提出一种新的基于形态重构与自适应小波算法的自动捕获红外弱小目标的方法，处理方法分为帧间与帧内处理两部分。首先论证了形态重构滤波器在完备格理论下可以实现对红外图像背景的重构，其次分析了自适应小波结合了线性小波强抑制噪声特性和形态小波好的保留目标细节特性，在红外图像能够获得更好的去噪性能，最后通过结合自适应阈值处理方法和准则处理实现了帧内处理，利用时间序列上的形态膨胀累加完成帧间处理。通过对三种不同的红外图像序列的仿真处理，实验结果表明自动捕获方法可以快速准确地捕获图像的弱小目标。
1862010,46(30) Computer Engineering and Applications计算机工程与应用 在仿真中设置t3和4为输入图像的最高像素点。选取自适p(=[x-y(-2)x(0)-y(-1)x(-y(x()-y(+,选取 应变化的动态阈值:1=mem(N)+xvar(N),其中meun(N)、 var(M)和分别代表第N帧图像的灰度均值、方差和权值权值实对称正定矩阵M=0100,双阈值处理中取小阙值参 的取值范围一般是3~10。选取序列3作为仿真对象,双阈值 0010 仿真运算如图1所示。使用双國值能够抑制噪声和虚假目 000 标,使用重构运算能够尽量恢复和保持真实目标的完整性,结数的权值λ=4,取大阈值参数的权值λ=7,帧间处理要求选取 合阈值的自适应选取使得图像处理具有鲁棒性。 两个参数,序列图像进行形态膨胀的结构元素取为选取5×5 的圆形结构元素,另一个参数为m帧图像膨胀累加的图像序列 大阈值 数,选择m=7。 为了清楚地描述本文系统在红外图像序列中的工作过 程,在此截取实验序列中帧间目标运动变换较大的几帧加以 说眀,而对于其他前后帧间目标运动变换不剧烈的情况不再 描述。以序列3屮第30帧为初始输入图像,从第30帧到 第36帧的7帧中目标在序列间的相对运动较大,如图2所示 7双阈值运 小阈值 算结果 第一行为FLIR输入图像,第二行为帧内处理后的输出图像 ∫。图3为帧间膨胀累加结果,其中图3(a)为第30帧到第36 帧的累加结果,由丁帧间目标运动过大导致帧间膨胀结果不 图1双阈佰运算处理过程 能有效累加,不能正确检测目标,图3(b)为第36帧到第4帧 (4)准则处理:红外图像边界附近由J背景发生截断,情的累加结果,帧问目标运动的连续性使得帧间有效累积,正确 况比较混乱,首先引入边界消除原则,认为在图像边界周围不 检测到目标 存在目标,这与实际情况是没有矛盾的,将阈值处理后的输出 图像屮那些距离图像边界少于10个像素的区域排除在处理 区域内。 22帧间处理 利用帧内处理得到图像分割的二值图像,大部分的虚假 目标和噪声已经消除.而剩余的非目标信号需要在帧间处理 中消除。帧间处理使用图像序列中的时空相关性,利用时间 31帧32帧 33帧 35帧36帜 序列上的膨胀累加完成。 图2目标在序列间的运动 帧间处理是在红外图像序列中进行目标检测。对于非目 标点,其特征是随机出现且在时间序列上不会形成连续轨 迹。而目标则至少在相继出现的m帧中形成连续的运动轨 迹。红外系统探测的高速目标在红外传感器上移动,一般不 会超过4个像素。时间序列膨胀累加的含义是假设在第 (a)不能正确检测目标(b)正确检测目标 中目标1出现在(x,y)处,则该目标在第i+1中必然会在该点 图3帧间膨胀累加结果 的一个小邻域内出现,利用时间方向上的形态膨胀,使得目标 图4给出了在第42帧检测目标的结果。在不同的红外图 在第帧和第计+1帧经过形态膨胀运算,具有时间重叠的部分像序列上应用本文提出的自动捕获方法,图5给出了本文系 认为是运动轨迹连续的真实目标;而由于噪声分布的随机性,统在红外图像序列1、序列2和序列3的伤真结果,自动捕获方 帧和咴+的膨胀累加结果不会出现重叠认为是非目标。尽法分布在序列1的第7帧,序列2的第7帧和序列3的第13帧 管如此在实际应用中积累的帧数还要根据系统抖动、目标运捕获目标。值得说明的是,为了验证本文的处理系统,在仿真 动速度以及结构元素尺寸进行选取。当系统抖动较人、目标实验中,分别以序列中的不同帧作为初始图像,仿真结果都能 运动较快以及结构元素尺寸较小时,积累的帧数不宜过大。 得到自动捕获目标的性能,因此提出的自动捕获方法对于常 见的红外图像序列中的弱小目标都能自动捕获。 3仿真实验及讨论 为了说明提出的自动捕获方法的有效性,选取序列1、序 列2和序列3的FLIR图像来验证系统的性能,这些序列都是 实际采集来的红外图像序列,有着不同的背景特征,对应着不 同的图像灰度分布、背景杂波和目标状态,正因为这样才能够 FLIR佟像 T 捕获目标 反映提出的处理系统的适用性和通用性。 图4第42帧自动捕获目标 实验序列的长度取为50帧,每帧大小为128×128像素,图 像灰度级是0~255,实验采用 Matlab704软件平台实现。其4小结 中帧间处理中,形态重构滤波器选取B=7×7的圆形结构元 自动捕获处理方法以序列中连续帧间目标运动轨迹一致 素,用于图像去噪的自适应形怂小波运算中,梯度冋量取为性作为前提融合不同单帧图像信息来设计。显然,由于各种 胡欣,段晨东:一种红外序列图像弱小目标自动捕获方法 2010,46(30)187 ing,1995,4(8):1l53-1160. [7 Serra J, Salembier P Connected operators and pyramids[ C] /proc of SPIe Image Algebra and Mathematical Morphology, 1993 2030:63-76. 序列1(第7帧)序列2(第7帧)序列3(第13帧) [8] Heijmans H J A M Connected morphological operators for bina ryimages[j.computerVisionandImageUnderstanding1999,73 图5不同红外序列自动捕获日标结果 不确定因素会导致帧间背景突变、小目标变化等都可能破坏[9]胡欣,唐硕基于完备格的重构滤波器在红外图像目标检测中的应 致性条件,甚至导致自动捕获过程失败。由此可见,应尽量 用[J中国图象图形学报,2008(1) 减少各种因素导致系统存在的这种局限性,利用重构滤波器[10] Braga-neto U, Goutsias J Connectivity on complete lattices:New 实现的背景抑制方法和自适应形态小波实现的图像去噪都是 results[J]. Computer Vision and Image Understanding, 2002. 8 为了减少这些不利因素而设计的,尽量保持目标细节不被平 (1):22-53 滑或丟失,减少目标在序列间的突变是它们处理图像的最大 1(获荣,王家礼.一种更新提升形态小波图像去噪算法[J西安电 特点,同时能够抑制背景和噪声,提高图像的信噪比。 子科技大学学报:自然科学版,2004,31(6):955-958 [12] Chan D s K, Langan D A, Staver D ASpatial processing tech niques for the detection of small targets in IR clutter[C] /Proc 参考文献: SPlE,1990,1305:53-62 [1 Li Guo-kuan, Peng Jia-xiong, Li Hong. Small target detection 13 Bar-Shatom Y, Shertukde H M, Pattipati k R Precision target based on multi-wavelet transform [] Journal of Huazhong Uni tracking for small extended objects[C]/SPIE, 1989(1096): 55-63 varsity of Scicncc Tcchnology, 2000, 28(1):72-75 [14 Nishiguchi K, Kobayashi M, Ichikawa A Small target detection [2] Sheng Wen, Deng Bin, Liu Jian. Multi-resoluting distance map from image sequences using recursive max filter[C]/SPIE, 1995 based small target detection in infrared image[J]. Acta Electroni (2561):153-165 ca sinica,2002,30(1):42-45 [15]吴渝,刘伯红基于提升方案的自适应小波变换[计算机应用研 [3]吴永宏,潘泉基于提升框架的一种白适应滤波方法研究[电子 究,2002(6):18-20 与信息学报,2005,27(7):1017-1020 [16 Piella G, Heijmans H J A M.Adaptive lifting schemes with per- [4] Braga-Neto U Automatic target detection and tracking in for fect reconstruction[J].IEEE Transactions on Signal Processing ward-looking infrared image sequences using morphological con- 2002,50(7):1620-1630 nected operators[J] Journal of Electronic Imaging, 2004, 13(4): [17] Hcijmans H J A M, Pesquct-Popescu B, Piclla GBuilding non- 802-813. redundant adaptive wavelets by update lifting[J] Applied and [51 Gatica P D, Gu C, Sun M T, et al. Extensive partition operators Computational Harmonic Analysis, 2005, 18(3): 252-28I gray- level connected operators, and region merging/classification[18]胡欣红外成像螨小目标非线性检测与跟踪方法研究[D.西安 segmentation algorithms: Theoretical links[J].IEEE Transactions 西北工业大学,2008 on Image Processing, 2001, 10(9): 1332-1345 [19 Salcmbicr P, Olivcras A, Garrido L. Anticxtcnsivc connccted op- [6 Salembier P, Serra J Flat zones filtering, connected operators, and erators for image and sequence processing[J].IEEE Transac filters by reconstruction[J].IEEE Ttansactions on Image Process- tions on Image Prcessing, 1998,7(4): 555-570 (上接168页) lication to detect image tampering [C]/Proceedings of the 2006 IEEE International Conference on Multimedia and EXPO. 2006 参考文献: 1325-1328 [1] Popescu A C, Farid H Statistical tools for digital forensics[C]/ [ 8] Mahdian B, Saic S On periodic propertics of interpolation and 6th International Workshop on Information Hiding, Toronto, Can- their application to image authentication[Cl/Third Information Symposium on Information Assurance and Security, Aug 2007 [2] Popescu A C, Farid HExposing digital forgeries by detecting 439-446 traces of re-sampling[J].IEEE Transactions on Signal Process [9] Mahdian B, Saic SBlind authentication using periodic proper ng,2005,532):758-767 ties of interpolation[].IEEE Transactions on Information Foren [3]朱秀明,宣国荣,姚秋明,等信息取证中图像重釆样检测[J计算 sics and Security, 2008, 3(3 ): 529-538 机应用,2006,26(11):2596-2597 [10 Suwendi A, Allebach J P Nearest-neighbor and bilinear resam [4] Kirchner MOn the detectability of local resampling in digital pling factor estimation to detect blockiness or blurriness of an images[C]/Proc of SPie-IS&T Electronic Imaging, 2008 image[]. Journal of Electronic Imaging, 2008, 17(2) [5] Kirchner M. Fast and reliable resampling detection by spectral [11 Wei W M, Wang S Z, Tang Z J Estimation of rescaling factor analysis of fixed linear predictor residue[C]/Proceedings of the and dctection of image splicing[C]//The 1lth IEEE Internation- 10th ACM Workshop on Multimedia and Security, 2008: 11-20 al Conference on Communication Technology Proceedings Gallagher A C. Detection of linear and cubic interpolation in jpeg ICCT2008, Hangzhou,2008:676-679 compresscd images[C]/Proceedings of the The 2nd Canadian [12] Mahdian B, Saic S Detection of resampling supplemented with Conference on Computer and Robot Vision(CRV'05), Washing noise inconsistencies analysis for image forensics[C]//Proceed ton,DC,USA.2005:65-72 ings of International Conference on Computational Sciences [7] Prasad S, Ramakrishnan KOn resampling detection and its ap and Its Applications, ICCSA2008, 2008 546-556