CN102254186B - 一种采用局部结构相似度差异的红外目标探测方法 - Google Patents

Abstract

本发明公开了一种采用局部结构相似度差异的红外目标探测方法，包括如下步骤：（1）逐个像素求取结构相似度差异值，由此运算得到局部结构相似度差异图；（2）利用自适应阈值分割局部结构相似度差异值，实现探测目标的目的。本发明方法结合目标的亮度，对比度和结构特性，其探测效果符合要求，只要输入待探测的目标图像，即可得到目标所在的真实位置图。其可运用于军事目标与民用目标探测，识别等等方面，应用范围较广。

Description

一种采用局部结构相似度差异的红外目标探测方法

技术领域

本发明涉及光学图像处理技术，尤其涉及一种采用局部相似度差异的红外目标探测方法。

背景技术

目标检测技术已经广泛应用于民用及军事领域。常见的如基于可见光摄像头、微光摄像头、红外热像仪、雷达、激光探测器、超声波探测器的各种交通导航、助航、防灾施救、军事侦察、预警、制导、导航等设备。

基于数字图像的目标检测的目的是从序列图像中将目标从背景图像中提取出来。目标区域的有效分割对于目标分类、跟踪和行为理解等后期处理非常重要，因为以后的处理过程仅仅考虑图像中对应于目标区域的像素。然而，由于背景图像的动态变化，如天气、光照、阴影等因素的影响，使得目标检测成为一项相当困难的工作。利用图像捕捉并分析感兴趣的运动目标在许多领域有广泛的应用，在军事上用于对空检测中的多目标跟踪、机载或弹载前视红外图像中的目标检测等方面，在运输上用于交通管理与场景监视、运输工具或行人的违章行为监督等方面，在医学上用于生物组织运动分析方面等等。在场景监控等安全防范领域，运动目标检测与分析技术尤其得到了广泛应用。基于自动检测的视频监控系统，与原来完全依靠人眼来进行监控的系统相比，大大减轻了监控人员的工作强度，减少了漏报问题。这些系统在工业生产部门、交通控制系统、金融和社区的安全防范系统中得到了广泛的应用。

随着红外成像器件的发展，红外图像越来越多地被应用于目标检测、识别等各个领域。红外图像目标检测属于复杂背景下的目标检测，这是相对于简单背景而言的。简单背景一般指人工背景，如纸张、墙壁、黑板等。特点是背景单一、均匀，其典型应用有工件的识别，文字识别。复杂背景一般指自然背景，如天空、海洋、地面等各种环境。另外，红外图像具有较大的随机噪声和非均匀性干扰，这也是在进行目标检测与分析时必须克服的困难。红外热成像技术因其依靠热成像的原理，使其在雨、雾等恶劣气候条件下具备全天候超视距的能力，目前已成为各国军方和民间研究机构的研究热点。尤其在军事方面，红外成像技术是国家依赖的主要探测技术手段之一，红外成像技术是现代高技术局部战争使用的主要技术之一。大量使用弹道导弹和远程巡航导弹突击战略目标，是现代高技术局部战争的特点之一。现代战争中，弹道导弹和远程巡航导弹都已作为有效突击和反击武器得到大量使用。用导弹预警卫星对其早期预警、检测、跟踪、识别，及时进行预警和实施拦截，直接关系到国家战略目标的安全；侦察卫星、地球资源遥感卫星、气象卫星对国家安全和经济利益有重大影响；而红外成像技术是上述卫星的关键技术。

根据红外成像特性可知，运用红外图像进行目标探测的技术，是提升目标探测能力的根本途径之一。 

发明内容

本发明针对现有技术的不足，提出一种采用局部结构相似度差异的红外目标探测方法LDSSIM（local different of structure similarity），该方法可有效检测目标。

本发明采用局部结构相似度差异的红外目标探测方法主要思路是：

对于目标图像f中的目标，其总是与周围的背景有着截然不同的特征。利用结构相似度差异的逐个像素求取，可以有效得到整幅目标图像中的局部结构相似度差异的分布图D。根据D，可以得到若干潜在目标区域，利用阈值法处理D，可以有效地区分出目标与背景。

一种采用局部结构相似度差异的红外目标探测方法LDSSIM，包括如下步骤：

（1）对于目标图像f中的任意一个像素f(i, j)，求取其与周围区域的结构相似度差异值D(i, j)。具体是：

从f选取以(i, j)为中心的                                                

像素大小的矩形图像块x为中心块，并且选取x的8邻接同等尺寸的图像块y _k (k=1,2,…8)。将x与y _k的结构相似度均值作为最终的D(i, j)的决定因素：

，所述的SSIM为结构相似度，表征两个信号的相似程度。

中心块x与周围块y _k的结构相似性度量将分为3个成分的比较，包括亮度，对比度与结构：

，

，其中

代表亮度相似性

代表对比度相似性

代表结构相似性

代表均值，

，

代表方差，

为协方差。C ₁，C ₂，C ₃为常数。

（2）对于目标图像f中的每个像素，采用（1）的方式求取其与周围区域的结构相似度差异值，获得与f同等尺寸的结构相似度差异图D

对于整张图像f来说，为了获得与f同等尺寸的图D，需要首先对f进行周期延拓，以满足边界像素的计算。

（3）根据（2）中得到的结构相似度差异图D，设定阈值t，标定大于阈值的部分为目标位置，最终探测到目标图Target_map:

这里的阈值t跟图像的最大值有关，根据实验经验定义为差异图矩阵中最大值的一半：。

本发明方法根据红外图像中目标与背景的结构相似度差异来探测目标，只要输入待探测目标图像，即可得到理想的目标探测图像，获取目标位置。其可以运用于军事与民用中的各类目标检测等方面。

附图说明

图1为本发明方法的操作流程框图；

图2为循环边界法进行周期延拓示意图；

图3为8邻域图像块示意图；

图4a-图4h为具体实施方式实验所用的一组红外目标图以及探测结果

其中：

     图4a为原图1；

     图4b为4a的探测结果；

     图4c为原图2；

     图4d为4c的探测结果；

     图4e为原图3；

     图4f为4e的探测结果；

图4g为原图4；

图4h为4g的探测结果。

具体实施方式

使用若干红外目标图像直接测试这种目标探测算法的有效性。

利用本发明方法处理探测目标，如图1所示，输入含有目标的红外图像f，即可得到最终的目标探测结果。以图4a（定义为目标图像f）为例：

（1）对于目标图像f中的任意一个像素f(i, j)，求取其与周围区域的结构相似度差异值D(i, j)，逐个像素计算后，获得与f同等尺寸的结构相似度差异图D。

(a)对于整张图像f来说，为了获得与f同等尺寸(A, B)的图D，需要首先对f进行周期延拓，以满足边界像素的计算要求。

如图2所示，中心图像经过循环边界法得到周期延拓后的图像。我们这里只需要延拓跟图像块大小相匹配的像素。根据图像块大小为，对于边界元素也必须保证其8邻域的计算要求，图像f需要向高度与宽度方向扩展分别周期延拓M+[M/2]与N+[N/2]个像素，其中[X]表示不超过X的最大整数。经过此延拓扩展后的图像我们称为F，其尺寸大小为(A+ M+[M/2], B+ N+[N/2])。

(b)根据扩展后图像F逐个像素计算结构相似度差异，求取与原图像f等大的结构相似度差异图D。以f图的第一个像素f（1，1）为例，计算结构相似度差异值D（1，1）

对于f中的像素位置（1，1），F中为（1+ M+[M/2], 1+ N+[N/2]），以F（1+ M+[M/2], 1+ N+[N/2]）为中心，如图3般从图像F中得到中心块x（中心块中心位置就是（1+ M+[M/2], 1+ N+[N/2]））与8邻域块y_k（K=1,2,…8）数据，每个块大小都是

。

中心块x与周围块y _k的结构相似性度量将分为3个成分的比较，包括亮度，对比度与结构：

，

，其中

代表亮度相似性

代表对比度相似性

代表结构相似性

代表均值，，

代表方差，

为协方差。C ₁，C ₂，C ₃为常数。

最终，在原图像f的(1, 1)位置的结构相似度差异值D(1, 1)定义为：

，

按照此计算方式逐个像素求解，最后求取得到结构相似度差异图像D。

（2）根据结构相似度差异图D与设定阈值，获取目标

根据（1）中得到的结构相似度差异图D，设定阈值t，标定大于阈值的部分为目标位置，最终得到目标图Target_map, 如图像4b所示:

这里的阈值t跟图像的最大值有关，根据实验经验定义为差异图矩阵中最大值的一半：

具体实验结果如下：

本发明应用红外图像进行实验测试，具体采用的参数如表1所示。

表1

参数	M	N	C 1	C 2	C 3
						值	5	5	0.001	0.001	0.003

对于图4中的一组红外目标图像进行实验，探测得到相应的目标。如图4a,4c,4e,4g所示为四张红外目标图，图4b,4d,4f,4h为对应探测得到的目标图。

Claims (1)

1.一种采用局部结构相似度差异的红外目标探测方法，其特征在于该方法包括如下步骤：

步骤1.对于目标图像f中的任意像素f(i,j)，求取其与周围区域的结构相似度差异D(i,j)，称为f在像素(i,j)处的结构相似度差异值；

步骤2.对目标图像f中各个像素进行步骤1操作，得到与f相同尺寸大小的结构相似度差异图D；

步骤3根据步骤2中得到的结构相似度差异图D，设定阈值t，标定大于阈值的部分为目标位置，最终探测到目标图Target_map：

$T\arg \mathrm{et}\_\mathrm{map}(i,j)=\left\{\begin{array}{cc}1& D(i,j)\&GreaterEqual;t\\ 0& D(i,j)<t\end{array}\right.;$

步骤（1）中求取f在像素(i,j)处结构相似度差异D(i,j)的方法为：

从f选取以(i,j)为中心的M×N像素大小的矩形图像块C(i,j)为中心块，并且选取C的8邻接同等尺寸的图像块S_k(i,j)，k=1,2，...8；将x与y_k的结构相似度均值作为最终的D(i,j)的决定因素：

所述的SSIM为结构相似度，表征两个信号的相似程度；

中心块x与周围块y_k的结构相似性度量将分为3个成分的比较，包括亮度，对比度与结构：SSIM(x,y_k)＝[l(x,y_k)]²[c(x,y_k)]²[s(x,y_k)],SSIM≤1，

其中l(x,y_k)代表亮度相似性

c(x,y_k)代表对比度相似性

s(x,y_k)代表结构相似性

u代表均值，σ_x，

代表方差，

为协方差；C₁，C₂，C₃为常数。

Images