??? 摘 要： 針對(duì)空中紅外弱小目標(biāo)" title="紅外弱小目標(biāo)">紅外弱小目標(biāo)的檢測(cè)，提出了一種新的背景預(yù)測(cè)" title="背景預(yù)測(cè)">背景預(yù)測(cè)方法。該方法對(duì)云層邊緣區(qū)域的點(diǎn)采用亮暗點(diǎn)分類，尋求最相似點(diǎn)的方法進(jìn)行預(yù)測(cè)；對(duì)非邊緣區(qū)域的點(diǎn)采用基本背景預(yù)測(cè)法進(jìn)行預(yù)測(cè)；最后經(jīng)過(guò)背景對(duì)消和閾值分割，將弱小目標(biāo)檢測(cè)" title="目標(biāo)檢測(cè)">目標(biāo)檢測(cè)出來(lái)。實(shí)驗(yàn)結(jié)果表明，該方法能夠提高對(duì)起伏背景預(yù)測(cè)的準(zhǔn)確性，減小由于云層邊緣預(yù)測(cè)不準(zhǔn)確而引起的虛警，從而能夠更加有效地檢測(cè)到弱小目標(biāo)。
??? 關(guān)鍵詞： 背景預(yù)測(cè)? 紅外弱小目標(biāo)? 目標(biāo)檢測(cè)

?

??? 紅外弱小目標(biāo)檢測(cè)技術(shù)作為紅外成像制導(dǎo)中的關(guān)鍵技術(shù)之一，越來(lái)越受到人們的重視。但由于紅外弱小目標(biāo)具有距離遠(yuǎn)、面積小、形狀特征弱、細(xì)節(jié)特征部分喪失、信噪比" title="信噪比">信噪比低等特點(diǎn)，對(duì)紅外弱小目標(biāo)的檢測(cè)依然具有極大的挑戰(zhàn)性。
??? 目前，基于背景預(yù)測(cè)的紅外弱小目標(biāo)檢測(cè)技術(shù)得到了很大的發(fā)展。主要包括基本背景預(yù)測(cè)法^[1]、自適應(yīng)背景預(yù)測(cè)法^[2]、分塊背景預(yù)測(cè)法(包括區(qū)域最大化背景預(yù)測(cè)法^[1]、區(qū)域最小化背景預(yù)測(cè)法^[3]、區(qū)域均值背景預(yù)測(cè)法^[4]、區(qū)域最相似背景預(yù)測(cè)法^[1])、基于神經(jīng)網(wǎng)絡(luò)的背景預(yù)測(cè)方法^[5]等。在圖像信噪比較高、背景較均勻的情況下，這些方法檢測(cè)效果良好；但當(dāng)背景起伏較大，圖像信噪比較低時(shí)，在背景的起伏邊緣就會(huì)出現(xiàn)較多的虛警。以含有起伏云層的天空背景為例,當(dāng)圖像信噪比較低時(shí)，云層邊緣預(yù)測(cè)值與真實(shí)灰度值之間就會(huì)產(chǎn)生較大差異，檢測(cè)結(jié)果會(huì)出現(xiàn)以云層亮邊緣為主的虛警點(diǎn)。因此，應(yīng)盡可能地對(duì)邊緣進(jìn)行準(zhǔn)確預(yù)測(cè)，使殘差圖中邊緣被極大抵消，達(dá)到抑制背景、突出目標(biāo)的目的。鑒于此，本文提出一種新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)方法，以減小起伏背景對(duì)檢測(cè)結(jié)果的影響。
1 紅外弱小目標(biāo)圖像特性分析
??? 紅外圖像是利用紅外探測(cè)器掃視被攝景物空間而獲得的紅外熱輻射圖像。紅外弱小目標(biāo)圖像可描述為：
??? f(x，y)=s(x，y)+b(x，y)+n(x，y)??????????????????? (1)
式中，(x，y)為像素點(diǎn)的坐標(biāo)，f(x，y)為在紅外焦平面?zhèn)鞲衅鳙@取的場(chǎng)景圖像，s(x，y)、b(x，y)和n(x，y)分別為紅外目標(biāo)、紅外背景和噪聲的圖像。
??? 紅外圖像中的弱小目標(biāo)尺寸很小,一般為幾個(gè)或十幾個(gè)像素，沒(méi)有形狀、大小和紋理等特征，缺乏結(jié)構(gòu)信息，圖像中惟一可供利用的是弱小目標(biāo)的灰度信息。紅外背景是指圖像中的非目標(biāo)區(qū)域，在圖像中主要是大面積緩慢變化的低頻成分，在灰度空間分布上具有較大的相關(guān)性。圖像中噪聲主要來(lái)源于探測(cè)器電路噪聲，屬于圖像中的高頻成分，可近似認(rèn)為服從高斯分布，在灰度空間上的分布是隨機(jī)的，與背景圖像沒(méi)有相關(guān)性。圖像的信噪比較低，目標(biāo)點(diǎn)極易被噪聲和背景淹沒(méi)，所以從背景出發(fā)進(jìn)行弱小目標(biāo)的檢測(cè)更為合理。
2 背景預(yù)測(cè)方法的基本思想
??? 背景預(yù)測(cè)方法的基本思想是：背景中點(diǎn)的灰度值與周?chē)袼攸c(diǎn)的灰度值相關(guān)性較強(qiáng)，而弱小目標(biāo)點(diǎn)上的灰度值與周?chē)尘跋袼攸c(diǎn)的灰度值相關(guān)性較差。因此，將圖像中各點(diǎn)的灰度值用它周?chē)鷧^(qū)域點(diǎn)的灰度值進(jìn)行預(yù)測(cè)，則背景中點(diǎn)的實(shí)際灰度值與預(yù)測(cè)值近似，兩者相減得到的預(yù)測(cè)殘差很小，而目標(biāo)點(diǎn)的實(shí)際灰度值與預(yù)測(cè)值相差較大，預(yù)測(cè)殘差較大。此時(shí)在殘差圖上進(jìn)行門(mén)限檢測(cè)即可得到目標(biāo)。背景預(yù)測(cè)的目標(biāo)是：使背景灰度的預(yù)測(cè)值盡可能接近真實(shí)值，而目標(biāo)灰度的預(yù)測(cè)值盡可能遠(yuǎn)小于真實(shí)值，以使殘差圖中背景盡可能被消掉，目標(biāo)盡可能被突出。
??? 基本的背景預(yù)測(cè)模型可表示為：

???

式中，X是尺寸為M×N的輸入圖像，Y是預(yù)測(cè)圖像，W_j是第j級(jí)的權(quán)重矩陣，j=m×M+n對(duì)應(yīng)著當(dāng)前位置，S_j對(duì)應(yīng)著局域背景選取點(diǎn)的范圍集合，屬于S_j的像素點(diǎn)個(gè)數(shù)是有限的，設(shè)為L(zhǎng)。
??? 預(yù)測(cè)圖像與輸入圖像之間的殘差圖像為：

???

式中，X是原始輸入圖像，Y(m，n)是預(yù)測(cè)圖像。這樣，目標(biāo)檢測(cè)問(wèn)題就轉(zhuǎn)化為在殘差圖像上進(jìn)行閾值檢測(cè)。
3 背景預(yù)測(cè)方法介紹
??? 根據(jù)權(quán)值的不同取法，現(xiàn)有背景預(yù)測(cè)方法可分為以下幾類：基本背景預(yù)測(cè)方法、分塊背景預(yù)測(cè)方法、基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)方法等。
3.1 基本背景預(yù)測(cè)方法
??? 基本背景預(yù)測(cè)的權(quán)重為固定權(quán)值。按權(quán)值的取法可對(duì)應(yīng)成如下的濾波器模板：

???

?

???

??? h1、h2、h3模板均適用于點(diǎn)目標(biāo)和弱小目標(biāo)，h2、h3模板的兼容性更好一些。
3.2 分塊背景預(yù)測(cè)方法
??? 分塊背景預(yù)測(cè)法是將像素點(diǎn)周?chē)尘耙栽撓袼攸c(diǎn)為中心劃分為四個(gè)區(qū)域，分別以這四個(gè)區(qū)域中的最大值、最小值、均值、最相似值作為預(yù)測(cè)點(diǎn)的預(yù)測(cè)值，獲得預(yù)測(cè)圖，依次稱為區(qū)域最大化背景預(yù)測(cè)法、區(qū)域最小化背景預(yù)測(cè)法、區(qū)域均值背景預(yù)測(cè)法、區(qū)域最相似背景預(yù)測(cè)法。
??? 分塊背景預(yù)測(cè)法在某些情況下可對(duì)背景實(shí)現(xiàn)有效預(yù)測(cè)，但其存在如下問(wèn)題：當(dāng)弱小目標(biāo)灰度值較低且位于亮云層邊緣時(shí)，采用區(qū)域最大化背景預(yù)測(cè)法，目標(biāo)的灰度預(yù)測(cè)值就會(huì)接近周?chē)牧帘尘?，預(yù)測(cè)值會(huì)比較大，則殘差后目標(biāo)點(diǎn)處的殘差值會(huì)比較小，使得與背景的對(duì)比度較低，無(wú)法正確檢測(cè)到目標(biāo)；采用區(qū)域最小化背景預(yù)測(cè)法時(shí)，背景亮邊緣區(qū)域點(diǎn)的灰度預(yù)測(cè)值會(huì)變小，這樣雖然目標(biāo)點(diǎn)殘差值較大，但云層邊緣處的背景點(diǎn)殘差值也較大，容易出現(xiàn)以云層邊緣為主的虛警點(diǎn)；采用區(qū)域最相似背景預(yù)測(cè)法，目標(biāo)的預(yù)測(cè)值比較接近真實(shí)值，目標(biāo)點(diǎn)的殘差值較小，有可能檢測(cè)不到目標(biāo)。
3.3 基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法
??? 參考文獻(xiàn)[6]提出的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法是在自適應(yīng)線性背景預(yù)測(cè)算法的基礎(chǔ)上提出的改進(jìn)算法。該算法利用自適應(yīng)均值預(yù)測(cè)器對(duì)原始圖像進(jìn)行背景估計(jì)：當(dāng)被預(yù)測(cè)點(diǎn)不是邊緣點(diǎn)時(shí)，直接進(jìn)行濾波；當(dāng)被預(yù)測(cè)點(diǎn)是邊緣點(diǎn)時(shí)，首先以預(yù)測(cè)窗口灰度均值為閾值將預(yù)測(cè)窗口內(nèi)的像素點(diǎn)分為亮點(diǎn)和暗點(diǎn)兩類，若亮像素點(diǎn)為多數(shù)，則根據(jù)亮像素點(diǎn)計(jì)算預(yù)測(cè)值，反之則根據(jù)暗像素點(diǎn)計(jì)算預(yù)測(cè)值。
??? 上述方法有如下缺點(diǎn)：若預(yù)測(cè)窗中暗像素點(diǎn)為多數(shù)，則高亮云層邊緣就會(huì)用暗點(diǎn)來(lái)預(yù)測(cè)，其預(yù)測(cè)值可能會(huì)大大減小，使亮邊緣點(diǎn)的殘差值較大，容易形成虛警。

4 新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法
??? 為了減少起伏邊緣造成的影響，使背景灰度預(yù)測(cè)值盡可能接近真實(shí)值，而目標(biāo)灰度預(yù)測(cè)值盡可能遠(yuǎn)小于真實(shí)值，本文提出一種新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法。其主要思想是：對(duì)云層邊緣區(qū)域的點(diǎn)采用亮暗點(diǎn)分類，尋求最相似點(diǎn)進(jìn)行預(yù)測(cè)；對(duì)非邊緣區(qū)域的點(diǎn)采用基本背景預(yù)測(cè)法進(jìn)行預(yù)測(cè)，從而得到原圖的背景預(yù)測(cè)圖。本方法預(yù)測(cè)窗是以預(yù)測(cè)點(diǎn)p為中心的9×9區(qū)域，如圖1所示。預(yù)測(cè)步驟如下：
??? (1)對(duì)圖像進(jìn)行預(yù)濾波處理，去除點(diǎn)源噪聲。
??? (2)利用邊緣檢測(cè)方法" title="檢測(cè)方法">檢測(cè)方法提取背景云層邊緣。
??? (3)如果預(yù)測(cè)點(diǎn)在邊緣區(qū)域，則以預(yù)測(cè)窗的均值為門(mén)限，將預(yù)測(cè)窗內(nèi)的點(diǎn)分為亮點(diǎn)和暗點(diǎn)兩類。如果被預(yù)測(cè)點(diǎn)屬于亮點(diǎn)，則在預(yù)測(cè)區(qū)（預(yù)測(cè)窗內(nèi)除去以預(yù)測(cè)點(diǎn)P為中心的5×5區(qū)域的灰色區(qū)域，共56個(gè)點(diǎn)）的亮點(diǎn)中搜索與被預(yù)測(cè)點(diǎn)灰度最接近的點(diǎn)作為預(yù)測(cè)值；如果被預(yù)測(cè)點(diǎn)屬于暗點(diǎn)，則在預(yù)測(cè)區(qū)的暗點(diǎn)中搜索與被預(yù)測(cè)點(diǎn)最接近的點(diǎn)作為預(yù)測(cè)值。其中，預(yù)測(cè)區(qū)的選擇要考慮到算法的兼容性。預(yù)測(cè)區(qū)域圖如圖1所示。

?

??? (4)如果預(yù)測(cè)點(diǎn)不屬于邊緣，則用h1模板進(jìn)行基本背景預(yù)測(cè)。
??? 本方法有兩大優(yōu)點(diǎn)：(1)對(duì)于邊緣區(qū)域的點(diǎn)，充分考慮了被預(yù)測(cè)點(diǎn)本身的性質(zhì)。以被預(yù)測(cè)點(diǎn)為參照進(jìn)行預(yù)測(cè)，預(yù)測(cè)值要求與被預(yù)測(cè)點(diǎn)最接近；(2)充分考慮了邊緣點(diǎn)的特性。邊緣點(diǎn)處于兩種灰度區(qū)域的交界處。若用預(yù)測(cè)窗內(nèi)的所有點(diǎn)進(jìn)行預(yù)測(cè)或不考慮被預(yù)測(cè)點(diǎn)的特性而以某一特性的部分點(diǎn)進(jìn)行預(yù)測(cè)必然會(huì)產(chǎn)生較大的誤差。應(yīng)用本方法預(yù)測(cè)，可使得云層邊緣點(diǎn)的預(yù)測(cè)值與真實(shí)值更接近，同時(shí)目標(biāo)點(diǎn)處的預(yù)測(cè)值遠(yuǎn)小于真實(shí)值。
??? 為了清楚說(shuō)明問(wèn)題，列出幾種背景預(yù)測(cè)方法的預(yù)測(cè)圖，如圖2所示。

?

??? 可以看出，與圖2(b)相比較，圖2(c)中云層發(fā)生膨脹，目標(biāo)處灰度值非常低；圖2(d)中云層發(fā)生收縮，邊緣變暗，目標(biāo)所在區(qū)域灰度值非常低，預(yù)測(cè)圖中已看不到目標(biāo)；圖2(e)邊緣有明顯的腐蝕痕跡，云層邊緣的亮點(diǎn)在預(yù)測(cè)圖中變成了暗點(diǎn)，目標(biāo)點(diǎn)中心位置灰度值較強(qiáng)；圖2(f)中云層的邊緣做到了較為準(zhǔn)確的預(yù)測(cè)，目標(biāo)位置處灰度變暗，幾乎與背景相同，遠(yuǎn)小于目標(biāo)真實(shí)值。
??? 圖2(c)中目標(biāo)在云層外時(shí)，殘差后目標(biāo)增強(qiáng)，背景減弱，能很好的檢測(cè)到目標(biāo)，但當(dāng)目標(biāo)在云層邊緣時(shí)，目標(biāo)的預(yù)測(cè)值會(huì)變大，殘差值會(huì)減小，可能會(huì)檢測(cè)不到目標(biāo)；圖2(d)中云層邊緣會(huì)有殘留，若殘留的云層邊緣灰度值小于目標(biāo)點(diǎn)灰度值，則可檢測(cè)到目標(biāo)，反之，則不能檢測(cè)到目標(biāo)；圖2(e)中云層強(qiáng)邊緣會(huì)出現(xiàn)在殘差圖中，容易形成虛警點(diǎn)；圖2(f)的殘差圖中，云層邊緣得到了很好的抑制，而目標(biāo)區(qū)域的灰度殘差值較大。
5 背景對(duì)消和閾值分割
??? 采用新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)算法得到預(yù)測(cè)圖，按照(3)式與預(yù)濾波處理后的原圖作差，得到殘差圖。殘差圖整體灰度值較低，目標(biāo)點(diǎn)與周?chē)叶戎迪嘟榱朔奖愫罄m(xù)的閾值分割，可采用合適的方法對(duì)殘差圖進(jìn)行圖像增強(qiáng)。
??? 殘差圖中已去掉了大部分低頻信息，但仍存在部分低頻殘留和干擾點(diǎn)。所以需對(duì)圖像進(jìn)行分割，去掉干擾，只保留可能目標(biāo)點(diǎn)。閾值選擇對(duì)后續(xù)處理有重要影響：閾值過(guò)高,則可能丟失真正的目標(biāo)信息，閾值過(guò)低，將造成較高的虛警率。本文采取自適應(yīng)閾值分割圖像，取門(mén)限為：
??? T=m+kσ????????????????????????????????????? (7)
式中，m為圖像的均值，σ為圖像的均方差；k為常值，根據(jù)經(jīng)驗(yàn)獲得，一般取5～15。每幅圖像中，大于或等于門(mén)限的灰度值賦1，小于門(mén)限的灰度值賦0。

6 實(shí)驗(yàn)結(jié)果
??? 本文采用的紅外弱小目標(biāo)圖像是在紅外背景圖像上嵌入弱小目標(biāo)得到的合成圖像，圖像大小為244×320像素。其中，背景為空中云層，弱小目標(biāo)為3×3像素，圖像信噪比約為２。下面分別采用區(qū)域最大化背景預(yù)測(cè)法、區(qū)域最小化背景預(yù)測(cè)法、區(qū)域亮暗點(diǎn)分類背景預(yù)測(cè)法和本文提出的新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法在PIII600A上進(jìn)行仿真，給出最終檢測(cè)結(jié)果并進(jìn)行分析。第一種情況是目標(biāo)在云層外，目標(biāo)周?chē)尘跋鄬?duì)均勻，檢測(cè)結(jié)果如圖3所示；第二種情況是目標(biāo)在云層邊緣，目標(biāo)周?chē)尘捌鸱^大，檢測(cè)結(jié)果如圖4所示。

?

??? 在圖3中，(a)圖中白色方框內(nèi)為小目標(biāo)，(b)、(c)、(d)、(e)圖中白色方框表示檢測(cè)到的目標(biāo)?？梢钥闯?，當(dāng)目標(biāo)在云層外，周?chē)尘氨容^均勻時(shí)，(b)、(e)兩種方法的檢測(cè)效果較好，而(c)、(d)出現(xiàn)了以云層邊緣為主的多個(gè)虛警，(c)的檢測(cè)效果最差；當(dāng)目標(biāo)在云層邊緣，周?chē)尘捌鸱^大時(shí)，區(qū)域最大化背景預(yù)測(cè)法、區(qū)域最小化背景預(yù)測(cè)法、區(qū)域亮暗點(diǎn)分類背景預(yù)測(cè)法均出現(xiàn)了較多的虛警點(diǎn)，采用本文提出的新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法的檢測(cè)效果良好。綜合考慮，可以看出，無(wú)論目標(biāo)周?chē)尘熬鶆蚧蛘咂鸱?，采用本文提出的新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)法進(jìn)行弱小目標(biāo)檢測(cè)均可以很好地抑制背景，有效地檢測(cè)到目標(biāo)。
??? 基于背景預(yù)測(cè)的紅外弱小目標(biāo)檢測(cè)方法的關(guān)鍵是對(duì)圖像背景準(zhǔn)確預(yù)測(cè)時(shí)，對(duì)目標(biāo)的影響最小。本文針對(duì)起伏邊緣易產(chǎn)生虛警點(diǎn)，提出了一種新的基于邊緣區(qū)域亮暗點(diǎn)分類的背景預(yù)測(cè)方法。實(shí)驗(yàn)結(jié)果表明：在圖像背景起伏較大、信噪比低的情況下，該方法對(duì)起伏背景的預(yù)測(cè)更為準(zhǔn)確，從而能夠大大減小起伏邊緣引起的虛警，更加有效的檢測(cè)到弱小目標(biāo)。
參考文獻(xiàn)
[1] 徐軍.紅外圖像中弱小目標(biāo)檢測(cè)技術(shù)研究.博士論文，西安電子科技大學(xué)，2003：11-19.
[2] DENNEY B S，F(xiàn)IGUEIREDO R J P.Optimal point target?detection using adaptive auto regressive background?prediction[C].Proc.SPIE，2000，4048：46-57.
[3] 向健勇，尹超，韓建棟.一種紅外弱小目標(biāo)檢測(cè)方法.電子科技，2005，(1)：6-9.
[4] 尹超，向健勇，韓建棟.一種基于區(qū)域背景預(yù)測(cè)的紅外弱小目標(biāo)檢測(cè)方法.紅外技術(shù)，2004，26（6）：62-65.
[5] 張焱，沈振康，王平.基于RBF神經(jīng)網(wǎng)絡(luò)的背景估計(jì)及紅外小目標(biāo)檢測(cè).國(guó)防科技大學(xué)學(xué)報(bào)，2004，26（5）：39-45.
[6] 蔡智富.基于自適應(yīng)背景估計(jì)的復(fù)雜紅外背景抑制技術(shù).碩士論文，哈爾濱工程大學(xué)，2005：29-31.