一种基于多级抑噪的暗弱目标检测方法

1.本发明属于图像处理领域，具体涉及一种基于多级抑噪的暗弱目标检测方法。


背景技术：

2.对于探测系统而言，当被检测目标与探测器之间的距离达到十几甚至几十公里时，在大气扰动、光学散射和衍射等外界因素的影响下，成像的目标呈现“弱”和“小”的特征。其中“弱”主要是目标的信噪比以及目标与背景的对比度较低；“小”则主要是目标在整幅图像上所占有的像素数少。低信噪比图像弱小目标常常出现在包括天空、地面和海面等多种场景中，混杂在自然杂波中难以区分，致使目标检测面临高虚警率和低检测率的难题。
3.暗弱目标的检测主要有以下难点：
4.·
目标对比度低，可用于目标检测的特征少。在远距离情况下，探测器接收到的目标信号强度有限，信噪比很低。目标成像面积小，有的只有几个像素，因而缺少轮廓和形状特征，可供利用的信息比较少。
5.·
背景复杂，目标常淹没在背景或噪声中，远距离目标通常受到强烈背景的干扰，如白天的强烈天空背景。
6.在目前的文献中，有许多对暗弱目标的提取方法。比如，灰度阈值分割法，包括整体阈值分割和局部阈值分割，该方法对信噪比高的的目标有效，对低信噪比低对比度的目标很难提取。累加法叠加多帧图像，增强目标信息，这种方法不适用于快速运动的目标。也有文献利用目标与背景、噪声在图像局部强度、梯度和散度等结构特征上的差异性、奇异性进行暗弱目标检测，但是这种方法计算量大，不利于实时检测跟踪。


技术实现要素：

7.本发明要解决的技术问题为：针对强烈天空背景对暗弱目标探测造成影响的问题，提供一种基于多级抑噪的暗弱目标检测方法。利用背景消除、阈值分割、大块噪声消除、小粒噪声消除以及目标修复等步骤对暗弱目标进行探测，经过实测强天空背景下的目标图像得到较好的检测性能。
8.本发明的采用的技术方案为：一种基于多级抑噪的暗弱目标检测方法，具体实现步骤为：
9.步骤1、对原始图像进行中值滤波，再用原始图像减去滤波图像，得到背景抑制图；
10.步骤2、计算背景抑制图的全局阈值，并将背景抑制图减去阈值，得到抑噪图和分割亮区图；
11.步骤3、计算出分割亮区图中各连通域的面积，将大于面积阈值的连通域的像素点置零，再将其乘以抑噪图得到结果图；
12.步骤4、对步骤3结果图进行二值分割，得到二次分割亮区图；
13.步骤5、以二次分割亮区图为种子，利用分水岭算法修复目标。
14.进一步地，所述步骤2中计算背景抑制图的全局阈值可用otsu算法来实现。
15.本发明与现有技术相比的有益效果在于：
16.(1)本发明解决了目标能量泄露问题；
17.(2)即使单帧图像中，目标与背景的对比度低，也能成功检测到目标。
18.(3)即使目标与背景粘连，也能成功还原目标边缘信息。
附图说明
19.图1是实施例中采集的暗弱目标原始图；
20.图2是实施例中暗弱目标原始图的三维图；
21.图3是实施例中经过中值滤波后的背景抑制图；
22.图4是实施例中的减去阈值后的抑噪图；
23.图5是实施例中经过阈值分割后的分割亮区图；
24.图6是实施例中消除大块噪声后的二值图；
25.图7是实施例中消除大块噪声后的结果图；
26.图8是实施例中消除小粒噪声后的二次分割亮区图；
27.图9是实施例中经过分水岭算法修复的目标二值图；
28.图10是实施例中经过分水岭算法修复的目标检测结果图；
29.图11是实施例中在原始图中标记的目标检测结果图；
30.图12是本发明基于多级抑噪的暗弱目标检测方法的流程图。
具体实施方式
31.下面结合具体实施例对本发明提供的技术方案进行详述，以下的实施例仅限于解释本发明，但不作为本发明的限制，发明的保护范围应包括权利要求的全部内容，凡通过基本相同的方法达到相同效果的类似实施方式，均落入本发明的保护范围。通过以下实施例，该领域的技术人员即可以实现本发明权利要求的全部内容。
32.本实施例以某次暗弱目标检测实验中采集到的图像为例，如图1所示。可见，由于强烈的背景光，目标微不可见。原图的三维图如图2所示，目标几乎淹没在背景中，因此目标检测被阻碍。如图12所示，本发明基于多级抑噪的暗弱目标检测方法的具体实施步骤如下。
33.步骤1、对原始图像进行中值滤波，再用原始图像减去滤波图像，得到背景抑制图。
34.本步骤以如图1所示的暗弱目标图像为例，对其进行中值滤波，再用原始图像减去滤波图像，得到背景抑制图，如图3所示。
35.步骤2、计算背景抑制图的全局阈值，将背景抑制图减去阈值，得到抑噪图，并对背景抑制图进行二值分割得到分割亮区图。
36.本实例利用otsu算法计算出步骤1中背景抑制图的全局阈值，并将背景抑制图减去该阈值，得到抑噪图，如图4所示，并以该阈值对背景抑制图进行二值分割，得到分割亮区图，如图5所示。
37.本实施例利用otsu算法计算全局阈值，令{0,1,2,
…
,l-1}表示图像中的:个不同的灰度级，ni表示灰度级为i的像素个数，则图像中灰度级为i的概率pi为：其中，n为图像的像素总数。
38.假设选择阈值th,0《th《l-1，将图像阈值化为c1和c2两类，其中，c1由灰度值在[0,th]内的所有像素组成，c2由灰度值在[th+1,l-1]内的所有像素组成。则像素被分类到c1中的概率p1为：被分类到c2中的概率p2为：分配到c1的像素平均灰度值m1为：类似的，分配到c2的像素平均灰度值m2为：整幅图像的平均灰度值mg为：最后，类间方差为：
[0039][0040]
由公式(1)可知，两类均值m1和m2相差越大，类间方差越大，表明类间方差是类之间的可分性度量，所以，需求得最佳阈值th
*
，使得类间方差最大，即：
[0041][0042]
步骤3、计算出分割亮区图中各连通域的面积，将大于面积阈值的连通域的像素点置零，再将其乘以抑噪图得到结果图。
[0043]
本步骤计算出分割亮区图中各连通域的面积，将大于面积阈值的连通域的像素点置零，得到消除大块噪声后的二值图，如图6所示，再将其作为掩膜乘以步骤2中得到的抑噪图，得到消除大块噪声后的结果图，如图7所示。
[0044]
步骤4、计算步骤3结果图的全局阈值，并对抑噪图进行二值分割，得到二次分割亮区图。
[0045]
本实施例利用otsu算法计算步骤3结果图(即图7)的全局阈值，并进行二值分割，得到二次分割亮区图，如图8所示。
[0046]
步骤5、以二次分割亮区图为种子，利用分水岭算法修复目标。
[0047]
本实施例以步骤4得到的二次分割亮区图为种子，利用分水岭算法，以分割亮区图为掩膜，在背景抑制图上寻找分水岭，得到修复后的目标二值图，如图9所示，并以其为掩膜乘以步骤1中的背景抑制图，得到修复后的目标，如图10所示，并在原图中用方框标出目标，如图11所示。
[0048]
本发明未详细阐述部分属于本领域技术人员的公知技术。