红外图像中小目标检测研究

维普资讯 http://www.cqvip.com 文章编号－　１６７２—８７８５（２００６）Ｏ　００１５一Ｏ５　红外图像中小目标检测研究　俞建成，孙胜利，陈桂林　（中国科学院上海技术物理研究所，上海２０００８３）　摘　要：在获得的红外序列图像中，检测和跟踪微弱小目标一直是研究的重点。本文对　小目标检测系统的背景抑制和目标检测算法和方案进行了调研。采用背景抑制算法以　获得更高的信噪比，利用ＮＰ准则对图像进行分割，然后用识别算法对目标进行跟踪和　识别。计算结果显示，抑制杂波后，采用序贯图像检测能够很好地增加探测概率。　关键词；背景抑制；点目标；目标检测　中图分类号：ＴＰ７５１．１　．文献标识码：　Ａ　Ｓｔｕｄｙ　ｏｆ　Ｐｏｉｎｔ　Ｔａｒｇｅｔ　Ｄｅｔｅｃｔｉｏｎ　ｉｎ　Ｉｎｆｒａｒｅｄ　Ｉｍａｇｅｓ　ＹＵ　Ｊｉａｎ—ｃｈｅｎｇ，ＳＵＮ　Ｓｈｅｎｇ—ｉｉ．ＣＨＥＮ　Ｇｕｉ—ｌｉｎ　ｆｓｈ８ｎ曲　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｉｃａｌ　Ｐｈｙｓｉｃｓ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｓｈａｎｇｈａｉ　２０００８３，Ｃｈｉｎａｊ　Ａｂｓｔｒａｃｔ：　Ｉｔ　ｉｓ　ｒａｔｈｅｒ　ｉｍｐｏｒｔａｎｔ　ｔｏ　ｄｅｔｅｃｔ　ａｎｄ　ｒｅｃｏｇｎｉｚｅ　ｔｈｏｓｅ　ｓｍａｌｌ　ｔａｒｇｅｔｓ　ｃａｕｓｅｄ　ｂｙ　ｍｉｓｓｉｌｅｓ　ｏｒ　ａｉｒｃｒａｆｔｓ　ｉｎ　ｔｈｅ　ｓｅｒｉｅｓ　ｉｎｆｒａｒｅｄ　ｉｍａｇｅｓ　ａｃｑｕｉｒｅｄ　ｂｙ　ｓａｔｅｌｌｉｔｅｓ．Ｔｈｉｓ　ｐａｐｅｒ　ｉｎｖｅｓｔｉｇａｔｅｓ　ｔｈｅ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｓｍａｌｌ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｐｒｏｐｏｓｅｓ　ｔｈｅ　ｒｅｌｉａｂｌｅ　ｍｅａｎｓ　ｆｏｒ　ｓｅａｒｃｈｉｎｇ　ｔｈｅ　ｐｏｉｎｔ　ｔａｒｇｅｔｓ　ａｔ　ｈｉｇｈ　ｄｅｎｓｉｔｙ　ｃｌｕｔｔｅｒ　ｂａｃｋｇｒｏｕｎｄ．Ｔｈｅ　ｍｅｔｈｏｄ　ｉｓ　ｔｈａｔ　ｆｉｒｓｔ　ｕｓｅ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ａｌｇｏｒｉｔｈｍｓ　ｔｏ　ａｃｑｕｉｒｅ　ａ　ｍｏｒｅ　ａｄａｐｔｉｖｅ　ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ　ｒａｔｉｏ（ＳＮＲ），ｔｈｅｎ　ａｐｐｌｙ　ｔｈｅ　ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｍｅａｎｓ　ｔｏ　ｆｉｎｄ　ｔｈｅ　ｏｂｊｅｃｔ—ｅｘｉｓｔｉｎｇ　ｄｉｓｔｒｉｃｔ　ａｎｄ　ｆｉｎａｌｌｙ　ｄｅｔｅｃｔ　ｔｈｅ　ｐｏｉｎｔ　ｔａｒｇｅｔｓ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｂａｃｋｇｒｏｕｎｄ　ｓｕｐｐｒｅｓｓｉｏｎ；ｐｏｉｎｔ　ｔａｒｇｅｔｓ；ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ．　１引言　没，图像信噪比极低，这就使点目标检测工作变　红外自动目标识别系统一般由目标检测、　得很困难。而且，与一般红外成像系统如导弹红　目标识别、目标捕获、目标高精度跟踪和攻击点　外末制导系统不同的是，卫星红外系统所面临　选择等功能模块组成。目标检测作为红外系统　的信号环境要复杂得多，这主要体现在以下几　个方面，　中最重要的环节之一，是目标精确定位的一个　（１）背景干扰严重；　关键性问题。为了尽可能早地发现目标，使相应　（２）红外目标只能简单看成小目标；　的其它系统有足够的反应时间，要求在很远的　（３）图像帧频受限；　、　距离上就能够检测到目标。然而，在空间远距离　（４）系统的机械要求较高。　探测情况下，目标仅占一个或几个像素，检测信　为了有效地将小目标从上述背景中检测出　号相对较弱，特别是在非平稳的起伏背景干扰　来，关键在于如何抑制背景杂波的干扰。图１给　下，目标甚至会被大量复杂的噪声（杂波）所淹　出了强杂波背景下红外小目标检测的原理图。　收稿日期ｌ　２００５－０９－０７　基金项目，中国科学院上海技术物理研究所预先研究项目．　作者简介・作者简介，俞建成（１９８１——），男，２００３年毕业于复旦大学光源与照明工程系，现为中国科学院上　海技术物理研究所硕士研究生，主要研究方向为信号与信息处理．　ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．２７，Ｎｏ．４，ＡＰＲ　２００６　维普资讯 http://www.cqvip.com 红外图像序列　统时，，日（　，Ｙ）为大面积平缓变化的场景像素之　曩正　　簦——　曩　—　囊　——　器序　测　涮　间有强的相关性，占据图像空间频率的低频分　量。小目标厅（　，Ｙ）亮度较背景高，与背景不相　关，是图像中的孤立亮班，也就是图像中的高　频部分。噪声，Ⅳ（　，Ｙ）是红外传感器内部噪声之　和。它与背景图像不相关，是图像中的高频部　图１强杂波背景下红外小目标检测的原理图　图像校正部分主要对图像的非均匀性及指　分，可以近似为高斯白噪声（ＧＷＮ）。　向误差等进行校正，以获得尽可能稳定均匀的　图像。　３目标检测　本文第一部分主要讨论系统模型以及相应　３．１背景抑制　的噪声问题分析；第二部分主要对小目标检测　检测结果　以上分析在抑制杂波上提供了很好的思　的方法进行有效的分析，内容主要包括图像预　路。迄今为止，针对点目标检测，人们已经发　处理（主要是背景抑制问题）、单帧图像检验和　展了一系列比较成熟的滤波预处理算法，如最　序贯图像检测；文章的最后部分得出了相应的　小均方误差滤波、高通滤波、空间匹配滤波、形　结论。　态学滤波、基于模糊理论的滤波、基于神经网络　２噪声分析及噪声模型　的滤波以及基于小波变换的滤波等等．其中，发　展得较早、工程上用得较多的是高通滤波和ｌ最　‘由景物发出的红外信息通常是一恒定的辐　小均方误差滤波两种方法．这两种方法都是线　射量。红外系统对景物信息进行检测时，总是要　性运算，原理简单，易于实现，因而得到了广泛　先对恒定的景物辐射加以调制或对景物进行扫　的应用。　描，然后提取有用信息。景物的红外辐射在大气　３．１．１高通滤波　中传输时会被大气吸收和散射。背景的干扰主　该方法采用空间滤波或时空联合滤波等高　要是用专门的背景过滤方法或背景鉴别电路加　通滤波器滤出图像中的平稳性杂波，增强目标　以消除的．红外系统的内部噪声有探测器噪声　背景的对比度；红外图像背景往往呈现大面积　和放大器噪声两大类．对红外系统来说，通常在　的连续分布状态，在红外辐射上也呈现渐变过　带宽选择合适时，均可将噪声当作高斯噪声看　渡状态，因而它们的红外图像灰度在空间分布　待［１】。　上具有较大的相关性．而目标的红外辐射强度　一般来说，点目标与背景不相关，而且根据　与其周围背景的相关性不大，且一般高于背景　以上所说，我们可以认为，这些外部和内部噪声　的辐射强度。因此可以认为红外图像中的运动　也可以被当作高斯白噪声来处理．因此，在目标　点目标是一些灰度奇异点，存在于图像的高频部　存在的情况下，图像中的目标灰度值的表示如　分；背景处于低频部分，采用频域高通滤波器即　下（通常是二维）：　可将其滤除。设滤波器频域响应为Ｈ（ｗ　，Ｗ　），　ｆ（ｘ，Ｙ）＝ｆｒ（　，Ｙ）＋ｆＮ（　，Ｙ）＋ｆＢ（　，Ｙ）　（１）　：而当目标不存在的时候，相应的值为　害　｝Ｈ（ｗ１，叫２）　ｌＧｘ（ｗ１，Ｗ２）咖１ｄｗ２…　，（　，Ｙ）＝ｆＮ（　，Ｙ）＋ｆＢ（　，Ｙ）　ｌ　要｛！　Ｇｘ（ｗｌ１ｗ２）ｄｗｌｄｗ２　式中，，（　，Ｙ）为红外目标的灰度值；ｆＢ（　，Ｙ）为　式中，　、　多分别为处理前、处理后的背景杂　背景图像的灰度值，　厅（　，Ｙ）为目标点的灰度　波的方差；Ｇｘ（Ｗ　，Ｗ２）为图像的谱密度函数。　值，，Ⅳ（　，Ｙ）为噪声图像的灰度值。考虑搜索系　由此可见，经过滤波后ＳＣＲ提高了１／　倍。　ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．２７，Ｎｏ．４，ＡＰＲ　２００６　维普资讯 http://www.cqvip.com 一般情况下，按照图像的特性，可以采用不　将目标检测出来。　同的高频模板，如３×３的拉普拉斯模板和３￣３　文献［２】中提出的一种时间滤波器的方法　的Ｓｏｂｅｌ模板，也可以是自定义的高通模板。　也取得了比较不错的效果。其中数ＩＩＲ９９为最佳　经过高通滤波后，还不能完全消除背景的　（ＩＩＲ９９是一阶的时间滤波器，其参数值为０．９９）．　影响，比如云层边缘效应和诸如地表不均匀等　该滤波器处理的图片如图３和图４所示。　地理环境的变化，产生的背景不是纯粹的平滑　低通信号，因此有时候我们还需要用空间域法　对原来的图像进行滤波。局部平均法或者中值　滤波器是一种比较好的选择。　３．１．２最小均方误差滤波（维纳滤波）　最小均方误差滤波即为维纳滤波。经过维　纳滤波器滤波后的图像非常接近于白噪声　通　过背景抑制，可实现目标的有效检测。其算法流　程如图２所示。　图３处理前的高密度杂波图像　图２维纳滤波系统的框图（流程图）　维纳滤波的原理为：　由于维纳滤波器具有低通特性，因此，它　能保留具有低频特性的起伏背景　（　，Ｙ），　图４经过ＩＩＲ９９滤波后的图像　抑制，Ⅳ（ｚ，Ｙ）噪声，消除具有高频特性的目标　厅（　，Ｙ），所以维纳滤波器的输出为　经过预处理的图像，ＳＣＲ大大增加。要检　测和跟踪图像，我们还需要对图像进行分割和　，（ｚ，Ｙ）＝ｆｓ（ｚ，Ｙ）＋，，Ⅳ（ｚ，　）　（４）　识别。　式中，，（ｚ，Ｙ）为输入图像估计，厶（　，Ｙ）为背景　３．２单帧图像目标检测　估计，　（ｚ，Ｙ）为滤波后的白噪声。进一步，如　点目标检测方法有很多，如广义最大似然　果将输入图像ｆ（ｘ，Ｙ）与估计图像　（　，Ｙ）进行相　比检测目标的方法、基于膨胀累加的小目标检测　减，则可得到　方法、多级假设检验（ＭＨＴ）的目标检测方法　用自适应空一时技术去除红外起伏背景的目标　Ａｆ（ｘ，Ｙ）＝．厂（　，Ｙ）一ｆ（ｘ，Ｙ）　检测方法以及基于空间高通滤波和时间域上最　大递归滤波的运动点目标检测方法。　＝ｆｒ（　，Ｙ）＋　（Ｘ，Ｙ）　（５）　红外系统适用的检测准则如下：　式中，　（　，Ｙ）是由背景对消残差△，Ｂ（　，Ｙ）　红外系统的信号通常是确知的，而噪声则　ｆＢ（ｚ，Ｙ）一　（　，Ｙ）和　（　，Ｙ）两部分组成的。一　是随机的，但红外信号出现与否的概率却无法预　般地说，△，Ｂ（　，Ｙ）亦是一白噪声。因此，背景　知，也就是说，对统计检测而言先验概率Ｐ（Ｈ　）、　对消后图像Ａｆ（ｘ，Ｙ）为一含目标厅（　，Ｙ）和噪声　Ｐ（Ｈ０）是未知的。红外系统在检测判决时，对各　（ｚ，Ｙ）的图像，从而可采用一般的门限检测法　种判定可能要付出多大风险也无法估计。如发　ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．２７，ＮＯ．４，ＡＰＲ　２００６　维普资讯 http://www.cqvip.com 生一次漏报可能会造成多大损失很难确定。在　由此可推出单帧检测概率和单帧虚警概率的关　实际工作中，常常根据具体工作状况（如红外系　系；　统连续工作时间的长短）确定一个允许的虚警　一　（Ｐｄ）一　一　（Ｐｆ）　ＳＮＲ　（９）　概率值，然后再使发现概率达到最大值．因此　图６是根据上式给出的ＳＣＲ＝２的情况下　Ｎｅｙｍａｎ—Ｐｅａｒｓｏｎ准则是红外系统适用的最佳检　的单帧检测概率和单帧虚警概率的关系。设单　测准则，也是唯一可以使用的准则．　帧虚警概率Ｐｆ＝１０＿。。，当Ｋ＝１／６时，单帧的　图像分割采用阈值处理提取单帧中的可能　检测概率Ｐｄ＝０．８８０９；当Ｋ＝１／５时，单帧的检　目标；阈值处理采用自适应门限法（即恒虚酱检　测概率Ｐｄ＝０．７７４３；当Ｋ　１／４时，单帧的检测　测法），如图５所示．　概率Ｐｄ＝０．６１０６．　一图５　Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ采用准则检测目标的示意图　为Ｋ＝１／４，…为Ｋ＝１／５，——为Ｋ＝１／６　图６单帧检测概率与单帧虚警概率的关系（ＳＣＲ＝２）　在高斯的模型下，设单帧虚警概率为　，　噪声为高斯白噪声，则　３．３序贯目标检测　经过上述处理后，剩余的像素为目标、背景　吩＝　唧　一　㈣　边缘杂波引起的虚警目标。连续滤波主要利用　目标的运动信息，采用检测前跟踪的方法进一　式中，　为检测门限，　。为目标周围噪声方　步提高目标检测概率；利用背景帧与帧之间的　差，Ｅ（ｎ）为目标周围噪声均值。　强相关性降低检测虚警．序贯目标检测方法（检　由式（６）算出的相应的目标检测概率　为　测前跟踪目标检测方法）不仅要充分利用目标的　运动信息，还必须充分利用有关目标主动段弹　道的先验信息，并根据这种先验信息滤出虚假　目标点。　一｛＿　㈤　这里，我们再通过二次分布理论简要地分　析一下单帧检测概率、单帧虚警概率与总的检测　式中，ＳＮＲ为信噪比．　概率、总的虚警概率的关系．假设帧与帧之间独　因此，我们可以得到检测门限　立且单帧的检测概率Ｐｄ和　单帧虚警概率相　Ｔｒ＝Ｅ（ｎ）＋　－ＳＮＲ一仃・　一　（　）　同，总的检测概率、总的虚警概率分别为ＰＤ、　脚；令ｎ为检测次数，ｉ为检测成功次数，ｋ　或　为最小检测成功次数．则在几次检测中，至少获　＝Ｅ（ｎ）一　・　（Ｐｆ）　（８）　得ｋ次成功检测的概率为　ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．２７，Ｎｏ．４，ＡＰＲ　２００６　维普资讯 http://www.cqvip.com ＰＤ（　）＝１一Ｐｖ（　＜　）　ｔ一１　＝标也可以被认为是加性的信号．然后在背景杂　１一∑　ｋ＝Ｏ　（１一Ｐｄ）一　（１０）　波抑制方面给出了一些实际可行的算法，对目　标检测进行了一些分析。在没有先验概率的情　况下，对于单帧检验来说，实际可行的办法是采　用Ｎｅｙｍａｎ—Ｐｅａｒｓｏｎ准则，这对于红外系统来说　是一种最佳的检测准则，也是唯一可以使用的　准则。序贯检测的结果有效地增加了系统的探　测概率。　同理　斥（　尼）＝１一ＰＦ（ｔ＜尼）　ｉ—ｌ　＝１一∑　（１一Ｐ，）一　（１１）　ｋ＝Ｏ　由以上两式可以得出单帧的检测概率、虚警概　率与总的检测概率、虚警概率的关系。图７示出　了单帧检测概率与总的检测概率的关系．设总　的虚警概率为斥＝１０　，Ｋ＝１／６，表１说明　了总的检测概率与检测帧数的关系。　表１总的检测概率与检测帧数的关系　（尸Ｆ＝１０，Ｋ＝１／６）　礼＝３．ｋ＝２　ｎ＝４．ｋ＝２　ｎ＝５．　＝３　单帧虚警概率　单帧检测概率　总的检测概率　０　０００６　０．９５　０　９９　０．０００４　０　９３　Ｏ．９８　０．００５　０　９８　０　９９　一一一为礼＝３，ｋ＝２，一一一为札＝４，　＝２，　根据已有的工作基础，上述处理方法在处　理信噪比ＳＣＲ　２的红外图像时，可以做到在　虚警率　ｌ０　时，使目标检测概率　０．９８．　为ｎ＝５，ｋ＝３　图７单帧检测概率与总的检测概率的关系　参考文献　…杨宜禾，岳敏，周维真．红外系统（第２版）（Ｍ　国　防工业出版社，１９９５．１０．　４结论　本文系统地讨论了目标检测各方面的问　题。首先对噪声的原因以及噪声的模型进行了　分析。在一般的情况下，这些内部和外部噪声　［２】Ｃｏｕｒｔｎｅｙ　Ｉ　Ｈｉｌｌｉａｒｄ．Ｓｅｌｅｃｔｉｏｎ　ｏｆ　ａ　ｃｌｕｔｔｅｒ　ｒｅｊｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｒｅａｌ－－ｔｉｍｅ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ｆｒｏｍ　ａｎ　ａｉｒ・・　ｂｏｒｎｅ　ｐｌａｔｆｏｒｍ［ｃ】．ＳＰＩＥ，Ｖｏ１．４０４８，ｓｉｇｎａｌ　ａｎｄ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ｏｆ　ｓｍａｌｌ　ｔａｒｇｅｔｓ　２０００，Ｏｒｌａｎｄｏ　ＵＳＡ．　被简单地认为是加性的高斯噪声，而相应的目　暖■圜　用于傅里叶变换红外光谱学的　光电探测器　Ｖｉｇｏ系统公司推出一种型号为ＰＣ１　２ＴＥ　１３的　适　输出范围．一个内在的两级珀尔帖制冷器使探测器的工　作温度保持在２２０Ｋ一２４０Ｋ的范围。探测器的光谱特　性是可以改变的，标准的探测器被装在特制的　配有氟　化钡窗口的ＴＯ一８封壳中，但作为选择，用户也可获得　其它式样的封壳、窗口和连接器以及独立的前置放大器　／电源、集成的前置放大器／电源／制冷器和热电制冷　器的一个控制器　用于傅里叶变换红外光谱学的光电探测器．这种探测器　的响应光谱带宽为１　ｍ一１３＃ｍ，具有一个较宽的谱线　口顾聚兴　ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．２７，Ｎｏ．４，ＡＰＲ　２００６