CN105809147A - 基于Markov自回归模型的地球大气红外背景抑制方法 - Google Patents

Abstract

公开了一种基于Markov自回归模型的地球大气红外背景抑制方法，包括：对当前帧图像数据进行空域自适应滤波，获取空域抑制残差；提取空域滤波后的背景杂波干扰点，以背景杂波干扰点作为样点集，确定空域模型系数；基于最小均方误差准则，确定时域模型参数；依据空域抑制残差、空域模型系数和时域模型参数，利用时空域统一模型获取空域滤波的输出结果进行自适应背景估计与差分处理，得到滤波结果。本发明能够实现抑制残差的最小化，提高抑制天基红外探测中的云层等杂波背景的能力，降低杂波干扰，改善目标的对比度和信噪比。

Description

基于Markov自回归模型的地球大气红外背景抑制方法

技术领域

本发明涉及红外、图像处理技术领域，特别涉及基于Markov自回归模型的地球大气红外背景抑制方法。

背景技术

以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有技术。

由于作用距离远、隐身性能好等优点，天基红外目标无源被动探测已广泛地应用于国防军事领域，例如美国的天基红外系统(SBIRS)和天基跟踪监视系统(STSS)，利用红外传感器实现对助推段飞行目标的早期发现和中段目标的持续跟踪。在地球同步轨道静止平台探测时，由于探测距离非常遥远，同时由于大气传输路径的衰减，探测器接收到的目标辐射能量往往比较弱，且目标表现为点状、无任何形状信息可言。大气云层反射等引起的杂波干扰容易导致目标被淹没其中，对目标检测造成极大的影响。因此，必须进行地球大气背景杂波进行抑制处理，以降低杂波干扰、改善目标的对比度和信噪比。。

发明内容

本发明的目的在于提出一种基于Markov自回归模型的地球大气红外背景抑制方法，能够抑制天基红外探测中的云层等杂波背景，降低杂波干扰，改善目标的对比度和信噪比。

根据本发明的基于Markov自回归模型的地球大气红外背景抑制方法，包括：

S1、对当前帧图像数据进行空域自适应滤波，获取空域抑制残差；

S2、提取空域滤波后的背景杂波干扰点，以所述背景杂波干扰点作为样点集，确定空域模型系数；

S3、基于最小均方误差准则，确定时域模型参数；

S4、依据空域抑制残差、空域模型系数和时域模型参数，利用时空域统一模型获取空域滤波的输出结果进行自适应背景估计与差分处理，得到滤波结果。

优选地，步骤S1中在时域上采用二阶恒系数a_k模型。

优选地，滤波结果为：

式中，Z_t(i,j)为视场图像中t时刻像元(i,j)处的灰度值；L为空间窗口参数，且L为偶数；为t时刻像元(i,j)处的空域抑制残差；为t-1时刻像元(i+m,j+n)处的空域抑制残差；为t-2时刻像元(i+m,j+n)处的空域抑制残差；和为空间模型系数

优选地，步骤S1中采用非线性中值滤波法进行滤波。

优选地，选取3×3模板的近邻方向中值滤波，空域抑制残差为：

M₁＝med[Z_t(i-1,j),Z_t(i,j),Z_t(i+1,j)]

M₂＝med[Z_t(i,j-1),Z_t(i,j),Z_t(i,j+1)]

M₃＝med[Z_t(i-1,j-1),Z_t(i,j),Z_t(i+1,j+1)]

M₄＝med[Z_t(i-1,j+1),Z_t(i,j),Z_t(i+1,j-1)]

其中，为t时刻像元(i,j)处的空域抑制残差；med[*]表示取中值运算；Z_t(i^*,j^*)为视场图像中t时刻像元(i^*,j^*)处的灰度值。

优选地，空域模型系数为：

式中，N_c为像元个数。

优选地，步骤S3包括：

建立目标函数：

将公式3带入公式9，另其导数为零，则：

式中，

优选地，以所述背景杂波干扰点作为样点集具体为：对空域抑制残差进行双门限检测，提取疑似样点集。

优选地，所述样点集为：

式中，Ω为样点集；

和分别为空域抑制残差的均值和标准差；

和为虚警率，且

Φ^-1(·)为标准正态累积概率求逆函数。

根据本发明的基于Markov自回归模型的地球大气红外背景抑制方法，其特征在于包括：对当前帧图像数据进行空域自适应滤波，获取空域抑制残差；提取空域滤波后的背景杂波干扰点，以背景杂波干扰点作为样点集，确定空域模型系数；基于最小均方误差准则，确定时域模型参数；依据空域抑制残差、空域模型系数和时域模型参数，利用时空域统一模型获取空域滤波的输出结果进行自适应背景估计与差分处理，得到滤波结果。本发明将背景杂波的时空域融合估计转换为时域和空域两个独立的处理过程，通过对当前帧图像数据进行空域自适应滤波处理，在空域第一级尽可能降低背景的干扰；利用时空域统一模型对空域滤波结果进行自适应背景估计与差分处理，能够实现抑制残差的最小化，提高抑制天基红外探测中的云层等杂波背景的能力，降低杂波干扰，改善目标的对比度和信噪比。

附图说明

通过以下参照附图而提供的具体实施方式部分，本发明的特征和优点将变得更加容易理解，在附图中：

图1是采用本发明的地球大气红外背景抑制方法处理前的图像示意图；

图2是采用本发明的地球大气红外背景抑制方法处理后的残差图像示意图。

具体实施方式

下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。

在时间域上背景杂波表现为缓慢的Markov过程；在空间域上，背景杂波表现为二维AR模型(autoregressivemodel，自回归模型)。基于此，本发明将背景杂波的时空域融合估计转换为时域和空域两个独立的处理过程。

红外目标与背景的构成的探测图像表述如下：

其中，Z_t(i,j)为视场图像中t时刻像元(i,j)处的灰度值，N_t为t时刻的目标数，I_t(n)T(i,j,x_n,y_n)为来自于第n个目标的信号的贡献，(x_n,y_n)为目标的像平面位置，I_t(n)为目标强度，T为大气传输和传感器的传递函数，b_t(i,j)为背景图像，n_t(i,j)为噪声图像。

探测器噪声可认为近似服从高斯分布。探测器某个像元的背景杂波灰度值不仅与当前帧邻域像素有关，而且与历史帧对应空间的邻域像素有关，其时空域特性可以描述为：

式中，L为空间窗口参数，且L为偶数；K为时间窗口参数；为空间模型系数；b_t-k为；w_t(i,j)为t时刻像元(i,j)处的白噪声。

从上述内容可知，对探测图像中任一像素对应背景的估计，不但可以利用其周围邻域的相关性，还可以利用其在时域上的相关性。

本发明首先对当前帧图像数据进行空域自适应滤波处理，在空域第一级尽可能降低背景的干扰，获取空域抑制残差步骤S1中在时域上可以采用二阶恒系数a_k模型，即在时域第k帧的背景相关信息都包含在k帧和k-1帧的背景中，时间间隔越短相关性越强。优选地，滤波结果为：

式中，Z_t(i,j)为视场图像中t时刻像元(i,j)处的灰度值；为t时刻像元(i,j)处的空域抑制残差；为t-1时刻像元(i+m,j+n)处的空域抑制残差；为t-2时刻像元(i+m,j+n)处的空域抑制残差；和为空间模型系数。

非线性中值滤波能够很好的抑制脉冲干扰，同时对于尖锐的跳变变化边缘具有很好的保护作用，因此，在进行空域背景杂波估计时，可以采用非线性中值滤波法进行滤波。考虑到结构性边缘杂波点总具有某种方向上的连续性特征，在本发明的一些实施例中，选取3×3模板的近邻方向中值滤波，空域抑制残差为：

M₁＝med[Z_t(i-1,j),Z_t(i,j),Z_t(i+1,j)]

M₂＝med[Z_t(i,j-1),Z_t(i,j),Z_t(i,j+1)]

M₃＝med[Z_t(i-1,j-1),Z_t(i,j),Z_t(i+1,j+1)]

M₄＝med[Z_t(i-1,j+1),Z_t(i,j),Z_t(i+1,j-1)]

其中，为t时刻像元(i,j)处的空域抑制残差；med[*]表示取中值运算；Z_t(i^*,j^*)为视场图像中t时刻像元(i^*,j^*)处的灰度值。

S2、提取空域滤波后的背景杂波干扰点，以背景杂波干扰点作为样点集，确定空域模型系数。

为了限制目标信号对参数估计的影响，以背景杂波干扰点作为样点集具体为：对空域抑制残差进行双门限检测，提取疑似样点集。优选地，样点集为：

式中，Ω为样点集； 和分别为空域抑制残差的均值和标准差；和为虚警率，且Φ^-1(·)为标准正态累积概率求逆函数。

在本发明的一些实施例中，可以采用如下方式确定空域模型系数，包括：

建立目标函数：

令：

则公式5转化为：Err(A₁)＝||F_t-H_t-1×A₁||²；

令系数矩阵H_t-1的奇异值分解如公式6：H_t-1＝U∑V^T公式6最优权系数估计为：

归一化的最优权系数为：

式中，式中，

N_c为像元个数。

令：

则公式5转化为：Err(A₂)＝||F_t-H_t-1×A₂||²；

最优权系数估计为：

归一化的最优权系数为：

式中，N_c为像元个数。

S3、基于最小均方误差准则，确定时域模型参数a_k。优选地，步骤S3包括：

建立目标函数：

将公式3带入公式9，另其导数为零，则：

式中，

S4、依据空域抑制残差空域模型系数和时域模型参数a_k，利用时空域统一模型获取空域滤波的输出结果进行自适应背景估计与差分处理，得到滤波结果

图1示出了采用本发明的地球大气红外背景抑制方法处理前的图像示意图；图2是采用本发明的地球大气红外背景抑制方法处理后的残差图像示意图。从图1和2可以看出，采用本发明的地球大气红外背景抑制方法表现出良好的杂波抑制能力。

虽然参照示例性实施方式对本发明进行了描述，但是应当理解，本发明并不局限于文中详细描述和示出的具体实施方式，在不偏离权利要求书所限定的范围的情况下，本领域技术人员可以对所述示例性实施方式做出各种改变。

Claims (9)

1.一种基于Markov自回归模型的地球大气红外背景抑制方法，其特征在于包括：

S1、对当前帧图像数据进行空域自适应滤波，获取空域抑制残差；

S2、提取空域滤波后的背景杂波干扰点，以所述背景杂波干扰点作为样点集，确定空域模型系数；

S3、基于最小均方误差准则，确定时域模型参数；

S4、依据空域抑制残差、空域模型系数和时域模型参数，利用时空域统一模型获取空域滤波的输出结果进行自适应背景估计与差分处理，得到滤波结果。

2.如权利要求1所述的地球大气红外背景抑制方法，其特征在于，步骤S1中在时域上采用二阶恒系数a_k模型。

3.如权利要求2所述的地球大气红外背景抑制方法，其特征在于，滤波结果为：

式中，Z_t(i,j)为视场图像中t时刻像元(i,j)处的灰度值；L为空间窗口参数，且L为偶数；为t时刻像元(i,j)处的空域抑制残差；为t-1时刻像元(i+m,j+n)处的空域抑制残差；为t-2时刻像元(i+m,j+n)处的空域抑制残差；和为空间模型系数。

4.如权利要求3所述的地球大气红外背景抑制方法，其特征在于，步骤S1中采用非线性中值滤波法进行滤波。

5.如权利要求4所述的地球大气红外背景抑制方法，其特征在于，选取3×3模板的近邻方向中值滤波，空域抑制残差为：

M₁＝med[Z_t(i-1,j),Z_t(i,j),Z_t(i+1,j)]

M₂＝med[Z_t(i,j-1),Z_t(i,j),Z_t(i,j+1)]

M₃＝med[Z_t(i-1,j-1),Z_t(i,j),Z_t(i+1,j+1)]

M₄＝med[Z_t(i-1,j+1),Z_t(i,j),Z_t(i+1,j-1)]

其中，为t时刻像元(i,j)处的空域抑制残差；med[*]表示取中值运算；Z_t(i^*,j^*)为视场图像中t时刻像元(i^*,j^*)处的灰度值。

6.如权利要求5所述的地球大气红外背景抑制方法，其特征在于，空域模型系数为：

式中，

N_c为像元个数。

7.如权利要求6所述的地球大气红外背景抑制方法，其特征在于，步骤S3包括：

建立目标函数：

将公式3带入公式9，另其导数为零，则：

式中，

$\mathrm{\Δ}Z(i_q,j_q,t,t-2)={\tilde{Z}}_t^s(i_q,j_q)-\underset{m=-L/2}{\overset{L/2}{\Σ}}\underset{n=-L/2}{\overset{L/2}{\Σ}}{a}_{m,n}^2{\tilde{Z}}_{t-2}^s(i_q+m,j_q+n);$

$\mathrm{\Δ}Z(i_q,j_q,t-1,t-2)=\underset{m=-L/2}{\overset{L/2}{\Σ}}\underset{n=-L/2}{\overset{L/2}{\Σ}}{a}_{m,n}^1{\tilde{Z}}_{t-1}^s(i_q+m,j_q+n)-\underset{m=-L/2}{\overset{L/2}{\Σ}}\underset{n=-L/2}{\overset{L/2}{\Σ}}{a}_{m,n}^2{\tilde{Z}}_{t-2}^s(i_q+m,j_q+n).$

8.如权利要求7所述的地球大气红外背景抑制方法，其特征在于，以所述背景杂波干扰点作为样点集具体为：

对空域抑制残差进行双门限检测，提取疑似样点集。

9.如权利要求8所述的地球大气红外背景抑制方法，其特征在于，所述样点集为：

式中，Ω为样点集；

${\mathrm{Th}}_0=\mathrm{\μ}\left({\tilde{Z}}_t^s\right)-{\mathrm{\Φ}}^{-1}\left(p_f^0\right)\mathrm{\σ}\left({\tilde{Z}}_t^s\right);{\mathrm{Th}}_1=\mathrm{\μ}\left({\tilde{Z}}_t^s\right)-{\mathrm{\Φ}}^{-1}\left(p_f^1\right)\mathrm{\σ}\left({\tilde{Z}}_t^s\right);$

和分别为空域抑制残差的均值和标准差；

和为虚警率，且

Φ^-1(·)为标准正态累积概率求逆函数。