论文部分内容阅读
摘要：“红外小目标检测”技术是红外成像跟踪系统的核心技术，因此红外小目标的检测是当前军事领域的一项重要研究课题。目前红外小目标的检测技术的发展方向是研究一种运算量小、性能高、利于硬件实时实现的检测算法。
关键词：红外小目标检测；滤波；阈值；罗伯特(Robert)算子
Infrared small target detection technology Based on Robert operator
JIN Sheng-xi
(Xiamen University IT college,Xiamen 361005,China)
Abstract:infrared small target detection technology is the core of tracking system of infrared making images. So infrared small target detection technology is a very important research task in military domain. It is a researching direction to find some good ways ininfrared small target detection technology such as a short operation , advanced quality, real-time detecting object.
Key words: infrared small target; filter; threshold; Robert operator
1 引言
红外小目标(点目标和所含点数不多的面目标)的检测问题[2]是现代武器精确制导的一个重要课题。近年来,人们对远距离，低信噪比情况下的微弱 ”点运动目标”的检测及跟踪技术产生了浓厚的兴趣，使得该课题成为目前的研究热点之一。目前的发展方向是研究运算量小、性能高、便于硬件实时实现的检测和跟踪算法。
2 小目标的特点
利用红外传感器等获取的运动目标图像，由于目标红外辐射强度与其周围自然背景的辐射强度不相关，并且一般都高于背景的辐射强度，因此目标可看作是图像中的孤立的亮斑。当目标距离较远时，所成像很小，可将其着成具有恒定灰度值的点源。目标可由其与周围背景的亮度差(能量差)得以检出。
空中红外小目标当其距离观察点较远时，一般无形态及纹理信息可以利用，呈现为微弱的小亮点或小亮斑(点目标)，其在图像上的成像面积仅为几个或十几个像素大小，而且目标成像强度较弱，目标亮度有时会低于一些背景中高亮度的云团等干扰物。但是一般来说，目标与其周围的背景相比有较明显的亮度差。另外，红外空中背景图像较为单一，主要是云团及大气，它们一般亮度较弱、分布也比较均匀。同时，背景中还包含了一些在成像过程中随机产生的噪声点。
3 算法
3.1 寻找合适的算法
由于目标信噪比往往较低，因此有很多算法通过多帧累加，边检测边跟踪的方法来提高检测的准确率。这大大增加了计算量, 而且增加了跟踪算法的复杂度。本文在保证虚警概率足够低的基础上力图提高单帧图像的检测概率，这样后续的跟踪任务就只须排除少量强噪声的干扰,降低了跟踪算法的难度和计算量，利于实时检测和跟踪。
研究小目标检测算法一般从目标特性研究或背景特性研究两个方面出发来考虑。因为小目标其本身的灰度、形状、纹理和结构特征不明显也不确定，而且自然背景与目标的红外辐射强度在某些场景下会非常接近，因此，如何提高检测及跟踪算法的准确性和可靠性，是国内外普遍关注与重点对于序列图像中微弱点状运动目标的检测及跟踪技术需要解决的重点问题有：(1)如何在低信噪杂波比的情况下检测捕获点状运动目标并进行跟踪；(2)如何解决快速处理，实时实现问题。
背景由于在形成时受到物理规律的制约，它们在空间上往往呈大面积的连续分布状态，因此在红外辐射的强度上也呈渐变过渡状态，从而使得它们的红外图像在图像灰度空间分布上具有较大的相关性，所以它主要是缓慢变化的低频部分。红外图像平面上的噪声主要包括白噪声和线列扫描方向上的非平稳噪声。它与背景像素不相关，空间分布是随机的，帧间没有相关性。对红外系统来说，若带宽选择合适，均可将噪声当作白噪声。
在目标增强和背景抑制过程中，在频域，由于小目标分布在高频，而背景大多分布在低频，故人们采用了高通滤波器，大量的实验证明这是有效的；同时，人们又利用了目标运动的连续性这一特点，对序列图像进行连续滤波。
红外图像小目标检测是一个实际应用中的难题，到目前为止，对小目标的检测方法几乎都可以被归结为两种模式中：第一类即直接依据目标本身的各种特性，如相对于背景的灰度差异，以及在频域的高频特性等设计相应的检测条件，从而将目标从图像中提取出来的模式；第二类则是采取相反的思路，即通过从图像中去除背景信息，从而突出目标信号，达到目标检测的目的。受到红外小目标图像本身成像条件的制约，如小目标区域像素数目少，无纹理特征可以提取等对检测带来困难，因此相对而言采用第一种模式设计的红外小目标检测算法的检测效果没有采用二种模式设计的红外小目标检测算法的检测效果理想。
3.2 我们提出的小目标检测与跟踪的技术方案
综合各种检测方法，我们可以发现，检测速度和检测精度是矛盾的，从军事方面考虑，提高检测速度更有现实意义。本文提出的方法，从检测速度上看，比传统方法快的多。
首先进行自适应滤波，然后进行以下处理过程：均衡化处理，robet算子[1]处理，线性化处理和阈值分割，对最终的图象进行区域增长，增大目标点，从而实现检测出目标的目的！
滤波是必须的一个环节，自适应滤波[4]是个好的选择！滤波结束后，robert算子把边缘提取出来，然后进行下面的处理。
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内 产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。但是经过robert算子处理后，图象平滑部分消失很多，而边缘被相对强化，而点目标本身的边缘特征是保留的，而且亮度几乎损失不太多，从而为阈值处理创造了条件。
限于篇幅，其余的技术细节没有全部披露。
实际处理过程
1)真彩图灰度化；2)自适应滤波和罗伯特(Robert)算子处理；3. 区域增长；4)反色；5)域值处理(线性变换)；6)反色处理；7)区域增长目标显示。
最后一张图的亮点，就是目标点。
当然，这种处理方法也有适用范围，当出现大批量白点躁声的时候，将出现比较高的虚警！而我们可以另行计算这些点目标的移动规律（无序为躁声，有序为目标），从而获得比较高的识别率(限于篇幅，本文不在论述)。
经过仿真实验表明，本文的检测方法，算法简单，检测速度快，而且方便于硬件实现，值得尝试。
参考文献：
[1] 典型数字图象处理算法及实现[M].人民邮电出版社.
[2] K.R.castleman, 数字图象处理[M].电子工业出版社.
[3] 彭嘉雄,周文琳. 红外背景抑制与小目标分割检测[J]. 电子学报,1999,27 (12):47-51.
[4] 杨卫平,沈振康. 红外图像序列小目标检测预处理技术[J]. 红外与激光,1998, 27(1):23-28.
收稿日期：2008-03-27
作者简介：金胜昔 男，厦门大学信息科学与技术学院计算机科学系，硕士研究生。
关键词：红外小目标检测；滤波；阈值；罗伯特(Robert)算子
Infrared small target detection technology Based on Robert operator
JIN Sheng-xi
(Xiamen University IT college,Xiamen 361005,China)
Abstract:infrared small target detection technology is the core of tracking system of infrared making images. So infrared small target detection technology is a very important research task in military domain. It is a researching direction to find some good ways ininfrared small target detection technology such as a short operation , advanced quality, real-time detecting object.
Key words: infrared small target; filter; threshold; Robert operator
1 引言
红外小目标(点目标和所含点数不多的面目标)的检测问题[2]是现代武器精确制导的一个重要课题。近年来,人们对远距离，低信噪比情况下的微弱 ”点运动目标”的检测及跟踪技术产生了浓厚的兴趣，使得该课题成为目前的研究热点之一。目前的发展方向是研究运算量小、性能高、便于硬件实时实现的检测和跟踪算法。
2 小目标的特点
利用红外传感器等获取的运动目标图像，由于目标红外辐射强度与其周围自然背景的辐射强度不相关，并且一般都高于背景的辐射强度，因此目标可看作是图像中的孤立的亮斑。当目标距离较远时，所成像很小，可将其着成具有恒定灰度值的点源。目标可由其与周围背景的亮度差(能量差)得以检出。
空中红外小目标当其距离观察点较远时，一般无形态及纹理信息可以利用，呈现为微弱的小亮点或小亮斑(点目标)，其在图像上的成像面积仅为几个或十几个像素大小，而且目标成像强度较弱，目标亮度有时会低于一些背景中高亮度的云团等干扰物。但是一般来说，目标与其周围的背景相比有较明显的亮度差。另外，红外空中背景图像较为单一，主要是云团及大气，它们一般亮度较弱、分布也比较均匀。同时，背景中还包含了一些在成像过程中随机产生的噪声点。
3 算法
3.1 寻找合适的算法
由于目标信噪比往往较低，因此有很多算法通过多帧累加，边检测边跟踪的方法来提高检测的准确率。这大大增加了计算量, 而且增加了跟踪算法的复杂度。本文在保证虚警概率足够低的基础上力图提高单帧图像的检测概率，这样后续的跟踪任务就只须排除少量强噪声的干扰,降低了跟踪算法的难度和计算量，利于实时检测和跟踪。
研究小目标检测算法一般从目标特性研究或背景特性研究两个方面出发来考虑。因为小目标其本身的灰度、形状、纹理和结构特征不明显也不确定，而且自然背景与目标的红外辐射强度在某些场景下会非常接近，因此，如何提高检测及跟踪算法的准确性和可靠性，是国内外普遍关注与重点对于序列图像中微弱点状运动目标的检测及跟踪技术需要解决的重点问题有：(1)如何在低信噪杂波比的情况下检测捕获点状运动目标并进行跟踪；(2)如何解决快速处理，实时实现问题。
背景由于在形成时受到物理规律的制约，它们在空间上往往呈大面积的连续分布状态，因此在红外辐射的强度上也呈渐变过渡状态，从而使得它们的红外图像在图像灰度空间分布上具有较大的相关性，所以它主要是缓慢变化的低频部分。红外图像平面上的噪声主要包括白噪声和线列扫描方向上的非平稳噪声。它与背景像素不相关，空间分布是随机的，帧间没有相关性。对红外系统来说，若带宽选择合适，均可将噪声当作白噪声。
在目标增强和背景抑制过程中，在频域，由于小目标分布在高频，而背景大多分布在低频，故人们采用了高通滤波器，大量的实验证明这是有效的；同时，人们又利用了目标运动的连续性这一特点，对序列图像进行连续滤波。
红外图像小目标检测是一个实际应用中的难题，到目前为止，对小目标的检测方法几乎都可以被归结为两种模式中：第一类即直接依据目标本身的各种特性，如相对于背景的灰度差异，以及在频域的高频特性等设计相应的检测条件，从而将目标从图像中提取出来的模式；第二类则是采取相反的思路，即通过从图像中去除背景信息，从而突出目标信号，达到目标检测的目的。受到红外小目标图像本身成像条件的制约，如小目标区域像素数目少，无纹理特征可以提取等对检测带来困难，因此相对而言采用第一种模式设计的红外小目标检测算法的检测效果没有采用二种模式设计的红外小目标检测算法的检测效果理想。
3.2 我们提出的小目标检测与跟踪的技术方案
综合各种检测方法，我们可以发现，检测速度和检测精度是矛盾的，从军事方面考虑，提高检测速度更有现实意义。本文提出的方法，从检测速度上看，比传统方法快的多。
首先进行自适应滤波，然后进行以下处理过程：均衡化处理，robet算子[1]处理，线性化处理和阈值分割，对最终的图象进行区域增长，增大目标点，从而实现检测出目标的目的！
滤波是必须的一个环节，自适应滤波[4]是个好的选择！滤波结束后，robert算子把边缘提取出来，然后进行下面的处理。
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内 产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。但是经过robert算子处理后，图象平滑部分消失很多，而边缘被相对强化，而点目标本身的边缘特征是保留的，而且亮度几乎损失不太多，从而为阈值处理创造了条件。
限于篇幅，其余的技术细节没有全部披露。
实际处理过程
1)真彩图灰度化；2)自适应滤波和罗伯特(Robert)算子处理；3. 区域增长；4)反色；5)域值处理(线性变换)；6)反色处理；7)区域增长目标显示。
最后一张图的亮点，就是目标点。
当然，这种处理方法也有适用范围，当出现大批量白点躁声的时候，将出现比较高的虚警！而我们可以另行计算这些点目标的移动规律（无序为躁声，有序为目标），从而获得比较高的识别率(限于篇幅，本文不在论述)。
经过仿真实验表明，本文的检测方法，算法简单，检测速度快，而且方便于硬件实现，值得尝试。
参考文献：
[1] 典型数字图象处理算法及实现[M].人民邮电出版社.
[2] K.R.castleman, 数字图象处理[M].电子工业出版社.
[3] 彭嘉雄,周文琳. 红外背景抑制与小目标分割检测[J]. 电子学报,1999,27 (12):47-51.
[4] 杨卫平,沈振康. 红外图像序列小目标检测预处理技术[J]. 红外与激光,1998, 27(1):23-28.
收稿日期：2008-03-27
作者简介：金胜昔 男，厦门大学信息科学与技术学院计算机科学系，硕士研究生。