一种基于边缘结构的背景杂波度量方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，具体地说是一种基于边缘结构的背景杂波度量方 法。
【背景技术】
[0002] 随着光学系统，探测器及电路设计的不断改进，背景杂波逐渐成为影响光电成像 系统性能的主要因素。复杂的杂波背景环境包含很多类目标的场景内容，使观察者无法快 速有效地获取目标，背景杂波效应成为影响观察者目标获取性能越来越重要的因素。
[0003] 准确有效的杂波量化描述是当今光电成像系统性能评估以及图像处理领域研究 的热点和难点之一，为建立准确的目标获取性能预测模型与修正模型奠定了基础。近二十 年来，基于各种不同的人眼视觉基本特性，国外研究者提出了很多种杂波量化度量〃这些 背景杂波度量大致可分为三类"一类是数学统计尺度，如最早的统计方差（SV)度量；一 类是基于图像纹理的度量，如基于灰度共生矩阵的杂波度量（COM);还有一类是基于人眼 视觉对高对比度区域敏感性的杂波度量，典型的杂波度量有边缘概率密度杂波度量（Ρ0Ε) 和基于目标结构相似度的杂波度量（TSS頂)。SV定义简单、易于计算、适用于大多数自然地 形，但对复杂杂波图像的表征描述不够准确。COM仅适用于图像中目标具有明显纹理分布 的场景，因需要多次计算共生矩阵，计算量大。Ρ0Ε考虑了人眼视觉对物体边缘敏感的视觉 特性，较之SV和COM有一定的优势，然而Ρ0Ε在表征过程中有阈值选择问题，需根据每幅 图像的具体状况具体确定，不同观察者所得到的计算结果不具可比性。文章 New Metrics for Clutter Affecting Human Target Acquisition在杂波度量方面引进图像质量评估 领域广泛认可的图像结构相似性信息SS頂概念，并进行修改，提出目标结构相似性杂波度 量（TSS頂)。TSS頂的定义具有对称性、有界性以及极大值唯一性，并且该结构信息的定义 充分体现人眼视觉的基本感知特性：亮度掩盖效应和对比度掩盖效应；该杂波计算简单、 结果唯一、没有阈值选择问题。但是只用到整幅图像的标准差、均值和协方差，对复杂杂波 图像的表征描述不够准确。因此，至今仍没有一种杂波尺度能得到光电研究领域工作者的 一致认可。
[0004] 2010年荷兰ΤΝ0人类因素研究所Toet教授通过研究TSS頂与Search2数据库中 目标探测特性的关系时，发现目标获取特性主要依赖于场景和目标的结构因素。许多研究 者发现，人眼对于图像的边缘结构信息是最为敏感和重视的，也就是说，边缘结构信息很 有可能是图像结构信息的最重要的部分，而作为SS頂最为重要的第三部分结构信息的比 较，s( x，y)实质上求取的仅仅是原图像子块和比较图像子块之间像素值的相关系数，不能 很好地反映图像的边缘和纹理结构信息，鉴于人眼对图像边缘纹理信息的极高的敏感度， 而梯度能较好地反应图像的边缘纹理信息。
【发明内容】
[0005] 针对现有技术的不足，本发明提供一种基于边缘结构的背景杂波度量方法，以充 分体现人眼视觉在目标识别中主要关注物体结构的特性，提高对成像系统外场性能预测和 评估的准确度。
[0006] 本发明为实现上述目的所采用的技术方案是：一种基于边缘结构的背景杂波度量 方法，包括以下步骤：
[0007] 步骤1 :将背景图像分割成大小与目标图像大小相同的单元；
[0008] 步骤2 :建立图像结构特征空间上的目标图像与单元背景杂波图像之间的相似性 度量；
[0009] 步骤3 :通过梯度直方图的方法建立目标图像与单元背景杂波图像的边缘结构特 征描述，并选用巴氏系数计算图像边缘结构的相似性度量；
[0010] 步骤4 :以目标图像与单元背景杂波图像的边缘结构相似性度量对目标图像和单 元背景杂波图像的结构相似性度量进行加权作为单元背景图像的杂波度量，所有单元背景 图像杂波度量的平均值，作为整幅背景图像的杂波度量。
[0011] 所述整幅背景图像的杂波度量计算过程为：
[0012]
[0013]
[0014] 式中：T为目标图像，Q为第i个单元背景杂波图像，SSIMy为图像结构相似性信 息，p u为对应的梯度方向直方图加权信息，CESSIM(T，Q)为第i个单元背景图像的杂波度 量，mXn为图像大小，1为整幅图像中杂波模块数，C ESSI_s为整幅背景图像的杂波度量。
[0015] 本发明具有以下有益效果及优点：
[0016] 1.本发明结合目标与杂波的图像结构相似性度量，以光电图像中物体边缘方向的 分布直方图来表征目标的结构特征，建立了基于边缘结构特征背景杂波度量，充分体现出 人眼视觉在目标识别中主要关注物体结构的特性。
[0017] 2.实验结果表明，所提出的杂波度量与Search2数据库提供的主观实验目标获取 性能有很好的一致性，优于现有的背景杂波度量。
【附图说明】
[0018] 图1为本发明的整体流程图；
[0019] 图2为本发明的H0G特征示意图，其中a为目标图像、b为梯度图像、c为H0G特 征；
[0020] 图3为本发明的目标与杂波图像示例图；其中a为Search2数据库第13副图像、 b为目标图像；
[0021] 图4为本发明以及各杂波度量与目标探测概率的拟合曲线；其中a为统计度量与 目标探测概率的拟合曲线、b为边缘概率密度杂波度量与目标探测概率的拟合曲线、c为目 标结构相似性杂波度量与目标探测概率的拟合曲线、d为图像结构差异性杂波度量与目标 探测概率的拟合曲线、e为本发明杂波度量与目标探测概率的拟合曲线；
[0022] 图5为本发明以及各杂波度量与目标虚警概率的拟合曲线；其中a为统计度量与 目标虚警概率的拟合曲线、b为边缘概率密度杂波度量与目标虚警概率的拟合曲线、c为目 标结构相似性杂波度量与目标虚警概率的拟合曲线、d为图像结构差异性杂波度量与目标 虚警概率的拟合曲线、e为本发明杂波度量与目标虚警概率的拟合曲线。
【具体实施方式】
[0023] 下面结合附图及实施例对本发明做进一步的详细说明。
[0024] 参照图1，本发明基于边缘结构的背景杂波度量方法具体实施步骤如下：
[0025] 步骤1 :将背景图像分成1个大小相等的小单元，每个单元的大小与目标图像大小 一致。
[0026] 步骤2:参见结构相似性度量，建立图像结构特征空间上目标和背景杂波的相似 性度量。
[0027] 令T = It; | i = 1，2,…N}，c = | i = 1，2,…，N}分别为目标和背景杂波信号， 设X= {Xl|i = 1，2,…，N}，Y= = 1，2,…，N}分别为目标和背景杂波信号，μχ，μγ， 〇x，〇Y，〇XY分别表示Χ，Υ的均值、标准差以及协方差，各部分信息具体定义如下：
[0028] (1)
[0029] (2)
[0030] s (X，Υ) = ( σ χγ+ ε 3) / ( σ χ σ γ+ ε 3) (3)
[0031] ε ρ ε 2、ε 3为防止分母趋于〇的常数。
[0032] 联合方程（1-3)得出信号X，Υ的结构相似性度量：
[0033] SS頂(X，Υ) = [1 (X，Υ) ] α · [c (X，Υ) ]e · [s (X，Υ) ] Y (4)
[0034] 其中α、β、Υ为描述各对应部分的重要性。令α = β = Υ=1得：
[0035]
(5)
[0036] 两幅图像的对应局部区域采用上公式得到一幅结构相似性度量图。
[0037] 步骤3 :计算边缘结构相似性度量
[0038] 输入图像中像素点（x，y)的梯度为
[0039] Gx(x, y) = H(x+1, y)-Η(χ-l, y) (6)
[0040] Gy(x,y) = H(x,y+1)-H(x,y-1) (7)
[0041] 式中，Gx(x, y)、Gy(x, y)、H(x, y)分别表示输入图像中像素点（x, y)处的水