（电路与系统专业论文）空中红外弱小目标检测方法研究[电路与系统专业优秀论文].pdf

西北丁业大学硕七学位论文摘要 摘要 红外弱小目标检测技术是红外成像制导中的关键技术之一，在民用方面应 用也很广泛，如天文观测、粒子碰撞、森林预警以及遥感等，因此，对其检测具 有很强的学术和工程应用价值。 由于在红外弱小目标图像中大部分是缓慢变化的背景，因而，从背景出发 对目标进行检测显得更有意义。但当背景起伏较大时，基于背景预铡的弱小目 标检测方法的检测性能会受到影响。 本文对基于背景预测的红外弱小目标检测方法进行了深入研究，针对空中 红外弱小目标检测提出了两种新的背景预测方法，分别是新的基于边缘区域亮 暗点分类的背景预测方法和基于边缘区域的多尺度邻域背景预测方法。仿真结 果表明，本文提出的背景预钡8 方法与现有的背景预测方法相比较，能够更好的 抑制背景、突出目标，更有利于弱小目标的检测。 针对红外运动弱小i i 标，本文提出了基于邻域判决的红外运动弱小目标检 测方法。仿真结果表明，本文所提出的检测方法计算简单，易于实时实现，能 够有效、可靠地从红外序列图像中检测出弱小目标。 关键字：红外弱小目标，背景预测，图像预处理，目标检测，图像序列 西北工业大学硕士学位论文 a b s t r a c t t h ew e a ka n ds m a l lt a r g e t sd e t e c t i o ni ni n f r a r e di m a g e si so n eo ft h ek e y t c c h n i q u 鹤i ni n 矗蛐c di m a g i n gg u i d a n c es y s t e m s , a n d i ti sa l s ow i d e l yu s e di np u b l i c a p p l i c a t i o n , s u c ha st h ea s t r o n o m yp r o g n o s t i c a t e s ，p a r t i c l ec o l l i s i o n , f o r e s tw a r n i n g a n dr 嚣m o t cs e n s i n ge t c a sar e s u l t , t h ew e a ka n ds m a l lt a r g e t sd e t e c t i o ni ni ri m a g e s h a s s t r o n gv a l u e i nb o t ht h e m ya n da p p l i c a t i o n s i n c eb a c k g r o u n di nt h ei ri m a g e sc h a n g e sq u i t es l o w l y , i ti sm e a n i n g f u lt od e t e c t t a r g e t sb yb a c k g r o u n dp r e d i c t i o n b u tt h ep e r f o r m a n c eo fb a c k g r o u n dp r e d i c t i o ni s i n f l u e n c e dw i t ht h eb a c k g r o u n df l u c t u a t i o n i nt h i sp a p e r , b a c k g r o u n dp r e d i c t i o nb a s e dl a r g c t sd e t e c t i o nm e t h o d sa r c ：s t u d i e d ， t h e nt w om o d i f i e dm e t h o d sa l ep r o p o s e dt od e t e c ta e r i a lt a r g e t s o n ei sb a s e do na n e w b r i g h ta n dd i mp o i n tc l a s s i f i c a t i o na r o u n de d g ea r e a , a n da n o t h e r i sam u l t i - s c a l e e d g cn e i g h b o r h o o dp r e d i c t i o n t h e o r ya n a l y s i sa n dc o m p u t e rs i m u l a t i o ni n d i c a t et h a t t h et w om e t h o d s 伽w o r kb e t m ri nb a c k g r o u n di n h i b i t i o na n dt a r g e t se n h a n c e m e n t 。 a n de l i m i n a t ef a l s ea l a r mp o i n t sc a u s e db yt h ee d g eo f d o u dm o r ce f f e c t i v e l y t h ed e t e c t i o no fm o v i n gw e a ka n ds m a l lt a r g e t si ni rs e q u e n c e si sd i s c u s s e da n d s t u d i e df i n a l l y , b a s e do n an e i g h b o r h o o dj u d g i n gm e t h o d e m u l s i o nr e s u l t ss h o wt h e m e t h o dr e q u i r e sl o w e rc o m p u t a t i o na n dc a nd i s t i n g u i s hw e a ka n ds m a l lt a r g e t sf r o m s e q u e n c e se f f e c t i v e l ya n dr e l i a b l y k e yw o r d s ：i n f r a r e dw e a k a n ds m a l lt a r g e t s ，b a c k g r o u n dp r e d i c t i o n , i m a g e p r e p r o c e s s i n g , t a r g e td e t e c t i o n ，i m a g es e q u e n c e s n 西北工业大学 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间 论文1 + 作的知识产权单位属1 二西北工业大学。学校有权保留并向国家有关部门或 机构送交论文的复印件利电子版。本人允许论文被查阅和借阅。学校可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课 题再撰写的文章一律注明作者单位为西北工业大学。 保密论文待解密后适用本声明。 学位论文作者签名 年 。弓月0 8 日 指导教师签名 卿年 望塑三 口多月o 日 西北工业大学 学位论文原创性声明 秉承学校严谨的学风和优良的科学道德，本人郑重声明：所呈交的学位论文， 是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明 引j = h 的内容和致谢的地方外，本论文不包含任何其他个人或集体已经公开发表或 撰写过的研究成果，不包含本人或他人已申请学位或其它刚途使用过的成果。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人学位论文与资料若有不实，愿意承担一切相关的法律责任。 学位论文作者签名 西北工业大学硕七学位论文第一章绪论 1 1 研究背景 第一章绪论 利用红外成像实现自动目标检测、识别与跟踪是现代军事武器装备的主要 技术发展方向。近年来，在一些局部战争中，红外成像技术显示出巨大的威力， 其应用主要在于机载成像搜索跟踪系统以及武器制导等方面。例如，在1 9 9 1 年 的海湾战争中，战争从开始、作战到结束都是在夜间进行，美国的f - 1 1 7 隐形战 斗机、阿帕奇直升机等都装备有先进的夜视装置，正因为这些优势，所以在战争 期间多国部队掌握了绝对的主动权。另外，在战争期间，美国发射了六百多枚“战 斧”巡航导弹，其成功率高达为8 5 。在仅仅西天的地面战争中就摧毁了伊拉克 三千多辆坦克，两千多辆战车，两千多门火炮，这些主要是由所采用的红外制导 导弹完成。此后，以红外成像制导为主的精确制导武器在战争中的使用量不断上 升。海湾战争中，以美国为首的多国部队用8 的精确制导武器击毁了8 0 的目 标。1 9 9 9 年以美国为首的北约对南联盟的科索沃的战争中，精确制导武器的使 用量已上升到3 5 ；在2 0 0 1 年1 1 月阿富汗战争中，精确制导武器的使用量占到 6 0 ，在2 0 0 3 年3 月美英联军发动的伊拉克战争中，精确制导武器已占全部使 用武器的6 8 ，这当中红外成像制导武器占了很大的比例l l j 。伊拉克战争中，红 外制导武器的大量使用，为在4 0 天内打赢这场战争起到了关键作用。可见，红 外技术是未来战争中实现全天候作战的一种重要技术，是解决低能见度问题的最 好手段，在将来的高技术局部战争中将起到至关重要的作用。 红外成像制导技术研究始于2 0 世纪7 0 年代，是由弹上的红外导引头，利用 目标辐射的红外信息，实现对目标的捕获、跟踪导引导弹或弹药命中目标的一种 被动寻的制导技术。红外成像制导一般工作在两个波段，即3 l m 5 l m 、 8 l m 1 4 l m ，其中工作在8 l m 1 4 l m 波段性能更佳。随着红外器件技术的发展， 红外成像制导技术迅速发展起来，目前已发展到第三代【2 j 。 第一代红外成像制导是采用单点红外探测器或线列红外探测器，利用光机扫 描结构实现二维成像。其典型代表是美国休斯公司研制成功的发射前锁定目标的 a g m 6 5 d 幼畜反坦克导弹和a g m 6 5 f 反舰导弹以及发射后锁定目标的 西北t 业大学硕士学位论文 第一章绪论 a o m 8 4 e 斯拉姆导弹。这类武器在八十年代中期之前开始装备部队，往往需要 在发射前由人工参与捕获目标。其红外实时成像系统是由4 x 4 元光导碲镉汞探 测器的串并扫描而成像的，工作波长为8 - 1 4 l m 。 第二代红外成像制导是电子自扫描凝视红外焦平面成像制导，于2 0 世纪8 0 年代在美国和西欧同时开始研制。由于无需光机扫描成像，系统结构紧凑，且灵 敏度、精度和可靠性大大提高，促进了红外成像制导小型战术导弹的发展。凝视 红外焦平面阵列器件在美国和日本发展很快，其中3 - s l m 中波段器件已发展到 5 1 2 x 5 1 2 元，锑化铟光伏器件已达2 5 6 x 2 5 6 元，长波8 - 1 2 l m 光伏碲镉汞硅c c d 混合焦平面探测器已达1 2 8 x1 2 8 元。而且焦平面探测器正在向着商密集度、多 光谱、多响应度、高探测率、高工作温度方向发展。这类导弹的典型代表有美国 的海尔法( h e l l f i r e ) 导弹、a i m 一9 x 空空导弹( 1 2 8 x1 2 8 元) 、a a w s m 反坦克导 弹( 6 4 x 6 4 元长波) 以及德、英、法三国联合研制的远程崔格特( t r i g a t ) 导弹等。 这类武器在八十年代末到九十年代初开始装备部队。 第三代红外成像制导是将凝视红外焦平面( f p a ) 探测技术与模式识别相结 合，形成自主式的智能导引系统，具有很强的抗红外干扰能力、自动捕获目标能 力和复杂情况下的自动决策能力，这类制导系统的导引头正在开发研制和试验之 中 目前红外成像系统的研究主要集中在下面几个方面：焦平面探测器阵列的 研究、图像信号处理器硬件系统的研究、各种检测、识别和跟踪算法和软件的研 究。随着探测器水平和图像信号处理器处理能力的提高，各种复杂的算法得以在 系统中实时运行。近年来针对复杂背景和各种干扰条件下的检测和识别的新算法 不断涌现，更加智能化的状态判决和跟踪处理算法也得以应用，尤其是有关红外 弱小目标检测技术也得到迅速发展。 为了使武器系统具备足够的防御反应时间，要求目标在很远就能被探测到。 但当距离较远时，这些目标在焦平面上成像的面积很小，一般不超过探测器像元 的大小，且信噪比极低，无纹理特征，目标有时会湮没在背景中等。因此，红外 弱小目标的检测技术就成为了决定红外成像系统性能好坏的核心技术之。 综上所述，红外弱小目标检测是红外搜索跟踪系统、红外预警系统、红外 成像跟踪系统的核心技术之一，也是近十几年来国内外研究的热点之一。红外弱 小目标检测的研究对红外成像制导和红外预警系统的作用距离和智能化程度十 分关键，其研究成果对提高区域防御系统的生存力、有效反击能力以及在未来战 争中争夺制空权具有重要的军事意义和实用价值，同时该研究在民用领域也有广 阔的应用前景，如天文观测、粒子碰撞、森林预警以及遥感等。 2 西北丁业大学硕士学位论文 第一章绪论 1 2 红外图像弱小目标检测中的若干问题 1 2 1 红外图像弱小目标检测中的有关概念 红外图像中的弱小目标【3 】，“弱”和“小”指的是目标属性的两个方面，所 谓“弱”是指目标的强度，反映到图像上就是指目标的灰度；所谓“小”是指目 标的尺寸，反映到图像上就是指目标所占的像素数。 目前，红外成像系统的作用距离一般可达到1 0 公里左右，如果目标为来袭 的导弹或飞机，可以假设其迎头方向几何尺寸在l 米至5 米之间，这样目标对于 成像系统来说大小为o n 1 r a d 至o 5 m i n d 之间。目前军用的红外成像系统的空间 分辨率大致为o 1 m m d ，上述目标就在1 个像素至5 个像素之间。据此，可以认 为所涉及的弱小目标是指在图像上大小在l 1 个像素至6 6 个像素之间的目 标。另外，红外弱小目标可以认为是几何尺寸小到几乎没有形状信息的目标。从 红外成像的一般概念出发，认为一般要对目标的形状进行识别需要6 条线以上， 所以6 x 6 以下的目标可以认为基本没有形状信息。 另一方面，由于我们所研究的目标基本上位于红外成像系统的极限作用距 离上，所以其信号强度较弱，表现在两方面，即对比度和信噪比。 在图形图像学中对比度描述的是目标与周围背景之间灰度或亮度的差异。 对比度的定义较多，下面列出常用的三种： q = 皋毒 c 2 = 警 上u口 c 3 = 芒毛 ( 1 2 ) ( 1 ，3 ) 上列三式中的g r 代表目标的灰度，g b 代表背景的灰度，g j 。为图像的最高 灰度值，g 。为图像的最低灰度值。式( 卜1 ) 和式( 卜2 ) 中的c t 和c 2 常被称为相 西北工业大学硕士学位论文 第一章绪论 对对比度，而式( 1 - 3 ) 中的c 1 被称为绝对对比度 4 1 。 信噪比指目标强度与噪声强度之间的比值。对于图像中的目标检测问题， 信噪比可以用下式定义： s n r = 鼍产 ( 1 - 4 ) 其中，盯为背景的均方差，g 、g 。与前代表意义相同。 综上所述，一般认为，红外弱小目标是指在红外图像中对比度和信噪比较 低、像素尺寸较小的目标。一般情况下认为对比度小于1 5 ，信噪比小于4 ，像 素尺寸小于6 x 6 的目标为弱小目标。 在红外图像中目标强度较弱，基本上被背景图像和噪声所淹没。由于没有 形状、大小、纹理等特征，采用传统的图像处理技术仅从单帧图像中检测目标是 不够的，必须采用单帧检测和基于目标运动特征的序列检测相结合的方法，以达 到抑制背景、检测目标、跟踪航迹的目的。 1 2 2 红外图像弱小目标检测及其难点分析 红外弱小目标检测被广泛应用于红外告警系统中，具有重要的战略应用价 值，是近几年来信息处理研究中的热点课题，但同时也是这个领域的难点，存在 以下几个方面的问题。 ( 1 ) 信噪比( s n r ) 很低 由于红外辐射强度与距离的平方成正比，在远距离情况下，探测器接收到 的目标信号强度很弱，一般情况下，图像信噪比很低。因而红外弱小目标检测问 题是一个低信噪比弱信号检测问题。 ( 2 ) 可用的信息量少 探测器距目标较远，获得的目标图像呈点状，区别目标与噪声的依据，只 有目标的运动特征和目标点与噪声点的灰度差异，没有任何形状信息可以利用。 ( 3 ) 背景信息复杂 大气层中云层的红外辐射，地面、地形和建筑物的干扰不仅强度大，而且 具有较强的空间结构。其中云层对空中红外目标干扰量大，因此给目标检测带来 了很大的困难。 ( 4 ) 信息处理量大 目标检测的范围在整个图像空间中，由于图像的低信噪比，为了正确检测 目标和确定其在图形中的位置，必须利用单帧检测和多帧检测相结合的方法。因 4 西北t 业大学硕十学位论文第一章绪论 此检测过程存在大量的多帧图像信息，图像检测将在整个三维图像中进行轨迹搜 索和检测，这就使得需要处理的数据信息量相当巨大。 另外在自然环境中，目标和背景的成像条件是不可控制的，随即变化的因 素和背景信息给目标检测识别带来很大的困难。由于红外传感器工作在大气热辐 射环境中，因此图像背景有起伏干扰。 现有的常规目标检测方法大多是基于目标分析的，即图像分析的着眼点放 在目标上，检测算法试图从目标本身提取出各类特征，并使其具有大小和方向不 变性，在拥有目标先验知识，也即拥有目标特征集的前提下，达到对目标区域的 区分，从而实现目标的检测。这思想在常规的大、中目标检测中得到了较好的 应用。而对于信噪比低的弱小目标，仅仅利用单帧图像检测是远远不够的，还须 借助多帧图像利用目标的运动特征进行检测，以提高检测效率。而序列检测所遇 到的难点通常为： ( 1 ) 目标的位置、目标的运动速度、目标的运动方向均未知： ( 2 ) 目标的机动未知，目标出现的时刻未知： ( 3 ) 目标运动过程中，可能偶尔被遮挡，或者其它因素造成目标暂时丢失。 以上为红外图像弱小目标检测的主要特点，也是论文研究工作中的主要难 点。 1 3 论文的主要研究工作及安排 1 3 1 论文的主要研究工作 本文在充分分析红外弱小目标图像特性的基础上，对基于背景预测的红外 弱小目标检测方法进行了较为详尽的阐述，并提出了两种新的背景预测方法，另 外对基于序列的红外运动弱小目标检测方法也迸行了深入探讨。主要内容如下： ( 1 ) 对红外弱小目标的特点及检测方法进行研究：对红外弱小目标图像中 的目标、背景、噪声特性进行了详尽分析；对现有的红外弱小目标检测方法进行 分类归纳总结。 ( 2 ) 对传统的红外弱小目标图像预处理方法进行研究总结，并对其性能和 速度进行了仿真对比；对高通滤波模板进行了归纳总结，比较各个模板的性能优 劣，通过仿真对比找出最佳模板；对基于小波变换的预处理方法进行了归纳总结。 ( 3 ) 对基于背景预测的红外弱小目标检测方法进行了深入研究：对现有的 西北工业大学硕士学位论文第章绪论 背景预测方法进行了系统的分析，探讨了该类方法的基本思想和遵循的原则，结 合仿真试验对其优缺点进行了归纳总结，并在此基础上提出了两种新的背景预测 方法。 ( 4 ) 对基于序列的红外运动弱小目标检测方法进行了阐述，提出了基于邻 域判决的红外运动弱小目标检测方法；并通过仿真试验表明该方法的可行性和有 效性；另外，对目标点的质心选取方法和准则作了研究。 1 3 2 论文的章节安排 本文共分为六章，各章内容安排如下： 第章阐述了本文的研究背景以及红外成像系统的发展、应用与红外弱小 目标检测技术的研究意义，并分析了红外弱小目标检测的有关概念和难点。 第二章主要分析了红外成像系统中红外图像的特性，包括红外弱小目标、 大面积连续的红外背景以及噪声的特性；之后，综述了国内外有关红外弱小目标 检测方面的概况。 第三章主要介绍了几种图像预处理方法，并对其进行较为深入的分析和比 较。 第四章主要介绍了基于背景预测的红外弱小目标检测方法，在对现有方法 分析的基础上，提出了两种新的背景预测方法：新的基于边缘区域亮暗点分类背 景预测法和基于边缘区域的多尺度邻域背景预测方法。 第五章在分析红外序列图像弱小目标检测方法的基础上，提出了基于邻域 判决的红外运动弱小目标检测方法。 第六章为论文的总结和展望。 6 西北t 业大学硕七学付论文 第二章红外弱小目标图像特性及检测方法分析 第二章红外弱小目标图像特性及检测方法分析 2 1 红外弱小目标图像特性分析 红外图像是利用红外探测器扫视被摄景物空间而获得的红外热辐射图像。红 外探测器把接收的按空间变化的红外辐射，转换成按时间变化的电信号，再经放 大、变换处理，就形成了二维红外图像。 对于红外弱小目标检测问题而言，红外的场景图像可描述为【5 】： 厂( 工，j ，) = s ( x ，y ) + 6 ( 石，力+ 栉( 墨力 ( 2 1 ) 其中，( 工，力为像素点的坐标，f ( x ，y ) 为红外焦平面传感器获取的场景图像， s ( x ，y ) 、b ( x ，y ) 、n ( x ，力分别为红外目标、红外背景和噪声的图像。下图就是在 真实的红外背景图中嵌入弱小目标得到的合成图，图像大小为2 4 0 x3 1 7 像素， 嵌入的弱小目标大小为3 3 像素。右面为该图的直方图。 图2 - 1 原始红外弱小目标图像及其直方图 可以看出，无论是从原始图还是从直方图中，都很难容易的检测到弱小目标。 下面对红外目标图像中的红外弱小目标、红外背景及嗓声分别加以描述： 2 1 1 红外弱小目标 当目标距离成像传感器较远时，目标所成的像较小。若略去光学系统的像差 7 西北1 ：业大学硕士学位论文第二苹红外弱小目标图像特性及检测方法分析 影响，目标像点在红外焦平面阵列成像器件上所成的像由于大气传输产生的衍射 呈弥散光斑。根据衍射原理，对于点源目标，可以用二维高斯分布函数( 具有等 灰度轮廓的圆或椭圆) 作为成像平面上目标灰度模式的模型。对于运动目标，具 有等灰度轮廓的圆则表现为等灰度轮廓的椭圆。 目标图像的数学模型可以表示为： 毗引一一e x p - 割芷+ 亚】) 协z ， 其中。j ( 五y ) 表示目标图像的灰度分布，i m a x 是目标的灰度峰值，而、 分别表示等轮廓椭圆的中心位置坐标，盯一盯，是椭圆的长短轴。 利用红外传感器获取的运动弱小目标，其温度般都较高，红外辐射强度一 般比其周围自然背景辐射强度大，在红外图像中多呈高灰度分布，而且与其周围 的背景也没有相关性，在红外图像中多为孤立的亮斑。同时由于目标表面的温度 均匀。其所成的像灰度的变化也不会很大，故在图像中也可将目标简化为具有恒 定灰度值的点源。 综上所述，红外弱小目标具有以下的特性： ( 1 ) 在红外图像上仅仅占据一个或几个像素，弱小目标的全部信息都集中 在图像平面的一个点上，包括点的位置和灰度；而没有目标的形状、大小和纹理 等特征，缺乏目标的结构信息。 ( 2 ) 图像信嗓比低，目标点极易被噪声淹没。同噪声难以区分，因此单帧 图像较难实现对这类目标的可靠检测。 ( 3 ) 红外弱小目标在灰度图像上是一些灰度奇异点，处于图像的高频部分； 而在红外图像中，红外背景与高频部分是不相关的。 2 1 2 红外背景 红外背景是指图像中的非目标区域，多为云层、海浪、天空、地面等，在图 像中主要是大面积缓慢变化的低频部分。对于自然背景中的云层和海浪等，由于 在形成时受到物理规律的制约，它们在空间上往往呈大面积的连续分布，在红外 辐射的强度上也呈渐变过渡状态，从而使得它们的红外图像灰度空间分布上具有 较大的相关性，这种相关性可用一阶m a r k o v 过程来描述。同时，由于场景和传 感器内热分布的不均匀性，图像的局部灰度均值不一定是均匀的，往往会存在一 8 西北工业大学硕士学位论文第二章红外弱小目标图像特性及检测方法分析 些起伏。景物的红外辐射因大气吸收和散射而造成的能量衰减具有随机性，故红 外系统所接受到的景物辐射能量也具有随机性。因而，背景图像是一个非平稳的 二维随机过程。另外，背景也包含了部分空间频率域中的高频分量，它们主要分 布在背景中同质区的边缘。一般来说，自然场景的背景图像灰度的概率密度分布 是正态的。 综上所述，红外背景具有以下的特性： ( 1 ) 背景往往是大面积平缓变化的场景，在物理状态下是大面积的连续分 布状态。 ( 2 ) 背景多呈渐变过渡状态。图像灰度在空间分布上具有较大的相关性。 ( 3 ) 背景又是一个非平稳过程，图像往往会存在着一些起伏，可以通过一 些预处理来消除。 ( 4 ) 背景往往处于红外图像的低频部分，可以通过高通滤波将其滤除。 2 1 3 噪声 一般说来，在检测过程中都会受到各种内部噪声以及背景噪声的影响。大多 数情况下，红外系统的噪声可当作平稳随机过程来处理。图像中的内部噪声主要 来源于探测器电路噪声和探测过程的量子特性两种，具体表现为白噪声和线列扫 描方向上的非平稳1 f 噪声。高斯和泊松概率函数可以对很多重要噪声过程建 模。这些噪声具有某些统计特性，而且可以认为相互独立，在带宽选择合适时， 并通过预处理可将它们都当作0 均值的高斯白噪声( 对1 f 噪声可以采用某种变 换来迸行白化处理) 。其概率密度为m ： m 咖志唧卜参 协s ， 其中口为标准偏差。 噪声一般与背景并不相关，多在频率域里表现出和目标相似的高频特征。但 它在序列中没有连续性，即其在相邻几帧图像中，空间位置上没有因果联系，帧 间的空间分布也没有相关性。在目标识别过程中，噪声去除也就是基于此的。 综上所述，噪声具有以下的特性： ( 1 ) 在红外图像中，噪声是图像中的高频部分，可近似认为是高斯白噪声。 ( 2 ) 噪声在空间上的分布是随机的，因此它的空间分布与背景图像没有相 9 西北工业大学硕十学位论文第二章红外弱小目标图像特性及检测方法分析 关性。 对红外图像中目标、背景和噪声的分析可知，经过背景抑制后的图像一般包 括有目标和随机噪声。通过采用合适的图像分割方法，可以获得目标( 对于背景 均匀、信噪比较高的图像) 或者可能目标点( 对于背景复杂，信噪比较低的图像) 。 对于单帧检测无法完全区分目标和噪声的图像，再进一步做序列检测。在图像序 列中，目标点相对稳定、位移不大，而虚警点及噪声的位置和幅度是随机分布的， 据此可以进一步筛选目标并消除噪声。 2 2 红外图像弱小目标的检测方法综述 从二十世纪五十年代开始，红外探测技术被广泛应用于军事领域，尤其是在 红外成像制导、红外告警和侦察方面。美国率先开始了红外搜索与跟踪技术的研 究，随后法国、德国、俄罗斯、加拿大等国也相继开展了有关红外探测的军事应 用研究。而我国在这方面的研究相对较晚。近十几年来，我国华中科技大学、国 防科技大学、西安电子科技大学等大专院校相继对基于红外图像中的运动弱小目 标的检测与跟踪进行了研究，取得了长足的进展。目前，国外对“红外被动预警 探测系统”技术研究加大投资力度，尤其是美国把它作为“国家安全防御体系” 的一个重要课题。“红外被动预警探侧系统”技术研究也推动了对“红外弱小目 标检测”课题的研究工作。 在红外系统噪声方面，目前人们对探测器噪声的特性已经有较为深入的认 识，对主要的几类噪声源的产生机理和定量分析都有比较成熟的理论。但是作为 红外弱小目标检测技术的研究关心的是探测器噪声在图像上是一种什么样的特 性。许多文献中提到红外图像中的噪声可以近似为高斯分布【7 。引。n i s h i g u c h i 等人 认为红外图像中的噪声无论在空间上还是在时间上均为白噪声 9 1 。在红外图像 中，1 f 噪声被认为是由于线阵器件扫描所引起的【，在面阵器件的焦平面成像 系统中它的影响很小。对噪声的深入研究为目标检测研究的开展做好了铺垫。 红外运动弱小目标检测的研究方法可以表述为：在给定的三维图像空间中检 测目标是否存在，分析目标的运动轨迹，对目标的将来位置做出预测。其检测的 方法可以分为两大类：先检测后跟踪( d e t e c t - b e f o r e - t r a c k ，简称d b t ) ，先跟踪后 检测( t r a c k - b e f o r e d e t e c t ，简称t b d ) 。 1 0 西北工业大学硕士学位论文第二章红外弱小目标图像特性及检测方法分析 2 2 1 先检测后跟踪( d e t e c t - b e f o r e t r a c k ) 算法 先检测后跟踪( d e t e c t - b e f o r e - t r a c k ，简称d b t ) 方法是先对单帧图像做出目标 存在与否的判决，然后通过图像序列对所有目标运动形成的轨迹进行分析来确认 出真正的目标。该类方法检测主要步骤如下图： 图2 - 2d b t 方法检测流程图 当图像背景单一、信噪比较高时，通过单帧检测就有可能检测到目标；当图 像背景复杂、信噪比较低时，单帧检测不能有效的检测到目标，则需要在单帧检 测的基础上进行序列检测检出目标。目前，单帧红外图像目标检测的检测步骤一 般包括图像预处理、目标分割、目标检测三个步骤。 图像预处理一般是利用一些滤波器，对图像背景分量进行估计，同时去除或 减少图像中的噪声和杂波，以提高传给主处理器的图像的质量和信噪比。目前， 发展的一系列线性滤波器( 主要是最小均方滤波，拉普拉斯) 与非线性波器( 主要 是中值滤波，形态学滤波) 技术，在不同的缓变背景下都比较有效，但在背景杂 波中含高梯度的局部区域会形成高的虚警。 预处理滤波器中，使用较为广泛的是中值滤波器【l ”、高通滤波器【1 2 】和匹配 滤波器【1 3 i 、以及它们的一些组合改进形式【悼1 5 1 。中值滤波器算法结构简单，非线 性的特点使其具有较好的滤波效果，它在衰减噪声的同时不会使图像的边界模 糊；但它只能够滤除大小小于滤波窗口一半的噪声，而且邻域窗口的大小与形状 对滤波结果有较大的影响。高通滤波器对于变化缓慢的背景滤除作用明显。匹配 滤波器的适用范围非常窄，对于均匀的背景滤波效果好；但当背景复杂时，滤波 效果不很理想，甚至有可能失效。利用形态学的基本操作膨胀和腐蚀构成的形态 学滤波器进行弱小目标检测f 1 6 j ，其结果与高通滤波器是相似的，但在抑制噪声方 面有一些优点。二维最小均方滤波( t d l m s ) l l7 j 是一种典型的自适应线性预测 算法，结构简单，处理速度快，对平稳背景图像具有很好的噪声抑制效果，可使 图像信嗓比得到较大提高；但对非平稳背景，该算法反而可能会导致信噪比的降 低。t a r u ns o n i 1 用t d l m s 检测出地面背景的小目标，朱红【1 9 1 用t d l m s 算法 成功地检测出云层中飞行的小目标。基于神经网络 2 0 l 的滤波器，需要对图像经过 大量的训练方可获得较好的效果。与最小二乘法有关的各种滤波器1 2 ”，基于贝叶 西北工业大学硕士学位论文 第二章红外弱小目标图像特性及检测方法分析 斯估计1 2 “，最大似然比估计的方法【冽和频域转换处理技术也可以用来做红外弱 小目标检测，但运算往往较为复杂。 随着小波技术的发展，很多人利用小波变换来进行弱小目标检测【2 牝5 1 ，为红 外弱小目标检测技术提供了新的思路。但在实施中若选用简单的小波基，其结果 与高通滤波器和形态学滤波器的效果非常相似：若选用复杂的小波基，则运算过 于复杂。1 9 9 2 年，c a s s e n t 首次将小波变换应用于仿真图像中目标的检测f 2 6 1 ，在 此之后，小波变换被应用于各种背景下的目标检测。r n s t r i c k l a n d 用双正交小 波变换从马尔可夫噪声背景中检测出小目标【2 7 】；阮文等人将小波变换应用于空中 运动目标检测嚣- 2 9 ；左震等将小波变换应用于海面背景下弱小目标的检测f 3 ”， 文献 3 0 通过实验证明，小波变换的性能要优于t d l m s 的检测性能；盛文等将 小波变换应用于纹理背景中的弱小目标的检n t 3 2 ：徐永兵等在红外序列图像的预 处理中运用向量小波进行处理【3 3 】；文献【3 4 】和文献【3 5 】分别对小波和向量小波在 红外弱小目标检测中的应用做了较为详细的阐述。 在进行弱小目标检测的红外图像中，目标在图像所占的尺寸是非常小的，而 绝大部分是背景，所以从背景出发来进行弱小目标的检测更为合理。早期的利用 目标周围局部背景进行滤波的对比度盒子 3 6 1 的方法；n a r a y a n a n 提出的全局信息 的局部使用的方法1 3 7 】；以及依据目标出现在局部时会引起局部熵较大变化而提出 的采用局部熵来检测目标的方法【3 川，可以说都具有了背景预测的思想。b e l l o 提 出的随机场模型可以说是背景预测模型的一种形式1 3 9 】。另外还有一些文献提出的 空域处理技术都体现了从局部背景出发的思想【4 “”。 目前，基于背景预测( b a c k g r o u n dp r e d i c t i o n ) 的弱小目标检测方法得到了 很大的发展。徐军等明确提出背景预测算法用于空中红外目标的检测【4 2 】，并在文 献 8 中对背景预测做了更为详细和深入的阐述；p h i l i p 等人将随机模型背景预 测算法应用于红外图像和合成孔径雷达( s a r ) 图像的目标检测【4 3 】，也取得了很 好的检测效果；d e n n e y 等人提出了自适应自动递归的背景预测用于点目标检测 m 】；李正周等将卡尔曼滤波理论的背景预测算法用于检测复杂背景下的红外运动 目标【4 5 1 ；聂洪山等分别对w i n e r 滤波i 删和k a l m a n 估计器【4 7 悃于红外弱小目标的 检测作了阐述；向健勇等提出了“区域最小化背景模型 4 8 】，和“区域均值化背景 模型1 4 9 】”来对背景进行预测：张焱等将神经网络方法用于红外弱小目标的背景预 测【5 0 - 5 q ：另外，还有基于灰度形态滤波的背景预测方法【5 2 】，基于双重预测窗的背 景预测方法【5 3 】，基于中值滤波的背景预测方法瞰l 以及它们的一些组合改进形式 5 5 - 5 6 。基于背景预测的弱小目标检测方法具有较好的检测性能和易实现等优点， 但是当背景起伏较大时，这一算法的检测性能就会受到影响。 两北丁业大学硕士学位论文 第二章红外弱小目标图像特性及检测方法分析 单帧图像上检测到候选目标后，再利用序列图像来确认真实的目标。利用序 列图像检测目标最简单直接的方法是帧积分和管道滤波。目前，产生了多种在这 两种方法的基础上的改进或组合形式。杨卫平等人采用五帧累加运算进行帧积分 垆”，并且分析了三帧累加和四帧累加的检测效果 5 8 j 。为了兼顾检测性能和算法 的实时性将目标轨迹和目标的能量积累结合起来i s 9 】。徐军利用目标的运动特征 检测红外弱小目标，并对基于帧间相关性的序列检测算法进行了改进i s 。吴巍根 据目标运动的连续性提出了采用分层投票的方法来实现目标检测。比较来说帧 积分可以有效地抑制噪声的影响，提高目标的信噪比。管道滤波是一种较为经典 的时空滤波器，许多文献给出了管道滤波的基本思想和算法流程 6 t - 6 2 。 2 2 2 先跟踪后检测( t r a c k - b e f o r e d e t e c t ) 算法 先跟踪后检测( t r a c k 。b e f o r e - d e t e c t ，简称t b d ) 算法【6 3 删开始并不在单帧图像 内对目标的存在与否做出判断。而是通过对每条跟踪的轨迹进行分析后。再对目 标的存在做出合理的判断，将该方法的基本思想可以看作是三维噪声中检测一个 已知信号，通过假设噪声的特性，设计出最优的线性滤波器。实验表明，该类方 法能够在低信噪比时取得不错的效果。 t b d 代表性方法主要包括：三维匹配滤波器方法、投影变换和三维搜索相结 合的方法、多级假设检验方法( m u l t i s t a g eh y p o t h e s i st e s t i n gm s h t ) 、动态规划 方法( d y n a m i cp r o g r a m m i n ga 1 9 0 r i 她) 、神经网络方法、最大似然比自适应算法 等。 ( 1 ) 三维匹配滤波器法【6 5 】 1 9 8 3 年，美国工程科学院院士，南加州大学教授i s r e e d 等将匹配滤波器理 论推广到三维图像序列上，把运动弱小目标检测问题转化为三维变换域中寻找匹 配滤波器的问题。每个滤波器位于一个速度矢量上。凡具有这一速度的目标在滤 波器的输出中具有最大的输出信噪比，因而可以采用统计判决的方法来检测目 标。此后，他们又将该方法简化为先在空域中进行二维匹配滤波【删，然后再在时 间序列中进行递推求和。华中科技大学图像所的熊艳博士又在此基础上进一步发 展成为基于线性系数差分方程的方法 6 7 1 。该方法可以实现对多条轨迹的同时检 测，在低信噪比条件下，速度匹配时可以有效提高目标检测性能；但当速度失配 时，输出信噪比将会下降，而且设计滤波器时，需要预知目标运动速度的大小和 方向。 ( 2 ) 基于投影变换和三维搜索相结合的方法 西北下业大学硕七学位论文 第二章红外弱小目标图像特性及检铡方法分忻 基本思路是先将三维空间轨迹检测问题转化为二维平面的轨迹检测，初步确 定目标在三维空间可能存在的区域后，返回三维空间进行精确目标轨迹搜索。该 方法克服了投影变换检测能力差和三维搜索运算量大的缺点。1 9 7 7 年，美国学者 d g f a l c o n e r 博士采j 睡j h o u g h 变换技术【6 s 】，解决了在二维平面中作直线运动的小 目标轨迹的提取与状态参数的跟踪识别问题。w e s n y d e r 等进一步将其推广，解 决了每个像元目标的截获跟踪与识别问题。 ( 3 ) 多极假设检验方法 加拿大昆士大学的s d b l o s t e i n 博士及t s h u a n g 教授提出了图像序列中运 动点目标检测的序贯假设检测方法，开创了假设检验方法的先河【删。它是将所有 可能的目标轨迹以树的结构组织起来，通过对序列中到达每帧图像的树同时进行 假设检验，随时去除没有通过检验的树，从而减少运算量和存储量。该方法克服 了传统方法固定采样长度的不足，具有同时检测出多个作用不同方向直线运动的 目标能力；但它没有提出如何确定候选轨迹的起始点的方法，在低信噪比时候选 轨迹的起始点数非常多，计算量将迅速增大。 ( 4 ) 动态规划方法f 7 q 动态规划方法( d p a ) 最早由l a r s o n 于1 9 6 6 年提出的。1 9 8 5 年美国s a x p y 公 司的y b a m i v 博士将其用于检测动目标，并提出采用基于目标运动状态变量以 及用动态规划技术进行多判决的统计方法来代替差分方法，对低信噪比条件下的 目标进行检测。在这一方法中，先定义一种目标状态作为一组可能的目标轨迹， 每一条轨迹以递归的方式被跟踪并被赋予一个得分数，对于给定帧图像上的像 元，只要简单地根据轨迹分数确定其应归属哪条轨迹即可。研究人员发现，当 s n r 为2 5 时，动态规划方法很有效；但当目标运动速度未知时，计算中所需 的速度窗参数无法确定，而将速度窗的参数范围放宽时，计算量将迅速增大。 ( 5 ) 神经网络法i j j o h n sh o p k i n s 大学的m w 。r o t h 提k t 了一种应用h o p f i e l d 型神经网络来检测 作直线运动的弱小目标的方法：通过图像平面的中心每隔1 0 0 作一组直线，并把 这组直线作为运动目标轨迹的样本，经网络学习后，将轨迹信息存于网络中再到 图像中检测弱小目标轨迹。r o t h 通过实验证明t h o p f i e l d l 网络在低信噪比条件下 能有效地检测出作直线运动的目标轨迹。但该方法存在着以下缺陷：a 运用 h o p f i e l d 网络检测之前需先作投影，这将引起信噪比的降低；b h o p f i e l d 网络要求 样本正交，这在实际情况中不易满足；c 需要预测样本轨迹。 此外，还有b k p a r s i 等提出的用修正的模拟的神经网络并利用能量函数来检 测平面中的点集；s l w a n g 等提出的先用概率神经网络对图像序列进行预处理， 1 4 西北t 业大学硕十学位论文 第二章红外弱小目标图像特性及检测方法分析 然后再利用修改的二阶h o p f i e l d 网络检测弱小目标轨迹；m l i a n g 等用b p 碉络对 弱小目标进行检测与识别等。但它们都需要预置标准样本给网络学习，而网络的 检测能力的强弱依赖于训练样本的丰富性。基于神经网络的方法处理速度较快： 但检测效果依赖样本，需要专门电路。 ( 6 ) 基于概率统计的最大似然比自适应算法 7 2 1 8 0 年代初，美国f o r d 航天通信公司的n c m o h a n t y 提出了基于概率统计的最 大似然比自适应算法。该方法能较好地检测出高强度干扰背景中低强度运动点目 标，并能较精确地跟踪其运动路径。原理是对由c c d 传感器所获取的多帧图像按 最大似然比原则构成的一个统计量和门限，然后比较判别给出结果。该算法的性 能与匹配滤波器相近，能够在低信噪比时实现对包括机动目标在内的确定点目标 的检测；但当目标运动参量的取值范围大时，所需的标准目标模板数量大，难于 实现。 以上6 种方法均是通过对多帧图像的相关处理，利用运动特征，沿着目标运 动轨迹累加能量，达到检测弱小目标的目的。它们之间的不同点在于相关累加方 法不同，航迹确认准则不同，但是共同的缺点就是算法结构较复杂，存储量大， 运算复杂。在信噪比低的恶劣环境下，只有牺牲运算时间和存储量来实现对弱小 目标的检测。随着硬件水平和先跟踪后检测算法的不断改进和发展，t b d 方法 将更好的应用于实际的项目中。 2 。3 本章小结 本章主要分析了红外弱小目标图像的特征，并对国内外有关红外弱小目标检 测方法进行了综述。相比较而言，先检测后跟踪( d b t ) 方法采用单帧检测、