基于局部直方图的红外目标分割算法

冯 帅，赵金博

（1.总参谋部第55研究所，北京100094；2.华北光电技术研究所，北京100015）

·图像与信号处理·

基于局部直方图的红外目标分割算法

冯 帅1，赵金博2

（1.总参谋部第55研究所，北京100094；2.华北光电技术研究所，北京100015）

在远程红外探测系统中，背景为缓慢变化的天空，而目标则表现为局部奇异点。目标灰度分布范围大，局部较亮，边缘与背景对比度低。根据这一特性，提出了一种基于局部直方图的目标分割算法。文中分析了多个目标的直方图分布特性，根据其灰度分布规律和像素个数判决条件实现了目标的有效分割。该算法适用于空域背景下的飞行目标分割。经过仿真验证表明，本文所提出的算法能快速有效地分割出红外飞行目标，有很强的实用性。

红外目标；直方图；目标分割

1 引言

在对图像的应用和研究中，人们往往只对其中的某一部分感兴趣，它对应于图像中具有某一特殊性质的区域，称之为目标或前景；而其他部分称之为背景。所谓图像分割技术就是指把图像分解为不同特性的区域，并提取出感兴趣目标的过程。通常图像分割的实现方法是将图像分为“黑”“白”两类，这两类分别代表了两类不同的对象，因为结果为二值图像，所以分割也叫做二值化处理［1］。它能使后续处理的数据量大大减少，同时又能有效地保留目标特征的基本信息。因此，红外图像分割技术直接影响系统的整体性能，它是保证系统探测能力和识别能力的重要环节和关键技术［2］。

近些年来，提出了很多实用的分割算法，如阈值分割法、边缘检测法、区域分割法、分裂合并法等。这些算法大都是只能在特定的应用背景之下才能取得较好的分割效果，因此具有一定的局限性。到目前为止还没有出现一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，继续开展对图像分割技术的研究，尤其是研究红外图像领域的目标分割技术具有十分重要的意义［3］。

本文的研究对象为空域背景下的红外图像。各种姿态和类型的飞机为主要的目标类型。因为是远距离探测，所以目标像素数较少，只有几十个甚至几个像素。尽管如此，但是目标本身红外辐射情况并不均匀，灰度级范围广，层次丰富。目标不同部位的热量分布不一，如发动机、尾焰等部位灰度值偏高，而机身其他部位灰度值较低。空域背景则灰度级较为集中，变化范围小，灰度值低于目标。

2 灰度直方图

灰度直方图是代表灰度级的一种图形函数描述，它代表图像中含有该灰度级的像素的个数。直方图的横坐标代表的是灰度级，纵坐标是该灰度级像素的个数。热像仪输出的图像一般为8 bit、14 bit或者16 bit数据，因此其对应的灰度级范围分别为0～255、0～16383、0～65535。

直方图是对图像基本特征的一种描述，每幅图像都有对应的确定的直方图。虽然直方图与图像的景物信息不是一一对应的关系，但是一旦景物成像后，它的像素灰度就确定了，直方图也随之确定。因此，直方图在一定程度上能反过来反映图像的灰度分布信息，从而可以有利于分析图像［4］。

典型目标和目标对应的直方图如图1、图2、图3所示。

图1 大飞机及其直方图

图2 小飞机及其直方图

由此可知：对于大部分空中飞行目标而言，其局部区域的直方图具有类似的特性，如图4所示。背景灰度级集中，且分布在低灰度区，目标灰度级变化范围较广，分散在高灰度区。不同图像略有不同，但是都遵循以上规律。

图3 机尾焰及其直方图

图4 典型目标灰度级分布示意图

3 直方图分割

直方图双峰法是一种传统且典型的直方图分割方法。当灰度图像中画面比较简单且目标对象的灰度分布比较有规律时，背景和目标在图像的灰度直方图上可能各自形成一个波峰，如图5所示。图像的直方图可以看作是像素灰度值概率分布密度函数的一个近似，直方图所代表的像素灰度值概率密度分布函数实际上就是对应目标和背景的两个单峰分布密度函数之和。选择双峰间低谷处所对应的灰度值为阈值，可以很好的将两个区域分离。这就是直方图双峰法［5］。

图5 典型双峰型直方图

双峰法比较简单，在可能情况下常常作为首选的阈值确定方法。但是由前面的分析可知本文所针对的图像没有上述明显的双峰，而是只有背景一个峰，目标所占的有限的像素分散在直方图高灰度区域，因此不具备双峰法的使用条件。

尽管如此，双峰法的基本思想给了我们很好的启迪，我们可以秉承其基本思路，在其基础上做出改进来适应我们的应用。直方图双峰法是把“背景”峰和“目标”峰之间的“低谷”作为最佳分割阈值来进行分割。而现在是要算出“单峰”所代表的背景和分散的高灰度区所代表的目标之间的阈值。不妨根据其灰度分布区域和像素个数的差异，自右而左统计追踪直方图轮廓，依据像素个数判决条件来寻找最佳阈值。自右而左保证了从高灰度区域到低灰度区域进行运算，从而先把灰度值较高的目标分离出来；像素个数判决条件保证了只把单个灰度级像素数较少的目标区域分离出来而把灰度集中的背景区域拒之门外。

设红外图像的灰度值范围为｛Gmin，Gmin＋1，…，Gmax｝，其中Gmin为最小灰度值，Gmax为最大灰度值。g代表某个灰度值，图像中具有g灰度值的像素个数为ng。则一幅图像的直方图可表示为［6］：

令灰度值g处的概率为Pg，则：

假设设定的像素判决条件为N＝｛N1，N2｝，则利用像素判决条件对直方图进行统计分析从而即可确定分割阈值Th，Th需满足以下条件：

确定出分割阈值Th之后，便可利用Th进行图像分割得到二值化图像。

整个算法流程图如图6所示。

图6 算法流程图

算法评价标准：由于分割的情况复杂多变，目前还没有一个客观的评价分割好坏的准则。一般只能从具体的分割结果主观判断。主观判断的因素主要包括以下几点：区域内部简单，没有很多空洞；同一特性区域一致和均匀；区域边界简单不粗糙；不同区域在特性上有显著区别。

4 实验结果

典型目标及其对应分割效果如图7、图8、图9所示。

图7 大飞机及其分割效果

图8 小飞机及其分割效果

图9 飞机尾焰及其分割效果

由分割结果可以看出，本算法能完整地分割出飞行目标，较完好地保留了目标的轮廓信息，且分割结果内部没有出现空洞，背景与目标区域区分显著，有很好的分割效果。

5 结 论

本文分析了典型红外目标的直方图分布，在传统的直方图双峰法基础上，提出了基于局部直方图的红外目标分割算法。该算法抓住红外背景灰度级集中，目标灰度级分散，且目标灰度值大于背景的特点，利用直方图分析和像素个数判断条件实现了目标的有效分割。由大量的仿真验证，该算法对不同目标类型均能取得较好的分割效果，从而为后续的目标分类和目标识别奠定了良好的基础［7］。

参考文献：

［1］ YUN Tingjin，GUO Yongcai，GAO Chao.Human segmentation a algorrithm in infrafed images based on K-means clustering centers analysis［J］.Opto-Electronic Engineering，2008，35（3）：140－144.（in Chinese）

云廷进，郭永彩，高潮.K-均值聚类中心分析法实现红外人体目标分割［J］.光电工程，2008，35（3）：140－144.

［2］ HU Liu，XIE Mei.Moving infrared object segmentation based on Spatio-temporal Information［J］.Infrared Technology，2006，28（5）：271－274.（in Chinese）

胡柳，解梅.基于时空联合的红外运动目标分割算法［J］.红外技术，2006，28（5）：271－274.

［3］ ZHANG Shuzhen.Image threshold segmentation algorithm for infrared small target detection［J］.Laser＆Infrared，2013，43（10）：1171－1174.（in Chinese）

张书真.一种检测红外小目标的图像阈值分割算法［J］.激光与红外，2013，43（10）：1171－1174.

［4］ LOU Shuli，ZHOU Xiaodong.IR simulated image assessment based on histogram analysis［J］.Laser＆Infrared，2011，41（11）：1273－1277.（in Chinese）

娄树理，周晓东.基于直方图分析的红外仿真图像验证方法研究［J］.激光与红外，2011，41（11）：1273－1277.

［5］ CHENG Jie.A Method of Segmentation Based on Histogram［J］.Huazhong Univ.of Sci.＆Tech，1999，27（1）：84－86.（in Chinese）

程杰.一种基于直方图的分割方法［J］.华中理工大学学报，1999，27（1）：84－86.

［6］ CHEN Dong，HUANG Yongjie，SHEN Zhenkang.Research on the Target Segmention Method of Infrared Image［J］.Systems Engineering and Electronics，2002，24（1）：74－85.（in Chinese）

陈东，黄勇杰，沈振康.红外图像目标分割方法研究［J］.系统工程与电子技术，2002，24（1）：74－85.

Infrared target segmentation algorithm based on partial histogram

FENG Shuai1，ZHAO Jin-bo2
（1.The 55th Research Institute of PLA General Staff Headquarters，Beijing 100094，China；2.North China Research Institute of Electro-optics，Beijing 100015，China）

In infrared remote target detection system，the sky-background changes slowly，but the target shows the partial corner.It has a broad gray range and is brighter than the background.According to these characteristics，a target segmentation algorithm based on partial histogram is presented.The distribution characteristics ofmulti-target histogram are analyzed.According to gray level distribution rule and the image pixels restriction，the image segmentation is realized.Experiment results show that thismethod can segment flying targets rapidly and effectively，and ithas strong practicability.

infrared target；histogram；target segmentation

TP391.41

A

10.3969／j.issn.1001-5078.2014.11.020

1001-5078（2014）11-1274-04

冯 帅（1988－），男，硕士研究生，主要从事红外目标检测与识别相关技术研究。E-mail：aynlin＠163.com

2014-03-15；

2014-04-02