基于局部自适应中值滤波的红外背景抑制方法

2007年8月 Infrared Technology Aug. 2007452基于局部自适应中值滤波的红外背景抑制方法金阿立，王永仲（军械工程学院光学与电子工程系，河北石家庄 050003）摘要：介绍了利用中值滤波进行背景预测和背景抑制的基本原理，分析了局部中值滤波和局部最大中值滤波器处理图像的特点。

根据这些特点，设计了一种能充分利用两种滤波器优越性的局部自适应中值滤波器。

实验证明，利用这种滤波方法进行背景抑制具有处理速度快，滤波效果好的特点。

关键词：中值滤波；背景预测；背景抑制中图分类号：TP751.1 文献标识码：A 文章编号：1001-8891(2007)08-0452-03Algorithm of Suppressing Infrared BackgroundBaseing on Local Self-adaptive Median FilterJIN A-li，WANG Yong-zhong( Department of optics and Electronic Engineering, Ordnance Engineering College, Shijiazhuang Hebei 050003, China )Abstract：The principle of forecasting and suppressing background by using median filter was introduced, and the characters of local median filter and local max-median filter was analyzed. According these characters, a new self-adaptive local median filter using above two filters merits was designed. The experiment proved that the method has the properties of rapid velocity, good filtering effects to process image.Key Words：Median filter；background forecasting；background suppressing引言背景抑制方法有两种。

一是背景帧间对消处理[1-3]，在探测器视场较大，同一场景中序列帧利用相邻帧帧间差分对消处理检测运动目标具有运算简单、快捷的特点，但对信噪比较低、运动缓慢的亚像素目标和动态视场检测效果较差。

另一种是自适应背景预测[4-6]，常用的背景预测方法主要包括线性预测估计、非线性均值滤波、非线性中值滤波、形态学滤波、模板卷积滤波、分形技术、神经网络技术和小波滤波等。

但对于弱小红外目标的检测还没有那一种背景预测方法普适于各种场景。

因此，国际上每年举行一次“小目标信号与数据处理SPIE（Signal and Data Processing of Small Targets）会议，交流小目标检测的方法和进展。

本文在研究局部中值滤波及典型的改进方法——局部最大中值滤波[7]的基础上，提出了基于局部自适应中值滤波技术的背景估计方法。

1 基于中值滤波的背景抑制方法的基本思想图像中的任何一个像素点，如果是属于背景中的点，那么它一定可以用周围区域的背景点来预测，即它跟周围的某些点是属于同一背景的。

在中值滤波估计背景过程中，任何一点灰度的背景预测值都是用它周围区域的一些点的灰度值经过计算非线性中值估计产生，将所有点的实际灰度值与预测值相减，得到目标和部分残存噪声。

然后利用适当的阈值进行图像分割，即可达到抑制背景检测目标的目的。

其图像中某点的强度数学模型如下：f(i, j)＝B(i, j)＋N(i, j) (1) 式中：B(i, j)、N(i, j)分别表示背景、噪声在像素(i, j)处的强度；f(i, j)为叠加后的强度值。

f med(i, j)＝med[f(i, j)]m×n(2) 式中：f med(i, j)为局部区域中值；m, n为局部区域尺寸，一般取相等的整数。

∆f(i, j)＝f(i, j)－f med(i, j) (3) 式中：∆f(i, j)为实际强度值与局部区域中值差值。

此式为背景抑制过程。

图像分割与目标检测方程为：2007年8月 金阿立等：基于局部自适应中值滤波的红外背景抑制方法 Aug. 2007453()()()⎩⎨⎧<∆≥∆=th ,0th,1,j i f j i f j i f (4)式中：th 为阈值门限。

若某点大于阈值，赋值为1，视为目标；小于阈值，赋值为0，为噪声或背景。

2 算法描述中值滤波是抑制噪声的非线性处理方法。

这种方法的特点是运算简单，实现方便，而且能较好地保护边界，但这种算法会使图像失掉细线和小块的目标区域。

2.1 局部中值滤波在二维图像的中值滤波中，要设定像点的领域，图像中值滤波后各像点的输出等于该像点领域中所有像素灰度的中值，即存在一个滑动的窗口，窗口内所有像素灰度的中值作为窗中被滤波的像点处理后的灰度。

如阵列[f (i , j )]m ×n 经窗口为A 的中值滤波后，像点(i , j )的输出记为：()()()()j i f j i f j i A ,med ,,med = (5)式中：A (i , j )表示点(i , j )的领域。

领域的形状决定在什么样的几何空间中取元素求中值，窗口的大小决定在多少个数值中求中值。

窗口A 的形状可以是矩形、圆形、十字形、线条、圆环等，它的中心一般置于被处理点上，对于边界点的平滑，该点可以不必居于A 的中心。

窗口大小及形状有时对滤波效果影响很大。

理论分析表明，该背景估计方法对于平坦区域加脉冲噪声，该方法能起到很好的滤波效果。

但对于正态白噪声，处理效果不明显，而且许多重要的信息如较窄的边界、边缘信息等易被模糊掉，而且虚警概率较高。

2.2 局部最大中值滤波中值滤波的一个比较有效的改进方法是最大中值滤波。

这个理论最先是有GONZALO R.提出，并被SUYOG D.应用于弱小目标检测，取得了很好的效果。

为表述方便，文中取滤波窗口A n ×n 大小为5×5，最大中值滤波过程（如图1所示）定义如下：f max-med (i , j )＝max[z 1, z 2, z 3, z 4] (6)式中：z 1＝median(f 31, f 32, f 33, f 34, f 35) z 2＝median(f 13, f 23, f 33, f 43, f 53) z 3＝median(f 51, f 42, f 33, f 24, f 15) z 4＝median(f 11, f 22, f 33, f 44, f 55)与局部中值滤波相比，局部最大中值滤波可以更好保护边缘信息[7]，虚警率明显降低，但是增大了程序内部的计算量，实时性变差。

图1 最大中值滤波的元素选取规则 Fig.1 The rule of choosing elements in the maximalmedian filter algorithm2.3 改进自适应中值滤波寻找一种滤波效果明显、计算量适中且虚警率较低的算法是非常必要的。

为此，设计一种满足这些要求的中值滤波器是非常必要的。

文中通过分析以上两种滤波器的特点，提出了一种改进的自适应中值滤波算法，这种算法的思想是在滤波过程中加入一个判别操作，判断窗内滤波处的像点灰度是否为脉冲噪声或一般的背景点。

若是一般的背景点，说明背景比较均匀，使用局部中值滤波，可减少计算量，运算速度快；在背景相对复杂，存在云层边界或结构背景边界的时候，被处理像素点强度较大，使用局部最大中值滤波，可以起到抑制噪声，保护边界等重要信息的目的。

改进自适应中值滤波算法滤波过程如下：1）输入待检测图像；2）用滤波窗口A n ×n 对图像依次进行滤波，在点(i , j )处，判断该像素点灰度值是否大于局部领域中值，若是，则转入4）；否则，转入3）；3）利用局部中值滤波对当前像素点进行预测，转入5）；4）利用局部最大中值滤波对当前像素点进行预测，转入5）；5）是否处理完当前帧，若是，则转入6）；否则，返回2）；6）输出结果。

3 实验研究为检验自适应算法的运算性能，用配置为Pentium 4、CPU 3.0 GHz 、512 MB 内存的计算机在实验室中对实际拍摄的红外图像进行了MATLAB 仿真处理。

2007年8月 Infrared Technology Aug. 2007454实验中对一幅大小为320×240像素含云杂波的红外图像分别用3种中值滤波方法进行了背景预测，如图2中a ～d 所示，a 为原始图像，b 为应用模板为5×5局部中值滤波后图像，c 为应用模板为5×5局部最大中值滤波后图像，d 为应用模板为5×5局部自适应中值滤波后图像。

从图2中可以看出，局部中值滤波对孤立噪声点抑制效果明显，对图像起到了一定的平滑作用，同时也模糊掉了一些重要的图像信息。

局部最大中值滤波不但能滤除噪声，而且还能保留图像中细节等重要信息，对背景预测的效果非常好，但缺点是运算时间过长，实时性能稍差。

自适应中值滤波不但能起到最大中值滤波的保护边缘等结构信息的作用，而且运算时间相对来说也较短，并兼顾前两者的优点（三者运算时间如表1所示）。

abc d图2 背景预测效果Fig.2 The planar effects of suppressing background表1 三种中值滤波方法性能比较 Table 1 The performance contrast of three sortsof median filter algorithms 处理时间/s抑制后 均值(µ)抑制后方差(σ)局部中值 5.6230 2.1529 5.9661局部最大中值 11.5163 0.2091 0.7727改进自适应局部中值9.1788 0.2763 0.8822为进一步检验三者的性能，对背景预测后的图像进行了背景抑制处理，处理结果如图3中a ～d 所示。

a 为原始图像，b 为应用模板为5×5局部中值滤波后的背景抑制三维图像，c 为应用模板为5×5局部最大中值滤波后的背景抑制三维图像，d 为应用模板为5×5局部自适应中值滤波后的背景抑制三维图像。

从表1背景抑制后的均值µ和方差σ值分析，中值滤波背景抑制能力最差，自适应中值滤波抑制背景的能力基本上和最大中值滤波抑制背景的能力相当。