基于局部均值差分的红外小目标图像背景抑制算法

徐航*，张喜涛，张军鹏中国空空导弹研究院，洛阳　471009

基于局部均值差分的红外小目标图像背景抑制算法

徐航*，张喜涛，张军鹏
中国空空导弹研究院，洛阳471009

复杂背景条件下红外小目标检测是提高红外武器系统探测距离的有效措施之一。针对小目标的特点提出了一种基于局部均值差分的红外小目标图像背景抑制算法。首先，通过优化的高通滤波进行初始背景抑制；然后，在分析小目标与背景像素差异的基础上检测目标潜在区域；最后，通过局部分割和特征分析实现抑制背景并增强目标。仿真结果表明，对于复杂地物及云层背景的红外图像，所提算法在提高目标信噪比及对比度方面均有较强的稳定性。

复杂背景；红外小目标检测；背景抑制；局部均值差分；高通滤波

http://hkxb.buaa.edu.cn hkxb@buaa.edu.cn

复杂背景下的红外小目标检测是提高武器系统作用距离的有效手段之一，而红外小目标背景抑制是红外小目标检测识别中的一个关键环节，并且一直是该领域的研究热点和难点。复杂背景下的红外小目标成像距离远，目标在图像中仅占较少像素，而成像系统内的噪声和背景杂波干扰较强，使得目标信号相对较弱，容易被强噪声和背景信号淹没，同时由于目标缺乏有效的形状和纹理特征，使得可以利用的特征较少。因此，复杂背景下的红外小目标通常具有以下特点：①目标占用像素点少；②信噪比低；③可利用特征少。针对红外小目标的上述特点，抑制背景杂波、提高目标信噪比就成为了目标检测的关键所在。近年来，国内外学者对红外小目标的背景抑制作了大量的研究，主要方法有：形态学滤波［1］、高通滤波［2］和小波滤波［3-4］3种。形态学顶帽变换方法通过一定的结构元实现背景抑制，如果结构元选择不当会将目标滤除或是背景抑制效果不明显。高通滤波方法易于实现，但其同时提高了噪声的信噪比，不利于后续处理。小波变换方法通过去掉分解后的各低频子带来抑制背景，抗杂波能力强，其缺点是小波分解方向数目有限，不能有效地将目标和边缘杂波信息分离。针对上述各算法的不足，目前对于红外小目标检测的背景抑制趋势是采用2种或者多种滤波方法组合进行处理，例如，在文献［5-6］中就提出了一种基于小波变换和数学形态学的目标图像增强方法，但通常此类算法只能针对某种具体场景进行处理，具有一定的局限性。在采集大量红外图像，充分研究目标与背景特点的基础上，本文提出一种基于局部均值差分的目标疑似点检测方法以抑制复杂云层和地物背景等强杂波，增强目标信号。

1　算法原理

根据国际光学工程学会（SPIE）的建议，当目标在红外图像中所占像素不超过图像总像素的0.15％时，此目标被定义为小目标。例如对尺寸为320×180像素的红外图像，小目标的尺寸大小不超过9×9像素，为了留下一定的余量，本文对小目标尺寸定义为不超过10×10像素。

1.1优化的高通滤波

红外成像系统中，图像背景主要由系统自身噪声和外部景物2部分组成。系统噪声包括图像校正后残留的非均匀性噪声和电路产生的散粒噪声。残留的非均匀性噪声具有位置固定的特点［7］，而散粒噪声灰度高、面积小、边缘清晰、位置不固定。外部背景主要是作战环境中所面对的净空背景、天空云背景和地物背景，云背景和地物背景通常具有面积大、灰度变化缓慢的特点。利用传统高通滤波和中值滤波仿真后，发现传统高通滤波虽然可以达到抑制均匀背景噪声以及增强目标边缘的效果［8］，但是对目标本身灰度的削弱也很明显，而且无法滤除孤点噪声；传统中值滤波可以平滑图像，滤除孤点噪声，但对大面积的云背景却无法滤除［9］。鉴于传统高通滤波算法和传统中值滤波算法优缺点的互补性，本文将高通滤波算法和中值滤波算法相融合，提出一种兼有2种滤波算法优点的滤波算法，即：优化的高通滤波算法。优化的高通滤波表达式为

r（i，j）=y（i，j）+m（i，j）-2l（i，j）（1）式中：（i，j）为图像的横、纵坐标；r（i，j）为输出图像；y（i，j）为原始图像；m（i，j）为十字五点中值滤波结果图像；l（i，j）为低通滤波结果图像。

根据上文对小目标尺寸的定义，低通滤波器的滤波半径选择5，则高通滤波器可以保留10×10以下的目标，能够满足小目标的检测需求。算法设计过程中还对比研究了形态学滤波算法和梯度滤波算法，通过对地物背景、云背景以及其他非均匀性背景的图像仿真测试结果表明，优化的高通滤波算法能够更有效地抑制图像中缓变的背景，提升目标信噪比，同时该算法较为成熟，易于用FPGA实现［10］。

1.2基于局部均值差分的背景抑制算法

小目标自身的红外辐射强度往往在一定程度上高于其局部背景，因而两者之间存在一定的差异，例如飞机在飞行过程中，尾喷管的温度往往较高，在红外图像中该部分的灰度值高于周边背景环境的灰度值。针对小目标与其周围区域的差异性，提出一种基于局部均值差分的背景抑制方法。

对优化的高通滤波输出图像进行局部均值差分，首先采用极值点检测算法提取图像中的疑似目标点，其次在疑似目标点处开窗作为目标疑似区域，最后分别对每个疑似区域按照信噪比进行局部分割，将分割门限之下的像素点作为背景进行排除，剩下的图像即为背景抑制后的图像。

均值差分图像表达式为

式中：R（i，j）为均值差分图像；L（i，j）为优化的高通滤波图像；N1和N2为不同的窗口大小，根据上述对小目标的定义，窗口大小定为15和10。

极值点检测算法通过对均值差分图像进行全图搜索，提取前N个灰度极值点，N的大小可根据场景的复杂程度和算法的运行时间要求确定。通过仿真试验，综合算法的实时性和有效性，N取值为10。

局部分割是指根据局部区域的灰度分布对目标疑似点采用不同的分割门限，一方面能够提取出局部区域内显著的小目标，另一方面在复杂背景聚集的区域能够自动抬升门限，将大部分复杂背景滤除［11］。

2　仿真试验及结果分析

选取尺寸均为320×180像素的6幅典型云背景图像，并采用形态学滤波算法［12］作为本文算法的比较对象，通过MATLAB软件仿真对比验证本文所提算法的有效性。仿真结果如图1～图3所示。

图1～图3分别为原图像及其三维灰度分布图，形态学滤波处理效果图及其三维灰度分布图，本文算法的处理效果图及其三维灰度分布图，为了更好地显示效果，本文将三维图逆时针旋转了90°。仿真结果表明对灰度高于目标的大面积缓变背景，2种算法都能够有效滤除，但相对于形态学滤波方法，本文方法对背景中的强边缘信号进行了有效地抑制而且真实目标灰度值更高。

图1　原图像及其三维灰度分布图Fig.1　Original image and its 3-D grey map

图2　形态学滤波处理效果图及其三维灰度分布图Fig.2 Image processed by mathematical morphology andits 3-D grey map

图3　本文算法的处理效果图及其三维灰度分布图Fig.3 Image processed by algorithm of this paper and its3-D grey map

为更好地比较评价图1～图3中3种算法的处理效果（相对于主观视觉评价），对原始图像中的原有目标1（图1（a）中Target1）和手工添加全图信噪比为2的目标2（图1（b）中Target2）采用背景均值、信噪比和对比度这3个参数作为滤波效果评价指标，其中，信噪比和对比度分别定义为［13］

式中：μT为待评估像素点灰度值；μB和σB分别为局部背景区域的灰度均值和标准差。

显然滤波后图像的背景均值越小，信噪比和对比度越高，表明算法性能越好，图像质量越高。算法的图像处理性能评价参数统计如表1所示。

根据表1结果（左半部分为目标1，右半部分为目标2）可知，形态学滤波算法和本文算法均能够对背景均值进行抑制，并有效提升图像信噪比和对比度。但本文算法抑制背景和提升信噪比与对比度的效果更加明显，以目标2为例，相对形态学滤波算法，信噪比提高了（5.91-3.90）/3.90=51.54％，对比度提高了（0.94-0.72）/0.72= 30.56％，各项指标均得到了有效提升，说明本文算法能更加有效地抑制背景并突出目标，这也为后续目标的快速定位和检测提供了极大便利。

本文虽然在处理红外小目标有极大的便利，但是对于信噪比在1附近甚至信噪比低于1的红外弱小目标，由式（1）可知高通滤波结果为0甚至为负数，在本论文中这种滤波图像是无法处理的，这也是本论文以后改进的方向。

表1　不同算法下各项指标对比Table 1　Comparison between different parameters undervarious algorithms

3　结论

针对复杂背景下的红外小目标图像背景抑制技术，本文提出了一种基于局部均值差分的背景抑制算法。该算法很好地满足了背景抑制和目标增强的指标要求。仿真结果表明，与传统的背景抑制算法相比，本文算法的优越性体现在：

1）覆盖目标尺寸的滤波窗口遍历整幅图像进行背景抑制，滤除了大面积缓变背景和强起伏边缘，同时对目标进行保护。

2）滤波后进行目标疑似区域局部分割，有效去除了图像中的虚假目标，背景均值抑制、信噪比和对比度增益非常显著，具有优良的背景适应性。

3）各模块算法相对成熟，便于采用硬件处理，保证了算法的实时性和有效性。

［1］Wang Y，Zheng Q B，Zhang J P.Real time detection of small target in IR grey image based on mathematical morphology［J］.Infrared and Laser Engineering，2003，32（1）：28-32（in Chinese）.

汪洋，郑亲波，张钧屏.基于数学形态学的红外图像小目标检测［J］.红外与激光工程，2003，32（l）：28-32.

［2］Xu Y.Small moving target detection in infrared image sequences［J］.Infrared Technology，2002，24（6）：27-30（in Chinese）.

徐英.红外图像序列中运动弱小目标检测的方法研究［J］.红外技术，2002，24（6）：27-30.

［3］Wang Z C，Tian J W，Liu J，et al.Small infrared target fusion detection based on support vector machines in the wavelet domain［J］.Optical Engineering，2006，45（7）：1-9.

［4］Firooz A，Sadjadi.Infrared target detection with probability density functions of wavelet transform subbands［J］. APPLIEDOPTICS，2004，43（2）：315-323.

［5］Wang R，Xu W S，Zhang B.Algorithm of target image enhancement based onwavelet transform and grayscale morphology［J］.Journal of Sichuan Ordnance，2014，35 （8）：131-134（in Chinese）.

王瑞，徐武松，张波.基于小波变换和形态学的目标图像增强算法［J］.四川兵工学报，2014，35（8）：131-134.

［6］Zhou Y C，He Y Q，Li J T.Infrared image enhancement method based onwavelet transformation and grayscale morphology［J］.Laser ＆ Infrared，2011，41（6）：683-686 （in Chinese）.

周云川，何永强，李计添.基于小波和灰度形态学的红外图像增强方法［J］.激光与红外，2011，41（6）：683-686.

［7］Tang Y F，Li J.Implementation of filtering algorithm at infrared complex background by FPGA［J］.Aero Weaponry，2007（2）：25-28（in Chinese）.

唐耀飞，李杰.红外复杂背景滤波算法的FPGA实现［J］.航空兵器，2007（2）：25-28.

［8］Hou J，Xin Y H.A method for infrared small target detection with high-pass filter and image enhancement technology［J］.Infrared Technology，2013，35（5）：279-284 （in Chinese）.

侯洁，辛云宏.基于高通滤波和图像增强的红外小目标检测方法［J］.红外技术，2013，35（5）：279-284.

［9］Song Y.Optimization and realization of median filtering algorithm in image processing［D］.Beijing：Beijing University of Post and Telecommunication，2011.

宋洋.图像处理的中值滤波算法优化与实现［D］.北京：北京邮电大学，2011.

［10］Zhao Y X.FPGA theory，design and application［M］. Tianjin：Tianjin University Press，1999.赵雅兴.FPGA原理、设计与应用［M］.天津：天津大学出版社，1999.

［11］Zhang Q，Cai J J，Zhan QH，et al.Small dim infrared targets segmentation method based on local maximum［J］. Infrared Technology，2011，33（1）：41-44（in Chinese）.

张强，蔡敬菊，张启衡，等.基于局部极大值的红外弱小目标分割方法［J］.红外技术，2011，33（1）：41-44.

［12］Fang Y Q，Fan X，Cheng Z D，et al.The analysis of infrared small target tracking based on mathematicalmorphology［J］.Journal of Projectiles，Rockets，Missiles and Guidance，2012，32（2）：15-18（in Chinese）.

方义强，樊祥，程正东，等.基于数学形态学的红外小目标跟踪研究［J］.弹箭与制导学报，2012，32（2）：15-18.

［13］Li X L，Zhao W，Zhang L，et al.Background suppression for infrared small target image based on local third order difference［J］.Laser ＆ Infrared，2013，43（4）：447-451 （in Chinese）.

李晓龙，赵威，张雷，等.基于局部三阶差的红外小目标图像背景抑制算法［J］.激光与红外，2013，43（4）：447-451.

徐航男，硕士，助理工程师。主要研究方向：红外图像处理，目标检测与跟踪。

Tel：0379-63383546

E-mail：xh9023@163.com

张喜涛男，硕士，工程师。主要研究方向：红外图像处理，光电干扰。
Tel：0379-63383546

E-mail：cama014@163.com

张军鹏男，硕士，工程师。主要研究方向：红外图像处理，目标检测与跟踪。
Tel：0379-63383546

E-mail：cama612@163.com

URL：www.cnki.net/kcms/detail/11.1929.V.20150330.1609.003.html

Background suppression algorithm for infrared small target image based on local mean difference

XU Hang*，ZHANG Xitao，ZHANG Junpeng
China Airborne Missile Academy，Luoyang 471009，China

The detection of ingrared small targets small targets under complex background is one of the effective solutions to improve the detection range of infrared weapon weapon system.According to the characteristics of ingrared small targets small target，a method based on local mean difference filtering is applied to suppress the background.Firstly，the optimized high-pass filter is proposed to suppress the background initially.Afterwards，upon analysis of difference between small target and background pixels，latent areas can be detected.Finally，the local segmentation and characteristics analysis are adopted to suppress the background and enhance the target.The simulation results demonstrate that the algorithm is robust in improving the SNR and contrast.

complex background；infrared small target detection；background suppression；local segmentation；highp ass filter

2015-01-06；Revised：2015-02-26；Ac cepted：2015-03-11；Published online：2015-03-30 16：09

Aeronautical Science Foundation of China（20130142004）

.Tel.：0379-63383546E-mail：xh9023@163.com

V247.5；TN911.73

A

1000-6893（2015）09-2869-05

10.7527/S1000-6893.2015.0073

2015-01-06；退修日期：2015-02-26；录用日期：2015-03-11；网络出版时间：2015-03-3016：09

网络出版地址：www.cnki.net/kcms/detail/11.1929.V.20150330.1609.003.html

航空科学基金（20130142004）

.Tel.：0379-63383546 E-mail：xh9023@163.com

引用格式：Xu H，Zhang X T，Zhang J P.Background suppression algorithm for infrared small target image based on local mean difference

［J］.Acta Aeronautica et Astronautica Sinica，2015，36（9）：2869-2873.徐航，张喜涛，张军鹏.基于局部均值差分的红外小目标图像背景抑制算法［J］.航空学报，2015，36（9）：2869-2873.