CN103413138B - 一种红外图像序列中点目标检测方法 - Google Patents

Abstract

一种红外图像序列中点目标检测方法，步骤为：（1）估计当前帧图像噪声方差，采用双边滤波的方法对图像进行预处理；（2）采用基于模板中值的Robinson‑Guard滤波的方法对预处理的图像进行滤波；（3）对图像进行二值化处理，标记图像中目标点，记录目标位置信息；（4）初始化管道滤波器的参数；（5）利用前三帧目标位置信息预测当前帧的目标位置，搜索目标，更新目标位置信息表中相关信息，并进行判断输出目标信息；（6）重复上述步骤，直至完成对红外图像序列中所有图像的处理。本发明有效的进行背景抑制，降低虚警概率，通过多帧序列图像的检测，提高目标的检测概率。

Description

一种红外图像序列中点目标检测方法

技术领域

本发明涉及一种红外图像序列中点目标检测方法，属于红外信息处理领域，用于红外图像序列中检测识别目标。

背景技术

红外点目标检测是精确制导、天基预警等应用中非常关键的技术之一。在红外探测中，目标在远距离呈现点状，无明显形状信息，在成像平面上信息量极少，只占几个像素点，往往被淹没在起伏的背景中，这使得目标检测和跟踪非常困难。红外点目标检测一般分为背景抑制、目标分割和目标检测三个步骤。在背景抑制中步骤中，对红外图像滤波，减少背景杂波对检测的干扰；对滤波后的图像进行分割，成为二值化图像；再对二值化后的图像检测目标。

红外点目标基本上淹没在噪声背景中，信噪比比较低，图像携带的目标信息相对较少，若直接进行目标的检测将会给检测工作带来很大的困难。所以，目标检测的第一步应相对单帧图像进行有效的背景抑制去除背景，从而达到提高图像信噪比的目的。目前红外点目标检测算法一般的方法分为：先检测后跟踪(detect before track,DBT)和先跟踪后检测(track before detect,TBD)目标检测算法。这两种方法在检测目标前都要进行图像预处理，抑制复杂背景，增强目标信号。现有的背景抑制方法主要分为两类：时域处理法和空域处理法。时域处理法就是利用连续几帧的图像信息完成背景抑制。包括图像差分、累加平均、中值滤波等。空域处理法的基本出发点是点目标和背景的特性不同。目标与背景不相关是图像中的孤立点，属于图像中的高频部分，而背景的相关长度较长，占据图像中的低频部分。空域处理法又可分为两类：一类是基于点目标特性的空域处理法，这类方法主要从点目标灰度特性的角度出发，如各种阈值分割法，但当背景强度较高或背景较复杂时，阈值不容易确定；另一类是基于背景特性的背景预测空间处理法，此类方法从背景的特性出发，以背景的相关性为理论依据，如中值滤波、高通滤波法、形态学滤波法等。

当处理复杂结构化的背景时，这些算法往往不能有效对背景进行抑制，从而导致检测概率的降低和虚警率的增大。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供一种红外图像序列中点目标检测方法，该方法有效的进行背景抑制，降低虚警概率，通过多帧序列图像的检测，提高目标的检测概率。

本发明的技术方案是：一种红外图像序列中点目标检测方法，步骤如下：

1)获取当前帧图像I，计算图像噪声标准差σ_n，并根据双边滤波器的尺寸初始化双边滤波器参数；

2）根据双边滤波器公式，对当前帧图像I进行滤波，得到对当前帧红外图像预处理后的结果I'(x,y)；

3）建立Robinson Guard滤波器模板，根据生成的Robinson Guard滤波器模板，对步骤2）得到的I'(x,y)进行滤波，得到背景抑制后的图像I_RG；

4）采用全局统计分割的方法对步骤3）得到的背景抑制后的图像I_RG进行二值化处理，获得二值图像I_B；

5）对步骤4）获得的二值图像I_B进行连通域标记，记录图像中所有候选目标点的位置信息;

6）初始化管道滤波器参数，包括管道半径大小R、帧数阈值X、目标最小位移P；

7）判断获得的当前帧图像I是否为第一帧图像；若是第一帧图像，则建立目标位置信息表，将步骤5）获得的二值图像I_B中的所有候选目标点的位置信息存入目标位置信息表中，同时将每个候选目标点的计数器数值设置为1；若不是第一帧图像则进入步骤8）；

8）提取目标位置信息表中候选目标位置信息，根据前三帧位置信息，采用线性三点预测法计算当前帧图像I的候选目标位置信息，并将当前帧图像I的候选目标位置信息作为管心位置；

9）根据初始化的管道半径大小R在步骤8）获得的管心位置中搜索目标；若没有搜索到目标，则该候选目标点计数器数值减1；若搜索到一个甚至多个目标，判断这些候选目标点位移是否大于步骤6）中初始化的目标最小位移P，若小于等于初始化的目标最小位移P，将该候选目标点的计数器数值减1；若大于初始化的目标最小位移P，该候选目标点计数器数值加1，并根据该候选目标点的位置信息更新目标位置信息表；

10）将步骤5）获得的二值图像I_B中的所有未经处理的候选目标点的位置信息添加至目标位置信息表中，并将这些候选目标点计数器数值置为1；

11）对目标位置信息表中的所有候选目标点的计数器数值进行扫描，若计数器的数值为1-X，则将该候选目标点位置信息和计数器数值从目标位置信息表中删除；若计数器的数值为X，则输出该候选目标点信息；

12）重复步骤1）至步骤11），直至完成对红外图像序列中所有图像的处理。

步骤2）中对当前帧图像I进行滤波的具体方法为：

21）以I(x,y)为中心，以正方形尺寸Size_BL*Size_BL为窗口大小，提取邻域图像F；

22）在邻域图像F中，根据双边滤波器公式对每个点进行如下处理：

$A=e^{\frac{-[{(i-x)}^2+{(j-y)}^2]}{2{\mathrm{\σ}}_d^2}}{*e}^{\frac{-[I(i,j)-I{(x,y))}^2]}{2{\mathrm{\σ}}_r^2}}*I(i,j)$

$C=e^{\frac{-[{(i-x)}^2+{(j-y)}^2]}{2{\mathrm{\σ}}_d^2}}*e^{\frac{-\left[{(I(i,j)-I(x,y))}^2\right]}{2{\mathrm{\σ}}_r^2}}$

其中σ_d,σ_r是在前面步骤中计算出来的滤波器参数，I(i,j)是当前计算点的像素值，I(x,y)是邻域图像F中心点的像素值；

23）根据下述公式对邻域图像F中每个点的计算结果A,C进行处理，得到I(x,y)的滤波值，完成该点的双边滤波；

$I^{\′}(x,y)=\frac{\mathrm{\ΣA}}{\mathrm{\ΣC}};$

24）对全图每个像素点进行滤波，得到对当前帧红外图像预处理后的结果I'(x,y)。

步骤3）中建立的Robinson Guard滤波器模板采用水平垂直方向和对角线方向两个方向上的模板，滤波器大小为7*7，保护带宽度为2。

本发明与现有技术相比的优点在于：

(1)本发明采用双边滤波的方法对红外图像进行预处理，双边滤波器能较好的消除噪声，得到去噪的平滑图像，且能保持图像的边缘细节，平滑图像的同时，有效的保存点目标。

(2)本发明对双边滤波后的图像采用基于模板中值的Robinson Guard滤波算法，使用水平垂直方向、对角线方向两个方向的模板滤波。由于滤波器具有保护带，使得保护带内的目标内部信息得以保留，又可以对大于保护带的背景进行边缘检测，有效的进行背景抑制，检测点目标点。

(3)本发明采用预测式管道滤波方法对Robinson Guard滤波后的图像序列中的目标点判断，输出目标信息，具有高目标检测概率、低虚警概率。

附图说明

图1为本发明的整体流程图；

图2为本发明的Robinson Guard滤波器模板结构图；

图3为本发明的管道滤波示意图。

具体实施方式

下面结合图1、图2、图3对本发明的具体实施方式进行进一步的详细描述：

1.输入当前帧图像I，设置双边滤波器的大小为Size_BL*Size_BL，根据下式计算估计图像噪声标准差σ_n。

${\mathrm{\σ}}_n=\sqrt{\frac{\mathrm{\π}}{2}}*\frac{1}{6*(W-2)*(H-2)}*\underset{\mathrm{imageI}}{\mathrm{\Σ}}|I(x,y)*N|$

式中W和H分别表示图像的宽、高， $N=\left|\begin{array}{ccc}1& -2& 1\\ -2& 4& -2\\ 1& -2& 1\end{array}\right|;$

式中的计算过程是用模板N卷积图像I(n)，再对图像累加求和。

初始化双边滤波器的参数：

2.双边滤波器的公式：

$I^{\′}(x,y)=\frac{1}{C}\underset{i,j\∈W,H}{\mathrm{\Σ}}{e}^{\frac{-[{(i-x)}^2+{(j-y)}^2]}{2{\mathrm{\σ}}_d^2}}*e^{\frac{-\left[{(I(i,j)-I(x,y))}^2\right]}{2{\mathrm{\σ}}_r^2}}*I(i,j)$

其中， $C=\underset{i,j\∈W,H}{\mathrm{\Σ}}{e}^{\frac{-[{(i-x)}^2+{(j-y)}^2]}{2{\mathrm{\σ}}_d^2}}*e^{\frac{-\left[{(I(i,j)-I(x,y))}^2\right]}{2{\mathrm{\σ}}_r^2}}.$

根据双边滤波器公式，对全图每个像素进行滤波，以其中的一个像素I(x,y)滤波为例，滤波过程如下：

（1）以I(x,y)为中心，以Size_BL*Size_BL为窗口大小，提取邻域图像F；

（2）在邻域图像F中，根据双边滤波器公式对每个点进行如下处理：

$A=e^{\frac{-[{(i-x)}^2+{(j-y)}^2]}{2{\mathrm{\σ}}_d^2}}*e^{\frac{-\left[{(I(i,j)-I(x,y))}^2\right]}{2{\mathrm{\σ}}_r^2}}*I(i,y)$

$C=e^{\frac{-[{(i-x)}^2+{(j-y)}^2]}{2{\mathrm{\σ}}_d^2}}*e^{\frac{-\left[{(I(i,j)-I(x,y))}^2\right]}{2{\mathrm{\σ}}_r^2}}$

其中σ_d,σ_r是在前面步骤中计算出来的滤波器参数，I(i,j)是当前计算点的像素值，I(x,y)是邻域图像F中心点的像素值；

（3）根据下述公式对邻域图像F中每个点的计算结果A,C进行处理，得到I(x,y)的滤波值，完成该点的双边滤波；

$I^{\′}(x,y)=\frac{\mathrm{\ΣA}}{\mathrm{\ΣC}}$

对全图每个像素点进行滤波，得到对当前帧红外图像预处理后的结果I'(x,y)。

3.对预处理后的图像进行基于模板中值的Robinson Guard滤波处理。采用水平垂直方向和对角线方向两个方向上的模板，滤波器大小为7*7，为了保证最大尺寸为3*3的目标不失真，选择保护带宽度为2，滤波器结构见图2所示。

算法表示为：

式中，Z_A={Z_A1,Z_A2,Z_A3,Z_A4}，其中Z_A1=median(Z_a1,Z_a2,Z_a3)，median表示计算Z_a1,Z_a2,Z_a3的中值，Z_A2,Z_A3,Z_A4的求解类似；Z_B={Z_B1,Z_B2,Z_B3,Z_B4}，其中Z_B1=median(Z_b1,Z_b2,Z_b3)，Z_B2,Z_B3,Z_B4的求解类似。

对图像每个像素值进行基于模板中值的Robinson Guard滤波，以其中的一个像素I(x,y)滤波为例，滤波过程如下：

（1）提取点I(x,y)的7*7的邻域图像I_7*7(x,y)；

（2）按照滤波模板，计算邻域图像水平垂直方向上Z_a1,Z_a2,Z_a3的中值Z_A1、Z_a4,Z_a5,Z_a6的中值Z_A2、Z_a7,Z_a8,Z_a9的中值Z_A3、Z_a10,Z_a11,Z_a12的中值Z_A4，以及对角线方向上Z_b1,Z_b2,Z_b3的中值Z_B1、Z_b4,Z_b5,Z_b6的中值Z_B2、Z_b7,Z_b8,Z_b9的中值Z_B3、Z_b10,Z_b11,Z_b12的中值Z_B4；

（3）计算{Z_A1,Z_A2,Z_A3,Z_A4,Z_B1,Z_B2,Z_B3,Z_B4}最大值Z_max和最小值Z_min；

（4）若点I(x,y)的像素值I(x,y)≥Z_max则滤波结果I′(x,y)=I(x,y)-Z_max；

若点I(x,y)的像素值I(x,y)≤Z_min则滤波结果I′(x,y)=Z_min-I(x,y)；

若点I(x,y)的像素值Z_min<I(x,y)<Z_max则滤波结果I′(x,y)=0。

根据Robinson Guard滤波算法，对上步骤得到的I'(x,y)图像滤波得到背景抑制后的图像I_RG。

4.计算I_RG图像的均值μ、方差σ：

$\mathrm{\&mu;}=\frac{1}{W*H}\underset{i=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{H-1}{\mathrm{\&Sigma;}}}{I}_{\mathrm{RG}}(i,j),$ $\mathrm{\&sigma;}=\sqrt{{\left(\frac{1}{W*H-1}\right)\underset{i=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{H-1}{\mathrm{\&Sigma;}}}(I_{\mathrm{RG}}(i,j)-\mathrm{\&mu;})}^2}$

上式中，W、H分别表示图像的宽、高；

采用全局统计分割的方法对I_RG图像进行二值化处理，计算过程如下所示：

5.对二值图像I_B连通区域标记，标记像素值为1的区域记为目标区域，根据标记的区域得到图像中所有候选目标点P_i(i=1,2,3,...)的位置信息；

6.初始化管道滤波器参数，包括管道半径大小R、帧数阈值X、目标最小位移P；

7.判断若获得的当前帧图像I为第一帧图像，则建立目标位置信息表，将步骤5获得的二值图像I_B中的所有候选目标点Pⁿ _i(i=1,2,3,...)的位置信息存入目标位置信息表中，同时将每个候选目标点的计数器数值设置为1；若不是第一帧图像则进入步骤8；

8.提取目标位置信息表中候选目标位置信息，根据前三帧位置信息，采用线性三点预测法计算当前帧的位置信息作为管心位置。

预测采用线性三点预测法，公式如下：

$\left[\begin{array}{c}X(k+1|k)\\ Y(k+1|k)\end{array}\right]=\frac{1}{3}\{4\left[\begin{array}{c}X\left(k\right)\\ Y\left(k\right)\end{array}\right]+\left[\begin{array}{c}X(k-1)\\ Y(k-1)\end{array}\right]-2\left[\begin{array}{c}X(k-2)\\ Y(k-2)\end{array}\right]\}$

式中 $\left[\begin{array}{c}X(k+1|k)\\ Y(k+1|k)\end{array}\right]$ 为预测k+1帧管心位置， $\left[\begin{array}{c}X\left(k\right)\\ Y\left(k\right)\end{array}\right],\left[\begin{array}{c}X(k-1)\\ Y(k-1)\end{array}\right],\left[\begin{array}{c}X(k-2)\\ Y(k-2)\end{array}\right]$ 分别是第k、k-1、k-2帧管心位置。

9.根据初始化的管道半径大小R在步骤8获得的管心位置中搜索目标。若没有搜索到目标，则该候选目标点计数器数值减1；若搜索到一个甚至多个目标，判断这些候选目标点位移是否大于步骤6中初始化的目标最小位移P，若小于等于初始化的目标最小位移P则认为该候选目标点是背景点，该候选目标点计数器数值减1，若大于初始化的目标最小位移P则认为该候选目标点是目标点，该候选目标点计数器数值加1，并根据该候选目标点的位置信息更新目标位置信息表；

10.将步骤5获得的二值图像I_B中的所有未经处理的候选目标点的位置信息添加至目标位置信息表中，并将这些候选目标点计数器数值置为1。该步骤的目的是为了检测当前帧中可能出现的新目标。

11.对目标位置信息表中的所有候选目标点的计数器数值进行扫描，若计数器的数值为1-X，则将该候选目标点位置信息和计数器数值从目标位置信息表中删除；若计数器的数值为X，则输出该候选目标点信息。

12.重复步骤1至步骤11，直至完成对红外图像序列中所有图像的处理。

本发明未详细阐述的部分属于本领域公知技术。

Claims (2)

1.一种红外图像序列中点目标检测方法，其特征在于步骤如下：

1)获取当前帧图像I，计算图像噪声标准差σ_n，并根据双边滤波器的尺寸初始化双边滤波器参数；

2)根据双边滤波器公式，对当前帧图像I进行滤波，得到对当前帧红外图像预处理后的结果I'(x,y)；具体方法为：

21)以I(x,y)为中心，以正方形尺寸Size_BL*Size_BL为窗口大小，提取邻域图像F；

22)在邻域图像F中，根据双边滤波器公式对每个点进行如下处理：

$A=e^{\frac{-\&lsqb;{(i-x)}^2+{(j-y)}^2\&rsqb;}{2{\mathrm{\&sigma;}}_d^2}}*e^{\frac{-\&lsqb;{\left(I\right(i,j)-I(x,y\left)\right)}^2\&rsqb;}{2{\mathrm{\&sigma;}}_r^2}}*I(i,j)$

$C=e^{\frac{-\&lsqb;{(i-x)}^2+{(j-y)}^2\&rsqb;}{2{\mathrm{\&sigma;}}_d^2}}*e^{\frac{-\&lsqb;{\left(I\right(i,j)-I(x,y\left)\right)}^2\&rsqb;}{2{\mathrm{\&sigma;}}_r^2}}$

其中σ_d,σ_r是在前面步骤中计算出来的滤波器参数，I(i,j)是当前计算点的像素值，I(x,y)是邻域图像F中心点的像素值；

23)根据下述公式对邻域图像F中每个点的计算结果A,C进行处理，得到I(x,y)的滤波值，完成该点的双边滤波；

$I^{\&prime;}(x,y)=\frac{\mathrm{\&Sigma;}A}{\mathrm{\&Sigma;}C};$

24)对全图每个像素点进行滤波，得到对当前帧红外图像预处理后的结果I'(x,y)；

3)建立Robinson Guard滤波器模板，根据生成的Robinson Guard滤波器模板，对步骤2)得到的I'(x,y)进行滤波，得到背景抑制后的图像I_RG；

4)采用全局统计分割的方法对步骤3)得到的背景抑制后的图像I_RG进行二值化处理，获得二值图像I_B；

5)对步骤4)获得的二值图像I_B进行连通域标记，记录图像中所有候选目标点的位置信息；

6)初始化管道滤波器参数，包括管道半径大小R、帧数阈值X、目标最小位移P；

7)判断获得的当前帧图像I是否为第一帧图像；若是第一帧图像，则建立目标位置信息表，将步骤5)获得的二值图像I_B中的所有候选目标点的位置信息存入目标位置信息表中，同时将每个候选目标点的计数器数值设置为1；若不是第一帧图像则进入步骤8)；

8)提取目标位置信息表中候选目标位置信息，根据前三帧位置信息，采用线性三点预测法计算当前帧图像I的候选目标位置信息，并将当前帧图像I的候选目标位置信息作为管心位置；

9)根据初始化的管道半径大小R在步骤8)获得的管心位置中搜索目标；若没有搜索到目标，则该候选目标点计数器数值减1；若搜索到一个甚至多个目标，判断这些候选目标点位移是否大于步骤6)中初始化的目标最小位移P，若小于等于初始化的目标最小位移P，将该候选目标点的计数器数值减1；若大于初始化的目标最小位移P，该候选目标点计数器数值加1，并根据该候选目标点的位置信息更新目标位置信息表；

10)将步骤5)获得的二值图像I_B中的所有未经处理的候选目标点的位置信息添加至目标位置信息表中，并将这些候选目标点计数器数值置为1；

11)对目标位置信息表中的所有候选目标点的计数器数值进行扫描，若计数器的数值为1-X，则将该候选目标点位置信息和计数器数值从目标位置信息表中删除；若计数器的数值为X，则输出该候选目标点信息；

12)重复步骤1)至步骤11)，直至完成对红外图像序列中所有图像的处理。

2.根据权利要求1所述的一种红外图像序列中点目标检测方法，其特征在于：步骤3)中建立的Robinson Guard滤波器模板采用水平垂直方向和对角线方向两个方向上的模板，滤波器大小为7*7，保护带宽度为2。