一种基于时空域背景抑制的红外弱小目标检测方法
【专利摘要】本发明属于红外图像处理领域，主要涉及一种基于时空域背景抑制的红外弱小目标检测方法。本发明用以解决复杂背景下的红外运动弱小目标检测问题。首先使用指导滤波抑制空域中较为平稳的背景杂波；其次，利用红外图像序列中目标的运动信息，在时域上采用梯度权重滤波方法抑制时域中变化较为缓慢的背景；然后将时空域背景抑制结果相融合，得到背景抑制后的弱小目标图像；最后利用自适应阈值分割图像，检测出弱小目标。该发明在目标检测时不仅利用了红外弱小目标的空间灰度信息，还充分利用了目标的时域运动信息，分别从时域和空域抑制背景杂波，因此大大提高了复杂背景下运动弱小目标的检测性能。
【专利说明】一种基于时空域背景抑制的红外弱小目标检测方法
【技术领域】
[0001] 本发明属于红外图像处理领域，主要涉及一种基于时空域背景抑制的红外弱小目 标检测方法。
【背景技术】
[0002] 在红外搜索跟踪系统（IRST)中，来袭目标距离探测器较远，在红外图像中通常显 示为复杂背景中的几个像素点，同时，由于大气衰减及干扰，红外图像中目标与背景的对比 度和信噪比较低，这就为后续的目标检测带来了困难。如何从低对比度、低信噪比的红外图 像中准确、稳定的检测出目标，就成为IRST中的一项关键技术。
[0003] 近年来，由于红外探测技术在军事上的重大意义，许多研究者对红外弱小检测进 行了深入的研究，提出了许多检测方法。主要有时域、空域、频域、小波变换、偏微分方程等 滤波方法。这些方法分别从不同的角度解决红外弱小目标的检测问题，收到了一定的效果， 但针对低信噪比的复杂背景红外图像，这些算法就显示出背景抑制效果差，检测虚警率高， 算法复杂度高等缺陷。
[0004] 针对弱小目标在空域上只有灰度信息，检测难度大的问题，许多学者将空域检测 方法与目标时域运动信息相结合，提出了时空域融合的目标检测算法，收到了一定的效果。 在《基于时空域融合的红外弱小目标检测算法》（见弹箭与制导学报。2011年31卷（2期）： P225-227,作者：胡涛涛，樊翔，马东辉）中所述的一种时空域融合的红外弱小目标检测方 法，首先用tophat变换对图像在空域上进行背景抑制，然后对背景抑制后的序列图像使用 三帧差分法进行运动目标的检测，并对检测的结果进行或运算来累计能量，再利用形态学 闭运算连接断裂轨迹，最后通过阈值检测出目标轨迹。该方法对背景变化缓慢、信噪比较 高，目标运行速度较快的红外运动弱小目标序列的检测具有一定效果，但该方法同时存在 明显的不足：1、tophat滤波方法对于信噪比较低的红外弱小目标图像背景抑制效果较差， 并且结果与结构元的选择有非常大的关系，结构元选取不当有可能无法检测出弱小目标。 2、 三帧差分法可能导致目标强度变弱，且对低速运动的目标检测效果并不好，对背景变化 敏感。3、算法仅能检测出目标运行轨迹，无法给出目标当前帧位置，不具有实时性。
[0005] 在《Small target detection using bilateral filter and temporal cross product in infrared images〉〉（见 Infrared Physics &Technology〇54 (2011) :P403_411， 作者：Tae-Wuk Bae等）中，作者提出了一种时空域融合的红外弱小目标检测方法。该方法 的步骤如下：1、在时域上对η帧图像每一像素点求时域向量积来提取目标运行轨迹。2、根 据时域目标轨迹图像的灰度值来生成参数索引图，使不同的灰度值对应不用的〇 (1和ο# 3、 根据选定的〇(1和〇^，对图像在空域上利用双边滤波进行背景抑制，得到空域背景抑制 后的图像。4、将1的结果与3的结果进行点乘。5、选取阈值进行分割，得到目标检测结果。 算法存在如下问题：1、时域上利用时域向量积只能检测到目标轨迹，且云层边缘起伏较大 时，虚警率会增加。2、空域滤波受时域滤波影响较大，当时域结果存在较多虚警及杂波时， 会使空域滤波结果变差。3、时空域结果融合时采用点乘，在目标轨迹上容易形成虚警点。
【发明内容】
[0006] 针对低信噪比复杂背景下序列红外运动弱小目标检测中虚警率高的问题，本发明 提出了一种时空域结合的红外序列图像运动目标检测方法。该方法分别在时域和空域上进 行背景抑制。在时域上，充分利用目标运动信息，使用梯度权重滤波抑制背景，得到时域背 景抑制后的图像；在空域上利用目标灰度信息，对单帧图像使用指导滤波进行背景预测，进 而抑制背景，最后将时域滤波与空域滤波的结果相融合，使用自适应阈值分割图像，检测出 目标。本方法能够实时地检测出目标位置，大大降低虚警概率，并且简单有效。
[0007] 本发明是通过以下技术方案实现的，本发明包括以下步骤：
[0008] A、时域背景抑制：
[0009] (1)取N帧图像，绘制图像中每一像素点在N帧图像中灰度值的变化的曲线（时 域曲线）f (m，n，k) = xk(m，n)k = 1，2…N，（m，η)为像素点的位置坐标，k为图像的巾贞数，X 为灰度值；
[0010] (2)对于每个像素点的时域曲线，计算曲线上每点的梯度值g :
[0011] gk (m, η) = | [xk (m, n) -xk_1 (m, n) ] + [xk (m, n) -xk+1 (m, n)]
[0012] (3)使用高斯核计算时域曲线上每一点的权重W :
[0013]
【权利要求】
1. 一种基于时空域背景抑制的红外弱小目标检测方法，其特征在于：该方法包含以下 步骤： A、 时域背景抑制： (1) 取N帧图像，绘制图像中每一像素点在N帧图像中灰度值的变化曲线（时域曲线） f(m，n，k) = xk(m，n) k = 1，2…N，（m，η)为像素点的位置坐标，k为图像的巾贞数，X为灰度 值； (2) 对于每个像素点的时域曲线，计算曲线上每点的梯度值g : gk (m, η) = I [xk (m, n) -xk_1 (m, n) ] + [xk (m, n) -xk+1 (m, n)] (3) 使用高斯核计算时域曲线上每一点的权重W: w*-(m，n) = e-gk(m'W 其中，ε为调节参数； (4) 对时域曲线进行梯度权重滤波，滤波器在第k帧的输出Ρ。15为：
其中，R为归一化参数，
Hy(m,n)； (5) 用原时域曲线减去梯度权重滤波的结果，得到第N帧时域背景抑制后的图像； xN，= xN-P： B、 空域背景抑制： 对输入第N帧图像进行指导滤波，得到背景的估计图像（即背景预测），用原图像减去 经指导滤波后的背景图像，得到空域背景抑制后的图像； C、 将A的结果与B的结果做与运算，得到第N帧背景初步抑制后的图像； D、 将A的结果作为原图像，C的结果作为指导图像，进行指导滤波，得到背景抑制结果； E、 采用自适应阈值法将D的结果二值化，得到最终目标检测结果。
2. 如权利要求1所述的一种基于时空域背景抑制的红外弱小目标检测方法，其特征在 于：所述的步骤B中，使用指导滤波进行空域背景预测，具体的方法如下： 指导滤波输出图像在像素点（m，η)处的值可以表示为：
其中，Ρ为输入图像，I为指导图像，在本方法中，I = P，Q为输出图像，L为滤波窗口的 半径，Wm,n,s,t(I)为滤波核，可以表示为 ：
以15和σ2为指导图像I在滤波窗中的均值和方差，为滤波窗口，ε为调节参数，调 整滤波器的平滑程度，I ω |为窗口《，中像素的个数。
【文档编号】G06T7/00GK104299229SQ201410490528
【公开日】2015年1月21日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】秦翰林, 李佳, 延翔, 周慧鑫, 牟媛, 宗靖国, 韩姣姣, 曾庆杰, 郝静雅, 倪曼, 刘上乾 申请人:西安电子科技大学