CN103679748A - 一种红外遥感图像弱点目标提取装置及方法 - Google Patents

Abstract

本发明一种红外遥感图像弱点目标提取装置及方法，包括图像配准模块、背景杂波抑制模块、点目标提取模块；图像配准模块对待处理红外序列图像进行配准，得到配准后的红外序列图像；背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制；点目标提取模块对背景杂波抑制后的红外序列图像进行图像数据叠加，得到信噪比增强的点目标。本方法可以提高红外遥感图像弱点目标信噪比，增大探测概率。

Description

一种红外遥感图像弱点目标提取装置及方法

技术领域

本发明属于红外图像处理领域，涉及一种红外遥感图像弱点目标提取装置及其方法。该装置基于图像子块区域匹配配准技术，通过时域滤波方法抑制红外图像系统背景杂波，采用多帧叠加的方法，实现沿着目标运动轨迹信号能量的积累，达到提高点目标信噪比的目的，进而提取点目标。使用该方法可以提高红外遥感图像弱点目标信噪比，增大探测概率。

背景技术

近年来，图像中低信噪比点目标的检测问题一直是光学和红外图像领域的研究热点。所谓点目标，是指当成像系统与目标相距较远时，尽管目标自身的直径可能很大，但是在成像平面内占有像素数目较少的目标。这个问题起源于远距离搜索与监视，如用CCD宽视场望远镜搜索或跟踪天空中的流星、卫星或其他运动目标，用机载或星载红外搜索跟踪系统搜索远距离目标等。光学传感器是被动传感器，在现代战争中具有较强的生命力，但其作用距离较短，而研究低信噪比图像中点目标的实时检测及跟踪算法，可以实现扩展其作用距离的目的。

随着图像处理技术的发展，研究人员意识到，要在恶劣的环境中实现点目标检测，可以用图像处理技术将图像数据叠加，起到对目标能量积累的效果，从而提高图像信噪比。进一步的分析表明：由两幅图像精确配准所叠加的合成图像上，目标所占像元上的光电信号被叠加到2倍，然而噪声只占像元数值的极小一部分，并且具有随机误差的特点，也就是说探测器上的噪声不会在精确对应的像元上发生相加，再考虑到预警观测时，CCD的曝光时间很短，因此相应的噪声远没有达到饱和程度（需几小时才饱和）。所以叠加后的合成图像能只使信号叠加而对噪声不增加，也即信噪比显著提高。

目前低信噪比小目标检测的主要困难在于：在低信噪比下，目标极易被噪声所淹没，单帧图像处理已不能实现对目标的可靠检测。

发明内容

本发明所要解决的问题是：克服现有技术的不足，提供一种红外遥感图像弱点目标提取装置及其方法，提高了目标信噪比。

本发明的技术方案是：一种红外遥感图像弱点目标提取装置，包括图像配准模块、背景杂波抑制模块、点目标提取模块；图像配准模块对待处理红外序列图像进行配准，得到配准后的红外序列图像；背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制；点目标提取模块对背景杂波抑制后的红外序列图像进行图像数据叠加，得到信噪比增强的点目标。

所述的图像配准模块包括图像匹配单元以及图像重采样单元；图像匹配单元获得待处理红外序列图像中的同名特征；图像重采样单元根据图像匹配单元获得的同名特征对图像重采样得到配准图像。

所述的背景杂波抑制模块，包括图像背景杂波提取单元以及背景杂波抑制单元；图像背景杂波提取单元提取配准后的红外序列图像的背景杂波；背景杂波抑制单元对配准后的红外序裂图像进行背景杂波抑制。

所述的点目标提取模块包括候选点目标探测单元、轨迹预测判别单元以及图像叠加单元；候选点目标探测单元提取背景杂波抑制后的红外序列图像中一帧图像中的待探测点目标候选点集；轨迹预测判别单元对待探测点目标候选点集中的点目标在其他帧背景杂波抑制后的红外序列图像中的位置进行判别；图像叠加单元找到待探测点目标候选点集中的点目标在其他帧背景杂波抑制后的红外序列图像中的位置，并将这些位置的灰度值叠加到这个点目标上。

一种红外遥感图像弱点目标提取方法，包括以下步骤：

1）对待处理的k帧红外序列图像按照成像时间记为n₁、n₂…n_k，图像配准模块对待处理的k帧红外序列图像进行配准，得到配准后的红外序列图像

n₁'…n_k'；

2）背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制；

3）点目标提取模块对步骤2）获得的背景杂波抑制后的红外序列图像进行图像数据叠加，得到信噪比增强的点目标。

所述的步骤1）中图像配准模块对待处理的k帧红外序列图像进行配准的具体方法为：

11）对相邻图像进行配准；

111）将n_k帧和n_k-1帧图像分别等分成A个矩形子块，并分别获得n_k帧和n_k-1帧图像中每个子块的熵其中，A为大于1的正整数；N为图像灰度级数，p_i表示灰度级为i的像素在子块中出现的概率；在n_k帧和n_k-1帧图像中分别选择熵最大的前B个子块作为待匹配子快，B≤A；

112）对n_k帧图像中待匹配的每个子块在n_k-1帧图像中的待匹配子块中遍历，采用归一化互相关匹配方法，每个子块获得B个相关系数

$c(t,g)=\frac{\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}[t(x,y)-\stackrel{\‾}{t}][g(x,y)-\stackrel{\‾}{g}]}{\sqrt{\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{[t(x,y)-\stackrel{\‾}{t}]}^2\×\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{[g(x,y)-\stackrel{\‾}{g}]}^2}};$ 将B个相关系数中最大的相关系数所对应的子块作为该n_k帧图像中待匹配子快在n_k-1帧图像中的匹配子快，该n_k帧图像中待匹配子快的中心点与其在n_k-1帧图像中的匹配子快的中心点互为匹配点；上式中，t和g分别为n_k帧图像中待匹配子快和其在n_k-1帧图像中的匹配子快，m、n分别为每个子快的长和宽，(x,y)为每个子快中像素的位置坐标，

为t_的均值，

为g_的均值；

113）对匹配得到的B个匹配点，根据仿射变换，以n_k帧图像为参考图像，对n_k-1帧图像重采样得到配准后图像；

12）重复步骤11），直到n₂帧图像和n₁帧图像配准完成，得到配准后的红外序列图像n₁’…n_k’。

所述的步骤2）中由背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制的具体方法为：

21）求配准后的红外序列图像均值，得到平均图像

22）由式

M=1...k，计算配准后各帧红外序列图像的背景抑制结果。

所述的步骤3）得到信噪比增强的点目标的具体方法为：

31）提取n_k’帧图像中灰度超过阈值T_th的点集T_C(x_TC,y_TC)，作为待探测点目标候选点；其中（x_TC,_yTC）为点在n_k’帧图像中的坐标；

32）在n_k-1’帧图像中以n_k’帧图像中点集T_C(x_TC,y_TC)中每个点T_Ci(x_TCi,y_TCi)坐标为中心选择边长为L的正方形区域，

33）并提取步骤32）中边长为L的正方形区域中灰度最大值点

作为T_Ci(x_TCi,y_TCi)在nk-1’帧图像中的位置，将

和T_Ci(x_TCi,y_TCi)两点的灰度值相加，并记录下

相对于T_Ci(x_TCi,y_TCi)的偏移量ST_Ci(sx_TCi,sy_TCi)和偏移方向；

34）T_C(x_TC,y_TC)中每个点T_Ci(x_TCi,y_TCi)的坐标加上该点的偏移量ST_Ci(sx_TCi,sy_TCi)得到新的候选点集，在n_k-2’帧图像中以该新的候选点集中每个点坐标为中心选择边长为L的正方形区域，并重复步骤33），并判断得到的新偏移方向与后一帧图像中得到的偏移方向是否一致，若不一致则去掉该候选点，一致则继续保留该候选点在候选点集中，直至n₁’帧图像操作结束；

35）设置阈值T_sth，步骤34）得到的最终待探测点目标候选点集中，保留灰度值大于T_sth的候选点为点目标。

本发明与现有技术相比的优点在于：首先配准多帧序列红外图像，配准后的红外序列图像均空间对准，同一空间位置的像素灰度值多帧叠加取后平均，则得到系统噪声，即系统背景杂波，通过时域滤波方法抑制图像中的系统背景杂波，再根据点目标运动轨迹多帧叠加滤波后的序列红外图像中点目标的灰度值，实现沿着目标运动轨迹信号能量的积累，提高目标信噪比。该方法具有实现方便，探测概率高的特点。

附图说明

图1为本发明的操作流程图；

图2为本发明的装置结构示意图。

具体实施方式

下面结合附图对本发明做进一步详细描述，结合图2的装置图和图1的流程图，概括起来，本方法的实施可以分为三个步骤：

1.序列红外图像配准

1.1实施例中采用10帧序列成像的红外弱点目标图像，记为n₁…n₁₀。

1.2前后相邻图象配准

1.2.1把n₁₀和n₉2帧图像各分成8行8列，64个子块。由

计算每个子块的熵。其中，N为图像灰度级数，p_i表示灰度级为i的像素在图像中出现的概率。在n₁₀和n₉中分别选择熵最大的前32个子块作为待匹配区域；

1.2.2采用归一化互相关匹配方法，相关系数c(t,g)计算方法见下式，对n₁₀中待匹配的每个子块在n₉中的待匹配子块中遍历，找出相关系数最大的子块，两块子块的中心点即为最佳匹配位置。

$c(t,g)=\frac{\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}[t(x,y)-\stackrel{\‾}{t}][g(x,y)-\stackrel{\‾}{g}]}{\sqrt{\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{[t(x,y)-\stackrel{\‾}{t}]}^2\×\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{[g(x,y)-\stackrel{\‾}{g}]}^2}}$

上式中，t和g分别为n₁₀和n₉中两个参与匹配计算的子块，(m,n)为图像大小，(x,y)为图像坐标，

为t的均值，

为g的均值，相关函数c(t,g)已经尺度变化到[-1，1]；

1.2.3对匹配得到的k_p个匹配点，根据仿射变换，以n₁₀为参考图像，对n₉重采样得到配准后图像。

1.3重复1.2，直到n₂和n₁图像配准结束，得到配准后的序列图像n₁'…n₁₀'。

2.背景杂波抑制

2.1由式

对配准的图像进行10帧图像平均，得到平均图像

2.2由式

M=1...10，计算当各帧n₁₀’图像的背景抑制结果。

3.图像叠加

3.1提取n₁₀’图像中灰度超过阈值150的点集T_C(x_TC,y_TC)，即为待探测点目标候选点。

3.2在n₉’图像中以点集T_C(x_TC,y_TC)中每个点T_Ci(x_TCi,y_TCi)坐标为中心选择边长为11的正方形区域，并提取该区域中的灰度最大值点，即为该点在n₉’中的位置，将该两点灰度值相加，并记录下该点在x和y方向上的偏移ST_Ci(sx_TCi,sy_TCi)；

3.3T_C(x_TC,y_TC)中每个点T_Ci(x_TCi,y_TCi)坐标加上它的偏移ST_Ci(sx_TCi,sy_TCi)得到新的候选点集，并在n_k-2’图像中继续步骤3.2中的操作，并判断得到偏移与上一步得到的偏移x和y方向上的符号是否一致，不一致则去掉，一致则继续保留在候选点集T_C(x_TC,y_TC)中；

3.4重复步骤3.3，直到n₁’图像操作结束；

3.5设置阈值1500，3.4得到的最终待探测点候选点集T_C(x_TC,y_TC)中，保留灰度值大于1500的为点目标。

本实施例中，由本发明提高的弱点目标平均信噪比增加2.9倍。

本发明中未作详细描述的内容属于本领域专业技术人员的公知技术。

Claims (8)

1.一种红外遥感图像弱点目标提取装置，其特征在于：包括图像配准模块、背景杂波抑制模块、点目标提取模块；图像配准模块对待处理红外序列图像进行配准，得到配准后的红外序列图像；背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制；点目标提取模块对背景杂波抑制后的红外序列图像进行图像数据叠加，得到信噪比增强的点目标。

2.根据权利要求1所述的一种红外遥感图像弱点目标提取装置，其特征在于：所述的图像配准模块包括图像匹配单元以及图像重采样单元；图像匹配单元获得待处理红外序列图像中的同名特征；图像重采样单元根据图像匹配单元获得的同名特征对图像重采样得到配准图像。

3.根据权利要求1所述的一种红外遥感图像弱点目标提取装置，其特征在于：所述的背景杂波抑制模块，包括图像背景杂波提取单元以及背景杂波抑制单元；图像背景杂波提取单元提取配准后的红外序列图像的背景杂波；背景杂波抑制单元对配准后的红外序裂图像进行背景杂波抑制。

4.根据权利要求1所述的一种红外遥感图像弱点目标提取装置，其特征在于：所述的点目标提取模块包括候选点目标探测单元、轨迹预测判别单元以及图像叠加单元；候选点目标探测单元提取背景杂波抑制后的红外序列图像中一帧图像中的待探测点目标候选点集；轨迹预测判别单元对待探测点目标候选点集中的点目标在其他帧背景杂波抑制后的红外序列图像中的位置进行判别；图像叠加单元找到待探测点目标候选点集中的点目标在其他帧背景杂波抑制后的红外序列图像中的位置，并将这些位置的灰度值叠加到这个点目标上。

5.一种红外遥感图像弱点目标提取方法，其特征在于包括以下步骤：

1）对待处理的k帧红外序列图像按照成像时间记为n₁、n₂…n_k，图像配准模块对待处理的k帧红外序列图像进行配准，得到配准后的红外序列图像n1'…nk'；

2）背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制；

3）点目标提取模块对步骤2）获得的背景杂波抑制后的红外序列图像进行图像数据叠加，得到信噪比增强的点目标。

6.根据权利要求5所述的一种红外遥感图像弱点目标提取方法，其特征在于：所述的步骤1）中图像配准模块对待处理的k帧红外序列图像进行配准的具体方法为：

11）对相邻图像进行配准；

111）将n_k帧和n_k-1帧图像分别等分成A个矩形子块，并分别获得n_k帧和n_k-1帧图像中每个子块的熵

其中，A为大于1的正整数；N为图像灰度级数，p_i表示灰度级为i的像素在子块中出现的概率；在n_k帧和n_k-1帧图像中分别选择熵最大的前B个子块作为待匹配子快，B≤A；

112）对n_k帧图像中待匹配的每个子块在n_k-1帧图像中的待匹配子块中遍历，采用归一化互相关匹配方法，每个子块获得B个相关系数

$c(t,g)=\frac{\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}[t(x,y)-\stackrel{\‾}{t}][g(x,y)-\stackrel{\‾}{g}]}{\sqrt{\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{[t(x,y)-\stackrel{\‾}{t}]}^2\×\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{[g(x,y)-\stackrel{\‾}{g}]}^2}};$ 将B个相关系数中最大的相关系数所对应的子块作为该n_k帧图像中待匹配子快在n_k-1帧图像中的匹配子快，该n_k帧图像中待匹配子快的中心点与其在n_k-1帧图像中的匹配子快的中心点互为匹配点；上式中，t和g分别为n_k帧图像中待匹配子快和其在n_k-1帧图像中的匹配子快，m、n分别为每个子快的长和宽，(x,y)为每个子快中像素的位置坐标，

为t的均值，

为g的均值；

113）对匹配得到的B个匹配点，根据仿射变换，以n_k帧图像为参考图像，对n_k-1帧图像重采样得到配准后图像；

12）重复步骤11），直到n₂帧图像和n₁帧图像配准完成，得到配准后的红外序列图像n₁’…n_k’。

7.根据权利要求5所述的一种红外遥感图像弱点目标提取方法，其特征在于：所述的步骤2）中由背景杂波抑制模块对配准后的红外序列图像进行背景杂波抑制的具体方法为：

21）求配准后的红外序列图像均值，得到平均图像

22）由式

M=1...k，计算配准后各帧红外序列图像的背景抑制结果。

8.根据权利要求5所述的一种红外遥感图像弱点目标提取方法，其特征在于：所述的步骤3）得到信噪比增强的点目标的具体方法为：

31）提取n_k’帧图像中灰度超过阈值T_th的点集T_C(x_TC,y_TC)，作为待探测点目标候选点；其中（x_TC,_yTC）为点在n_k’帧图像中的坐标；

32）在n_k-1’帧图像中以n_k’帧图像中点集T_C(x_TC,y_TC)中每个点T_Ci(x_TCi,y_TCi)坐标为中心选择边长为L的正方形区域；

33）并提取步骤32）中边长为L的正方形区域中灰度最大值点作为T_Ci(x_TCi,y_TCi)在nk-1’帧图像中的位置，将和T_Ci(x_TCi,y_TCi)两点的灰度值相加，并记录下

相对于T_Ci(x_TCi,y_TCi)的偏移量ST_Ci(sx_TCi,sy_TCi)和偏移方向；

34）T_C(x_TC,y_TC)中每个点T_Ci(x_TCi,y_TCi)的坐标加上该点的偏移量ST_Ci(sx_TCi,sy_TCi)得到新的候选点集，在n_k-2’帧图像中以该新的候选点集中每个点坐标为中心选择边长为L的正方形区域，并重复步骤33），并判断得到的新偏移方向与后一帧图像中得到的偏移方向是否一致，若不一致则去掉该候选点，一致则继续保留该候选点在候选点集中，直至n₁’帧图像操作结束；

35）设置阈值T_sth，步骤34）得到的最终待探测点目标候选点集中，保留灰度值大于T_sth的候选点为点目标。

Images