一種基于聯(lián)合濾波的紅外復雜背景抑制方法
【專利摘要】一種基于聯(lián)合濾波的紅外復雜背景抑制方法，包括以下步驟：S1.確定形態(tài)學結構元素尺寸；S2.空域背景抑制：基于自適應尺寸結構元素，利用灰度形態(tài)學頂帽變換實現(xiàn)紅外復雜背景的空域初抑制；S3.非下采樣輪廓波變換：對經(jīng)過空域方法背景初抑制的紅外圖像進行非下采樣輪廓波一級分解，其中帶通子帶分解為四個高頻方向；S4.高頻系數(shù)重構：去掉低頻影響，基于鄰域均值重新計算各個高頻方向系數(shù)；S5.構造高頻系數(shù)中心向量：計算各個空間位置處四個方向高頻系數(shù)向量的均值，形成高頻系數(shù)中心向量；S6.非下采樣輪廓波域背景抑制。本發(fā)明解決了典型環(huán)境下紅外復雜背景的抑制問題，為后續(xù)目標檢測打下良好的基礎。
【專利說明】一種基于聯(lián)合濾波的紅外復雜背景抑制方法
【技術領域】
[0001]本發(fā)明涉及一種紅外復雜背景抑制技術，具體說的是適用于遠距離紅外弱小目標檢測中對空空、空地、海面等典型環(huán)境，利用空域和非下采樣輪廓波域聯(lián)合濾波的進行復雜背景抑制的方法。
【背景技術】
[0002]對于實際應用系統(tǒng)而言，如何充分發(fā)揮紅外目標檢測技術的優(yōu)勢，爭取在最有力的時機獲取來襲目標的相關信息已成了決定現(xiàn)代戰(zhàn)爭勝負的重要因素。于是，盡可能提高目標的探測距離成了各國研究人員都非常關注的問題。距離越遠，目標在檢測器件上的成像面積越小，且目標遭受雜波和背景影響的可能性就會增大，因而檢測難度也會加大。戰(zhàn)場環(huán)境一般包括海、天和地面。在現(xiàn)實的戰(zhàn)場環(huán)境中，由于煙霧，云層，地表的山脈、紋理、大型建筑群以及?？盏氐慕唤缑婢鶗贡尘皬碗s化。這些復雜的背景都會對弱小運動目標的檢測產(chǎn)生極大的干擾。如何對復雜背景進行抑制，是在紅外復雜背景環(huán)境中準確識別弱小目標的前提，該問題的解決對于增大作戰(zhàn)距離和增加反應時間，提高己方的生存概率具有重要的意義。

【發(fā)明內容】

[0003]本發(fā)明的目的就是提供一種基于聯(lián)合濾波的紅外復雜背景抑制方法，為遠距離紅外弱小運動目標的檢測打下良好的基礎。
[0004]為了實現(xiàn)本發(fā)明的目的，使用了如下方案:一種基于聯(lián)合濾波的紅外復雜背景抑制方法，包括以下步驟:
51.確定形態(tài)學結構元素尺寸:綜合通過偵查手段獲得的目標實際物理大小和紅外實時成像應用中的導航信息，根據(jù)紅外圖像探測器成像投影模型，估計目標在成像平面上的大小，以目標成像平面上的大小為基準將圖像分成若干子圖像，計算每一子圖像區(qū)域內的灰度均值和方差，計算子圖像均值與方差之比，如果比值大于整幀圖像均值與方差之比，則該子區(qū)域可能為候選目標區(qū)域，并標記該區(qū)域，在候選目標區(qū)域中統(tǒng)計目標的八連通區(qū)域，計算其矩形包圍盒，以矩形的最大邊長作為灰度形態(tài)學頂帽變換的結構元素大??；
52.空域背景抑制:基于自適應尺寸結構元素估計紅外背景，利用灰度形態(tài)學頂帽變換實現(xiàn)紅外復雜背景的空域初抑制；
53.非下采樣輪廓波變換:將處理空間轉換到非下采樣輪廓波域，對經(jīng)過空域背景初抑制的紅外圖像進行非下采樣輪廓波變換一級分解，其中帶通子帶分解為四個高頻方向，主要包括目標、殘留背景和噪聲；
54.高頻系數(shù)重構:將低頻系數(shù)置零，去掉低頻影響，基于鄰域均值重新計算各個高頻方向系數(shù)，進一步削弱殘留背景和噪聲系數(shù)的強度；
55.構造高頻系數(shù)中心向量:計算非下采樣輪廓波域高頻四個方向系數(shù)向量的均值，形成高頻系數(shù)中心向量，為高頻方向圖像的綜合提供基準向量； S6.非下采樣輪廓波域背景抑制:計算各個高頻系數(shù)向量與中心向量的歐式距離，構造高頻綜合距離像，進一步拉大目標系數(shù)與殘留背景和噪聲系數(shù)的差異，實現(xiàn)紅外復雜背景的最終抑制。
[0005]本發(fā)明的有益效果是:本發(fā)明基于空域形態(tài)學頂帽變換和非下采樣輪廓波域高頻綜合距離像實現(xiàn)紅外復雜背景的聯(lián)合抑制。針對紅外遠距離探測的典型環(huán)境，本發(fā)明能夠在增強目標信號強度的基礎上實現(xiàn)紅外復雜背景的有效抑制并能克服噪聲的影響，背景起伏越大，本發(fā)明對背景的抑制效果越明顯，為有效地解決復雜背景條件下的紅外弱小目標檢測問題奠定堅實的基礎。
【專利附圖】

【附圖說明】
[0006]圖1為一種基于聯(lián)合濾波的紅外復雜背景抑制方法的紅外復雜背景抑制方法流程圖；
圖2為發(fā)明方法與空域高通濾波、巴特沃斯高通濾波、Robison Guard濾波、空域-小波域聯(lián)合濾波在對三組圖像序列其中一幀的空空背景抑制對比圖；
圖3為發(fā)明方法與空域高通濾波、巴特沃斯高通濾波、Robison Guard濾波、空域-小波域聯(lián)合濾波在對三組圖像序列其中一幀的?？毡尘耙种茖Ρ葓D；
圖4為發(fā)明方法與空域高通濾波、巴特沃斯高通濾波、Robison Guard濾波、空域-小波域聯(lián)合濾波在對三組圖像序列其中一幀的地空背景抑制對比圖；
圖5為原圖像和發(fā)明方法圖像的空空背景抑制三維灰度對比圖；
圖6為原圖像和發(fā)明方法圖像的?？毡尘耙种迫S灰度對比圖；
圖7為原圖像和發(fā)明方法圖像的地空背景抑制三維灰度對比圖。
【具體實施方式】
[0007]本發(fā)明的基本思路:本發(fā)明提出了一種空域和非下采樣輪廓波域聯(lián)合濾波的紅外復雜背景抑制方法。該方法在空域通過自適應結構元素的灰度形態(tài)學頂帽變換抑制大部分紅外背景。在此基礎上，將處理空間變換到非下采樣輪廓波域，通過分析殘留背景、目標和噪聲系數(shù)在高頻子帶的差異，基于鄰域重新計算子帶系數(shù)，對非下采樣輪廓波域高頻圖像進行綜合形成距離像，進一步提高圖像的信噪比并得到背景抑制的最終結果。其中，空域的濾波由基于自適應結構元素的灰度形態(tài)學頂帽變換完成紅外復雜背景的初抑制。紅外圖像中的目標區(qū)域通常為亮區(qū)域，在選用比目標區(qū)域尺寸大的結構元素情況下，灰度形態(tài)學開運算可使亮的目標區(qū)域被看作噪聲而被濾除，可以估計可能目標區(qū)域外的圖像背景而不破壞目標區(qū)域特征。原圖像與估計出的圖像背景做差即可得到包含候選目標且抑制大量背景的增強圖像，該過程在灰度形態(tài)學中稱為頂帽變換。背景初抑制后的圖像包括殘留背景邊緣、小目標和噪聲，在此基礎上，將處理空間變換到非下采樣輪廓波域進行后續(xù)背景抑制處理。輪廓波變換是一種多尺度的、局部的、方向性的二維圖像分析方法。輪廓波變換不僅繼承了小波變換的多分辨率時頻分析特征，而且擁有良好的各向異性特征，能夠對圖像進行更好的稀疏表示，能準確地把握圖像幾何結構信息，有效地捕捉到自然圖像中的輪廓。輪廓波變換把圖像分解成各個尺度上的帶通方向子帶。拉普拉斯金字塔(Laplacian pyramid,LP)塔形分解被用來完成輪廓波變換的多尺度分解。每一級LP分解將產(chǎn)生一個上一級信號的低通采樣和由低通采樣與上一級信號的差值得到的一個帶通分量。下一級多尺度分解是在產(chǎn)生的低通采樣上迭代進行。方向濾波器組(direct1nal filter bank, DFB)把LP分解得到的帶通圖像的頻譜劃分成楔形頻率子帶，完成輪廓波各個尺度上的方向分解。但是，由于下采樣過程的存在，輪廓波變換缺乏平移不變性，圖像處理后在邊緣處會產(chǎn)生偽Gibbs失真。非下采樣輪廓波變換，既具有輪廓波變換的優(yōu)點，又具有平移不變性，因而可以有效地解決偽Gibbs失真這個問題。非下采樣輪廓波變換與輪廓波變換一樣，也是采用由LP變換與DFB所構成的雙迭代濾波器組結構。兩者的區(qū)別在于非下采樣輪廓波變換采用的是非采樣LP和非采樣DFB，變換時首先由非采樣塔狀濾波器將圖像分解為低頻部分和高頻部分，然后由非采樣方向性濾波器組將高頻部分分解為若干個方向。非下采樣輪廓波變換去掉了LP分解和DFB分解中信號經(jīng)分析濾波后的下采樣(抽取)以及綜合濾波前的上采樣(插值)，而改為對相應的濾波器進行上采樣，再對信號進行分析濾波和綜合濾波。非下采樣輪廓波變換不僅能將圖像各頻帶區(qū)分開，且多向和平移不變性使其細節(jié)保護能力增強。由于非下采樣輪廓波變換具有平移不變性，因此圖像變換后，原始圖像中的像素對應著變換域中相同位置的系數(shù)。灰度形態(tài)學頂帽變換抑制背景的圖像經(jīng)非下采樣輪廓波變換后，對應的系數(shù)可分為三類:目標系數(shù)、殘余背景系數(shù)和噪聲系數(shù)。小目標不具備方向性，在高頻各個方向上對應著較大的系數(shù)。殘余背景則具有一定的方向性，在某些方向上對應較大系數(shù)，而在相同尺度的其他方向上則可能是小系數(shù)。噪聲在所有的方向上都對應小系數(shù)。三者在高頻方向系數(shù)上的差異，是實現(xiàn)非下采樣輪廓波域背景抑制的基礎。
[0008]本發(fā)明的具體過程:
空域紅外復雜背景初抑制:本發(fā)明利用灰度形態(tài)學頂帽變換實現(xiàn)紅外復雜背景的初抑制，描述如下:
【權利要求】
1.一種基于聯(lián)合濾波的紅外復雜背景抑制方法，其特征在于: S1.確定形態(tài)學結構元素尺寸:綜合通過偵查手段獲得的目標實際物理大小和紅外實時成像應用中的導航信息，根據(jù)紅外圖像探測器成像投影模型，估計目標在成像平面上的大小，以目標成像平面上的大小為基準將圖像分成若干子圖像，計算每一子圖像區(qū)域內的灰度均值和方差，計算子圖像均值與方差之比，如果比值大于整幀圖像均值與方差之比，則該子區(qū)域可能為候選目標區(qū)域，并標記該區(qū)域，在候選目標區(qū)域中統(tǒng)計目標的八連通區(qū)域，計算其矩形包圍盒，以矩形的最大邊長作為灰度形態(tài)學頂帽變換的結構元素大?。? S2.空域背景抑制:基于自適應尺寸結構元素估計紅外背景，利用灰度形態(tài)學頂帽變換實現(xiàn)紅外復雜背景的空域初抑制； S3.非下采樣輪廓波變換:將處理空間轉換到非下采樣輪廓波域，對經(jīng)過空域背景初抑制的紅外圖像進行非下采樣輪廓波變換一級分解，其中帶通子帶分解為四個高頻方向，主要包括目標、殘留背景和噪聲； S4.高頻系數(shù)重構:將低頻系數(shù)置零，去掉低頻影響，基于鄰域均值重新計算各個高頻方向系數(shù)，進一步削弱殘留背景和噪聲系數(shù)的強度； S5.構造高頻系數(shù)中心向量:計算非下采樣輪廓波域高頻四個方向系數(shù)向量的均值，形成高頻系數(shù)中心向量，為高頻方向圖像的綜合提供基準向量； S6.非下采樣輪廓波域背景抑制:計算各個高頻系數(shù)向量與中心向量的歐式距離，構造高頻綜合距離像，進一步拉大目標系數(shù)與殘留背景和噪聲系數(shù)的差異，實現(xiàn)紅外復雜背景的最終抑制。
【文檔編號】G06T5/00GK104036461SQ201410252979
【公開日】2014年9月10日 申請日期:2014年6月10日 優(yōu)先權日:2014年6月10日
【發(fā)明者】劉剛, 王俊嶺, 張丹, 楊春蕾, 張倩茜, 趙旭輝 申請人:河南科技大學