CN107256559B - 复杂背景抑制的方法 - Google Patents
复杂背景抑制的方法 Download PDFInfo
- Publication number
- CN107256559B CN107256559B CN201710406241.XA CN201710406241A CN107256559B CN 107256559 B CN107256559 B CN 107256559B CN 201710406241 A CN201710406241 A CN 201710406241A CN 107256559 B CN107256559 B CN 107256559B
- Authority
- CN
- China
- Prior art keywords
- image
- detection device
- infrared image
- interlaced
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
公开了一种复杂背景抑制的方法,包括:检测装置接收输入的待检测的红外图像I(x,y)和金字塔层数L,利用中值滤波预处理去除椒盐噪声,获得处理的红外图像f(x,y),确定处理的红外图像f(x,y)的行列数,根据行列数计算出金字塔最高层数lmax,判断金字塔层数L是否超出lmax,如超出,终止复杂背景抑制处理;否则,对处理的红外图像f(x,y)进行频域高斯低通滤波,获得滤波图像g(x,y);对获得的滤波图像g(x,y)进行隔行隔列降采样,对降采样次数进行累计计数;若累计计数值达到N‑1,获得的降采样图像记为h(x,y);对降采样图像h(x,y)运用双三次插值算法进行图像扩展,得到复杂背景估计图像,将预处理后的红外图像和复杂背景估计图像进行想相减,获得检测结果。本发明具有较高的适应性。
Description
技术领域
本发明涉及遥感技术领域,特别是指一种复杂背景抑制的方法。
背景技术
近年来,背景抑制技术是红外小目标自动检测必不可少的一个环节,主要运用于国防和安防等领域,是关系着国家安全的重要技术之一,其重要性不言而喻。目前国内外的背景抑制技术主要分别两大类,一类为基于滤波器的传统背景抑制方法,另一类为基于背景分类的背景抑制方法。
基于滤波器的传统背景抑制方法,主要依据是相对于平缓的背景而言,红外小目标对象的局部辐射强度要大于背景杂波的辐射强度,所以在图像中的表现为突出的亮点,其局部的灰度变化剧烈。这类方法利用这种特性提出了基于梯度的背景抑制算法,例如:著名的top-Hat变换,高斯高通滤波算法等,由于使用梯度信息作为判断标准,所以这类方法容易受到椒盐噪声的干扰,对其十分敏感。由于这种方式假定背景为平缓的,所以在背景中出现剧烈变化的时候容易出现虚警,其性能变差,例如:天空背景下出现云团、云雾等强干扰。
基于背景分类的背景抑制方法,相较于传统方法认为背景为平缓变化,这类方法认为背景是变化的、随机的,所以需要先对背景进行估计,即模拟出背景。现阶段主要的方式有:基于复杂度分类的背景抑制算法、基于光流估计的背景抑制算法等,均为先通过原始图像提取图像中的一些局部、全局和时变信息,然后利用这些信息模拟出原始图像的背景,最后原始图像减去背景的方式来实现背景的抑制功能。这类方法相较于传统方法,可以解决背景中含有较强干扰的问题,但是由于模拟出的背景和实际图像中的背景存在偏差,且可能会削弱目标能量,所以实际的运用并不广泛
发明内容
本发明要解决的技术问题是红外弱小目标检测中复杂背景导致检测准确率降低、虚警率增高,为解决上述技术问题,本发明的主旨在于针对在红外弱小目标检测中复杂背景导致检测准确率降低、虚警率增高的问题,提出一种检测率高、计算复杂度较低的复杂背景抑制的算法,为红外目标检测技术的发展提供一种可行思路。
为了解决上述技术问题,达到上述的目标,本发明采用如下一种复杂背景抑制的方法,包括:
检测装置接收输入的待检测的红外图像I(x,y)和金字塔层数L,并利用中值滤波进行预处理去除椒盐噪声,获得预处理后的红外图像f(x,y),所述检测装置确定预处理后的红外图像f(x,y)的行列数,根据该行列数,计算出金字塔最高层数1max,判断金字塔层数L是否超出1max,如果超出,则终止复杂背景抑制处理;如果没有超出,所述检测装置对预处理后的红外图像f(x,y)进行频域高斯低通滤波,获得滤波图像g(x,y);所述检测装置对获得的滤波图像g(x,y)进行隔行隔列降采样,同时对降采样次数进行累计计数;若累计计数值达到N-1,此时获得的降采样图像记为h(x,y);检测装置对降采样图像h(x,y)运用双三次插值算法进行图像扩展,以此得到复杂背景估计图像;检测装置将预处理后的红外图像和复杂背景估计图像进行想相减,获得检测结果。
可选的,所述检测装置对预处理后的红外图像f(x,y)进行频域高斯低通滤波,获得滤波图像g(x,y),具体为:检测装置将预处理后的红外图像f(x,y)进行二维离散傅里叶变换转换到频率域,其公式为:
通过高斯低通滤波器公式得到高斯低通滤波器模板,其公式为:
将频域图像F(u,v)和滤波器模板H(u,v)相点乘,实现滤波操作,获得滤波后的图像G(u,v),其公式为:
G(u,v)=∑u∑vF(u,v)×H(u,v)
最后只用将滤波后的图像G(u,v)转换到空域,即对滤波后的图像G(u,v)进行反二维离散傅里叶变换,其公式为:
得到滤波图像g(x,y)。
可选的,所述检测装置对获得的滤波图像g(x,y)进行隔行隔列降采样,具体为:如果行列数为奇数,则在滤波图像上相应的减少一行或一列,然后对减少的滤波图像g(x,y)进行隔行隔列降采样。
可选的,所述检测装置对降采样图像h(x,y)运用双三次插值算法进行图像扩展,以此得到复杂背景估计图像,具体为:所述检测装置对降采样图像利用双三次插值公式提高分辨率到和预处理的图像相同的分辨率,其中,所述由于双三次插值公式为:
本发明的上述技术方案的有益效果如下:
上述方案中,通过运用图像金子塔算法直接从原始图像中提取背景信息,并没有对背景的种类进行限制,使得算法本身可以适应多种复杂的背景情况,例如:包含云层的天空背景下弱小目标等,具有较高的适应性。能运用于军事、安防等领域。本发明使用了图像金字塔算法这种多分辨技术,相较于传统方法可以更大的保留目标能量,减少目标能量的损失,方便后续的操作。
附图说明
图1为本发明的复杂背景抑制方法流程示意图。
图2为本发明的复杂背景抑制方法效果图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的针对在红外弱小目标检测中复杂背景导致检测准确率降低、虚警率增高的问题,提供一种检测率高、计算复杂度较低的基于图像金字塔的复杂背景抑制的方法,如图1所示,应用于检测装置,包括如下的步骤:
步骤1、检测装置接收输入的待检测的红外图像I(x,y),并利用中值滤波进行预处理去除椒盐噪声,获得预处理后的红外图像f(x,y);
步骤2、检测装置接收输入的金字塔层数L;
步骤3、检测装置确定预处理后的红外图像f(x,y)的行列数,根据该行列数,计算出金字塔最高层数1max,并判断输入的金字塔层数L是否超出1max,如果超出,则终止复杂背景抑制处理。如果没有超出,继续执行步骤4。
检测装置利用预处理后的红外图像f(x,y),计算出红外图像的行数和列数,并分别记为M和N,由于降采样方法采用的是隔行隔列降采样法,即每次降采样后的图像为原始图像的1/4,所以金字塔最高层数1max会受到M和N的限制,其公式为:
Mmax=log2M
Nmax=log2N
1max=min{Mmax,Nmax} (1)
步骤4、检测装置对预处理后的红外图像f(x,y)进行频域高斯低通滤波,获得滤波图像g(x,y),即,滤波结果,其中,这里的截止频率通常取一个经验值。
检测装置将预处理后的红外图像f(x,y)进行二维离散傅里叶变换转换到频率域,其公式为:
根据预处理后的红外图像f(x,y),可以知道红外图像f(x,y)的尺寸信息,即得到相应的行列数,分别记为M和N。再结合实际情况确定截止频率D0,就可以通过高斯低通滤波器公式得到高斯低通滤波器模板,其公式为:
然后将之前得到的频域图像F(u,v)和滤波器模板H(u,v)相点乘,既可以完成滤波操作,其公式为:
G(u,v)=∑u∑vF(u,v)×H(u,v) (4)
最后只用将滤波后的图像G(u,v)转换到空域,即对图像G(u,v)进行反二维离散傅里叶变换,其公式为:
得到的滤波图像g(x,y)即为频域高斯低通滤波结果。
步骤5、检测装置对获得的滤波图像g(x,y)进行隔行隔列降采样,如果行列数为奇数,则在滤波图像上相应的减少一行或一列,然后对减少的滤波图像g(x,y)进行隔行隔列降采样,同时对降采样次数进行累计计数。
检测装置先获取滤波图像g(x,y)的行数和列数,并分别记为M1和N1。然后根据行数M1和列数N1是否为偶数进行相应的处理,如果为偶数则直接进行降采样操作,否则先舍弃图像g(x,y)的相应的最后一行(或一列),然后再进行降采样操作。其公式为:
降采样方式为隔行隔列降采样,其公式为:
步骤6、检测装置重复执行步骤4、5,直到计数达到N-1,退出循环。并将此时获得的降采样图像记为h(x,y);
步骤7、检测装置对步骤6得到的图像h(x,y)运用双三次插值算法进行图像扩展,以此得到复杂背景估计图像;
检测装置对步骤6得到的较小尺寸图像利用双三次插值算法提高分辨率到和步骤1中得到的图像相同的分辨率,由于双三次插值算法对采样点周围16个点的灰度值做三次插值,不仅考虑到4个直接相邻点的灰度影响,而且考虑到各邻点灰度值变化率的影响,其公式为:
步骤8、将步骤1得到的预处理后的红外图像和步骤7得到的复杂背景估计图像进行减法运算,获得检测结果。如图2所示,即为利用本发明的方法所实现的复杂背景抑制的方法的效果图。
本发明通过运用图像金子塔算法直接从原始图像中提取背景信息,并没有对背景的种类进行限制,使得算法本身可以适应多种复杂的背景情况,例如:包含云层的天空背景下弱小目标等,具有较高的适应性。能运用于军事、安防等领域。本发明使用了图像金字塔算法这种多分辨技术,相较于传统方法可以更大的保留目标能量,减少目标能量的损失,方便后续的操作。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种复杂背景抑制的方法,其特征在于,包括:
检测装置接收输入的待检测的红外图像I(x,y)和金字塔层数L,并利用中值滤波进行预处理去除椒盐噪声,获得预处理后的红外图像f(x,y),
所述检测装置确定所述预处理后的红外图像f(x,y)的行列数,根据所述行列数,计算出金字塔最高层数lmax,判断所述金字塔层数L是否超出所述金字塔最高层数lmax,如果超出,则终止复杂背景抑制处理;如果没有超出,所述检测装置对所述预处理后的红外图像f(x,y)进行频域高斯低通滤波,获得滤波图像g(x,y);
所述检测装置对所述获得的滤波图像g(x,y)进行隔行隔列降采样,同时对降采样次数进行累计计数;若累计计数值达到N-1,此时获得的降采样图像记为h(x,y),检测装置利用预处理后的红外图像f(x,y),计算出红外图像的行数和列数,并分别记为M和N,由于降采样方法采用的是隔行隔列降采样法,即每次降采样后的图像为原始图像的1/4,所以金字塔最高层数lmax会受到M和N的限制,其公式为:
检测装置对预处理后的红外图像f(x,y)进行频域高斯低通滤波,获得滤波图像g(x,y),即,滤波结果,其中,这里的截止频率通常取一个经验值;
所述检测装置对所述降采样图像h(x,y)运用双三次插值算法进行图像扩展,以此得到复杂背景估计图像;
所述检测装置将预处理后的红外图像和所述复杂背景估计图像进行相减,获得检测结果。
3.根据权利要求1所述的方法,其特征在于,所述检测装置对获得的滤波图像g(x,y)进行隔行隔列降采样,具体为:
如果行数或列数为奇数,则在滤波图像上相应的减少一行或一列,然后对减少的滤波图像g(x,y)进行隔行隔列降采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710406241.XA CN107256559B (zh) | 2017-06-01 | 2017-06-01 | 复杂背景抑制的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710406241.XA CN107256559B (zh) | 2017-06-01 | 2017-06-01 | 复杂背景抑制的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107256559A CN107256559A (zh) | 2017-10-17 |
CN107256559B true CN107256559B (zh) | 2020-07-14 |
Family
ID=60022943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710406241.XA Active CN107256559B (zh) | 2017-06-01 | 2017-06-01 | 复杂背景抑制的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107256559B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222322A (zh) * | 2011-06-02 | 2011-10-19 | 西安电子科技大学 | 基于多尺度非局部均值的红外图像背景抑制方法 |
CN102324021A (zh) * | 2011-09-05 | 2012-01-18 | 电子科技大学 | 一种基于剪切波变换的红外弱小目标检测方法 |
CN105809147A (zh) * | 2016-03-29 | 2016-07-27 | 北京环境特性研究所 | 基于Markov自回归模型的地球大气红外背景抑制方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7551334B2 (en) * | 2005-07-20 | 2009-06-23 | Xerox Corporation | Background suppression method and apparatus |
CN100461218C (zh) * | 2007-03-29 | 2009-02-11 | 杭州电子科技大学 | 多尺度自适应对比度变换的医学图像增强方法 |
US7936923B2 (en) * | 2007-08-31 | 2011-05-03 | Seiko Epson Corporation | Image background suppression |
CN102419972B (zh) * | 2011-11-28 | 2013-02-06 | 西安交通大学 | 一种声音信号检测和识别的方法 |
CN102945548A (zh) * | 2012-11-20 | 2013-02-27 | 成都晶石石油科技有限公司 | 一种基于方向金字塔滤波的图像处理方法及装置 |
CN103177458B (zh) * | 2013-04-17 | 2015-11-25 | 北京师范大学 | 一种基于频域分析的可见光遥感图像感兴趣区域检测方法 |
CN103645467B (zh) * | 2013-11-11 | 2016-04-06 | 北京环境特性研究所 | 海杂波抑制以及海杂波背景中目标检测的方法和*** |
CN103632348B (zh) * | 2013-11-29 | 2016-05-11 | 中国人民解放军国防科学技术大学 | 一种非线性图像多尺度几何表示方法 |
CN106384344B (zh) * | 2016-08-30 | 2019-02-22 | 中国科学院长春光学精密机械与物理研究所 | 一种光学遥感图像海面舰船目标检测与提取方法 |
-
2017
- 2017-06-01 CN CN201710406241.XA patent/CN107256559B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222322A (zh) * | 2011-06-02 | 2011-10-19 | 西安电子科技大学 | 基于多尺度非局部均值的红外图像背景抑制方法 |
CN102324021A (zh) * | 2011-09-05 | 2012-01-18 | 电子科技大学 | 一种基于剪切波变换的红外弱小目标检测方法 |
CN105809147A (zh) * | 2016-03-29 | 2016-07-27 | 北京环境特性研究所 | 基于Markov自回归模型的地球大气红外背景抑制方法 |
Non-Patent Citations (2)
Title |
---|
Adaptive detection for infrared small target undersea-skycomplexbackground;L. Yang等;《ELECTRONICS LETTERS》;20040831;第40卷(第17期);第1-2页 * |
基于改进的剪切波变换和引导滤波的红外弱小目标背景抑制方法;荣生辉 等;《光子学报》;20150228;第44卷(第2期);第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107256559A (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Three-frame difference algorithm research based on mathematical morphology | |
CN106469313B (zh) | 一种管径自适应时空域滤波的弱小目标检测方法 | |
CN103761731A (zh) | 一种基于非下采样轮廓波变换的红外空中小目标检测方法 | |
CN104834915B (zh) | 一种复杂云天背景下小红外目标检测方法 | |
CN104657945A (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
CN110580709A (zh) | 一种基于ViBe和三帧差分融合的目标检测方法 | |
Dong et al. | Infrared target detection in backlighting maritime environment based on visual attention model | |
Li et al. | A small target detection algorithm in infrared image by combining multi-response fusion and local contrast enhancement | |
Dehghani et al. | Small target detection and tracking based on the background elimination and Kalman filter | |
CN112669332B (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
CN107256559B (zh) | 复杂背景抑制的方法 | |
CN115631114B (zh) | 基于时域剖面分析的暗弱动目标指示增强在轨处理方法 | |
Jiang et al. | An infrared small target detection algorithm based on peak aggregation and Gaussian discrimination | |
Qin et al. | A background extraction and shadow removal algorithm based on clustering for ViBe | |
Li et al. | Algorithm of Canny Operator Edge Pre-processing Based on Mathematical Morphology | |
US11145040B2 (en) | Dynamic background clutter suppression | |
Wang et al. | Image edge detection algorithm based onwavelet fractional differential theory | |
Ning et al. | Ship detection of infrared image in complex scene based on bilateral filter enhancement | |
Peng et al. | Infrared small target detection under complex background | |
Zhang et al. | Infrared small target detection based on anisotropic contrast filter | |
Wen et al. | A method for automatic infrared point target detection in a sea background based on morphology and wavelet transform | |
Khan et al. | An image enhancement technique of x-ray carry-on luggage for detection of contraband/illicit Object (s) | |
CN107833195A (zh) | 在轨海洋暗弱目标光学图像增强方法 | |
Jie et al. | A bullet holes detection algorithm based on wavelet transform and image fusion | |
CN115187918B (zh) | 一种监控视频流中移动物体的识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |