CN104408432A - 一种基于直方图修正的红外图像目标检测方法 - Google Patents

Abstract

本发明公开了一种基于直方图修正的红外图像目标检测方法，包括以下步骤：(1)利用原始图像F_org计算梯度图像(2)对进行非最大值抑制，得到图像(3)利用进行边缘连接，得到候选目标区域Obj₀；(4)统计Obj₀的直方图Histo；(5)设定Histo的高、低比例系数，计算高阈值T_high和低阈值T_low；(6)根据T_high和T_low将Obj₀进行修正，得到Obj₁；(7)对Obj₁进行边缘闭合判断，计算目标位置Pos(x,y)。

Description

一种基于直方图修正的红外图像目标检测方法

技术领域

本发明涉及红外图像处理领域，特别涉及一种适合硬件实时实现的基于直方图修正的红外图像目标检测方法。

背景技术

红外成像被动式工作，具有隐蔽性好、环境适应性强、对伪装的识别能力强等优点。近年来，利用红外探测器对目标进行检测在军用和民用领域得到广泛的应用。

在红外目标检测方面，国内外学者进行了大量研究，提出多种有价值的检测方法。Zhang Y等人提出采用稀疏光流法计算图像中兴趣点的光流信息实现检测运动目标；Liu Z H等人提出一种图像匹配的方法实现对探测器运动补偿，使用差分法实现运动目标检测；张强等人提出基于局部极大值的红外弱小目标分割，通过高斯模板对待检测图像进行增强处理；李秋华等人采用D-S证据理论的双色红外目标融合检测；王莹莹等人采用数学形态学和信息熵对红外目标进行检测。现有的红外图像目标检测技术存在以下缺点：(1)受周围环境的影响大，复杂背景中目标检测精度不高；(2)目标灰度对比度低的前提下，检测概率降低；(3)多数算法需设定固定阈值，受阈值影响，算法的环境适应性差。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于直方图修正的红外图像目标检测方法。

为了解决上述技术问题，本发明公开了红外图像目标检测方法，包括以下步骤：

(1)根据原始图像F_org计算梯度图像x为图像列坐标，y为图像行坐标；

(2)对梯度图像进行非最大值抑制，得到图像

(3)根据图像进行边缘连接，得到候选目标区域Obj₀；

(4)统计候选目标区域Obj₀的直方图Histo；

(5)设定直方图Histo的高、低比例系数，计算高阈值T_high和低阈值T_low；

(6)根据高阈值T_high和低阈值T_low将候选目标区域Obj₀进行修正，得到修正的目标区域Obj₁；

(7)对修正的目标区域Obj₁进行边缘闭合判断，计算目标位置Pos(x,y)。

本发明步骤(1)中，使用Roberts算子计算梯度图像

本发明基于直方图修正的红外图像目标检测方法中，计算Obj₀的统计直方图Histo，设定高比例系数得到高阈值T_high，设定低比例系数得到低阈值T_low。

步骤(2)中，对梯度图像进行非最大值抑制包括：将梯度方向定义为属于4个区之一，各个区用不同的邻近像素进行比较，决定局部极大值；4个区及相应的比较方向如表1所示：

表1：

4	3	2
			1	value	1
2	3	4

如果中心像素value的像素梯度方向属于第4区，则把value的梯度值与它左上和右下相邻像素的梯度值比较，看中心像素value的值是否是最大值；否则，中心像素value的值置0。

步骤(3)中，边缘连接处理是通过设定两个阈值T₁和T₂，T₁＝0.5×T₂，把图像中小于阈值T₁的像素值设为0，得到图像A1，把图像中小于阈值T₂的像素值设为0，得到图像A2，执行如下步骤：

a)对图像A2进行扫描，遇到非零像素P时，跟踪以像素P为开始点的轮廓线，直到该轮廓线的终点像素Q；

b)判断图像A1中与图像A2中像素Q点位置对应的像素点Q′的8-邻近区域，如果在像素点Q'的8-邻近区域中有任意非零像素R'存在，则将其包括到图像A2中，作为像素点R；

从像素点R作为非零像素P，返回步骤301)，直到在图像A1和图像A2中无法继续为止，执行步骤303)；

c)当完成对包含非零像素P的轮廓线的连接之后，将这条轮廓线标记为已访问，得到候选目标区域Obj₀，在图像A2中继续寻找下一条轮廓线。

步骤(5)中，计算候选目标区域Obj₀的统计直方图Histo，设定高比例系数得到高阈值T_high，设定低比例系数得到低阈值T_low。

步骤(6)中，通过将候选目标区域Obj₀中大于高阈值T_high的像素值置0，小于低阈值T_low的像素值置0，完成候选目标区域Obj₀的修正，得到修正的目标区域Obj₁。

本发明基于直方图修正的红外图像目标检测方法中，边缘闭合判断计算图像边缘在行、列方向的闭合度，通过闭合度判断是否为真实目标边缘。设定真实目标边缘判定准则为：a)行、列方向闭合度均大于80％；b)列差值Col_dec(i)>T表示第i行为候选目标区域，T是阈值。

步骤(7)中，边缘闭合判断计算图像边缘在行、列方向的闭合度，通过闭合度判断是否为真实目标边缘；

设定真实目标边缘判定条件为：

a)行、列方向闭合度均大于80％；

b)列差值Col_dec(i)>T表示第i行为候选目标区域，T是阈值，2≤T≤5；若行、列闭合度均满足真实目标边缘判定条件，则通过目标型心公式计算目标位置Pos(x,y)。

本发明与现有技术相比，具有以下显著优点：1)利用直方图对候选目标值进行修正，削弱了噪声、杂波的影响，抗干扰能力强；2)同时选用行、列方向闭合度对目标进行判断，提高了目标检测精度；3)检测方法中出现的阈值可固定，环境适应能力强；4)不存在高阶运算和复杂结构，算法运算量小，易于硬件实时实现。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为本发明流程图。

图2a为实施例的原始图像。

图2b为实施例的边缘连接图。

图2c为实施例的最终检测结果。

具体实施方式

本发明公开了一种基于直方图修正的红外图像目标检测方法，包括以下步骤：

(1)利用原始图像F_org计算梯度图像

(2)对进行非最大值抑制，得到图像

(3)利用进行边缘连接，得到候选目标区域Obj₀；

(4)统计Obj₀的直方图Histo；

(5)设定Histo的高、低比例系数，计算高阈值T_high和低阈值T_low；

(6)根据T_high和T_low将Obj₀进行修正，得到Obj₁；

(7)对Obj₁进行边缘闭合判断，计算目标位置Pos(x,y)。

步骤(1)中，使用Roberts算子计算梯度图像

步骤(2)中，进行“非最大值抑制”，梯度方向被定义为属于4个区之一，各个区用不同的邻近像素进行比较，决定局部极大值。4个区及相应的比较方向如下所示：

4	3	2
			1	value	1
2	3	4

如果中心像素value的像素梯度方向属于第4区，则把value的梯度值与它左上和右下相邻像素的梯度值比较，看value的值是否是最大值。否则，value的值置0，这个过程称为“非最大值抑制”。

步骤(3)中，边缘连接处理是通过设定两阈值T₁和T₂，T₁＝0.5×T₂，把中小于T₁的像素值设为0，得到图像1，把中小于T₂的像素值设为0，得到图像2，具体实现步骤如下：1)对图像2进行扫描，遇到非零像素P时，跟踪以P为开始点的轮廓线，直到该轮廓线的终点Q；2)判断图像1中与图像2中Q点位置对应的点Q'的8-邻近区域。如果在Q'的8-邻近区域中有非零像素R'存在，则将其包括到图像2中，作为点R；从R开始重复步骤1)，直到在图像1和图像2中无法继续为止；3)当完成对包含P的轮廓线的连接之后，将这条轮廓线标记为已访问，得到Obj₀，在图像2中继续寻找下一条轮廓线。

步骤(5)中，计算Obj₀的统计直方图Histo，设定高比例系数得到高阈值T_high，设定低比例系数得到低阈值T_low。

具体计算方法为：设定图像大小M×N，高比例系数为k₂％、低比例系数为k₁％，k₁、k₂的取值0～100，k₁<k₂，统计直方图Histo＝{Histo(k)|k＝1,2...K}，k是自变量，K是图像的最大灰度级，则，高阈值T_high、低阈值T_low的计算公式如下：

当首次大于k₁％×M×N，则当前k值即为低阈值T_low；

当首次大于k₂％×M×N，则当前k值即为高阈值T_high。

步骤(6)中，通过将Obj₀中大于T_high的像素值置0，小于T_low的像素值置0，完成Obj₀的修正，得到Obj₁。

步骤(7)中，边缘闭合判断计算图像边缘在行、列方向的闭合度，通过闭合度判断是否为真实目标边缘。设定真实目标边缘判定准则为：a)行、列方向闭合度均大于80％；b)列差值Col_dec(i)>T表示第i行为候选目标区域，T是阈值。

实施例1

结合图1，下面以实例来说明本发明基于直方图修正的红外图像目标检测方法。红外图像的像素个数320×256，帧频50HZ。红外热像仪的数字信号通过光纤传给DSP+FPGA架构的专用图像处理板，基于直方图修正的红外图像目标检测方法在DSP处理器中实现，处理时间小于20ms，满足实时处理的需求，具体实施步骤如下：

(1)获取原始图像F_org，利用Roberts算子计算梯度图像

原始图像F_org是14-bit数字图像。红外热像仪的数字信号通过光纤打包方式传给专用图像处理板的FPGA，FPGA完成光纤解包将数字信号经DSP的EMIF接口传给DSP，得到14-bit原始图像F_org。

(2)对进行非最大值抑制，得到图像

(3)对进行边缘连接中，设定T₂＝0.8(则T₁＝0.32)；

(4)按照直方图统计理论统计Obj₀的直方图Histo；

(5)设定Histo的高比例系数为0.95，计算高阈值T_high，设定低比例系数为0.05，计算低阈值T_low；

(6)根据步骤(5)计算的T_high和T_low对Obj₀进行修正，将Obj₀中大于T_high的像素值置0，小于T_low的像素值置0，得到Obj₁；

(7)以计算行方向闭合度为例，假设当前目标连接边缘在图像的第30～35行，目标所在行的列最小值Col_min、列最大值Col_max分别为Col_min＝{80,76,77,81,80,79}和Col_max＝{90,78,87,88,86,89}。目标所在行的列差值为Col_dec可表示为：

Col_dec＝Col_max-Col_min

＝{10,2,10,7,6,10}

当阈值T＝3时，由判定准则可计算，行方向闭合度为83.3％。

同理，可计算列方向闭合度。若行列闭合度均满足真实目标边缘判定准则，则通过目标型心公式计算目标位置Pos(x,y)，x、y的计算公式如下：

$x=\frac{\underset{\mathrm{kk}=1}{\overset{x\_\mathrm{count}}{\mathrm{\&Sigma;}}}(x_L\left(\mathrm{kk}\right)+x_R\left(\mathrm{kk}\right))}{2\&times;x\_\mathrm{count}}$

$y=\frac{\underset{\mathrm{kk}=1}{\overset{y\_\mathrm{count}}{\mathrm{\&Sigma;}}}(y_U\left(\mathrm{kk}\right)+y_D\left(\mathrm{kk}\right))}{2\&times;y\_\mathrm{count}}$

其中，x是目标所在列数，y是目标所在行数，x_count是行方向累加次数，y_count是列方向的累加次数，kk是自变量，x_L、x_R分别表示目标所在行方向的最左边和最右边的像素位置，y_U、y_D分别表示目标所在列方向最上边和最下边的像素位置。

实施例2

图2中，图2a表示原始图像，图2b表示边缘连接图，图2c为最终检测结果。图像显示，本发明提出的基于直方图修正的红外图像目标检测方法目标检测精确高。

本发明提供了一种基于直方图修正的红外图像目标检测方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (7)

1.一种基于直方图修正的红外图像目标检测方法，其特征在于，包括以下步骤：

(1)根据原始图像F_org计算梯度图像x为图像列坐标，y为图像行坐标；

(2)对梯度图像进行非最大值抑制，得到图像

(3)根据图像进行边缘连接，得到候选目标区域Obj₀；

(4)统计候选目标区域Obj₀的直方图Histo；

(5)设定直方图Histo的高、低比例系数，计算高阈值T_high和低阈值T_low；

(6)根据高阈值T_high和低阈值T_low将候选目标区域Obj₀进行修正，得到修正的目标区域Obj₁；

(7)对修正的目标区域Obj₁进行边缘闭合判断，计算目标位置Pos(x,y)。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中，使用Roberts算子计算梯度图像

3.根据权利要求2所述的方法，其特征在于，步骤(2)中，对梯度图像进行非最大值抑制包括：将梯度方向定义为属于4个区之一，各个区用不同的邻近像素进行比较，决定局部极大值；4个区及相应的比较方向如表1所示：

表1：

4 3 2 1 value 1 2 3 4

如果中心像素value的像素梯度方向属于第4区，则把value的梯度值与它左上和右下相邻像素的梯度值比较，看中心像素value的值是否是最大值；否则，中心像素value的值置0。

4.根据权利要求3所述的方法，其特征在于，步骤(3)中，边缘连接处理是通过设定两个阈值T₁和T₂，T₁＝0.5×T₂，把图像中小于阈值T₁的像素值设为0，得到图像A1，把图像中小于阈值T₂的像素值设为0，得到图像A2，执行如下步骤：

a)对图像A2进行扫描，遇到非零像素P时，跟踪以像素P为开始点的轮廓线，直到该轮廓线的终点像素Q；

b)判断图像A1中与图像A2中像素Q点位置对应的像素点Q′的8-邻近区域，如果在像素点Q′的8-邻近区域中有任意非零像素R′存在，则将其包括到图像A2中，作为像素点R；

从像素点R作为非零像素P，返回步骤301)，直到在图像A1和图像A2中无法继续为止，执行步骤303)；

c)当完成对包含非零像素P的轮廓线的连接之后，将这条轮廓线标记为已访问，得到候选目标区域Obj₀，在图像A2中继续寻找下一条轮廓线。

5.根据权利要求4所述的方法，其特征在于，步骤(5)中，计算候选目标区域Obj₀的统计直方图Histo，设定高比例系数得到高阈值T_high，设定低比例系数得到低阈值T_low。

6.根据权利要求1所述的方法，其特征在于，步骤(6)中，通过将候选目标区域Obj₀中大于高阈值T_high的像素值置0，小于低阈值T_low的像素值置0，完成候选目标区域Obj₀的修正，得到修正的目标区域Obj₁。

7.根据权利要求1所述的方法，其特征在于，步骤(7)中，边缘闭合判断计算图像边缘在行、列方向的闭合度，通过闭合度判断是否为真实目标边缘；

设定真实目标边缘判定条件为：

a)行、列方向闭合度均大于80％；

b)列差值Col_dec(i)>T表示第i行为候选目标区域，T是阈值，2≤T≤5；

若行、列闭合度均满足真实目标边缘判定条件，则通过目标型心公式计算目标位置Pos(x,y)。