōu)于任意單一波段的檢測結(jié)果，目標(biāo)檢測準(zhǔn)確率達(dá)到98.35%，而虛警率僅為7.5×10-7。