專利名稱：：一種基于紅外圖像的海上目標(biāo)檢測方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種海上目標(biāo)檢測方法。
背景技術(shù)：
：紅外圖像與可見光相比，噪聲大、分辨率低，但是由于其具有無源的優(yōu)勢，特別是對海上紅外目標(biāo)的檢測已引起世界各國的密切關(guān)注。隨著高科技的不斷發(fā)展，對紅外目標(biāo)的檢測也提出了更高的要求，既要保證較高的檢測概率和較低的虛警概率，又要在較短的時間內(nèi)做出判斷乃至相應(yīng)的反應(yīng)。目前經(jīng)典的海上紅外目標(biāo)檢測算法，是先對紅外圖像進行各種預(yù)處理，如去噪聲、提取邊緣等，然后再提取目標(biāo)的灰度和幾何特征，達到檢測目標(biāo)的目的。國內(nèi)外的不少研究機構(gòu)都在進行這方面的研究。M.Diani等提出將原圖像與中值濾波后的背景圖像相減，得到目標(biāo)圖像。此外相繼有人提出基于圖像統(tǒng)計特征、小波變換、形態(tài)學(xué)以及Hough變換等方法。盡管各有特點，但總的來說傳統(tǒng)的紅外目標(biāo)檢測k法都需要花費大量的精力去消除背景干擾和噪聲，算法繁瑣，過程復(fù)雜，實時性不強，背景噪聲去除效果不能令人滿意。由于紅外圖像成像的特點，海上紅外圖像往往存在各種各樣的干擾，如水矢線、亮'帶、海浪、魚鱗光、島嶼、地面建筑物和尾浪等的干擾，還有紅外檢測器本身形成的噪聲，使得傳統(tǒng)的紅外目標(biāo)檢測方法計算復(fù)雜、自適應(yīng)性差，檢測和識別結(jié)果有較大的局限。由此可見，進行海上紅外目標(biāo)檢測的主要困難在于圖像復(fù)雜，所受干擾主要來自于自然背景，結(jié)果造成較高的虛警率。分形理論利用分形對象的自相似性為人們提供了分析自然現(xiàn)象的新方法，恰好可以解決上述問題，通過分形理論提取的自然背景和人造目標(biāo)的分形特性有著較大的區(qū)別，因此這些困擾經(jīng)典算法的自然噪聲，利用分形技術(shù)很容易被去除，從而可以實現(xiàn)海上紅外目標(biāo)的檢測。但是如果直接利用分形特征來進行圖像的分割和目標(biāo)提取及識別，存在如下弊端1)計算量大。分形計算一般都需要開窗，而且是對開窗尺度變化進行計算，這無疑增加了計算量和復(fù)雜度，不利于實時處理。2)采用分形理論分割圖像，如果用矩形窗口滑動計算，只能提取感興趣矩形區(qū)域，不能獲取目標(biāo)實際形'狀，更不用說分割出目標(biāo)；如果對每點進行開窗計算，除了增加計算暈外，還很容易將一個目標(biāo)分割成多個目標(biāo)，或者形成所謂的散點目標(biāo)(即使是同一個目標(biāo)，其本身的紋理也可能有差別)，這將不利于后續(xù)的目標(biāo)檢測。
發(fā)明內(nèi)容針對
背景技術(shù)：
所提及的問題，本發(fā)明提供一種既能較好地抑制海雜波，獲得合理的圖像分割，又可以以較快速度提取出分形特征，去除虛假目標(biāo)，實現(xiàn)有效檢測的海上目標(biāo)檢測方法。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案是本發(fā)明所述方法針對海上紅外圖像的特點，采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過程通過預(yù)處理和合理的閾值設(shè)置有效抑制了海雜波，然后對感興趣區(qū)域進行逐點分形計算，在逐點分形計算中考慮了尺度的影響并對邊界進行了對稱處理，最后對每點的分形特征加和取平均作為該區(qū)域的分形特征，根據(jù)特征檢測出艦船等人造目標(biāo)；所述方法的具體步驟如下步驟A、對獲得的紅外圖像進行預(yù)處理步驟八1:輸入紅外圖像/(附,")，其中附=1，2,...,肘表示圖像的行,"=1，2，..,^表示圖像的列；步驟A2:求圖像/(附，w)的灰度最大值，/應(yīng)-mox(/(m,"))，即Mx^個點^對應(yīng)的灰度的最大值；步驟A3:統(tǒng)計圖像/(m，")的直方圖，通過對圖像各灰度級的統(tǒng)計A(/),/=1,2,...，/^，獲直方圖波谷位置/o，在/o附近是目標(biāo)和背景之間的海雜波區(qū)域，其灰度值范圍在/。A之間；即/。</0</6;步驟A4:根據(jù)/。=〃^77計算非線性變換參數(shù)的近似值范圍y^)Vu，并取最終的y=0.50w+)Wx);也可取y^^^之間的一個經(jīng)驗值；步驟A5:利用公式(l)對圖像/(m,")進行逐像素的非線性變換，完成預(yù)處理，實現(xiàn)海雜波抑制；/rf^55x(V255)"(1)其中/,是原圖像的灰度值，且/,e，/rf是變換后的灰度值，y為非線性變換參數(shù)且大于0;步驟B、自適應(yīng)迭代閾值分割步驟B1:設(shè)置初始分割閾值為r1=(/z+e1)/2，其中^是變換后圖像的平均灰度，是對分割閾值的先驗估計；灰度大于A的點被看成是觀測點，所有觀ji點的集合用&Ot"表示，^表示其平均值；/i=-yyw)〔2、=1/2=1s1=g("，其中(g("〉=(g(t)I=")，〃附,=1,…W(3)步驟B2:迭代計算求^-(w+s2)/2，此時所有大于r1的點被看成是觀測點，￡2為新的觀測點集的平均灰度值；步驟B3:到第/次迭代，計算觀測點的平均灰度值A(chǔ)觀測點即灰度大于第卜l步算出的閾值f"的像素點；步驟B4:更新閾值7"=^+心/2;步驟B5:如果f-廣1，則停止，繼續(xù)步驟B6，否則返回步驟B3;步驟B6:利用步驟B1B5迭代獲得的自適應(yīng)閾值將圖像進行分割，分離出包含海岸背景和船艦?zāi)繕?biāo)的二值步驟C、檢驗海天線處是否有感興趣區(qū)域(ROI):利用Sobd算子提取邊緣，對獲得的海天線底線進行直線擬合，根據(jù)擬合誤差e。，設(shè)置經(jīng)驗閾值77/來判定海天線背景處是否有目標(biāo)；如果^〉77z，則海天線處有目標(biāo)，轉(zhuǎn)到步驟D;反之海天線處無目標(biāo)，直接轉(zhuǎn)到步驟E;步驟.D:提取海天線背景處的感興趣區(qū)域采用步驟B的自適應(yīng)迭代閾值方法，對該區(qū)域進行二次閾值分割，濾除掉海天線背景，保留目標(biāo)區(qū)域；步驟E:提取非海天線背景處的感興趣區(qū)域貫穿圖像兩邊的海天線，進行閾值分割和邊緣提取后，形成一個非閉合區(qū)域，而目標(biāo)仍然為一個閉合區(qū)，再對閉合區(qū)域進行填充，然后進行占優(yōu)算法處理(目標(biāo)像素個數(shù)占窗口內(nèi)總像素數(shù)的50%以上即為目標(biāo)區(qū)，如3X3窗口內(nèi)有5個以上點為目標(biāo)則確定該區(qū)域為目標(biāo)區(qū)域)，則可提取出非海天線背景處的ROI;步驟F、感興趣區(qū)域合并得到待進一步處理的感興趣圖像將非海天線背景處分割的ROI圖像和海天線背景處分割的ROI圖像相加，所得到的結(jié)果，即為最后分割出來的感興趣區(qū)域圖像；步驟G、提取每個ROI分形特征進行目標(biāo)檢測步驟G1:分形特征提取在感興趣區(qū)域內(nèi)逐點計算分形維數(shù)Z)和擬合誤差￡;在求分形特征的過程中，將圖像視為三維空間中的曲面，高度即為像素的^度；設(shè)待處理的圖像為X/力，當(dāng)尺度^0時，覆蓋圖像的上下表面f/(zV，0)、丄(zV,O)為-f/(zV，o)^ov'，o^/(!v)(4)對于非零尺度，產(chǎn)1,2，…，M，覆蓋圖像不同尺度的上下表面C/0V力、丄(!V力可以用下面的遞歸公式求得f/0V，rH)=max{[/OV+l，max[t/(A，m，r)]}(5)丄(/j/,H"1)min1,min[丄(&，m，r)]}(A，we")，(6)c7=((A;,m):max(4(^，附)，0V〕])Sl}(7)其中4(^"),0V)]為(&m)和0V)兩點間的距離；(A:，w)是不同于("')的另一點的坐標(biāo)；在計算過程中，對位于邊界處的像素點，采用邊界對稱處理；同時考慮到不同尺度/的影響，原始圖像yov)在(/力處的表面積J(zV力由式(8)求得'4U',"卜『(U))-W，/,r-1)]/2r(8)其中.W,y,r^Z[C/(W,0-丄("0](A,m)e5式中5為中心在(/力處的矩形窗，對于一個分形表面，有l(wèi)og,=C2log(r)+G(10)其中d、C2為常數(shù)，因此只需用不同尺度r時所求得的表面積J(!V力，在log[^(r)]一logO)坐標(biāo)系中作直線的最小二乘擬合，即可得到圖像X/力在矩形窗5中心處的分維數(shù)D(V)=2-C2(11)其分形擬合誤差為邵,力二力logM(/,M)]—CJogW-qi2(12)步驟'G2:取感興趣區(qū)域所有像素點的分形維數(shù)和分形擬合誤差的計算均值作為用于識別的新的區(qū)域分形維數(shù)和分形擬合誤差值。步驟G3:利用(13)、(14)中的約束進行目標(biāo)或背景的判別；其中A、A分別為背景和人造目標(biāo)的分形維數(shù);A、&分別為背景和人造目標(biāo)的擬合誤差；2<=/^<=3，A<2(13)五"lxl0一5，五，〉=1x10—5(14)如果(13)、(14)中的任何一個條件滿足，則判斷該區(qū)域為目標(biāo)區(qū)域；從而實現(xiàn)目標(biāo).的檢測。本發(fā)明的技術(shù)效果是本發(fā)明采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過程通過預(yù)處理和合理的閾值設(shè)置達到有效抑制海雜波的目的，然后對感興趣區(qū)域進行逐點分形計算，在逐點分形計算中考慮了尺度的影響并對邊界進行了對稱處理，最后對每點的分形特征加和取平均作為該區(qū)域的分形特征，并根據(jù)特征檢測出艦船等人造目標(biāo)。這樣一方面可以快速有效地分割出紅外圖像中的感興趣區(qū)域，另一方面，由于提取的感興趣區(qū)域較原圖小很多，既減少了計算量，以較快速度提取出分形特征，又可以通過分形特征去除閾值分割中出現(xiàn)的偽目標(biāo)。采用自適應(yīng)迭代閾丫直分割法進行圖像分割的計算時間與其它方法相比較短(如圖4a)，采用自適應(yīng)迭代閾值分割法進行圖像分割的虛警點數(shù)與其它方法相比最少(如圖4b)，可看出本發(fā)明方法的計算時間、虛警點數(shù)二者達到最佳折衷。圖1是本發(fā)明的流程圖；圖2是非線性變換曲線(橫坐標(biāo)、縱坐標(biāo)分別表示變換前后圖像的灰度值)；圖3是海上紅外圖像灰度分布直方圖示例(橫、縱坐標(biāo)分別是灰度級和對應(yīng)的像素個數(shù)，圖中/。取130，^取140);圖4a是采用自適應(yīng)迭代閾值分割(本發(fā)明采用的方法)與其它不同方法進行圖像分割的相對計算時間比較圖(l表示比例閾值法，2表示Otsu法，3表示本發(fā)明采用的方法，4表示CFAR法，5表示方差比法)，圖4b是采用自適應(yīng)迭代閾值分割(本發(fā)明采用的方法)與其它不同方法進行圖像分割的虛警點數(shù)比較圖(l扭示比例閾值法，2表示Otsu法，3表示本發(fā)明采用的方法，4表示CFAR法，5表示方差比法)，圖4a和圖4b的性能比較(統(tǒng)計的相對計算時間和虛警點數(shù))是針對同樣圖像在同一臺計算機上的處理結(jié)果；圖5是不同分形算法的性能比較(FBM:分形布朗運動模型；改進的Blanket:改進的毯覆蓋法，即本發(fā)明采用的方法；Killer:Killer計盒法；Blanket:毯覆蓋法；DBC:差分計盒法)[根據(jù)分形理論，其分形維數(shù)值應(yīng)該從2到3之間變化，且是逐漸增加的一個過程；從實驗結(jié)果上看FBM法，其范圍為2—2.5左右；blanket法由2一3變化;'killer法由2—2.75變化；DBC由2—3變化。改進的blanket法由2變化。再從圖上看其變化趨勢，改進的blanket法和DBC法可取，而前者，即本發(fā)明中采用的方法線性度更好];圖6是實驗一中采用的一幅海上紅外圖像原圖(有一只船和山岸背景)，圖7是用采用自適應(yīng)迭代閾值法分割出山岸背景和船艦?zāi)繕?biāo)的二值圖(分割成兩個感興趣區(qū)域)；圖8是實驗二中采用的一幅海上紅外圖像原圖(海天背景上有四只船)，圖9是釆用本發(fā)明方法分割出的船艦?zāi)繕?biāo)和虛警目標(biāo)的二值圖(分割成12個感興趣區(qū)域)，圖10是最終檢測結(jié)果，，圖11是圖9的Z部放大圖(由上至下依次為感興趣區(qū)域l、6、2、3、7、8);圖12是加入虛假目標(biāo)的分割圖像(圖12是作為分形維數(shù)和擬合誤i計算的感興趣區(qū)域圖，其中人為地加入了兩個同真實船艦幾何形狀完全相同的虛假目標(biāo))，圖13是虛假目標(biāo)在原圖中對應(yīng)的目標(biāo)位置圖。具體實施方式具體實施方式一參見圖1圖5，本發(fā)明所述的基于紅外圖像的海上目標(biāo)檢測方法針對海上紅外圖像的特點，采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過程通過預(yù)處理和合理的閾值設(shè)置有效抑制了海雜波，然后對感興趣區(qū)域進行逐點分形計算，在逐點分形計算中考慮了尺度的影響并對邊界進行了對稱處理，最后對每點的分形特征加和取平均作為該區(qū)域的分形特征，根據(jù)特征檢測出艦船等人造目標(biāo)；所述方法的具體步驟如下步驟A、對獲得的紅外圖像進行預(yù)處理步驟Al:輸入紅外圖像/(w,")，其中m^,2，…,M表示圖像的行，"-l,2,…W賽示圖像的列；步驟AL求圖像/(附,")的灰度最大值，/應(yīng)-wox(/(附，"))，即MxiV個點所對應(yīng)的灰度的最大值；步驟A3:統(tǒng)計圖像/(w，")的直方圖，通過對圖像各灰度級的統(tǒng)計WO,h1，2,...,4^，獲直方圖波谷位置/o，在/。附近是目標(biāo)和背景之間的海雜波區(qū)域，其灰度值范圍在/。A之間；即/。</0</6;步驟A4:根據(jù)/。=〃^77計算非線性變換參數(shù)的近似值范圍y^y皿，并取最終的嚴0.5(y她+]w);也可取y曲y,之間的一個經(jīng)驗值；步驟A5:利用公式(l)對圖像/(m,")進行逐像素的非線性變換，完成預(yù)處理，實現(xiàn)海雜波抑制；:/rf=255x(/,/255)y(1)其中/,是原圖像的灰度值，且/,E，^是變換后的灰度值，y為非線性變換參數(shù)且大于0;步驟B、自適應(yīng)迭代閾值分割步驟B1:設(shè)置初始分割閾值為T1=Cu+s1)/2，其中,是變換后圖像的平均灰度，是對分割閾值的先驗估計；灰度大于//的點被看成是觀測點，所有觀測點的集合用(g(W表示，P表示其平均值；<formula>formulaseeoriginaldocumentpage12</formula>步驟B2:迭代計算求7^=0"+^)/2，此時所有大于f的點被看成是觀測點，^為新的觀測點集的平均灰度值；步驟B3:到第"欠迭代，計算觀測點的平均灰度值S、觀測點即灰度大于第f一l步算出的閾值7^1的像素點；步驟B4:更新閾值f=(//+/)/2;步驟B5:如果T^7^1，則停止，繼續(xù)步驟B6，否則返回步驟B3;步驟B6:利用步驟B1B5迭代獲得的自適應(yīng)閾值f將圖像進行分割，分離出包含海岸背景和船艦?zāi)繕?biāo)的二值步驟C、檢驗海天線處是否有感興趣區(qū)域(ROI):利用Sobel算子提取邊緣，對獲得的海天線底線進行直線擬合，根據(jù)擬合誤差e，設(shè)置經(jīng)驗閾值7%來判定海'天線背景處是否有目標(biāo)；如果^>772，則海天線處有目標(biāo)，轉(zhuǎn)到步驟I);反之海天線處無目標(biāo)，直接轉(zhuǎn)到步驟E;:步驟D:提取海天線背景處的感興趣區(qū)域(ROI):采用步驟B的自適應(yīng)迭代閾值方法，對該區(qū)域進行二次閾值分割，濾除掉海天線背景，保留目標(biāo)區(qū)域；步驟E:提取非海天線背景處的感興趣區(qū)域(ROI):貫穿圖像兩邊的海天線，進行閾值分割和邊緣提取后，形成一個非閉合區(qū)域，而目標(biāo)仍然為一個閉合區(qū)，再對閉合區(qū)域進行填充，然后進行占優(yōu)算法(目標(biāo)像素個數(shù)占窗口內(nèi)總像素數(shù)的50%以上即為目標(biāo)區(qū)，如3x3窗口內(nèi)有5個以上點為目標(biāo)則確定該區(qū)域為目,標(biāo)區(qū)域)處理，則可提取出非海天線背景處的ROI("占優(yōu)算法"為現(xiàn)有的算法)；步驟F、感興趣區(qū)域合并得到待進一步處理的感興趣圖像將非海天線背暴處分割的ROI圖像和海天線背景處分割的ROI圖像相加，所得到的結(jié)果，即為最后分割出來的感興趣區(qū)域圖像；步驟G、提取每個ROI分形特征進行目標(biāo)檢測步驟G1:分形特征提取在感興趣區(qū)域內(nèi)逐點計算分形維數(shù)D和擬合誤差￡;在求分形特征的過程中，將圖像視為三維空間中的曲面，高度即為像素的灰度；設(shè),待處理的圖像為X,V)，當(dāng)尺度產(chǎn)0時，覆蓋圖像的上下表面C/0V,0)、紐V，0)為C/(V,0h"zV',0戶X4/)(4)對于.非零尺度，^1，2,...,M，覆蓋圖像不同尺度的上下表面f/(zV力、丄0V'力討以用下面的遞歸公式求得t/0V.，r+1)=max{"(zV.,)+1,max[}(5)丄(/j/,r+l)=min(Z(z'j/,r)-l,min[丄(A:，w，r)])(A:,wEcr)，(6)CT="A:，w):max(4(^，附),0V)])^1〉(7)其中dp，m),OV)]為(&,m)和0V)兩點間的距離；(&m)是不同于(z'力的另一點的坐標(biāo)；在計算過程中，對位于邊界處的像素點，采用邊界對稱處理；同時'考慮到不同尺度r的影響，原始圖像AV)在(zV)處的表面積J(zV,O由式(8)求得尿乂,0=,,,0-叩,J.，r-1)]/(8)其中=2["(/，_/>)-丄(/,7>)〗(A:，w)E5(9)式中B為中心在0/)處的矩形窗，對于一個分形表面，有l(wèi)og網(wǎng)=C2log(。+d(10)其中d、C2為常數(shù)，因此只需用不同尺度r時所求得的表面積J(zV'力，在l0g[^0]plog(r)坐標(biāo)系中作直線的最小二乘擬合，即可得到圖像X/力在矩形窗B中心it的分維數(shù)術(shù))=2-<:2(ii)其分形擬合誤差為鄰,力=￡|1。8[尿/，"]—qiog("-C212(12)步驟G2:取感興趣區(qū)域所有像素點的分形維數(shù)和分形擬合誤差的計算均值作為用于識別的新的區(qū)域分形維數(shù)和分形擬合誤差值。步驟G3:利用(13)、(14)中的約束進行目標(biāo)或背景的判別；其中￡>6、Dr分別為背景和人造目標(biāo)的分形維數(shù);A、&分別為背景和人造目標(biāo)的擬合誤差；2<=A<=3，A<2(13)&<lxlO—5，&>=lxlO5(14)如果(13)、(14)中的任何一個條件滿足，則判斷該區(qū)域為目標(biāo)區(qū)域；從而實現(xiàn)目標(biāo)的檢測。本發(fā)明方法滿足了海上目標(biāo)檢測與識別的快速、準確性的要求，首先，為了抑制海雜波，在預(yù)處理階段進行了非線性變換；然后，采用自適應(yīng)迭代閾值分割算法對圖象進行感興趣區(qū)域(ROI)分割，并針對海天線和非海天線背景分別提取ROI，合并后形成最終的ROI圖象；最后，提出一種改進的毯覆蓋算法提耽圖象ROI分形特征，對ROI進行去偽存真，完成紅外圖象海上目標(biāo)的檢測。該方法能夠獲得較高的目標(biāo)檢測概率，虛警率相對較低，且速度較快。本發(fā)明方法的實驗驗證應(yīng)用本發(fā)明方法對多個海上紅外實拍的圖像進行目標(biāo)檢測，結(jié)果證明該方法的確可行有效，能夠成功地檢測出海上紅外圖像中的船艦?zāi)繕?biāo)，這里，取三個典型的實驗例子來說明本發(fā)明方法完全可達到發(fā)明目的，如下實驗一如圖6和圖7所示，圖像大小484x335，圖像類型紅外圖像；該實驗說明分形理論能夠有效區(qū)分自然背景和人造目標(biāo)；表1分形維計算結(jié)果<table>tableseeoriginaldocumentpage15</column></row><table>表1是分別對海岸背景和船艦?zāi)繕?biāo)的分形維數(shù)和擬合誤差計算結(jié)果，其中感興趣區(qū)域l是海岸背景，感興趣區(qū)域2是船艦?zāi)繕?biāo)，根據(jù)式(13)、式(14)，可以檢測出感興趣區(qū)域2是目標(biāo)區(qū)域。實驗土如圖811所示，圖像大小355x261，圖像類型紅外圖像。該實驗說明本發(fā)明方法能正確有效地檢測出海天線背景處的多個目標(biāo);表2分形維計算結(jié)果<table>tableseeoriginaldocumentpage16</column></row><table>表2是分別對虛假目標(biāo)和船艦?zāi)繕?biāo)的分形維數(shù)和擬合誤差計算結(jié)果，根據(jù)式U3)、'(14)，可以檢測出感興趣區(qū)域5、10、11和12是目標(biāo)區(qū)域。其它是扭假目標(biāo)，其最終檢測出來的四個目標(biāo)如圖10。12個感興趣區(qū)域在圖811中己標(biāo)出。.實驗三如圖12和圖13所示，圖像大小355x261圖像類型紅外圖像。該實驗說明本系統(tǒng)能夠有效地去除偽目標(biāo)；圖12是作為分形維數(shù)和擬合誤差計算的感興趣區(qū)域圖，其中人為地加入了兩個同真實船艦幾何形狀完全相同的虛假目標(biāo)，圖13為其在原圖中對應(yīng)的目標(biāo)位置。表3分形維計算結(jié)果<table>tableseeoriginaldocumentpage16</column></row><table>表3是針對六個感興趣區(qū)域的分形維和擬合誤差計算結(jié)果，根據(jù)式(13)、(14)，可以檢測出感興趣區(qū)域3是目標(biāo)區(qū)域。其它是虛假目標(biāo)，幾何形狀與之完全相同但紋理特性是海雜波紋理特性的感興趣區(qū)域4和感興趣區(qū)域5被去除。6個感興趣區(qū)域在圖12中已標(biāo)出。權(quán)利要求1、一種基于紅外圖像的海上目標(biāo)檢測方法，其特征在于所述方法針對海上紅外圖像的特點，采用自適應(yīng)閾值算法分割出感興趣區(qū)域，此過程通過預(yù)處理和合理的閾值設(shè)置有效抑制了海雜波，然后對感興趣區(qū)域進行逐點分形計算，在逐點分形計算中考慮了尺度的影響并對邊界進行了對稱處理，最后對每點的分形特征加和取平均作為該區(qū)域的分形特征，根據(jù)特征檢測出艦船等人造目標(biāo)；所述方法的具體步驟如下步驟A、對獲得的紅外圖像進行預(yù)處理步驟A1輸入紅外圖像I(m，n)，其中m＝1，2，...，M表示圖像的行，n＝1，2，...，N表示圖像的列；步驟A2求圖像I(m，n)的灰度最大值，Imax＝max(I(m，n))，即M×N個點所對應(yīng)的灰度的最大值；步驟A3統(tǒng)計圖像I(m，n)的直方圖，通過對圖像各灰度級的統(tǒng)計h(i)，i＝1，2，...，Imax，獲直方圖波谷位置I0，在I0附近是目標(biāo)和背景之間的海雜波區(qū)域，其灰度值范圍在Ia～Ib之間；即Ia＜I0＜Ib；步驟A4根據(jù)<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>I</mi><mn>0</mn></msub><mo>=</mo><mroot><mrow><mn>1</mn><mo>/</mo><mi>γ</mi></mrow><mrow><mi>γ</mi><mo>-</mo><mn>1</mn></mrow></mroot></mrow>]]></math>id="icf0001"file="A2009100725820002C1.tif"wi="22"he="6"top="148"left="63"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>計算非線性變換參數(shù)的近似值范圍γmin～γmax，并取最終的γ＝0.5(γmin+γmax)；也可取γmin～γmax之間的一個經(jīng)驗值；步驟A5利用公式(1)對圖像I(m，n)進行逐像素的非線性變換，完成預(yù)處理，實現(xiàn)海雜波抑制；Id＝255×(Is/255)γ(1)其中Is是原圖像的灰度值，且Is∈，Id是變換后的灰度值，γ為非線性變換參數(shù)且大于0；步驟B、自適應(yīng)迭代閾值分割步驟B1設(shè)置初始分割閾值為T1＝(μ+ε1)/2，其中μ是變換后圖像的平均灰度，是對分割閾值的先驗估計；灰度大于μ的點被看成是觀測點，所有觀測點的集合用{g(k)}表示，ε1表示其平均值；<mathsid="math0002"num="0002"><math><![CDATA[<mrow><mi>μ</mi><mo>=</mo><mfrac><mn>1</mn><mrow><mi>M</mi><mo>×</mo><mi>N</mi></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><munderover><mi>Σ</mi><mrow><mi>n</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mi>I</mi><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math></maths><mathsid="math0003"num="0003"><math><![CDATA[<mrow><msup><mi>ϵ</mi><mn>1</mn></msup><mo>=</mo><mfrac><mn>1</mn><mi>S</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>S</mi></munderover><mi>g</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo></mrow>]]></math>id="icf0003"file="A2009100725820003C1.tif"wi="32"he="10"top="27"left="27"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>其中{g(k)}＝{g(k)|g(k)＝I(m，n)，I(m，n)＞μ，k＝1，...S}(3)步驟B2迭代計算求T2＝(μ+ε2)/2，此時所有大于T1的點被看成是觀測點，ε2為新的觀測點集的平均灰度值；步驟B3到第t次迭代，計算觀測點的平均灰度值εt；觀測點即灰度大于第t-1步算出的閾值Tt-1的像素點；步驟B4更新閾值Tt＝(μ+εt)/2；步驟B5如果Tt＝Tt-1，則停止，繼續(xù)步驟B6，否則返回步驟B3；步驟B6利用步驟B1～B5迭代獲得的自適應(yīng)閾值Tt將圖像進行分割，分離出包含海岸背景和船艦?zāi)繕?biāo)的二值圖；步驟C、檢驗海天線處是否有感興趣區(qū)域，感興趣區(qū)域用ROI表示；利用Sobel算子提取邊緣，對獲得的海天線底線進行直線擬合，根據(jù)擬合誤差en，設(shè)置經(jīng)驗閾值Th來判定海天線背景處是否有目標(biāo)；如果en＞Th，則海天線處有目標(biāo)，轉(zhuǎn)到步驟D；反之海天線處無目標(biāo)，直接轉(zhuǎn)到步驟E；步驟D提取海天線背景處的感興趣區(qū)域采用步驟B的自適應(yīng)迭代閾值方法，對該區(qū)域進行二次閾值分割，濾除掉海天線背景，保留目標(biāo)區(qū)域；步驟E提取非海天線背景處的感興趣區(qū)域貫穿圖像兩邊的海天線，進行閾值分割和邊緣提取后，形成一個非閉合區(qū)域，而目標(biāo)仍然為一個閉合區(qū)，再對閉合區(qū)域進行填充，然后進行占優(yōu)算法處理，則可提取出非海天線背景處的ROI；步驟F、感興趣區(qū)域合并得到待進一步處理的感興趣圖像將非海天線背景處分割的ROI圖像和海天線背景處分割的ROI圖像相加，所得到的結(jié)果，即為最后分割出來的感興趣區(qū)域圖像；步驟G、提取每個ROI分形特征進行目標(biāo)檢測步驟G1分形特征提取在感興趣區(qū)域內(nèi)逐點計算分形維數(shù)D和擬合誤差E；在求分形特征的過程中，將圖像視為三維空間中的曲面，高度即為像素的灰度；設(shè)待處理的圖像為f(i，j)，當(dāng)尺度r＝0時，覆蓋圖像的上下表面U(i，j，0)、L(i，j，0)為U(i，j，0)＝L(i，j，0)＝f(i，j)(4)對于非零尺度，r＝1，2，...，M，覆蓋圖像不同尺度的上下表面U(i，j，r)、L(i，j，r)可以用下面的遞歸公式求得U(i，j，r+1)＝max{U(i，j，r)+1，max[U(k，m，r)]}(5)L(i，j，r+1)＝min{L(i，j，r)-1，min[L(k，m，r)]}(k，m∈σ)，(6)σ＝{(k，m)max(d[(k，m)，(i，j)])≤1}(7)其中d[(k，m)，(i，j)]為(k，m)和(i，j)兩點間的距離；(k，m)是不同于(i，j)的另一點的坐標(biāo)；在計算過程中，對位于邊界處的像素點，采用邊界對稱處理；同時考慮到不同尺度r的影響，原始圖像f(i，j)在(i，j)處的表面積A(i，j，r)由式(8)求得A(i，j，r)＝[V(i，j，r)-V(i，j，r-1)]/2r(8)其中<mathsid="math0004"num="0004"><math><![CDATA[<mrow><mi>V</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>r</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mrow><mi>k</mi><mo>,</mo><mi>m</mi></mrow></munder><mo>[</mo><mi>U</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>r</mi><mo>)</mo></mrow><mo>-</mo><mi>L</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>r</mi><mo>)</mo></mrow><mo>]</mo></mrow>]]></math>id="icf0004"file="A2009100725820004C1.tif"wi="62"he="8"top="136"left="97"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>(k，m)∈B(9)式中B為中心在(i，j)處的矩形窗，對于一個分形表面，有l(wèi)og[A(r)]＝C2log(r)+C1(10)其中C1、C2為常數(shù)，因此只需用不同尺度r時所求得的表面積A(i，j，r)，在log[A(r)]-log(r)坐標(biāo)系中作直線的最小二乘擬合，即可得到圖像f(i，j)在矩形窗B中心處的分維數(shù)D(i，j)＝2-C2(11)其分形擬合誤差為<mathsid="math0005"num="0005"><math><![CDATA[<mrow><mi>E</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msup><mrow><mo>|</mo><mi>log</mi><mo>[</mo><mi>A</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo><mo>-</mo><msub><mi>C</mi><mn>1</mn></msub><mi>log</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>C</mi><mn>2</mn></msub><mo>|</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>12</mn><mo>)</mo></mrow></mrow>]]></math></maths>步驟G2取感興趣區(qū)域所有像素點的分形維數(shù)和分形擬合誤差的計算均值作為用于識別的新的區(qū)域分形維數(shù)和分形擬合誤差值。步驟G3利用(13)、(14)中的約束進行目標(biāo)或背景的判別；其中Db、Dr分別為背景和人造目標(biāo)的分形維數(shù)；Eb、Er分別為背景和人造目標(biāo)的擬合誤差；2＜＝Db＜＝3，Dr＜2(13)Eb＜1×10-5，Er＞＝1×10-5(14)如果(13)、(14)中的任何一個條件滿足，則判斷該區(qū)域為目標(biāo)區(qū)域；從而實現(xiàn)目標(biāo)的檢測。全文摘要一種基于紅外圖像的海上目標(biāo)檢測方法，它涉及一種海上目標(biāo)檢測方法。本發(fā)明的目的是提供一種既能較好地抑制海雜波，獲得合理的圖像分割，又可以以較快速度提取出分形特征，去除虛假目標(biāo)，實現(xiàn)有效檢測的海上目標(biāo)檢測方法。本發(fā)明的步驟為對獲得的紅外圖像進行預(yù)處理、自適應(yīng)迭代閾值分割、檢驗海天線處是否有感興趣區(qū)域(ROI)、提取海天線背景處的ROI、提取非海天線背景處的ROI、感興趣區(qū)域合并得到待進一步處理的感興趣圖像和提取每個ROI分形特征進行目標(biāo)檢測。本方法可以快速有效地分割出紅外圖像中的感興趣區(qū)域，由于提取的感興趣區(qū)域較原圖小很多，既減少了計算量，以較快速度提取出分形特征，又可以通過分形特征去除閾值分割中出現(xiàn)的偽目標(biāo)。文檔編號G06K9/00GK101604383SQ20091007258公開日2009年12月16日申請日期2009年7月24日優(yōu)先權(quán)日2009年7月24日發(fā)明者曄張,張鈞萍,浩陳申請人:哈爾濱工業(yè)大學(xué)