基于形态学重构运算的地面目标识别算法

侯云峰，阳丰俊，杨效余，王玉璞

(1.中国运载火箭技术研究院，北京 100076;2.北京遥测技术研究所，北京 100076)

基于形态学重构运算的地面目标识别算法

侯云峰1，阳丰俊1，杨效余2，王玉璞2

(1.中国运载火箭技术研究院，北京 100076;2.北京遥测技术研究所，北京 100076)

针对在热红外遥感图像上识别背景复杂的地面目标较为困难这一问题，提出了基于形态学重构运算的地面目标识别算法。该算法首先对形态学重构运算的背景抑制原理及其算法的适应性进行了分析，并将该算法应用于对原始图像的背景抑制与处理;然后，对处理后的图像进行分割，获得感兴趣的目标区域;最后，通过对感兴趣区域特征的提取与匹配识别目标。实验结果表明，该方法能从复杂自然场景中有效地识别出目标。

目标识别;形态学重构;背景抑制;特征匹配

0 引言

在热红外遥感成像过程中，探测器所接收的地面自然场景辐照度主要决定于地物自身热辐射和地面对太阳红外辐射的反射。地面自然场景或地物(如地表的起伏、土壤、植被、河流、湖泊、人造建筑以及道路等)的热辐射特性影响图像上的亮温分布，这使得从地面背景图像中识别目标较为困难，特别是目标在局部背景中对比度差、重复模式多的情况下，识别起来尤为困难。

针对地面目标识别问题，许多学者进行了相关研究。文献［1］提出了基于机载光学成像系统的地面自然场景图像目标识别法。该方法首先对光学传感器获取的图像进行边缘提取，得到边缘图像;然后分别计算边缘图像与每个目标轮廓投影的相似程度;最后根据相似程度的高低决定该图像上是否包含目标，若包含目标，指定目标的类型。文献［2］提出了基于多级目标模型分析的热成像战术目标分类方法，该方法预先存储多级目标结构模型，将结构模型投影到成像平面，并与从实时图像上提取的边缘特征相匹配，从而实现对目标的正确分类识别。以上方法不足之处是直接对输入图像进行边缘提取，不易获得理想结果，而且为后续正确识别目标增加了难度。

为了克服上述文献中方法的缺陷，本文采取对输入图像进行背景抑制的方法，以达到突出目标的目的。首先对输入的原始图像采用灰度级形态学重构运算抑制背景，滤除复杂的地物背景，突出目标;然后对背景抑制后的图像进行分割，获得目标感兴趣区，通过感兴趣区特征提取与匹配识别目标。

1 背景抑制原理

Braga － Neto［3］，Vincent［4］和 Soille［5］等提出了灰度顶帽形态学重构算子原理。

设已知图像为f，找到另外图像fm作为标记图像，要求fm⊂f(标记图像fm包含于图像f中)。用T={F(t)|t∈R，F(t)≠∅}和 Tm={Fm(t)|t∈R，Fm(t)≠∅}分别表示f和fm的域值分解，其中F(t)和Fm(t)分别为图像f和fm在灰度级为t时的横向截面。如果在Fm(t)上应用二值形态图像重构算子RC［Fm(t)|F(t)］，已知 F(t)，那么被 Fm(t)标记的所有目标F(t)都将得到完整的重构。对于每个灰度级t，如果都这样处理，并且将结果叠加在一起，就得到了灰度重构算子rc(fm|f)，这就是有条件的灰度重构算子。因为图像fm标记了想要保存的图像轮廓部分，而这部分能从标记中完整地重构，即

在使用形态学重构算子进行背景抑制时，选择一个合适的标记图像fm是非常重要的。一般来说，对于亮目标，由于其灰度值大于局部背景灰度值，可以采用腐蚀运算F(t)ΘB作为标记图像，即

式中:B为结构元;(v，w)为结构元B的坐标。所以，灰度开重构算子定义为

对于暗目标，可采用灰度形态学闭运算进行背景抑制，即

式中:f*=M－f表示图像f的最大灰度级M与图像f中每个像元相减。

因此，灰度级顶帽开/闭重构运算定义为

本文采用灰度级顶帽开重构运算对亮目标进行背景抑制，达到抑制背景、突出目标的目的。

2 背景抑制方法的适应性

2.1 模板大小对算法的影响

通过更改形态学腐蚀运算的模板大小来控制保留下来小目标的尺寸。若模板过小，目标在图像中尺寸较大，则目标可能被滤除;相反，若模板过大，目标虽然被保留下来，但也保留了较多的杂波。图1为对热红外图像背景抑制的处理结果。

(2)工程前后水位变化。裁弯工程实施以后，南夹江比降增大，分流量也增大，裁弯出口段受到长江干流来水的顶托，在82 400 m3/s流量下水位壅高幅度达0.06 m，其余河段水位均有所下降，下降幅度在0.01～0.05 m之间。

图1 不同模板的坦克目标背景抑制结果Fig.1 Results of background suppression for a tank target using different templates

从图1(a)可以看出，坦克目标处于地面背景中，当使用5像元×5像元模板时，背景抑制结果图像上的大量杂波被抑制(图1(b));当使用20像元×20像元模板时，背景抑制结果图像上的大量杂波被保留下来(图1(d))。

2.2 目标局部对比度对算法的影响

在进行背景抑制时，有时会出现目标局部对比度很低的情况(即目标被融入到了背景中)，此时采用形态学重构算法进行背景抑制就不能获得较好的结果。从图2可以看出，分别使用5像元×5像元(图2(b))、15像元×15像元(图2(c))和20像元×20像元模板(图2(d))对图像进行背景抑制，在处理结果中目标并没有被突出出来，却保留了较多的自然背景杂波。

图2－1 低对比度坦克目标的背景抑制结果Fig.2 －1 Results of background suppression for a low contrast tank target

图2－2 低对比度坦克目标的背景抑制结果Fig.2 －2 Results of background suppression for a low contrast tank target

2.3 算法性能评估指标

为了衡量背景抑制算法的性能，本文以最常用的目标信杂比(SCR)、信杂比增益(SCRG)和背景抑制因子(BSF)3个指标作为客观评价准则［6］。

目标信杂比(SCR)计算公式为

式中:μs为目标的平均亮度;μc为局部背景的平均亮度;σc为局部背景的标准差。

信杂比增益(SCRG)计算公式为

式中:(μs/σc)in和(μs/σc)out分别代表背景抑制前、后目标区平均亮度与其局部背景区标准差之比。

背景抑制因子(BSF)计算公式为

图3 不同地面场景目标背景抑制图像Fig.3 Images of background suppression in different ground scenes

表1 背景抑制性能指标Tab.1 Performance items of background suppression

从表1可以看出，若SCRG＜1，BSF＜1，并且背景抑制后SCR降低，此时图像背景抑制效果很差(图3(d));相反，若经过背景抑制后目标信杂比提高，SCRG＞1，BSF＞1，此时图像经过背景抑制后能较好地突出目标(图3(c))。

3 图像分割和特征提取与匹配

将背景抑制后的结果图像进行二维最大熵分割［7］，并对分割后的图像进行二值形态学膨胀运算。获得的图像包含若干个感兴趣区，对该图像进行特征(周长，外接矩形的高、宽，形状因子等)提取。

在预先制备好的一组目标特性视图里选取与该飞行参数相对应的一帧特性视图，作为当前目标模型;然后，提取当前目标模型各个特征量，并将其作为模型特征向量。

定义一个感兴趣区某个特征量的相对误差Eij为区第j个测量特征量。

根据式(10)计算每个感兴趣区的各个特征量相对误差，如果不满足

则该感兴趣区域被舍弃，否则，保留该感兴趣区。Ethresh为指定参数。

经过上述处理后，保留与目标最为接近的感兴趣区，并将该区对应到原始输入图像相应局部区域，进行目标轮廓特征提取与匹配，实现对目标的定位。

4 实验结果

式中:FPj为第j个模型特征量;Fmij为第i个感兴趣

图4为应用上述方法对红外探测器接收的某一自然场景的单帧图像(目标为坦克)处理结果。

图4 某地面目标图像处理结果Fig.4 Results of image processing for ground target

对上述自然场景以一定飞行高度和某个方位角进入，在不同的俯仰角条件下，对所成的序列图像进行目标识别仿真实验，结果如图5所示。

图5 成像距离与目标识别率关系Fig.5 Relation between imaging range and target recognition rate

从图5可以看出，随着成像距离的减小，目标正确识别率增大;当目标在近距离成像时，能进行稳定识别。

5 结论

通过对形态学重构运算的背景抑制算法的适应性分析，认为目标的局部对比度和模板大小会影响背景抑制效果;通过对背景抑制后的图像进行分割、感兴趣区特征提取与匹配，可以进行目标识别。仿真实验结果表明，该方法能从复杂自然场景中有效地识别出目标。

［1］Ruch O，Dufour J Y.Real－time Automatic Target Recognition and Identification of Ground Vehicles for Airborne Optronic Systems［C］//Proceedings of the SPIE on Applications of Digital Image Processing XXVIII.2005:590902 －1 －10.

［2］Lee H C，Olson T L，Sefcik J A.Hierarchical Target Model Analysis of Tactical Thermal Imagery［C］//Proceedings of SPIE on Automatic Target Recognition XII.2002:114 －121.

［3］Braga － Neto U，Choudhary M，Goutsias J.Automatic Target Detection and Tracking in Forward－looking Infrared Image Sequences Using Morphological Connected Operators［J］.Journal of Electronic Imaging，2004，13(4):802 －813.

［4］Vincent L.Morphological Grayscale Reconstruction in Image Analysis:Applications and Efficient Algorithms［J］.IEEE Transactions on Image Processing，1993，2(2):176 －201.

［5］Soille P.Morphological Image Analysis:Principles and Applications［M］.2th ed.New York:Springer－ Verlag，2004.

［6］Hilliard C I.Selection of a Clutter Rejection Algorithm for Realtime Target Detection from an Airborne Platform［C］//Proceedings of the SPIE in Signal and Data Processing of Small Targets.2000:74－84.

［7］Abutaleb A S.Automatic Thresholding of Gray － level Pictures Using Two － dimensional Entropy［J］.Computer Vision，Graphics，and Image Processing，1989，47(1):22 －32.

The Method for Target Recognition from Natural Scene Images Based on Morphological Reconstruction

HOU Yun－feng1，YANG Feng－jun1，YANG Xiao－yu2，WANG Yu－pu2
(1.China Academy of Launch Vehicle Technology，Beijing 100076，China;2.Beijing Institute of Telemetry，Beijing 100076，China)

In this paper，a method for target recognition from natural scene images based on morphological reconstruction is presented and used to solve the problem of target recognition of the ground scene.Firstly，the definitions of grayscale reconstruction are illustrated and their performance evaluation for background suppression is demonstrated，and an input image is processed using morphological grayscale reconstruction.Then，the processed image is segmented and regions of interest are obtained.Lastly，the target is recognized by features extraction for regions of interest and matching based on model features of the target.The experiment results show that the proposed method can effectively recognize the target from complex natural scene.

target recognition;morphological reconstruction;background suppression;feature matching

TP 391;TP 75

A

1001－070X(2012)03－0011－05

2011－10－17;

2011－12－25

10.6046/gtzyyg.2012.03.03

侯云峰(1990－)，男，主要从事信号处理、图像处理等方面研究。E－mail:rmsds@sina.com。

(责任编辑:刁淑娟)