一种新的低信噪比红外舰船目标自动检测方法

第36卷，增刊红外与激光工程2007年9月V bl．36Suppl em ent I nf}ar ed aIl d Las er Engi nee r i ng Sep．200r7一种新的低信噪比红外舰船目标自动检测方法许曼，牛照东，陈曾平(国防科技大学A m实验室，湖南长沙410073)摘要：针对海天背景下红外舰船弱小目标难以提取目标形状的问题，提出一种新的目标检测方法。

首先进行图像预滤波，检测海天线以确定目标潜在区域；然后对目标潜在区进行背景抑制，噪声抑制并增强目标细节信息；最后用快速区域生长检测出完整目标。

实测数据表明，该方法能获取完整的目标形状信息，且实时性好。

关键词：自动目标检测；目标增强；区域生长中图分类号：TP391文献标识码：A文章编号：1007．2276(2007)增(探测与制导)．0158．05N ew aut om at i c det ec t i on m e t hod f or I R s hi p t ar get on t hecondi t i on of10w SN RX U M i n，AⅡU乃ao—dong，C H EN zen g—ph l g(^T R L曲，N at ioIl al U ni ver sny o f D ef cnce1bcl l nol o鼢Ch柚gsha4l0073。

Ch嘲A bst强c t：Fof t11e pr obl em nl at m—s11i Pdet ect i伽i s di m c ul t t o obt a i n nl e s hape ofⅡl e伽．get，a newm甜l od i s pr opose d．F i r st，t l l e i m a ge i s nl t er ed and t he pos si bl e t a唱e t r eg i on can be det e皿【l i ned by l oca t i ng m e se a—sky—l i ne．T he n t he ba ckgr ound and G aus s i an noi s e ar e r est r缸ne d，出e de t ai l of t he t a唱e t i s eI l I l al l cedi n t ll e possi bk t a唱e t r egi on．T he t a唱e t i s det ect ed by m e f as t r egi on-gr ow i ng m em od at l as t．Theexper i m ent r e sul t show s m at t l le m e t hod can eff i ci em l y de t ect i nt egr at ed s hape of m e t a唱et，and h嬲e X c e l l e nt re al一t i m e capabi l i吼K e y w or ds：A ut om a t i c t a r get det ect i on；T a玛et enhaI l c i ng；R e酉on gf ow i ngO引言舰船目标检测是红外图像处理领域的重要研究内容之一。

远距离低信噪比情况下，红外目标常常缺乏几何形状和纹理结构，可供利用的信息很少，因而提取更多目标信息亦成为红外自动目标检测的瓶颈技术之一。

不少学者在这个研究领域开展工作，取得了许多成果。

参考文献【1】提出基于空域滤波的方法，在图像信噪比较高的情况下取得了较好的结果；参考文献[2】提出基于海天线的小目标检测算法，利用海天线的特点有效排除了杂波的干扰，再用阈值分割法分离出目标；参考文献[3】则提出用8方向导数算子提取目标强边缘，并在内部区域生长来填充面目标。

这三种方法都能检测到目标，并为目标检测方法提供了不少有益的思路，但是对于目标形状的提取却不能令人满意。

针对海天背景远距离低信噪比红外图像的特点【4】，从获取更完整的目标形状等信息的角度，提出了基于图像特性的目标增强后进行区域生长的方法，最后用收稿日期t2007-07-14基金项目：“十一五”装备预先研究项目(51301050103)资助’作者筒介：许昱(198l，)，男，四川成都人，硕士生，主要从事图像处理与理解、自动目标识别与跟踪法研究。

B m a i l：x ul I l i n w w w@s i na．c om导师简介t陈曾平(1967．)，男，福建福清人，教授，博士生导师，主要从事信息获取、处理与实现技术，雷达信号处理、目标识别等研究。

B m ail：a们h％@s i矾．com增刊许曼等：一种新的低信噪比红外舰船目标自动检测方法159实测数据验证了其有效性。

1红外场景模型以z，v表示图像横、纵坐标，则海天背景下红外舰船目标图像可表示为：，(z，)，)=矗(工，)，)+矗(z，y)+冗(z，y)式中：厶(工，)，)为背景像素灰度值；矗(工，)，)为舰船目标像素灰度值，，l(工，y)为噪声。

背景．厂R(z，y)主要由海面区域和天空区域组成。

通常情况下，海水温度较低，体现在红外图像中海面、天空两部分灰度存在较大差别，海面总体表现为低亮度。

由于空气对热辐射的散射和吸收作用，图像中海面与天空的交界处有些模糊不清，但水平边缘特征仍较明显。

另外海面波浪运动、反光，表现在图像中海面背景存在亮斑和亮条纹，是目标检测中造成虚警的主要原因之一，称之为海面杂波干扰。

目标．屏(工，y)是在图像上具有灰度突变特征的局部高亮区域的灰度值。

远距离低信噪比情况下，舰船目标通常距红外传感器较远，在成像平面上占几个到几十个像素，基本表现为一亮斑，所处位置通常在海天交界处附近。

受大气热辐射和衰减影响，目标边缘比较模糊，而舰船发动机和烟囱等部位表现出局部高亮度，其余部位灰度则与起伏的海面杂波和强噪声差异不大，在图像中显示为较暗目标区域。

这些较暗目标区域的提取对辨别目标形状、识别目标特征有着重要的意义。

因此本文工作重点亦在于较暗目标区域的提取。

海天背景图像中的噪声n(x，y)主要来自高斯噪声和图像坏点噪声。

为了抑制，z(五y)，提高信噪比，采取适当方法对图像进行预滤波是必要的。

图像预滤波主要有频率滤波和空域平滑的方法。

空域平滑主要是在空间域中对图像像素灰度值直接进行运算处理，包括多图平均法、自适应滤波、高斯平滑和中值滤波等，其中高斯平滑和中值滤波是比较常用的方法。

高斯平滑能有效抑制图像高斯噪声，具有低通滤波的性能。

但是对目标也进行平滑，使得图像的细节变得模糊，这为远距离低信噪比情况下的弱目标检测增加了难度。

而中值滤波是基于排序统计理论的非线性信号处理技术，在有效滤除噪声(尤其是脉冲噪声)的同时很好地保留信号细节信息，且运算简单，速度快。

因而本文选用中值滤波进行预滤波，去除坏点噪声的同时较好地保留了目标的边缘信息。

2目标潜在区确定和背景抑制根据对场景模型分析，海天交界处具有明显的水平边缘特征。

基于这些知识，我们采用水平边缘检测算子提取水平方向梯度图像以检测海天线，达到了期望效果。

由先验知识可知，远距离舰船目标通常是位于海天线附近。

于是，在海天线上下各取部分天空和海面区域形成目标潜在区域，可有效减少算法搜索范围和计算复杂度，同时排除大量云层和海面杂波带来的虚警和干扰。

由于数学形态学在描述图像形状特征方面有独特的优势，结合图像特性使用形态学中的TO P一姒T 算子【5】进行背景抑制，对预滤波图像进行开运算后，图像像素可表示为：，o(工，)，)=矗(x，)，)一4厂B(石，)，)式中：虢(工，)，)表示面积小于结构元素尺寸的海面杂波灰度值。

与预滤波图像相减便得到：-，；呻l IA T(z，y)=△名(z，)，)+，T(x，)，)+△，z(工，y)式中：．厂‘T代表目标；△，z表示处理遗留的噪声。

3基于图像特性的目标增强根据前面的推导，目标潜在区．厶像素灰度值同样可表示为：矗(x，)，)=△名(工，y)+，T(x，)，)+血(z，y)式中：厂‘T(z，_)，)代表目标区域像素灰度值；蝇表示背景抑制后遗留的海面杂波；△，z主要成分是经过非线性滤波后的高斯噪声。

非线性变换使图像噪声的高斯分布特性受到了一定影响，但从对像素灰度的正态分布概率161来判断，可认为噪声灰度仍近似呈现高斯分布。

于是将衄按照高斯分布进行处理，其偏差亦属于可接受的范围。

由于高斯噪声具有灰度值呈一维连续正态分布且均值较小的特点，故在目标潜在区中△，l应主要集中在一个灰度级较低的范围内。

另一方面，从图像和直方图分析发现，直方图中．屏和△，l仍处于灰度值较高区域，而灰度值较低的区域则近似具有正态分布的特点，这与我们进行的噪声场景分析是吻合的。

若能够在不损失目标细节的要求下抑制△，l，同时对直图中．厂。

T 和觚灰度混叠区域进行拉伸以扩160红外与激光工程：光电探测与制导技术的发展与应用第36卷大灰度范围，这对检测低灰度目标区域将是有益的。

基于此，提出了基于图像特性的目标增强方法。

设高斯噪声范围[0，胡，由于海面区域与天空区域内噪声具有相同的性质，但天空区域不会存在弱小舰船目标和海面杂波，因而通过对目标潜在区内部分天空区域的采样分析，可以较准确地估计噪声均值、方差，进而估计万。

设采样窗口内噪声均值为∥，方差为仃2。

由于噪声服从正态分布，其概率密度函数为：1一亚筚认石)=寺et2一吖Z冗仃式中：工是窗口内像素点的灰度值。

令刁：型，则77～Ⅳ(0，1)。

对于标准正态分布，样本取值99．73％是集中在区间【_3，3】内的。

于是可以推导出噪声灰度值有99．73％分布在[∥一3仃，∥+3盯】内。

从而得出万=∥+3仃设P为目标潜在区灰度极大值，q为图像像素灰度，g∈厶。

定义分段线性灰度增强函数f o，当g≤万。

以彩1高．255部<删【尸一万‘通过F(g)灰度映射后，高斯噪声△，l已经基本抑制为O，而(万，P】内的灰度值则被映射到(O，255】范围。

于是抑制了图像中的高斯噪声并尽可能保留并增强了目标信息。

4基于区域生长的目标检测经过目标增强，设目标潜在区模型为：厶(x，)，)=，Tl(工，)，)+矗2(工，)，)+△，l(戈，)，)式中：矗、矗：分别代表目标亮、暗区域像素值；△，l 为处理遗留的海面杂波。

在此时的图像中，．扁可以通过O T SU阈值分割提取，．冉，和△以由于灰度相近而无法分割；另一方面，目标的亮、暗区域通常相连在一起，海面杂波却与目标位置无关，随机分布在目标潜在区域内。

根据此时的场景模型特点，使用区域生长的方法可以较好的检测出目标。

其思想是利用．矗、．矗，之间的区域相邻关系，排除与目标不相邻的缸，从而达到提取目标的目的。