专利名称：基于多尺度非局部均值的红外图像背景抑制方法
技术领域：
本发明属于图像处理技术领域，更进一步涉及目标检测领域中抑制红外图像背景杂波的方法。该方法将非下采样轮廓波变换和非局部均值滤波相结合应用到红外图像背景抑制领域，对输入的红外图像进行背景抑制，以便检测淹没在强起伏背景杂波中的弱小目标。
背景技术：
在检测淹没于强起伏背景杂波中的红外弱小目标过程中，因目标与背景的对比度小，检测易受背景杂波的干扰，使得目标难以被准确检测，为了要可靠、稳定、准确地检测并跟踪红外弱小目标，目前往往采用背景抑制的方法，以达到提高信杂比的目的。背景抑制是被动红外探测与跟踪系统中重要而关键的一项核心技术。目前，红外弱小目标背景抑制技术常用的方法主要有局部标准差滤波方法，数学形态学滤波方法，小波变换滤波方法等。Yilmaz A，Shafique K，Shah M. target tracking in airborne forward looking infrared imagery [J]. Imaging vision comput· 2003，21 (7)，pp :623-635 米用局部标准差滤波方法抑制图像背景，通过求取原始红外图像中各MXN邻域内的像素标准差来消除背景杂波对弱小目标的影响，该方法能够较好的提高红外弱小目标图像的信杂比，但是滤波结果存在的不足是弱小目标部分形状特征被丢失，目标轮廓变大、边缘模糊，影响图像质量。Fei Zhang,Chengfang Li,Lina Shi. Detecting and tracking dim moving point target in IR image seque nce. 2005，46 ，pp :323-3 采用数学形态学滤波方法抑制红外图像背景，它的基本思想是用具有一定形态的结构元去度量和提取图像中的对应形态以达到提取目标的目的。由于该方法中结构元素的选择对处理结果影响较大，所以，当结构元选取不合适时，对背景杂波的抑制效果不好。哈尔滨工业大学申请的《基于Wavelet和Curvelet变换的红外图像背景抑制方法》专利(申请号200810137 533.9，公开号CN101404084A)，公开了一种利用小波 (Wavelet)变换的多分辨、多尺度特性对图像进行多尺度分解，将图像的低频子带(主要包括背景信息)和高频子带(主要包括目标信息)分离，再采用保留高频和置零低频的操作来修改分解后不同子带的系数值，最后重构修改后的各子带系数并进行图像融合最终达到抑制背景、增强目标的目的。该方法的不足在于，只能对二维图像在水平、垂直和对角三个方向上进行分解，缺少方向信息；且小波的分解滤波器是低通滤波器，它对目标信息起平滑的作用从而容易引起漏警，也就是说，小波变换在抑制背景杂波的同时，也会抑制掉有用的目标信息；另外，修改子带系数值时，没有考虑每个子带系数和邻域的关系，使得强边缘保留下来，对云层、地面起伏、地面路网等强边缘背景的抑制能力较弱。
发明内容
3
本发明的目的在于客服现有技术中存在的不足，提供一种基于多尺度非局部均值的红外图像背景抑制方法。该方法在很好地保留并增强弱小目标信号的同时能够较好地平滑云层、地势起伏、地面路网等强边缘背景信息，可精确定位淹没于其背景中的红外弱小目标。本发明包括以下步骤(1)计算机设备读入未处理的红外图像数据；(2)获得子带系数采用非下采样轮廓波变换对读入图像进行多级尺度分解和方向分解，获得多个与读入图像尺寸相同的高频方向子带和一个与读入图像尺寸相同的低频子带；(3)修改子带系数3a)采用非局部均值滤波方法修改高频方向子带系数；3b)采用最大中值滤波方法修改低频子带系数；(4)重构子带系数采用非下采样轮廓波逆变换逐级对子带系数进行方向重构和尺度重构，获得估计的背景图像；(5)获得结果图像将步骤(1)读入的红外图像与步骤4b)获得的估计背景图像相减，获得背景抑制的结果图像。本发明与现有技术相比具有以下优点第一，本发明采用非下采样轮廓波变换进行多尺度和多方向分解，因其具有丰富的尺度、方向信息以及平移不变性等特性，克服了红外图像经现有技术处理后目标强度变弱、边缘模糊、轮廓变大等不足，在抑制背景杂波的同时能够较好的保留并增强弱小目标信息，提高了目标定位精度。第二，本发明在多尺度多方向分解的基础上，采用非局部均值滤波处理子带局部邻域内和邻域间系数值，考虑了单个孤立位置的像素与相邻像素的相互关系和相互作用， 充分利用了局部区域几何、光度、灰度和几何结构相似性等信息，在很好地保留并增强弱小目标信号的同时能够较好地平滑云层、地势起伏、地面路网等复杂背景的强边缘信息，可有效改善图像整体信杂比和对比度。
图1为本发明的流程图。图2为本发明实施例中采用非下采样轮廓波变换(NSCT)分解方法的结构示意图。图3为本发明与最大中值滤波方法抑制强边缘云层背景的性能比较效果图，其中图3a为未经处理的原始图像，图北为本发明背景抑制的效果图，图3c为图北的分割效果图，图3d为最大中值滤波方法的背景抑制效果图。图4为本发明与最大中值滤波方法抑制地面路网背景的性能比较效果图，其中图 4a为未经处理的原始图像，图4b为本发明背景抑制的效果图，图如为图4b的分割效果图， 图4d为最大中值滤波方法的背景抑制效果图。图5为本发明与最大中值滤波方法抑制地势起伏背景的性能比较效果图，其中图fe为未经处理的原始图像，图恥为本发明背景抑制的效果图，图5(为图恥的分割效果图， 图5d为最大中值滤波的背景抑制效果图。
具体实施例方式下面结合附图对本发明的具体实施方式
做进一步描述。参照图1，本发明的详细步骤如下步骤1，读入红外图像计算机设备读入未处理的红外图像，所读图像包含淹没于云层、地面路网、地势起伏等强起伏背景杂波的弱小目标，如图3a、图如、图fe所示的原始图像即为计算机设备读入未处理的红外图像。步骤2，采用非下采样轮廓波变换(NSCT)分解读入的红外图像，获得子带系数。本发明实施例中采用非下采样轮廓波变换(NSCT)分解读入的红外图像，分别进行2级尺度分解和3层方向分解，获得各尺度各方向的子带系数。非下采样轮廓波变换包括两个步骤多尺度分解和多方向分解。多尺度分解时采用非下采样塔式滤波器组，每一级得到一个与读入图像尺寸相同的高频子带和一个与读入图像尺寸相同的低频子带。原始图像经2级非下采样塔式滤波器组分解，第一级分解得到1个高频子带0^和一个低频子带Q^1，第二级对其低频子带0^分解得到1个高频子带Ci2和一个低频子带0^。多方向分解时采用非下采样方向滤波器组，高频子带C^1和^￡2经3层方向分解，分别获得8个方向与读入图像尺寸相同的高频方向子带{Ci」(j = 1,2. 1彡i彡8)。如图2所示为本发明实施例中采用非下采样轮廓波变换(NSCT)分解方法的结构示意图。步骤3，修改子带系数首先，采用非局部均值滤波方法修改各个方向的高频方向子带系数。本发明实施例中，在子带系数位置(m，n)的一个5X5邻域M内，对(u，v) e M的
所有系数值CiyvG，iO求取加权平均值，获得(m，n)处修改的系数值Cf』(m，n)。其中，(u，ν) 处的加权系数w ((m，η), (u，ν))用相似窗口 N(m,n)与N(u,v)的欧氏距离来度量，N(m,n)和N(u,v)分别为中心位于(m，η)、(u, ν)大小为3X3的邻域窗口。遍历各尺度各方向高频方向子带的每一个系数，可得到修改的背景子带C^v (j = 1,2. i < 8)。其次，采用最大中值滤波方法修改低频子带系数。本发明实施例中，选取大小为5X5、中心位于(m，n)的滤波窗，考虑经过其中心系数x(m，n)方向为0°、45°、90°、135°的四条直线，对每一直线上的采样值做中值滤波， 再将中值滤波结果做最大顺序滤波，如下式所示。Z1 = median (χ (m_2，η)，. . .，χ (m，η)，. . .，χ (m+2，η))ζ2 = median (χ (m_2，η_2)，. . .，χ (m，η)，. . .，χ (m+2, n+2))Z3 = median (χ (m，n_2)，. . .，χ (m，n)，. . .，χ (m，n+2))
其中，21为0°方向的中值滤波结果^2为45°方向的中值滤波结果为90°方向的中值滤波结果，^为135°方向的中值滤波结果，u(m, η)为四个中值滤波结果的最大值，即x(m，n)的修改结果。根据以上各式遍历低频子带0^的每一个系数，可得到修改的背景子带Q82。最大中值滤波可以最大程度的保持原图像的边缘特征，滤掉尖峰性干扰和点状小目标等高频分量，可以有效的去处背景中的弱小目标，估计背景子带系数。步骤4，采用非下采样轮廓波(NSCT)逆变换重构子带系数，获得估计的背景图像。本发明实施例中采用非下采样轮廓波(NSCT)逆变换(如图2，从右向左进行)重构估计的背景子带系数，分别进行方向重构和尺度重构，获得最终估计的背景图像。首先， 采用非下采样方向滤波器组逆变换重构高频方向子带CG，,· (j = 1,2. 1 ^ i ^ 8)，去除方向信息，获得高频子带(j = 1,2)；其次，采用非下采样塔式滤波器组逆变换重构高频子带CAS’2和低频子带Q82，获得第一级的低频子带qi，再重构第一级的高频子带C^和低频子带 Cf,，最终获得估计的背景图像CB。步骤5，获得结果图像步骤1读入的红外图像与步骤4获得的估计背景图像Cb相减，便可获得本发明背景抑制的结果图像，如图3b、图仙、图恥所示。分别比较图北与图3d、图4b与图4(1、图恥与图5d，由图可见，本发明在很好地保留并增强弱小目标信号的同时较好地抑制了云层、地势起伏、地面路网等强边缘背景。图 3d、图4d、图5d分别为采用最大中值滤波方法对步骤1读入的红外图像背景抑制的效果图， 其中选取的滤波窗大小为5X5，滤波方向为0°、45°、90°、135°。采用自适应阈值分割技术分割本发明获得的背景抑制图像，分割结果如图3c、图 4c、图5c所示，可见，本发明能够精确定位并提取出淹没于云层、地势起伏、地面路网等强边缘背景中的红外弱小目标。
权利要求
1.基于多尺度非局部均值的红外图像背景抑制方法，包括以下步骤(1)计算机设备读入未处理的红外图像数据；(2)获得子带系数采用非下采样轮廓波变换对读入图像进行多级尺度分解和方向分解，获得多个与读入图像尺寸相同的高频方向子带和一个与读入图像尺寸相同的低频子带；(3)修改子带系数3a)采用非局部均值滤波方法修改高频方向子带系数；3b)采用最大中值滤波方法修改低频子带系数；(4)重构子带系数采用非下采样轮廓波逆变换逐级对子带系数进行方向重构和尺度重构，获得估计的背景图像；(5)获得结果图像将步骤(1)读入的红外图像与步骤(4)获得的估计背景图像相减，获得背景抑制的结果图像。
2.根据权利要求1所述的基于多尺度非局部均值的红外图像背景抑制方法，其特征在于所述的步骤1中，所读的红外图像包含淹没于云层、地面路网、地势起伏等强起伏背景杂波的弱小目标。
3.根据权利要求1所述的基于多尺度非局部均值的红外图像背景抑制方法，其特征在于所述的步骤2中多尺度分解时保持高频子带不变，采用非下采样塔式滤波器组分解低频子带，多方向分解时采用非下采样方向滤波器组分解高频子带。
4.根据权利要求1所述的基于多尺度非局部均值的红外图像背景抑制方法，其特征在于所述步骤3a)中非局部均值滤波方法修改高频方向子带系数时采用相似窗口的欧氏距离度量加权系数。
5.根据权利要求1所述的基于多尺度非局部均值的红外图像背景抑制方法，其特征在于所述的步骤4中方向重构时采用非下采样方向滤波器组逆变换，尺度重构时采用非下采样塔式滤波器组逆变换。
全文摘要
本发明提出一种基于多尺度非局部均值的红外图像背景抑制方法，具体步骤包括(1)采用非下采样轮廓波变换多级分解读入的原始红外图像，获取各尺度各方向与原始图像尺寸相同的子带；(2)利用非局部均值滤波方法修改其高频方向子带的系数值，利用最大中值滤波方法修改其低频子带的系数值；(3)采用非下采样轮廓波逆变换逐级对修改的子带进行方向和尺度重构，获得估计的背景图像；(4)原始红外图像与估计的背景图像相减，获得最终的红外图像背景抑制结果。本发明不仅能够保留并增强弱小目标信息、精确定位目标，同时还能够较好的抑制云层、地势起伏、地面路网等复杂背景的强边缘信息，有效改善图像整体信杂比和对比度。
文档编号G06T5/00GK102222322SQ20111014793
公开日2011年10月19日 申请日期2011年6月2日 优先权日2011年6月2日
发明者刘上乾, 周慧鑫, 姚柯柯, 梁宇恒, 王柄健, 秦翰林, 程茂林, 韦桂锋 申请人:西安电子科技大学