CN106056115A - 一种非均匀背景下的红外小目标检测方法 - Google Patents

Abstract

本发明公开了一种非均匀背景下的红外小目标检测方法，主要解决现有技术在陆‑空共存、多云或云层边缘非规整等非均匀背景下的存在的小目标检测概率、虚警概率恶化严重等问题，其实现过程为：利用滑窗方法把当前红外图像进行分块，得到多个子块；在当前检测子块的邻域内构建保护区域和局部背景区域；计算当前检测子块像素的最大灰度值和局部背景区域内的像素灰度值的最大值和均值；利用增强局部韦伯对比度测度得到显著性检测图；最后采用门限判决技术完成目标检测。本发明具有小目标检测概率高和虚警概率低之优点，可用于在陆‑空交界、云层边缘等非均匀背景下的红外小目标的检测。

Description

一种非均匀背景下的红外小目标检测方法

技术领域

本发明属于目标探测技术领域，涉及红外小目标的检测与估计，具体地说是一种结合人眼视觉系统对比机制，采用增强的局部韦伯对比度测度实现微弱小信号的检测方法，用于在非均匀背景下以较高检测概率检测红外小目标的同时降低检测的虚警概率。

背景技术

红外搜索与跟踪(IRST)系统在在精确制导、防空预警、安全监控等领域获得了广泛应用。长期以来低信噪比条件下的红外弱小目标检测一直都是国内外研究的热点。红外弱小目标尺寸非常小，没有明显的纹理特征和形状信息，在原始红外图像序列中，虽然目标亮度通常比背景强，但是它与背景的对比度较低。特别是在多云等非均匀背景下，低信噪比小目标常被淹没在强噪声与背景信号中，可靠检测尤为困难。

在红外图像低信噪比小目标检测领域，研究者们提出了多种解决途径。2001年吴巍等人曾在文章“一种云层背景抑制与小目标检测方法”(《电子学报》2001年11月29卷第11期56-57)中提出利用形态学上的top-hat算子对红外小目标检测的方法。基于数学形态学的弱小目标检测方法，很好地利用了红外序列图像中的背景或目标的形态信息，部分滤除背景信号，但无法自适应匹配目标尺寸，在非均匀背景下杂波抑制性能下降明显；2007年迟健男等人曾在“反对称双正交小波在红外图像小目标检测中的应用”(《宇航学报》2007年9月28卷第5期1253-1257)中提出一种海空背景下红外图像小目标检测方法，利用反对称双正交小波变换的多尺度边缘检测方法和形态学方法实现了在小波塔式分解数据上的图像边缘特征提取和小目标检测，但该方法运算复杂度高，而且弱小目标的小波特征在目标很弱时很难描述；2012年李德仁等人曾在“基于视觉反差的显著图生成与目标检测”(《武汉大学学报：信息科学版》2012年4月37卷第4期379-383)中提出一种基于多尺度图像块统计序列对比度的红外小目标视觉显著性鲁棒检测方法，该方法能够在低信噪比条件有效地对红外小目标视觉显著性进行检测，但在陆-空共存、多云或云层边缘非规整等非均匀背景下的检测概率、虚警概率恶化严重。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于韦伯对比度增强的红外弱小目标检测方法，以解决在非均匀背景条件下，提高弱小目标检测概率，同时降低虚警概率。

用于实现本发明目的技术方案如下所述。

一种非均匀背景下的红外小目标检测方法，包括如下步骤：

(1)利用滑窗的方法对当前红外图像进行分块，得到多个子块；

(2)利用中心为(l,k)的当前待检测子块的相邻8个子块构建当前待检测子块的保护区域，得到3×3的图像块，并在该图像块的水平、垂直方向和对角方向构建其局部背景区域；

(3)计算中心为(l,k)的当前待检测子块内像素的灰度值I_l,k(j)，并得到当前待检测子块内最大灰度值L_l,k；

(4)在待检测子块的局部背景区域，计算局部背景区域内每个子块的灰度均值m_bm，利用每个子块的灰度均值m_bm，得到局部背景区域内灰度值的最大值和均值

(5)基于韦伯定理，计算检测中心为(l,k)子块的增强局部韦伯对比度测度ILWCM(l,k)，得到显著性检测图；

(6)利用门限判决技术完成目标检测。

本发明与现有技术相比，具有以下优点：

(1)在待检测子块的邻域内构建了保护区域和局部背景区域，有利于在估计背景平均亮度时，降低目标亮度与散斑噪声的影响；

(2)采用增强局部韦伯对比度测度的方法得到显著性检测图，不仅能提高小目标在高亮背景下的可见度，而且能够减少边缘突变区域所引入的虚假检测。

附图说明

图1是本发明目标检测流程图。

图2是本发明保护区域和局部背景区域的划分示意图。

图3是原始图像。

图4是采用局部对比度测度法的显著性图。

图5是采用局部韦伯对比度测度法的显著性图。

图6是采用本发明方法的显著性图。

具体实施方式

参照图1，本发明的实现步骤如下：

步骤1.将当前红外图像分割为多个子块。

步骤2.构建当前检测子块的保护区域和局部背景区域。

2a)以每个子块为中心，利用相邻的八个子块组成3×3的图像块，其中每个图像块的中心子块为待检测子块，利用其相邻的八个子块构建待检测子块的保护区域；

2b)查找保护区域在水平、垂直和对角方向相邻的8个图像块，利用该8个图像块构建当前检测子块的局部背景区域，如图2所示。

步骤3.计算当前检测子块像素的灰度值I_l,k(j)和最大灰度值L_l,k。

中心为(l,k)的当前检测子块像素的最大灰度值L_l,k为：

L_l,k＝maxI_l,k(j) j＝1,2,…N_b

其中I_l,k(j)表示中心为(l,k)的当前检测子块在第j个像素点的灰度；N_b为当前检测子块内的像素总数。

步骤4.计算局部背景区域内灰度值的最大值和均值

4a)计算局部背景区域内第m个子块的灰度均值m_bm：

$m_{bm}=\frac{1}{N_{bm}}\underset{j=1}{\overset{N_{bm}}{\Σ}}{I}_{bm}\left(j\right)$

其中I_bm(j)为第m个子块在第j个像素的灰度，N_bm为第m个子块内的像素总数。

4b)利用如下公式得到局部背景区域内灰度值的最大值和均值

$I_b^{\max }=\underset{m}{\max }{m}_{bm}$

$I_b^{meam}=\frac{\underset{m=1}{\overset{M}{\Σ}}{m}_{bm}}{M}$

其中M表示局部背景区域的子块总数。

步骤5.计算增强局部韦伯对比度测度ILWCM(l,k)。

基于韦伯定理，增强局部韦伯对比度测度ILWCM(l,k)可按下式得到：

$ILWCM(l,k)=\left\{\begin{array}{cc}0& L_{l,k}-I_b^{\max }\≤{\mathrm{\αI}}_b^{mean}\\ L_{l,k}\×\frac{L_{l,k}-I_b^{\max }}{I_b^{mean}}& L_{l,k}-I_b^{\max }>{\mathrm{\αI}}_b^{mean}\end{array}\right.$

其中α表示人眼视觉系统可分辨的相对亮度，取值范围为0.005～0.05。

步骤6.利用门限判决技术完成目标检测。

门限判决门限设置为：

T_r＝m_ILWCM+kσ_ILWCM

其中m_ILWCM和σ_ILWCM分别表示增强局部韦伯对比度测度的均值和标准差；系数k在3～5之间选取。

本发明的效果可以通过以下仿真结果进一步说明。

1.仿真数据：

采用制冷型红外焦平面探测器录取碎积云天空气象条件下的红外图像序列，探测器面阵尺寸为384x288，动态范围大于75dB，探测距离小于30km。数据处理均在内存16G、主频3.4GHz的Intel i7双核通用计算机上完成。

2.仿真内容及结果

仿真：碎积云天空背景下采用局部对比度测度法、局部韦伯对比度测度法和本发明方法的显著性图。

其中：图3是原始图像，图4是采用局部对比度测度法的显著性图，图5是采用局部韦伯对比度测度法的显著性图，图6是采用本发明方法的显著性图。图中LCM为局部对比度测度法，LWCM为局部韦伯对比度测度法，ILWCM为本发明方法。

综观图3至图6可以发现：在碎积云天空背景下，局部对比度测度法(LCM)、局部韦伯对比度测度法(LWCM)和本发明方法均能增大目标信号幅度，提高目标可见度，但局部对比度测度法在积云区域取值较大，不利于后续目标分割处理；局部韦伯对比度测定法在大面积的积云区域取值接近零，在积云区域边界取值较大，易导致虚假检测；而本发明方法不但对积云区域具有良好的抑制能力，而且能有效消除积云区域边缘导致的虚警检测。因此，本发明方法不但能够提高小目标在高亮背景下的可见度，而且能够减小积云高亮区域及云层边缘突变区域所引入的虚假检测。

Claims (6)

1.一种非均匀背景下的红外小目标检测方法，其特征在于，包括如下步骤：

(1)利用滑窗的方法对当前红外图像进行分块，得到多个子块；

(2)利用中心为(l,k)的当前待检测子块的相邻8个子块构建当前待检测子块的保护区域，得到3×3的图像块，并在该图像块的水平、垂直方向和对角方向构建其局部背景区域；

(3)计算中心为(l,k)的当前待检测子块内像素的灰度值I_l,k(j)，并得到当前待检测子块内最大灰度值L_l,k；

(4)在待检测子块的局部背景区域，计算局部背景区域内每个子块的灰度均值m_bm，利用每个子块的灰度均值m_bm，得到局部背景区域内灰度值的最大值和均值

(5)基于韦伯定理，计算检测中心为(l,k)子块的增强局部韦伯对比度测度ILWCM(l,k)，得到显著性检测图；

(6)利用门限判决技术完成目标检测。

2.根据权利要求1所述的非均匀背景下的红外小目标检测方法，其特征在于：步骤(2)所述的在待检测子块的邻域内构建保护区域与局部背景区域，按如下步骤进行：

2a)以每个子块为中心，利用相邻的八个子块组成3×3的图像块，其中每个图像块的中心子块为待检测子块，利用其相邻的八个子块构建待检测子块的保护区域；

2b)查找保护区域在水平、垂直和对角方向相邻的8个图像块，利用该8个图像块构建当前检测子块的局部背景区域。

3.根据权利要求1所述的非均匀背景下的红外小目标检测方法，其特征在于：步骤(3)所述的当前待检测子块内最大灰度值L_l,k为：

L_l,k＝max I_l,k(j) j＝1,2,…N_b

其中I_l,k(j)表示中心为(l,k)的当前检测子块在第j个像素点的灰度；N_b为当前检测子块内的像素总数。

4.根据权利要求1所述的非均匀背景下的红外小目标检测方法，其特征在于：步骤(4)所述的局部背景区域内灰度值的最大值和均值可按如下公式得到：

$I_b^{\max }=\underset{m}{max}{m}_{bm}$

$I_b^{meam}=\frac{\underset{m=1}{\overset{M}{\Σ}}{m}_{bm}}{M}$

其中，m_bm表示局部背景区域内第m个子块的灰度均值；M表示局部背景区域的子块总数。

5.根据权利要求1所述的非均匀背景下的红外小目标检测方法，其特征在于：所述步骤(5)中的根据韦伯定理得到增强局部韦伯对比度测度，可按如下公式得到：

$ILWCM(l,k)=\left\{\begin{array}{cc}0& L_{l,k}-I_b^{\max }\≤{\mathrm{\αI}}_b^{mean}\\ L_{l,k}\×\frac{L_{l,k}-I_b^{\max }}{I_b^{mean}}& L_{l,k}-I_b^{\max }>{\mathrm{\αI}}_b^{mean}\end{array}\right.$

其中α表示人眼视觉系统可分辨的相对亮度，取值范围为0.005～0.05。

6.根据权利要求1所述的非均匀背景下的红外小目标检测方法，其特征在于：所述步骤(6)中的判决门限设置为：

T_r＝m_ILWCM+kσ_ILWCM

其中m_ILWCM和σ_ILWCM分别表示增强局部韦伯对比度测度的均值和标准差；系数k在3～5之间选取。