專利名稱:基于多尺度非局部均值的紅外圖像背景抑制方法
技術(shù)領(lǐng)域:
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,更進一步涉及目標檢測領(lǐng)域中抑制紅外圖像背景雜波的方法。該方法將非下采樣輪廓波變換和非局部均值濾波相結(jié)合應(yīng)用到紅外圖像背景抑制領(lǐng)域,對輸入的紅外圖像進行背景抑制,以便檢測淹沒在強起伏背景雜波中的弱小目標。
背景技術(shù):
在檢測淹沒于強起伏背景雜波中的紅外弱小目標過程中,因目標與背景的對比度小,檢測易受背景雜波的干擾,使得目標難以被準確檢測,為了要可靠、穩(wěn)定、準確地檢測并跟蹤紅外弱小目標,目前往往采用背景抑制的方法,以達到提高信雜比的目的。背景抑制是被動紅外探測與跟蹤系統(tǒng)中重要而關(guān)鍵的一項核心技術(shù)。目前,紅外弱小目標背景抑制技術(shù)常用的方法主要有局部標準差濾波方法,數(shù)學(xué)形態(tài)學(xué)濾波方法,小波變換濾波方法等。Yilmaz A,Shafique K,Shah M. target tracking in airborne forward looking infrared imagery [J]. Imaging vision comput· 2003,21 (7),pp :623-635 米用局部標準差濾波方法抑制圖像背景,通過求取原始紅外圖像中各MXN鄰域內(nèi)的像素標準差來消除背景雜波對弱小目標的影響,該方法能夠較好的提高紅外弱小目標圖像的信雜比,但是濾波結(jié)果存在的不足是弱小目標部分形狀特征被丟失,目標輪廓變大、邊緣模糊,影響圖像質(zhì)量。Fei Zhang,Chengfang Li,Lina Shi. Detecting and tracking dim moving point target in IR image seque nce. 2005,46 ,pp :323-3 采用數(shù)學(xué)形態(tài)學(xué)濾波方法抑制紅外圖像背景,它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元去度量和提取圖像中的對應(yīng)形態(tài)以達到提取目標的目的。由于該方法中結(jié)構(gòu)元素的選擇對處理結(jié)果影響較大,所以,當(dāng)結(jié)構(gòu)元選取不合適時,對背景雜波的抑制效果不好。哈爾濱工業(yè)大學(xué)申請的《基于Wavelet和Curvelet變換的紅外圖像背景抑制方法》專利(申請?zhí)?00810137 533.9,公開號CN101404084A),公開了一種利用小波 (Wavelet)變換的多分辨、多尺度特性對圖像進行多尺度分解,將圖像的低頻子帶(主要包括背景信息)和高頻子帶(主要包括目標信息)分離,再采用保留高頻和置零低頻的操作來修改分解后不同子帶的系數(shù)值,最后重構(gòu)修改后的各子帶系數(shù)并進行圖像融合最終達到抑制背景、增強目標的目的。該方法的不足在于,只能對二維圖像在水平、垂直和對角三個方向上進行分解,缺少方向信息;且小波的分解濾波器是低通濾波器,它對目標信息起平滑的作用從而容易引起漏警,也就是說,小波變換在抑制背景雜波的同時,也會抑制掉有用的目標信息;另外,修改子帶系數(shù)值時,沒有考慮每個子帶系數(shù)和鄰域的關(guān)系,使得強邊緣保留下來,對云層、地面起伏、地面路網(wǎng)等強邊緣背景的抑制能力較弱。
發(fā)明內(nèi)容
3
本發(fā)明的目的在于客服現(xiàn)有技術(shù)中存在的不足,提供一種基于多尺度非局部均值的紅外圖像背景抑制方法。該方法在很好地保留并增強弱小目標信號的同時能夠較好地平滑云層、地勢起伏、地面路網(wǎng)等強邊緣背景信息,可精確定位淹沒于其背景中的紅外弱小目標。本發(fā)明包括以下步驟(1)計算機設(shè)備讀入未處理的紅外圖像數(shù)據(jù);(2)獲得子帶系數(shù)采用非下采樣輪廓波變換對讀入圖像進行多級尺度分解和方向分解,獲得多個與讀入圖像尺寸相同的高頻方向子帶和一個與讀入圖像尺寸相同的低頻子帶;(3)修改子帶系數(shù)3a)采用非局部均值濾波方法修改高頻方向子帶系數(shù);3b)采用最大中值濾波方法修改低頻子帶系數(shù);(4)重構(gòu)子帶系數(shù)采用非下采樣輪廓波逆變換逐級對子帶系數(shù)進行方向重構(gòu)和尺度重構(gòu),獲得估計的背景圖像;(5)獲得結(jié)果圖像將步驟(1)讀入的紅外圖像與步驟4b)獲得的估計背景圖像相減,獲得背景抑制的結(jié)果圖像。本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點第一,本發(fā)明采用非下采樣輪廓波變換進行多尺度和多方向分解,因其具有豐富的尺度、方向信息以及平移不變性等特性,克服了紅外圖像經(jīng)現(xiàn)有技術(shù)處理后目標強度變?nèi)?、邊緣模糊、輪廓變大等不足,在抑制背景雜波的同時能夠較好的保留并增強弱小目標信息,提高了目標定位精度。第二,本發(fā)明在多尺度多方向分解的基礎(chǔ)上,采用非局部均值濾波處理子帶局部鄰域內(nèi)和鄰域間系數(shù)值,考慮了單個孤立位置的像素與相鄰像素的相互關(guān)系和相互作用, 充分利用了局部區(qū)域幾何、光度、灰度和幾何結(jié)構(gòu)相似性等信息,在很好地保留并增強弱小目標信號的同時能夠較好地平滑云層、地勢起伏、地面路網(wǎng)等復(fù)雜背景的強邊緣信息,可有效改善圖像整體信雜比和對比度。
圖1為本發(fā)明的流程圖。圖2為本發(fā)明實施例中采用非下采樣輪廓波變換(NSCT)分解方法的結(jié)構(gòu)示意圖。圖3為本發(fā)明與最大中值濾波方法抑制強邊緣云層背景的性能比較效果圖,其中圖3a為未經(jīng)處理的原始圖像,圖北為本發(fā)明背景抑制的效果圖,圖3c為圖北的分割效果圖,圖3d為最大中值濾波方法的背景抑制效果圖。圖4為本發(fā)明與最大中值濾波方法抑制地面路網(wǎng)背景的性能比較效果圖,其中圖 4a為未經(jīng)處理的原始圖像,圖4b為本發(fā)明背景抑制的效果圖,圖如為圖4b的分割效果圖, 圖4d為最大中值濾波方法的背景抑制效果圖。圖5為本發(fā)明與最大中值濾波方法抑制地勢起伏背景的性能比較效果圖,其中圖fe為未經(jīng)處理的原始圖像,圖恥為本發(fā)明背景抑制的效果圖,圖5(為圖恥的分割效果圖, 圖5d為最大中值濾波的背景抑制效果圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明的具體實施方式
做進一步描述。參照圖1,本發(fā)明的詳細步驟如下步驟1,讀入紅外圖像計算機設(shè)備讀入未處理的紅外圖像,所讀圖像包含淹沒于云層、地面路網(wǎng)、地勢起伏等強起伏背景雜波的弱小目標,如圖3a、圖如、圖fe所示的原始圖像即為計算機設(shè)備讀入未處理的紅外圖像。步驟2,采用非下采樣輪廓波變換(NSCT)分解讀入的紅外圖像,獲得子帶系數(shù)。本發(fā)明實施例中采用非下采樣輪廓波變換(NSCT)分解讀入的紅外圖像,分別進行2級尺度分解和3層方向分解,獲得各尺度各方向的子帶系數(shù)。非下采樣輪廓波變換包括兩個步驟多尺度分解和多方向分解。多尺度分解時采用非下采樣塔式濾波器組,每一級得到一個與讀入圖像尺寸相同的高頻子帶和一個與讀入圖像尺寸相同的低頻子帶。原始圖像經(jīng)2級非下采樣塔式濾波器組分解,第一級分解得到1個高頻子帶0^和一個低頻子帶Q^1,第二級對其低頻子帶0^分解得到1個高頻子帶Ci2和一個低頻子帶0^。多方向分解時采用非下采樣方向濾波器組,高頻子帶C^1和^£2經(jīng)3層方向分解,分別獲得8個方向與讀入圖像尺寸相同的高頻方向子帶{Ci」(j = 1,2. 1彡i彡8)。如圖2所示為本發(fā)明實施例中采用非下采樣輪廓波變換(NSCT)分解方法的結(jié)構(gòu)示意圖。步驟3,修改子帶系數(shù)首先,采用非局部均值濾波方法修改各個方向的高頻方向子帶系數(shù)。本發(fā)明實施例中,在子帶系數(shù)位置(m,n)的一個5X5鄰域M內(nèi),對(u,v) e M的
所有系數(shù)值CiyvG,iO求取加權(quán)平均值,獲得(m,n)處修改的系數(shù)值Cf』(m,n)。其中,(u,ν) 處的加權(quán)系數(shù)w ((m,η), (u,ν))用相似窗口 N(m,n)與N(u,v)的歐氏距離來度量,N(m,n)和N(u,v)分別為中心位于(m,η)、(u, ν)大小為3X3的鄰域窗口。遍歷各尺度各方向高頻方向子帶的每一個系數(shù),可得到修改的背景子帶C^v (j = 1,2. i < 8)。其次,采用最大中值濾波方法修改低頻子帶系數(shù)。本發(fā)明實施例中,選取大小為5X5、中心位于(m,n)的濾波窗,考慮經(jīng)過其中心系數(shù)x(m,n)方向為0°、45°、90°、135°的四條直線,對每一直線上的采樣值做中值濾波, 再將中值濾波結(jié)果做最大順序濾波,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為0°方向的中值濾波結(jié)果^2為45°方向的中值濾波結(jié)果為90°方向的中值濾波結(jié)果,^為135°方向的中值濾波結(jié)果,u(m, η)為四個中值濾波結(jié)果的最大值,即x(m,n)的修改結(jié)果。根據(jù)以上各式遍歷低頻子帶0^的每一個系數(shù),可得到修改的背景子帶Q82。最大中值濾波可以最大程度的保持原圖像的邊緣特征,濾掉尖峰性干擾和點狀小目標等高頻分量,可以有效的去處背景中的弱小目標,估計背景子帶系數(shù)。步驟4,采用非下采樣輪廓波(NSCT)逆變換重構(gòu)子帶系數(shù),獲得估計的背景圖像。本發(fā)明實施例中采用非下采樣輪廓波(NSCT)逆變換(如圖2,從右向左進行)重構(gòu)估計的背景子帶系數(shù),分別進行方向重構(gòu)和尺度重構(gòu),獲得最終估計的背景圖像。首先, 采用非下采樣方向濾波器組逆變換重構(gòu)高頻方向子帶CG,,· (j = 1,2. 1 ^ i ^ 8),去除方向信息,獲得高頻子帶(j = 1,2);其次,采用非下采樣塔式濾波器組逆變換重構(gòu)高頻子帶CAS’2和低頻子帶Q82,獲得第一級的低頻子帶qi,再重構(gòu)第一級的高頻子帶C^和低頻子帶 Cf,,最終獲得估計的背景圖像CB。步驟5,獲得結(jié)果圖像步驟1讀入的紅外圖像與步驟4獲得的估計背景圖像Cb相減,便可獲得本發(fā)明背景抑制的結(jié)果圖像,如圖3b、圖仙、圖恥所示。分別比較圖北與圖3d、圖4b與圖4(1、圖恥與圖5d,由圖可見,本發(fā)明在很好地保留并增強弱小目標信號的同時較好地抑制了云層、地勢起伏、地面路網(wǎng)等強邊緣背景。圖 3d、圖4d、圖5d分別為采用最大中值濾波方法對步驟1讀入的紅外圖像背景抑制的效果圖, 其中選取的濾波窗大小為5X5,濾波方向為0°、45°、90°、135°。采用自適應(yīng)閾值分割技術(shù)分割本發(fā)明獲得的背景抑制圖像,分割結(jié)果如圖3c、圖 4c、圖5c所示,可見,本發(fā)明能夠精確定位并提取出淹沒于云層、地勢起伏、地面路網(wǎng)等強邊緣背景中的紅外弱小目標。
權(quán)利要求
1.基于多尺度非局部均值的紅外圖像背景抑制方法,包括以下步驟(1)計算機設(shè)備讀入未處理的紅外圖像數(shù)據(jù);(2)獲得子帶系數(shù)采用非下采樣輪廓波變換對讀入圖像進行多級尺度分解和方向分解,獲得多個與讀入圖像尺寸相同的高頻方向子帶和一個與讀入圖像尺寸相同的低頻子帶;(3)修改子帶系數(shù)3a)采用非局部均值濾波方法修改高頻方向子帶系數(shù);3b)采用最大中值濾波方法修改低頻子帶系數(shù);(4)重構(gòu)子帶系數(shù)采用非下采樣輪廓波逆變換逐級對子帶系數(shù)進行方向重構(gòu)和尺度重構(gòu),獲得估計的背景圖像;(5)獲得結(jié)果圖像將步驟(1)讀入的紅外圖像與步驟(4)獲得的估計背景圖像相減,獲得背景抑制的結(jié)果圖像。
2.根據(jù)權(quán)利要求1所述的基于多尺度非局部均值的紅外圖像背景抑制方法,其特征在于所述的步驟1中,所讀的紅外圖像包含淹沒于云層、地面路網(wǎng)、地勢起伏等強起伏背景雜波的弱小目標。
3.根據(jù)權(quán)利要求1所述的基于多尺度非局部均值的紅外圖像背景抑制方法,其特征在于所述的步驟2中多尺度分解時保持高頻子帶不變,采用非下采樣塔式濾波器組分解低頻子帶,多方向分解時采用非下采樣方向濾波器組分解高頻子帶。
4.根據(jù)權(quán)利要求1所述的基于多尺度非局部均值的紅外圖像背景抑制方法,其特征在于所述步驟3a)中非局部均值濾波方法修改高頻方向子帶系數(shù)時采用相似窗口的歐氏距離度量加權(quán)系數(shù)。
5.根據(jù)權(quán)利要求1所述的基于多尺度非局部均值的紅外圖像背景抑制方法,其特征在于所述的步驟4中方向重構(gòu)時采用非下采樣方向濾波器組逆變換,尺度重構(gòu)時采用非下采樣塔式濾波器組逆變換。
全文摘要
本發(fā)明提出一種基于多尺度非局部均值的紅外圖像背景抑制方法,具體步驟包括(1)采用非下采樣輪廓波變換多級分解讀入的原始紅外圖像,獲取各尺度各方向與原始圖像尺寸相同的子帶;(2)利用非局部均值濾波方法修改其高頻方向子帶的系數(shù)值,利用最大中值濾波方法修改其低頻子帶的系數(shù)值;(3)采用非下采樣輪廓波逆變換逐級對修改的子帶進行方向和尺度重構(gòu),獲得估計的背景圖像;(4)原始紅外圖像與估計的背景圖像相減,獲得最終的紅外圖像背景抑制結(jié)果。本發(fā)明不僅能夠保留并增強弱小目標信息、精確定位目標,同時還能夠較好的抑制云層、地勢起伏、地面路網(wǎng)等復(fù)雜背景的強邊緣信息,有效改善圖像整體信雜比和對比度。
文檔編號G06T5/00GK102222322SQ20111014793
公開日2011年10月19日 申請日期2011年6月2日 優(yōu)先權(quán)日2011年6月2日
發(fā)明者劉上乾, 周慧鑫, 姚柯柯, 梁宇恒, 王柄健, 秦翰林, 程茂林, 韋桂鋒 申請人:西安電子科技大學(xué)