CN102346910A - 一种基于单帧红外图像的点目标的实时检测方法 - Google Patents

Abstract

本发明涉及一种基于单帧红外图像的点目标的实时检测方法，该方法对每个像元进行如下处理：(1)通过对像元与其3×3邻域内其他像元进行灰度比较，判断该像元是否是邻域极大值点；(2)计算以该像元为中心像元的3×3邻域灰度均值；计算该中心像元灰度值与均值的差占邻域内所有灰度值大于均值的像元与均值的差值的和的均值滤波比例值，如果该均值滤波比例值大于设定的均值滤波比例阈值，则将该点判定结果设为1，否则为0；(3)分别计算该像元在四个方向上的比例值，如果每个方向上得到的比例值都大于设定的边缘检测比例阈值，则将该点判定结果设为1，否则设为0；(4)将步骤(2)和步骤(3)的判定结果相与作为该点在最终二值化图像中的值。

Description

一种基于单帧红外图像的点目标的实时检测方法

技术领域

本发明属于红外成像检测系统的技术领域，特别涉及一种基于单帧红外图像的点目标的实时检测方法。

背景技术

近年来，人们研制了各种各样的目标检测系统，如：脉冲多普勒雷达、相控阵雷达、红外成像等。在这些目标检测系统中，红外成像检测系统由于其处理的是多维信号(二维空间信号和一维时间信号)，而且是一种被动检测技术，因此，与其它类型的检测系统相比较而言具有隐蔽性好、抗干扰能力强、跟踪精度高等优点，而且，红外目标检测系统以其全天候工作的特点成为最具发展前途的成像检测系统之一。

从20世纪70年代末，国外学者就开始研究红外图像点目标检测问题，提出了许多有实际意义的实时检测算法和实时处理机体系结构。近十几年我国一些大学也开展了这方面的研究，至今，红外点目标检测仍是研究的热点。红外点目标检测有多帧检测和单帧检测。

经典的单帧图像点目标检测分为背景抑制和阈值选取二值化两大步，背景抑制是指通过抑制背景来增强目标与背景的对比度，从而为后续的目标检测提供较好的基础，单帧图像背景抑制利用红外图像背景相关性强的特点，通过邻域像素估计出当前像素的背景灰度值，然后与原图像做差值，达到背景抑制的效果。

首先，对单帧图像背景抑制得到不含背景的残差图像。背景抑制是点目标检测中的重要步骤，背景抑制的结果直接影响后续步骤的可行性和复杂性。

红外点目标当其距离观察点较远时，无形态及纹理信息可以利用，而且目标成像强度较弱，目标亮度有时会低于一些背景中高亮度的干扰物。但是一般来说，目标与其周围的背景相比有较明显的亮度差，检测点目标时除了利用目标本身的灰度信息外，必须利用目标周围的灰度分布和灰度起伏特征。

然后，选择阈值使残差图像二值化，得到可疑目标点。这时，理想情况下图像中只包含目标点和高斯噪声。阈值通常采用恒虚警准则来选取，阈值由统计量和恒虚警率计算得到，具体计算公式如公式1所示：

Th＝μ-σΦ^-1(P_f)    (1)

上式中，μ为区域内像元灰度均值，σ为区域内像元灰度标准差，P_f为目标检测虚警率。上述阈值计算公式是基于残差数据符合高斯分布假设的，而实际上残差数据并不完全符合高斯分布，因此，可以通过调整Φ^-1(P_f)来得到预期的阈值。在实际应用中，通常采用自适应阈值选取方法，也就是把图像分成相同大小的图像块，每个图像块选取一个阈值把块内图像进行二值化。

传统单帧红外图像点目标检测方法流程图，如图1所示，具体检测方法的步骤如下：

(1)对图像中的每个像元f(i，j)做如下处理：在如图2所示的邻域像元范围内取平均值作为均值滤波背景估计，得到一幅背景估计图像；

(2)用原输入图像减去步骤(1)中得到的背景估计图像，得到残差图像；

(3)将图像分块，计算每块图像的均值μ和标准差σ；

(4)根据恒虚警准则，由公式(1)计算出每块图像的二值化阈值，将残差图像中大于所在块的阈值的点设为1，其他点设为0，得到二值化图像，二值化图像中为1的点就是检测到的目标点。

通过对六组(每组图像30幅)卫星红外图像做实验，根据单帧检测率达到95％以上来调整阈值，得到实验结果如表1所示。

表1传统单帧红外图像点目标检测方法实验结果

	图像组1	图像组2	图像组3	图像组4	图像组5	图像组6
							检测率(％)	95.4	95.1	97.2	96.9	99.2	95.2
虚警率(10-3)	5.40	11.3	8.33	6.17	7.02	5.48

由表1可以看出，在满足检测率的条件下，点目标检测虚警率很高，而虚警率高还能够导致以下问题：

(1)单帧检测结果作为后续目标捕获处理的输入，虚警率高将导致后续目标捕获处理出现爆炸性组合，大大增加了后续处理难度；

(2)某些情况下单帧检测结果要通过无线通信链路进行数据转发传输，虚警率高会增加传输带宽，提高传输难度。

因此，降低单帧图像点目标检测虚警率是至关重要的。

但是，由于复杂天空背景红外图像本身存在以下问题：

(1)由于红外光波波长比较长、传输距离远、大气衰减等原因，红外图像空间相关性强、对比度低、视觉效果模糊；

(2)复杂天空背景红外图像大面积平缓，局部强烈起伏，背景区域边缘起伏点和个别高斯噪声点在单帧图像中表现出与目标相同的高频特性；

(3)外界环境的随机干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，比如热噪声、散粒噪声、1/f噪声、光子电子涨落噪声等等。噪声来源多样，噪声类型繁多，这些都造成红外图像上噪声的不可预测的分布复杂性。

进一步地，尤其对于远距离红外点目标而言，背景中细节成分较少，在大部分情况下，背景是大面积平缓变化场景，背景各像素之间有强相关性，占据图像空间频域的低频分量。因此，红外点目标检测存在以下困难：

(1)由于红外辐射强度与距离的平方成反比，远距离情况下，探测器接收到的目标信号强度很弱，即图像的信噪比很低；

(2)由于探测距离远、空间搜索范围大，而传感器分辨率有限，目标成像在图像上呈点状，没有形状信息可利用，区别目标与噪声的依据，只有目标的灰度特征；

(3)背景较复杂，存在较强干扰；

(4)搜索空域大，要正确检测目标，需要处理大量数据。

发明内容

本发明的目的在于，为了在低信噪比的情况下依靠单帧图像实时快速检测点目标，从而提供一种基于单帧红外图像的点目标的实时检测方法，该方法利用背景像素之间灰度的相关性以及目标灰度与背景灰度的无关性来检测目标。

传统单帧红外图像点目标检测方法对图像中每个像元进行相同的均值滤波处理，在增强目标与背景对比度的同时，图像中背景区域边缘点(如图3所示)与其邻域中灰度较低的平坦区域的对比度也提高，这就造成了大量的背景区域边缘点具有与目标点相同的对比度特性，从而在后续点目标检测中无法区分目标点与背景区域边缘点，最终背景区域边缘点被误检为目标，从而导致虚警率过高。因此，当对图像中每个像元进行相同的滤波处理时，就会最终造成目标点与背景区域边缘点无法区分。

为了去除背景区域边缘点造成的虚警，着重分析目标点与背景区域边缘点的不同。经过分析可知，目标点和背景区域边缘点的区别在于目标点在各个方向上都有较大突变，而背景区域边缘点在其所属区域的方向上基本没有突变，在其他方向上有较大突变，即背景区域边缘点只在部分方向上有较大突变。具体分析目标点、平坦区域点和背景区域边缘点如下：对于目标点而言，各个方向上的邻域相对于中心像元均有较大的灰度突变，并且这些突变量较为近似，即目标点与各个方向上的邻域像元的灰度差值都较大；对于平坦区域点，也就是对平坦区域内的背景点而言，各个方向上的邻域突变较小，甚至为0；而对于背景区域边缘点而言，在同区域各个方向上邻域突变量会较小，类似平坦区域点与邻域点之间的突变量，而在不同区域的邻域方向上突变量较大，类似目标点与邻域点之间的突变量。因此，目标点与大部分的背景区域边缘点的不同在于目标点灰度值大于邻域像元灰度值，是邻域像元灰度极大值点。为了去除背景区域边缘点造成的虚警，把邻域像元灰度极大值作为目标检测的基本约束条件。

为实现上述发明目的，本发明提供了一种基于单帧红外图像的点目标的实时检测方法，该方法在低信噪比的情况下利用背景像素之间灰度的相关性以及目标灰度与背景灰度的无关性来检测目标，该方法对图像中每个像元进行如下步骤：

(1)灰度开关判定的步骤；

通过对每个像元与其3×3邻域内其他像元进行灰度比较，判断该中心像元是否是邻域极大值点；如果是极大值点，则进行步骤(2)和步骤(3)，否则，在最终得到的二值化图像中将该点设为0，继续对下一个像元进行判定；

后续的目标检测在这一约束条件下进行，也就是后续检测只对满足邻域极大值点条件的点进行处理，这就是本发明提出的灰度开关处理方法，灰度开关判断的依据就是该点灰度值是否是邻域极大值点。

灰度开关处理去除了非邻域极大值的背景区域边缘点造成的虚警。为进一步去除虚警，再对目标点和背景区域边缘点进行比较。点目标在各个方向上都有较大的突变量，因此，在邻域内所有高于均值的点与均值的差值的和中，中心像素点与均值的差值占很高的比例。背景区域边缘点在部分方向上有较大的正向突变而在另外的方向上只有较小的突变。由于背景区域边缘点邻域内除了中心像素点还有别的像素点较均值有较大的正向突变，中心像素点与均值的差值占邻域内所有高于均值的点与均值的差值的和的比例不会很高。因此，可以设定比例阈值，所得比例值大于比例阈值的点才认为是目标点。

(2)均值滤波及其比例阈值判定的步骤；

首先，计算以该像元为中心像元的3×3邻域灰度均值；然后，计算该中心像元灰度值与均值的差占邻域内所有灰度值大于均值的像元与均值的差值的和的均值滤波比例值，如果该均值滤波比例值大于设定的均值滤波比例阈值，则将该点判定结果设为1，否则为0；

经过上述灰度开关处理和均值滤波比例阈值二值化后，背景区域边缘点造成的虚警已大大减少。进一步分析目标点和背景区域边缘点的差别可以发现，按照图4所示四个方向检测算子模板进行计算，如果中心参考点是目标点，则每个方向上所得结果都会比较大，如果中心参考点是背景区域边缘点，则至少在一个方向上所得结果会很小。因此，边缘点判定的依据就是各个方向上所得结果的最小值要小于某个阈值。对于点目标检测来说就是设定阈值，使各个方向上按照模板计算所得结果的最小值要大于设定阈值。

(3)边缘检测及其比例阈值判定的步骤；

分别计算该中心像元在四个方向上的比例值，如果每个方向上得到的比例值都大于设定的边缘检测比例阈值，则将该点判定结果设为1，否则设为0；

所述的步骤(2)和步骤(3)的判断可以并行进行。

(4)结果相与的步骤；

将步骤(2)和步骤(3)中分别得到的判定结果相与，并将相与结果作为该点在最终二值化图像中的值；

返回步骤(1)对下一像元进行判定，得到整幅图像的二值化结果。

作为上述技术方案的一种改进，所述的步骤(2)的均值滤波比例值的计算公式为：

$\mathrm{\μ}\_\mathrm{rate}=\frac{f(i,j)-\mathrm{\μ}}{\underset{m=-1}{\overset{1}{\mathrm{\Σ}}}\underset{n=-1}{\overset{1}{\mathrm{\Σ}}}{w}_{\mathrm{opt}}\×(f(i+m,j+n)-\mathrm{\μ})}---\left(2\right)$

上式中，w_opt满足：

作为上述技术方案的又一种改进，为了避免绝对差值无法得到统一阈值，本发明采用相对差值阈值，将模板计算结果与中心像元灰度值做比，然后与比例阈值做比较，大于比例阈值的点认为是目标点。所述的步骤(3)中，所述的该中心像元四个方向是指：水平方向、上下方向、与水平正轴成45°方向和与水平正轴成135°方向。所述的步骤(3)中的中心像元各个方向上的比例值的计算方法为两倍的中心像元灰度值减去各个方向上的中心像元两侧的像元灰度值后与中心像元灰度值的比值。

作为上述技术方案的还一种改进，为便于FPGA实现，所述的步骤(1)中灰度判断采用比较运算。所述的步骤(2)和步骤(3)中的比例值的计算以及与设定的比例阈值的比较运算，通过转换计算方法使得上述运算适于FPGA实现；所述的转换计算方法是把除法运算得商然后商与设定的比例阈值比较的运算，转换为设定的比例阈值与除数相乘得积然后积与被除数比较的运算；所述的设定的比例阈值是固定已知的，提前转换为多项2的n次幂的和的形式，运用乘法分配律，比例阈值与除数相乘得积的运算实际上转换为移位运算(与2的n次幂相乘的运算实际上是移位运算)和加法运算。这样，步骤(2)和步骤(3)中的运算转换为移位运算，加法运算和比较运算。所述的步骤(4)采用相与运算，便于FPGA实现。

综上，本发明通过三种约束条件来实现点目标检测，其中开关处理是选取邻域像元灰度极大值点，为了降低计算量，该条件先于另两个条件进行判断。另外，均值滤波及其比例阈值二值化是通过约束中心像素点在整个邻域中突出程度来检测目标，边缘检测及其比例阈值二值化是通过约束中心像素点在各个方向上突出程度来检测目标。为了实现更快地检测出目标，后两个约束条件判断并行进行。

本发明的优点在于：

(1)本发明的红外点目标检测算法简单易行，便于实现实时检测；

(2)对图像中的每个像元的处理一致，便于采用统一的硬件单元实时处理；

(3)处理算法为递进方式，占用系统存储量少。

综上可知，本发明的方法符合复杂天空背景红外点目标检测发展方向，运算量小、性能高、便于硬件实时实现。

附图说明

以下，结合附图来详细说明本发明的实施例，其中：

图1是传统单帧红外图像点目标检测方法流程图；

图2是均值滤波邻域示意图；

图3是图像内部特征区域定义示意图；

图4(a)～(d)是检测算子模板示意图；

图5是本发明的单帧红外图像点目标检测方法流程图；

图6(a)～(f)是本发明的实施例对六幅单帧图像处理的过程的结果显示。

具体实施方式

本发明的基于单帧红外图像的点目标的实时检测方法对图像中每个像元进行相同的处理，流程图如图5所示，具体检测步骤如下：

(1)灰度开关判定

通过对中心像元与其3×3邻域内其他像元进行灰度比较，判断该中心像元是否是邻域极大值点。如果是极大值点，则同时进行步骤(2)和步骤(3)，否则最终得到的二值化图像中该点设为0，继续对下一个像元进行判定；

(2)均值滤波及其比例阈值判定

首先，计算以该像元为中心参考点的3×3邻域灰度均值，然后，计算该像元灰度值与均值的差占邻域内所有灰度值大于均值的像元与均值的差值的和的比例值，如果该比例值大于设定的比例阈值，则判定结果设为1，否则为0；

(3)边缘检测及其比例阈值判定

分别计算该像元在如图4所示模板四个方向上的结果，将计算结果与中心像素灰度值作比得到比例值，如果每个方向上得到的比例值都大于设定的比例阈值，则判定结果设为1，否则为0。

上述这两个步骤实际上是分别计算了一些比例值(步骤(2)计算了一个比例值，步骤(3)计算了四个比例值)，然后看这些比例值是否符合要求，籍此来判断该点是否目标点。步骤(2)和步骤(3)中所述的设定的均值滤波比例阈值和边缘检测比例阈值不同，但都是根据不同背景需要，通过实验得出的一个固定值。

(4)结果相与

将步骤(2)中得到的结果和步骤(3)中得到的判定结果相与，作为该像素点最终二值化结果。

返回步骤(1)对下一像元进行判定。

采用本算法对与上文相同的六组图像做实验，实验效果如图6a～f所示，得到实验结果如表2所示。可以看出，由于在目标检测过程中去除了大部分背景区域边缘点造成的虚警，本算法在检测率满足要求的前提下，虚警率大大降低，基本降低一个数量级。

表2(本发明单帧红外图像点目标检测方法实验结果)

	图像组1	图像组2	图像组3	图像组4	图像组5	图像组6
							检测率(％)	96.83	97.93	99.06	97.05	99.3	95.0
虚警率(10-3)	0.995	1.00	0.703	0.703	1.73	0.57

本例中，只对3×3邻域内像素进行处理，是递进式结构，不需要大量的存储空间，并且与图像大小无关，非常适合在基于FPGA的硬件平台上实时实现。具体分析如下：步骤(1)中主要是比较运算，步骤(2)和步骤(3)中主要是加减运算和除法运算，步骤(4)中主要是与运算。加减运算和与运算是非常适合在基于FPGA的硬件平台上实现的。步骤(2)和步骤(3)中的除法运算是除数和被除数未定而比例阈值已知的除法运算，不便用FPGA直接实现。可以将除法运算得商然后商与比例阈值比较的运算转换为比例阈值与除数相乘得积然后积与被除数比较的运算。设定的比例阈值是已知的，可以转换为多项2的n次幂的和的形式，而2的n次幂的和与一个未知除数做乘法实际上就是对未知除数做移位运算然后做加法运算。这样除法运算就转换为适合FPGA实现的移位运算和加法运算。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于单帧红外图像的点目标的实时检测方法，该方法在低信噪比的情况下利用背景像素之间灰度的相关性以及目标灰度与背景灰度的无关性来检测目标，该方法对图像中每个像元进行如下步骤：

(1)灰度开关判定的步骤；

通过对每个像元与其3×3邻域内其他像元进行灰度比较，判断该中心像元是否是邻域极大值点；如果是极大值点，则进行步骤(2)和步骤(3)，否则，在最终得到的二值化图像中将该点设为0，继续对下一个像元进行判定；

(2)均值滤波及其比例阈值判定的步骤；

首先，计算以该像元为中心像元的3×3邻域灰度均值；然后，计算该中心像元灰度值与均值的差占邻域内所有灰度值大于均值的像元与均值的差值的和的均值滤波比例值，如果该均值滤波比例值大于设定的均值滤波比例阈值，则将该点判定结果为设1，否则为0；

(3)边缘检测及其比例阈值判定的步骤；

分别计算该中心像元在四个方向上的比例值，如果每个方向上得到的比例值都大于设定的边缘检测比例阈值，则将该点判定结果设为1，否则设为0；

(4)结果相与的步骤；

将步骤(2)和步骤(3)中分别得到的判定结果相与，将相与结果作为该点在最终二值化图像中的值；

返回步骤(1)对下一像元进行判定，直到得到整幅图像的二值化结果。

2.根据权利要求1所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(2)的均值滤波比例值的计算公式为：

$\mathrm{\μ}\_\mathrm{rate}=\frac{f(i,j)-\mathrm{\μ}}{\underset{m=-1}{\overset{1}{\mathrm{\Σ}}}\underset{n=-1}{\overset{1}{\mathrm{\Σ}}}{w}_{\mathrm{opt}}\×(f(i+m,j+n)-\mathrm{\μ})}---\left(2\right)$

上式中，w_opt满足：

3.根据权利要求1所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(3)中，所述的该中心像元四个方向是指：水平方向、上下方向、与水平正轴成45°方向和与水平正轴成135°方向。

4.根据权利要求3所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(3)中的中心像元各个方向上的比例值的计算方法为两倍的中心像元灰度值减去该方向上的中心像元两侧的像元灰度值后与中心像元灰度值的比值。

5.根据权利要求1所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(2)和步骤(3)的判断并行进行。

6.根据权利要求1所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(1)中灰度开关判断采用比较运算，以便于FPGA实现。

7.根据权利要求1所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(2)和步骤(3)中的比例值的计算以及与设定的比例阈值的比较运算，通过转换计算方法使得上述运算适于FPGA实现；

所述的转换计算方法是把除法运算得商然后商与设定的比例阈值比较的运算，转换为设定的比例阈值与除数相乘得积然后积与被除数比较的运算；

所述的设定的比例阈值是固定已知的，提前转换为多项2的n次幂的和的形式，运用乘法分配律，比例阈值与除数相乘得积的运算实际上转换为移位运算和加法运算；这样，步骤(2)和步骤(3)中的运算转换为移位运算、加法运算和比较运算。

8.根据权利要求1所述的基于单帧红外图像的点目标的实时检测方法，其特征在于，所述的步骤(4)采用相与运算，便于FPGA实现。

Images