??? 摘 要： 針對空中紅外弱小目標(biāo)" title="紅外弱小目標(biāo)">紅外弱小目標(biāo)的檢測，提出了一種新的背景預(yù)測" title="背景預(yù)測">背景預(yù)測方法。該方法對云層邊緣區(qū)域的點采用亮暗點分類，尋求最相似點的方法進行預(yù)測；對非邊緣區(qū)域的點采用基本背景預(yù)測法進行預(yù)測；最后經(jīng)過背景對消和閾值分割，將弱小目標(biāo)檢測" title="目標(biāo)檢測">目標(biāo)檢測出來。實驗結(jié)果表明，該方法能夠提高對起伏背景預(yù)測的準(zhǔn)確性，減小由于云層邊緣預(yù)測不準(zhǔn)確而引起的虛警，從而能夠更加有效地檢測到弱小目標(biāo)。
??? 關(guān)鍵詞： 背景預(yù)測? 紅外弱小目標(biāo)? 目標(biāo)檢測
?
??? 紅外弱小目標(biāo)檢測技術(shù)作為紅外成像制導(dǎo)中的關(guān)鍵技術(shù)之一，越來越受到人們的重視。但由于紅外弱小目標(biāo)具有距離遠、面積小、形狀特征弱、細節(jié)特征部分喪失、信噪比" title="信噪比">信噪比低等特點，對紅外弱小目標(biāo)的檢測依然具有極大的挑戰(zhàn)性。
??? 目前，基于背景預(yù)測的紅外弱小目標(biāo)檢測技術(shù)得到了很大的發(fā)展。主要包括基本背景預(yù)測法[1]、自適應(yīng)背景預(yù)測法[2]、分塊背景預(yù)測法(包括區(qū)域最大化背景預(yù)測法[1]、區(qū)域最小化背景預(yù)測法[3]、區(qū)域均值背景預(yù)測法[4]、區(qū)域最相似背景預(yù)測法[1])、基于神經(jīng)網(wǎng)絡(luò)的背景預(yù)測方法[5]等。在圖像信噪比較高、背景較均勻的情況下，這些方法檢測效果良好；但當(dāng)背景起伏較大，圖像信噪比較低時，在背景的起伏邊緣就會出現(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，云層邊緣預(yù)測值與真實灰度值之間就會產(chǎn)生較大差異，檢測結(jié)果會出現(xiàn)以云層亮邊緣為主的虛警點。因此，應(yīng)盡可能地對邊緣進行準(zhǔn)確預(yù)測，使殘差圖中邊緣被極大抵消，達到抑制背景、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)域亮暗點分類的背景預(yù)測方法，以減小起伏背景對檢測結(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)為像素點的坐標(biāo)，f(x，y)為在紅外焦平面?zhèn)鞲衅鳙@取的場景圖像，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,一般為幾個或十幾個像素，沒有形狀、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。圖像中噪聲主要來源于探測器電路噪聲，屬于圖像中的高頻成分，可近似認為服從高斯分布，在灰度空間上的分布是隨機的，與背景圖像沒有相關(guān)性。圖像的信噪比較低，目標(biāo)點極易被噪聲和背景淹沒，所以從背景出發(fā)進行弱小目標(biāo)的檢測更為合理。
2 背景預(yù)測方法的基本思想
??? 背景預(yù)測方法的基本思想是：背景中點的灰度值與周圍像素點的灰度值相關(guān)性較強，而弱小目標(biāo)點上的灰度值與周圍背景像素點的灰度值相關(guān)性較差。因此，將圖像中各點的灰度值用它周圍區(qū)域點的灰度值進行預(yù)測，則背景中點的實際灰度值與預(yù)測值近似，兩者相減得到的預(yù)測殘差很小，而目標(biāo)點的實際灰度值與預(yù)測值相差較大，預(yù)測殘差較大。此時在殘差圖上進行門限檢測即可得到目標(biāo)。背景預(yù)測的目標(biāo)是：使背景灰度的預(yù)測值盡可能接近真實值，而目標(biāo)灰度的預(yù)測值盡可能遠小于真實值，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)測圖像，Wj是第j級的權(quán)重矩陣，j=m×M+n對應(yīng)著當(dāng)前位置，Sj對應(yīng)著局域背景選取點的范圍集合，屬于Sj的像素點個數(shù)是有限的，設(shè)為L。
??? 預(yù)測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)測圖像。這樣，目標(biāo)檢測問題就轉(zhuǎn)化為在殘差圖像上進行閾值檢測。
3 背景預(yù)測方法介紹
??? 根據(jù)權(quán)值的不同取法，現(xiàn)有背景預(yù)測方法可分為以下幾類：基本背景預(yù)測方法、分塊背景預(yù)測方法、基于邊緣區(qū)域亮暗點分類的背景預(yù)測方法等。
3.1 基本背景預(yù)測方法
??? 基本背景預(yù)測的權(quán)重為固定權(quán)值。按權(quán)值的取法可對應(yīng)成如下的濾波器模板：
??? 
?
??? 
??? h1、h2、h3模板均適用于點目標(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)測方法
??? 分塊背景預(yù)測法是將像素點周圍背景以該像素點為中心劃分為四個區(qū)域，分別以這四個區(qū)域中的最大值、最小值、均值、最相似值作為預(yù)測點的預(yù)測值，獲得預(yù)測圖，依次稱為區(qū)域最大化背景預(yù)測法、區(qū)域最小化背景預(yù)測法、區(qū)域均值背景預(yù)測法、區(qū)域最相似背景預(yù)測法。
??? 分塊背景預(yù)測法在某些情況下可對背景實現(xiàn)有效預(yù)測，但其存在如下問題：當(dāng)弱小目標(biāo)灰度值較低且位于亮云層邊緣時，采用區(qū)域最大化背景預(yù)測法，目標(biāo)的灰度預(yù)測值就會接近周圍的亮背景，預(yù)測值會比較大，則殘差后目標(biāo)點處的殘差值會比較小，使得與背景的對比度較低，無法正確檢測到目標(biāo)；采用區(qū)域最小化背景預(yù)測法時，背景亮邊緣區(qū)域點的灰度預(yù)測值會變小，這樣雖然目標(biāo)點殘差值較大，但云層邊緣處的背景點殘差值也較大，容易出現(xiàn)以云層邊緣為主的虛警點；采用區(qū)域最相似背景預(yù)測法，目標(biāo)的預(yù)測值比較接近真實值，目標(biāo)點的殘差值較小，有可能檢測不到目標(biāo)。
3.3 基于邊緣區(qū)域亮暗點分類的背景預(yù)測法
??? 參考文獻[6]提出的基于邊緣區(qū)域亮暗點分類的背景預(yù)測法是在自適應(yīng)線性背景預(yù)測算法的基礎(chǔ)上提出的改進算法。該算法利用自適應(yīng)均值預(yù)測器對原始圖像進行背景估計：當(dāng)被預(yù)測點不是邊緣點時，直接進行濾波；當(dāng)被預(yù)測點是邊緣點時，首先以預(yù)測窗口灰度均值為閾值將預(yù)測窗口內(nèi)的像素點分為亮點和暗點兩類，若亮像素點為多數(shù)，則根據(jù)亮像素點計算預(yù)測值，反之則根據(jù)暗像素點計算預(yù)測值。
??? 上述方法有如下缺點：若預(yù)測窗中暗像素點為多數(shù)，則高亮云層邊緣就會用暗點來預(yù)測，其預(yù)測值可能會大大減小，使亮邊緣點的殘差值較大，容易形成虛警。
4 新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測法
??? 為了減少起伏邊緣造成的影響，使背景灰度預(yù)測值盡可能接近真實值，而目標(biāo)灰度預(yù)測值盡可能遠小于真實值，本文提出一種新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測法。其主要思想是：對云層邊緣區(qū)域的點采用亮暗點分類，尋求最相似點進行預(yù)測；對非邊緣區(qū)域的點采用基本背景預(yù)測法進行預(yù)測，從而得到原圖的背景預(yù)測圖。本方法預(yù)測窗是以預(yù)測點p為中心的9×9區(qū)域，如圖1所示。預(yù)測步驟如下：
??? (1)對圖像進行預(yù)濾波處理，去除點源噪聲。
??? (2)利用邊緣檢測方法" title="檢測方法">檢測方法提取背景云層邊緣。
??? (3)如果預(yù)測點在邊緣區(qū)域，則以預(yù)測窗的均值為門限，將預(yù)測窗內(nèi)的點分為亮點和暗點兩類。如果被預(yù)測點屬于亮點，則在預(yù)測區(qū)（預(yù)測窗內(nèi)除去以預(yù)測點P為中心的5×5區(qū)域的灰色區(qū)域，共56個點）的亮點中搜索與被預(yù)測點灰度最接近的點作為預(yù)測值；如果被預(yù)測點屬于暗點，則在預(yù)測區(qū)的暗點中搜索與被預(yù)測點最接近的點作為預(yù)測值。其中，預(yù)測區(qū)的選擇要考慮到算法的兼容性。預(yù)測區(qū)域圖如圖1所示。
?
??? (4)如果預(yù)測點不屬于邊緣，則用h1模板進行基本背景預(yù)測。
??? 本方法有兩大優(yōu)點：(1)對于邊緣區(qū)域的點，充分考慮了被預(yù)測點本身的性質(zhì)。以被預(yù)測點為參照進行預(yù)測，預(yù)測值要求與被預(yù)測點最接近；(2)充分考慮了邊緣點的特性。邊緣點處于兩種灰度區(qū)域的交界處。若用預(yù)測窗內(nèi)的所有點進行預(yù)測或不考慮被預(yù)測點的特性而以某一特性的部分點進行預(yù)測必然會產(chǎn)生較大的誤差。應(yīng)用本方法預(yù)測，可使得云層邊緣點的預(yù)測值與真實值更接近，同時目標(biāo)點處的預(yù)測值遠小于真實值。
??? 為了清楚說明問題，列出幾種背景預(yù)測方法的預(yù)測圖，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，云層邊緣的亮點在預(yù)測圖中變成了暗點，目標(biāo)點中心位置灰度值較強；圖2(f)中云層的邊緣做到了較為準(zhǔn)確的預(yù)測，目標(biāo)位置處灰度變暗，幾乎與背景相同，遠小于目標(biāo)真實值。
??? 圖2(c)中目標(biāo)在云層外時，殘差后目標(biāo)增強，背景減弱，能很好的檢測到目標(biāo)，但當(dāng)目標(biāo)在云層邊緣時，目標(biāo)的預(yù)測值會變大，殘差值會減小，可能會檢測不到目標(biāo)；圖2(d)中云層邊緣會有殘留，若殘留的云層邊緣灰度值小于目標(biāo)點灰度值，則可檢測到目標(biāo)，反之，則不能檢測到目標(biāo)；圖2(e)中云層強邊緣會出現(xiàn)在殘差圖中，容易形成虛警點；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 背景對消和閾值分割
??? 采用新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測算法得到預(yù)測圖，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)點與周圍灰度值相近。為了方便后續(xù)的閾值分割，可采用合適的方法對殘差圖進行圖像增強。
??? 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。所以需對圖像進行分割，去掉干擾，只保留可能目標(biāo)點。閾值選擇對后續(xù)處理有重要影響：閾值過高,則可能丟失真正的目標(biāo)信息，閾值過低，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)驗獲得，一般取5～15。每幅圖像中，大于或等于門限的灰度值賦1，小于門限的灰度值賦0。
6 實驗結(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)測法、區(qū)域最小化背景預(yù)測法、區(qū)域亮暗點分類背景預(yù)測法和本文提出的新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測法在PIII600A上進行仿真，給出最終檢測結(jié)果并進行分析。第一種情況是目標(biāo)在云層外，目標(biāo)周圍背景相對均勻，檢測結(jié)果如圖3所示；第二種情況是目標(biāo)在云層邊緣，目標(biāo)周圍背景起伏較大，檢測結(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到的目標(biāo)。可以看出，當(dāng)目標(biāo)在云層外，周圍背景比較均勻時，(b)、(e)兩種方法的檢測效果較好，而(c)、(d)出現(xiàn)了以云層邊緣為主的多個虛警，(c)的檢測效果最差；當(dāng)目標(biāo)在云層邊緣，周圍背景起伏較大時，區(qū)域最大化背景預(yù)測法、區(qū)域最小化背景預(yù)測法、區(qū)域亮暗點分類背景預(yù)測法均出現(xiàn)了較多的虛警點，采用本文提出的新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測法的檢測效果良好。綜合考慮，可以看出，無論目標(biāo)周圍背景均勻或者起伏，采用本文提出的新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測法進行弱小目標(biāo)檢測均可以很好地抑制背景，有效地檢測到目標(biāo)。
??? 基于背景預(yù)測的紅外弱小目標(biāo)檢測方法的關(guān)鍵是對圖像背景準(zhǔn)確預(yù)測時，對目標(biāo)的影響最小。本文針對起伏邊緣易產(chǎn)生虛警點，提出了一種新的基于邊緣區(qū)域亮暗點分類的背景預(yù)測方法。實驗結(jié)果表明：在圖像背景起伏較大、信噪比低的情況下，該方法對起伏背景的預(yù)測更為準(zhǔn)確，從而能夠大大減小起伏邊緣引起的虛警，更加有效的檢測到弱小目標(biāo)。
參考文獻
[1] 徐軍.紅外圖像中弱小目標(biāo)檢測技術(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)測的紅外弱小目標(biāo)檢測方法.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)的背景估計及紅外小目標(biāo)檢測.國防科技大學(xué)學(xué)報，2004，26（5）：39-45.
[6] 蔡智富.基于自適應(yīng)背景估計的復(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.