CN106600616A - 一种图像背景杂波度量方法及系统 - Google Patents

Abstract

本发明公开了一种图像背景杂波度量方法及系统，方法包括：求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息；基于边缘结构信息对各背景图像块与目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块；基于选取出的背景图像块与目标图像块构建特征空间，以特征空间对目标图像块进行稀疏表示，得到表示向量；计算表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。本发明图像背景杂波度量方法及系统，与现有根据人眼的视觉特性对目标与背景的图像特征进行甄选的杂波度量方法相比，本方法基于杂波的本质，考虑人眼的选择性特性，可提高对图像杂波度量的准确性。

Description

一种图像背景杂波度量方法及系统

技术领域

本发明涉及光电成像性能评价技术领域，特别是涉及一种图像背景杂波度量方法及系统。

背景技术

随着光电成像系统成像性能的不断提高，场景中与目标相似的物体逐渐成为影响图像观测的重要因素，一方面，相似物体会使得观测者浪费很多时间对其进行观察，另一方面也会混淆观测者的判断，错误地将其当作目标。

将目标与背景的相似性定义为背景杂波，相似程度越高则背景杂波的值越高，反之则越低。在光电成像系统的性能评价中充分考虑背景杂波，评价结果才可能准确，反之则不然。因此，如何准确地度量背景杂波是光电成像系统性能评价过程中的关键一步。

目前采用的背景杂波度量方法分为以下两大类：

第一类是基于数学定义的背景杂波度量方法。这类方法是基于图像中目标与背景像素值的统计信息对背景杂波进行度量，计算简单且适用于自然场景。但是，由于这类方法仅仅考虑了像素值的大小并以统计值来衡量目标与背景的相似性，忽略了包括目标形状、边缘点分布等重要的信息，这使得度量结果不够准确，无法正确的表征目标与背景的相似性。

第二类方法是基于人眼视觉特性的背景杂波度量方法。这类方法将人眼的视觉特性引入到杂波度量中，根据人眼的视觉特性对目标与背景的图像特征进行甄选，并在这些方面度量其相似程度。与上一类方法相比本方法度量结果更准确，但是该方法在引用背景图像时，例如边缘概率杂波度量方法、边缘强度杂波度量方法和图像熵杂波度量方法，都是基于人眼对图像中高对比度的扩展区域或者明显的边缘轮廓较为敏感的特性来筛选图像，然后通过统计背景中边缘点数目或者强度以及计算背景的信息量来度量杂波，这些方法忽略了杂波的本质，抛开目标仅仅计算人眼对背景中非目标区域的敏感程度，这会造成杂波度量结果的不准确。

发明内容

本发明的目的是提供一种图像背景杂波度量方法及系统，基于对目标与背景图像特征的相似性度量来筛选背景区域，再进一步基于对目标图像的稀疏表示进行杂波度量，与现有方法相比，可提高对图像杂波度量的准确性。

为实现上述目的，本发明提供如下技术方案：

一种图像背景杂波度量方法，包括：

求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息；

基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块；

基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量；

计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。

可选地，在所述求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息之前，还包括：

从图像中抽取所述目标图像块，将背景区域划分为与所述目标图像块大小相同的多个所述背景图像块。

可选地，求取图像块的边缘结构信息具体包括：

提取所述图像块的边缘点强度图和边缘点方向图；

在所述边缘点方向图中提取出与所述边缘点强度图中强度值高于预设值的边缘点对应的方向值，将提取出的所有方向值放置在六个从0到180度等间距的方向角空间中；

以每一方向角空间内方向值的数量与提取出的方向值的总数量的比值作为元素，构成向量，作为所述边缘结构信息。

可选地，所述基于选取出的所述背景图像块与所述目标图像块构建特征空间包括：

将选取出的所述背景图像块与所述目标图像块构成数据空间，对所述数据空间进行主成分分析，抽取主成分，得到所述特征空间。

可选地，所述第一预设范围为相似性度量值低于第一阈值，所述第二预设范围为元素取值高于第二阈值；

采用以下方法确定所述第一阈值、所述第二阈值的取值，具体为：

在三维直角坐标系中建立均方根误差曲面，具体为：以所述第一阈值为X轴坐标、以所述第二阈值为Y轴坐标，以预测探测概率与外场试验数据的均方根误差值为Z轴坐标，所述预测探测概率由在相应的第一阈值和第二阈值下获得的杂波值带入到基于杂波值的探测概率预测公式中得到；

以所述均方根误差曲面的最低点对应的第一阈值和第二阈值，分别作为度量中所述第一阈值、所述第二阈值的取值。

可选地，对所述背景图像块与所述目标图像块进行边缘结构相似性度量的计算公式表示为：

C_r＝||D_r-D_t||₂；

其中，C_r表示第r个所述背景图像块与所述目标图像块的相似性度量值，D_t表示所述目标图像块的边缘结构信息，D_r表示第r个背景图像块的边缘结构信息。

可选地，以所述特征空间对所述目标图像块进行稀疏表示的表达式为：

argmin＝||s||₁。

可选地，计算所述表示向量中取值位于第二预设范围的元素的总和表示为：

其中，I表示所述表示向量中取值位于所述第二预设范围的元素的数量。

一种图像背景杂波度量系统，包括：

求取模块，用于求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息；

相似性度量模块，用于基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块；

表示模块，用于基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量；

计算模块，用于计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。

由上述技术方案可知，本发明所提供的图像背景杂波度量方法及系统，从图像中抽取出目标图像块和背景图像块，基于目标图像块以及各背景图像块的边缘结构信息，对各背景图像块与目标图像块进行边缘结构相似性度量，基于相似性度量值筛选背景图像块，筛选出相似性度量值位于第一预设范围的背景图像块；进一步基于选取出的背景图像块与目标图像块构建特征空间，对目标图像块进行稀疏表示，计算表示向量中取值位于第二预设范围的元素的总和，作为对图像背景杂波的度量结果。

本发明图像背景杂波度量方法及系统，基于对目标与背景图像的边缘结构信息的相似性度量筛选背景区域，基于筛选出的背景图像块与目标图像块构建特征空间，对目标图像块进行稀疏表示来进行杂波度量，与现有根据人眼的视觉特性对目标与背景的图像特征进行甄选的杂波度量方法相比，本方法基于杂波的本质，考虑人眼的选择性特性，可提高对图像杂波度量的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种图像背景杂波度量方法的流程图；

图2为本发明实施例中在三维直角坐标系中建立的均方根误差曲面示意图；

图3为本发明实施例提供的一种图像背景杂波度量系统的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

请参考图1，本发明实施例提供一种图像背景杂波度量方法，包括步骤：

S10：求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息。

所述边缘结构信息指表征图像块的边缘结构特征的信息数据。

S11：基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块。

通过边缘结构相似性度量，筛选出与目标图像块相似性达到一定程度的背景图像块。

S12：基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量；

S13：计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。

本实施例提供的背景杂波度量方法，从图像中抽取出目标图像块和背景图像块，基于目标图像块以及各背景图像块的边缘结构信息，对各背景图像块与目标图像块进行边缘结构相似性度量，基于相似性度量值筛选背景图像块，筛选出相似性度量值位于第一预设范围的背景图像块；进一步基于选取出的背景图像块与目标图像块构建特征空间，对目标图像块进行稀疏表示，计算表示向量中取值位于第二预设范围的元素的总和，作为对图像背景杂波的度量结果。

本实施例图像背景杂波度量方法，基于对目标与背景图像的边缘结构信息的相似性度量筛选背景区域，基于筛选出的背景图像块与目标图像块构建特征空间，对目标图像块进行稀疏表示来进行杂波度量，与现有根据人眼的视觉特性对目标与背景的图像特征进行甄选的杂波度量方法相比，本方法基于杂波的本质，考虑人眼的选择性特性，可提高对图像杂波度量的准确性。

下面结合具体实施方式对本实施例图像背景杂波度量方法进行详细说明。本实施例提供的图像背景杂波度量方法，具体包括步骤：

S10：求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息。

在进行该步骤前，首先，从图像中抽取所述目标图像块，将背景区域划分为与所述目标图像块大小相同的多个背景图像块。从背景区域中抽取出所述背景图像块。

例如，将图像背景区域划分成N个相互之间存在重叠的图像块，其中每一图像块的大小与目标图像块大小相同，假设高为L，宽为W。

边缘结构信息为表征图像块的边缘结构特征的信息数据。本方法中，基于提取图像块的边缘点强度和边缘点方向图获得边缘结构信息。求取图像块的边缘结构信息的方法具体为：

S100：提取所述图像块的边缘点强度图和边缘点方向图。

示例性的，分别采用垂直和水平索贝尔算子对图像块进行滤波，得到图像块的边缘点强度图和边缘点方向图。

S101：在所述边缘点方向图中提取出与所述边缘点强度图中强度值高于预设值的边缘点对应的方向值，将提取出的所有方向值放置在六个从0到180度等间距的方向角空间中。

在边缘点强度图中选取强度值高于预设值的边缘点，总数量记为TN。

在边缘点方向图中提取出与这些边缘点对应的方向值，组成方向向量然后把方向向量中的值放置在六个从0到180度等间距的方向角空间中，每一方向角空间内包含方向值的数量表示为TON_k，k＝1,2,…,6。

S102：以每一方向角空间内方向值的数量与提取出的方向值的总数量的比值作为元素，构成向量，作为所述边缘结构信息。

计算每一方向角空间内包含方向值的数量与总数量的比值，以各方向角空间对应的比值为元素，构成向量，作为边缘结构信息。表示为：

D＝(TON_k/TN)；

其中，D表示图像块的边缘结构信息，TON_k表示位于第k个方向角空间的方向值的数量，TN表示在所述边缘点强度图中强度值高于预设值的边缘点的总数量。

采用上述方法对每一背景图像块进行运算，获得目标图像块的边缘结构信息表示为D_t，第r个背景图像块的边缘结构信息表示为D_r。

S11：基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块。

具体的，本实施例中对背景图像块与目标图像块进行边缘结构相似性度量的计算公式如下：

C_r＝||D_r-D_t||₂；

其中，C_r表示第r个所述背景图像块与所述目标图像块的相似性度量值，D_t表示所述目标图像块的边缘结构信息，D_r表示第r个背景图像块的边缘结构信息。本实施例方法中采用L2范数表示进行边缘结构相似性度量。

基于以上定义，可以得出结论C_r值越小，该背景图像块与目标图像块的相似程度越高。所有背景图像块的C_r值组成了整个背景区域的边缘结构相似性图。

S12：基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量。

该步骤具体包括：将选取出的所述背景图像块与所述目标图像块构成数据空间，对所述数据空间进行主成分分析，抽取主成分，得到所述特征空间。

将目标图像块与选取出的背景图像块排成列向量组成数据空间对数据空间进行主成分分析，从中抽取主成分组成特征空间。

以特征空间对目标图像块进行稀疏表示，表示为：

argmin＝||s||₁，subject to t＝bs。

其中，表示向量s表示背景图像块与目标图像块的相似程度，t表示目标图像块，b表示背景图像块。

由于特征空间是低秩矩阵，D<<N，表示向量s可以通过l1范数计算并达到稀疏。表示向量s表示背景图像块与目标图像块的相似程度，作为显著图指导观察者在整个场景中的注意。

S13：计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。

本方法中，求取表示向量中取值位于第二预设范围的元素的总和，作为对图像背景杂波的评价值。计算公式表示为：

其中，I表示所述表示向量中取值位于所述第二预设范围的元素的数量。HA值表示度量结果，表示基于人眼的选择性背景杂波度量方法定义的HA准则。

本实施例图像背景杂波度量方法中，所述第一预设范围为相似性度量值低于第一阈值ST，所述第二预设范围为元素取值高于第二阈值DT。

本实施例方法中，在度量过程中变动两个阈值会得到不同的杂波度量结果。优选的，为得到最佳的度量结果，要优化确定第一阈值和第二阈值的取值。

具体的，可采用以下方法确定所述第一阈值ST、所述第二阈值DT的最优取值，具体为：

在三维直角坐标系中建立均方根误差曲面，具体为：以所述第一阈值为X轴坐标、以所述第二阈值为Y轴坐标，以预测探测概率与外场试验数据的均方根误差值为Z轴坐标，所述预测探测概率由在相应的第一阈值和第二阈值下获得的杂波值带入到基于杂波值的探测概率预测公式中得到。在标准数据库中存储有预测探测概率与外场试验数据的均方根误差；

以所述均方根误差曲面的最低点对应的第一阈值和第二阈值，分别作为度量中所述第一阈值、所述第二阈值的取值。

其中，基于杂波值的探测概率预测公式表示为：

其中PD_pred表示目标预测探测概率，X表示图像的杂波值。Χ₅₀表示回归参数，E表示预定义优化参数，可以通过最小二乘拟合获得。

可参考图2，为本实施例中在三维直角坐标系中建立的均方根误差曲面示意图。不同的ST和DT组合将得到不同的杂波度量结果，通过建立的均方根误差曲面，均方根误差曲面的最低点意味着预测数据与实际数据符合的最好，该点对应的横纵坐标阈值即为最佳阈值。因此选取均方根误差曲面的最低点对应的两个阈值ST和DT，作为第一阈值ST和第二阈值DT的最优值。

在度量中，通过建立的均方根误差曲线确定了最佳的第一阈值和第二阈值后，在最佳的第一阈值和第二阈值下获得的杂波值，作为对图像背景杂波的度量结果。

因此，本实施例图像背景杂波度量方法，该方法通过人眼特性的引入使得杂波度量的结果与实际结果符合度较高，对于方法中无法确定的阈值通过均方根误差曲面最低点的方法确定，使得该方法具有自适应性，在不同的背景和目标的情况下都可以使得度量结果准确。这种方法仅仅基于光电成像系统的输出图像就可以完成背景杂波和性能评价，这大大降低了外场测试的成本。

相应的，本发明实施例还提供一种背景杂波度量系统，请参考图3，包括：

求取模块20，用于求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息；

相似性度量模块21，用于基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块；

表示模块22，用于基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量；

计算模块23，用于计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。

本实施例图像背景杂波度量系统，从图像中抽取出目标图像块和背景图像块，基于目标图像块以及各背景图像块的边缘结构信息，对各背景图像块与目标图像块进行边缘结构相似性度量，基于相似性度量值筛选背景图像块，筛选出相似性度量值位于第一预设范围的背景图像块；进一步基于选取出的背景图像块与目标图像块构建特征空间，对目标图像块进行稀疏表示，计算表示向量中取值位于第二预设范围的元素的总和，作为对图像背景杂波的度量结果。

本实施例图像背景杂波度量系统，基于对目标与背景图像的边缘结构信息的相似性度量筛选背景区域，基于筛选出的背景图像块与目标图像块构建特征空间，对目标图像块进行稀疏表示来进行杂波度量，与现有根据人眼的视觉特性对目标与背景的图像特征进行甄选的杂波度量方法相比，本系统基于杂波的本质，考虑人眼的选择性特性，可提高对图像杂波度量的准确性。

以上对本发明所提供的一种图像背景杂波度量方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (9)

1.一种图像背景杂波度量方法，其特征在于，包括：

求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息；

基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块；

基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量；

计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。

2.根据权利要求1所述的图像背景杂波度量方法，其特征在于，在所述求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息之前，还包括：

从图像中抽取所述目标图像块，将背景区域划分为与所述目标图像块大小相同的多个所述背景图像块。

3.根据权利要求1所述的图像背景杂波度量方法，其特征在于，求取图像块的边缘结构信息具体包括：

提取所述图像块的边缘点强度图和边缘点方向图；

在所述边缘点方向图中提取出与所述边缘点强度图中强度值高于预设值的边缘点对应的方向值，将提取出的所有方向值放置在六个从0到180度等间距的方向角空间中；

以每一方向角空间内方向值的数量与提取出的方向值的总数量的比值作为元素，构成向量，作为所述边缘结构信息。

4.根据权利要求1所述的图像背景杂波度量方法，其特征在于，所述基于选取出的所述背景图像块与所述目标图像块构建特征空间包括：

将选取出的所述背景图像块与所述目标图像块构成数据空间，对所述数据空间进行主成分分析，抽取主成分，得到所述特征空间。

5.根据权利要求1-4任一项所述的图像背景杂波度量方法，其特征在于，所述第一预设范围为相似性度量值低于第一阈值，所述第二预设范围为元素取值高于第二阈值；

采用以下方法确定所述第一阈值、所述第二阈值的取值，具体为：

在三维直角坐标系中建立均方根误差曲面，具体为：以所述第一阈值为X轴坐标、以所述第二阈值为Y轴坐标，以预测探测概率与外场试验数据的均方根误差值为Z轴坐标，所述预测探测概率由在相应的第一阈值和第二阈值下获得的杂波值带入到基于杂波值的探测概率预测公式中得到；

以所述均方根误差曲面的最低点对应的第一阈值和第二阈值，分别作为度量中所述第一阈值、所述第二阈值的取值。

6.根据权利要求1所述的图像背景杂波度量方法，其特征在于，对所述背景图像块与所述目标图像块进行边缘结构相似性度量的计算公式表示为：

C_r＝||D_r-D_t||₂；

其中，C_r表示第r个所述背景图像块与所述目标图像块的相似性度量值，D_t表示所述目标图像块的边缘结构信息，D_r表示第r个背景图像块的边缘结构信息。

7.根据权利要求6所述的图像背景杂波度量方法，其特征在于，以所述特征空间对所述目标图像块进行稀疏表示的表达式为：

arg min＝||s||₁。

8.根据权利要求7所述的图像背景杂波度量方法，其特征在于，计算所述表示向量中取值位于第二预设范围的元素的总和表示为：

$HA=\underset{j=1}{\overset{I}{\&Sigma;}}\left|s_j\right|;$

其中，I表示所述表示向量中取值位于所述第二预设范围的元素的数量。

9.一种图像背景杂波度量系统，其特征在于，包括：

求取模块，用于求取图像中目标图像块以及从背景区域抽取的各背景图像块的边缘结构信息；

相似性度量模块，用于基于边缘结构信息对各所述背景图像块与所述目标图像块进行边缘结构相似性度量，选取出相似性度量值位于第一预设范围的背景图像块；

表示模块，用于基于选取出的所述背景图像块与所述目标图像块构建特征空间，以所述特征空间对所述目标图像块进行稀疏表示，得到表示向量；

计算模块，用于计算所述表示向量中取值位于第二预设范围的元素的总和，作为图像背景杂波的度量结果。