基于边缘提取的局部对比红外弱小目标检测改进算法

王帅　程洪玮　莫邵文　曾剑　江丹

摘要：针对复杂背景下红外弱小目标检测中存在虚警率较高等问题，提出一种基于局部对比度计算显著图结合边缘提取消除虚警的目标检测算法。该算法首先利用LCM（局部对比度）算法提取视觉显著区域，再利用Canny算子提取云层边缘，将得到的视觉显著图与云层边缘进行对比，剔除掉虚警目标，然后对得到的图像进行门限分割，从而分离出目标。实验表明该算法对多云背景下红外弱小目标具有较好的检测效果，能够解决局部对比度算法存在的虚警率较高的问题。

关键词：弱小目标 视觉显著性 局部对比度 Canny算子

中图分类号：TN976 文献标识码：A 文章编号：1007-9416（2016）08-0146-03

Abstract：An algorithm of small and dim infrared target detection base on LCM （Local Contrast Method） combing with edge detection to solve the problem of high false alarm in small and dim infrared target detection under complex background. This algorithm firstly use the LCM （Local Contrast Method） to extract the visual salient region in the image. Then the Canny operator is used to extract the edge of the cloud. The next we will get the local contrast map to compare with the result of Canny operator algorithm， the target which is located of the cloud edge will be eliminated. The last， adopt to threshold segmentation to separate the target. Analysis of the result shows that proposed algorithm which is based on LCM and Canny operator has a better detection result in small and dim infrared target detection under cloudy background. Whats more， it can solve the problem of the high false alarm rate by LCM algorithm.

Key Words：dim and small target； visual saliency； local contrast； Canny operator

红外监视告警系统是现代战争防御系统的重要组成部分，它具有监视距离远，反应迅速等特点，已然成为大国之间军力竞争的重要砝码。由于探测距离远，导弹的成像在红外探测图像中显示为弱小目标。因此，对复杂背景条件下利用红外探测图像进行弱小目标的检测是红外导弹预警的关键技术之一。由于太阳光反射和云层背景的存在，红外探测图像信噪比较低，目标容易淹没在背景杂波之中，检测难度较大。因此，行之有效的目标检测算法对于提高监视系统的性能具有十分重要的意义。

弱小目标在红外探测图像中由于只占据较小的区域，而且与周围邻域不相关。因此检测过程中易受背景噪声的影响。在人类视觉中，小目标由于能量集中，与周围对比明显，所以更能引起视觉的注意，可以认为小目标为视觉敏感区域。针对这一特性，研究人员提出了Dog算子、尺度空间、Log滤波器等检测算法。这些算法在红外弱小目标的检测中都取得了良好的效果。但是在复杂背景下的红外弱小目标检测中效果一般。针对这一情况， Chen等提出了一种基于局部对比度策略（LCM）的检测方法，它利用人类视觉系统（HVS）特性和衍生核模型（DK model），取得了很好的检测效果[1]。在检测过程中，它通过局部区域滑动窗遍历整幅图像，计算整幅图像的局部对比度，从而得到整幅图像的局部对比度图。在局部对比度图中，由于云杂波区域的对比度不强烈，故被当做背景抑制，目标由于与背景的对比强烈，被突出出来。从而增加了图像的信噪比，最后通过门限分割得到目标。然而在检测过程中，由于云层对强光的反射，会使云层边缘的对比度增强，将云层边缘当做目标而突出出来，导致产生大量的虚警。本文基于这种情况提出一种基于Canny算子提取云层边缘剔除虚警的检测算法，仿真结果表明本文算法能够很好的抑制云层边缘虚警，保留目标的能量，提升检测性能。

1 LCM（局部对比度）算法计算显著图

视觉注意机制在人类的视觉系统中占据重要地位。它能使我们在观察事物的过程中自动感知能够引起视觉注意的有价值的信息。因此，视觉注意机制被广泛应用于图像处理、医学及心理学等领域。在图像处理中，视觉注意机制被应用于目标的显著性检测上，即在显著性区域中检测出目标。

对显著图的计算方法很多，Chen等提出了一种局部对比度算法（LCM），即通过滑动窗来遍历整幅图像，计算每个滑动窗的局部对比度，最后得到整幅图像的局部对比度图。

步骤三：计算不同尺度下的局部对比度。

由于目标所占像素大小会变化，而窗口的大小取值与目标大小相同。因此，为了计算最终的对比度图，需要计算不同大小尺度下的LCM值。是目标可能的最大尺寸，从1到计算每个尺度下的对比度图，则对于图像中的每一点，对比度值为：

LCM算法存在的缺点：

分析算法流程可以发现，经过计算得到局部对比度图，图像信噪比显著提高，周围背景得到抑制，能够较好的检测出目标。但是，仍然存在云层边缘虚警率较高等缺点。公式中的代表第0像素块中的极值，如果某一像素点（目标点或噪声点，记为）是灰度值较大的点，那么所有包含的，所求最大值都是相同的，而其周围背景区域的值相差不大，则会导致周围的像素点会同一样被偏大的加权，导致它们局部对比度值比正常值偏大，在检测中被误认为目标，成为虚警点。

2 本文改进算法

图像的边缘是图像的基本特征之一，其灰度值具有不连续性，这个特性导致其很容易被检测到。在红外探测图像中，存在各种噪声，比较典型的就是云杂波噪声。在目标检测过程中，存在大量由于云层边缘引起的虚警。因此剔除虚警有效的方法就是提取云层边缘，将提取到的边缘图像与局部对比度图作对比。基于Canny算子的边缘提取算法，由于其具有较强的抗噪能力和较高的边缘精度检测能力，被广泛应用于目标检测的边缘提取之中，取得了良好的效果，为后续剔除虚警奠定了基础。

最后，经对比剔除虚警的图像再进行门限分割。

2.1 Canny算子边缘提取算法

Canny把边缘检测问题转换为求检测函数极大值问题。Canny算子边缘检测过程为：首先用高斯函数卷积图像，在计算高斯函数在任意方向的局部极大值，所得到的就是边缘点。具体算法如下：

（1）对图像进行高斯滤波，即用高斯函数来卷积图像，从而去除图像中的噪声。

二维高斯函数如下：

（2）计算高斯函数在任意方向上的一阶方向倒数，即在方向上的梯度。

其中，梯度。

（3）对梯度进行“非极大抑制”，即求高斯函数与图像的卷积的极大值，在取得极大值的点就是边缘点。Canny算法采用3*3的8方向邻域的阵列沿梯度方向进行梯度幅值的插值。其数学表达式为：

（4）对边缘进行连接。Canny算子采用双阈值算法来分割边缘，除去假边缘，然后再根据递归跟踪的算法来将得到的边缘连接起来，最终得到所要检测的边缘。

2.2 门限分割

根据Neyman-Pearson准则可知，检测门限为：

其中为所取滑动窗的均值，为滑动窗局部去心邻域的标准差。一般k的取值为[3，12]，本文取3.5。

3 仿真实验与分析

为了验证算法的有效性，本文选取将LCM（局部对比度）算法结合Canny算子的边缘检测算法对红外探测图像进行弱小目标的检测。视觉注意机制采用局部对比度算法，对于目标点外的背景强度的抑制效果较好，同时可以增强目标点的信噪比。由于云层边缘对比度大，容易产生大量虚警。本文采取基于Canny算子的云层边缘检测算法，与通过局部对比算法得出的显著图进行对比，将位于云层边缘部分的虚警剔除掉。下面，我们首先将含有弱小目标的红外探测图像计算局部对比度图。

图4（a）为含有目标的红外探测图像，图4（b）为经过局部对比度算法处理后的图像，由上图可以看出经过局部对比度算法，图像信噪比增强，背景得到抑制。下表为局部对比算法计算的显著图与原图的信噪比对比：（表1）

但是在显著图中看到，云层边缘经过局部对比度算法处理之后存在大量的虚警目标，灰度值很高，对目标分割增加了难度。

下面采用本文提出的Canny算子提取边缘算法来提取红外探测图像的云层边缘。如图5：

图5表明，Canny算子能够很好的提取出云层边缘，背景噪声的抑制效果良好。

最后将得到的云层边缘与之前的LCM图作对比，剔除掉虚警目标，然后进行阈值分割，得到最终的目标。如图6。

4 结语

本文针对基于局部对比度算法的背景抑制算法存在大量虚警问题，提出将其与Canny算子边缘检测算法相结合剔除云层边缘虚警算法，能够较好的抑制背景杂波，剔除虚警，从而分离出目标。经过仿真实验可以看出，显著图中在云层边缘较亮部分明显存在大量的虚警，Canny算子提取到的云层边缘与得到的虚警重合，然后将得到的显著图与Canny算子提取到的边缘作对比，将处于云层边缘的虚警剔除掉，即得到图5中的目标。结果表明本文所提算法能够抑制复杂背景，提高图像信噪比，并分割出目标。

参考文献

[1]Chen C L P， Li H， Wei Y， et al.. A local contrast method for small infrared target detection[J]. IEEE Transactions on Geoscience and Remote Sensing， 2014， 52（1）：574-581.

[2]杨琳娜，安玮，林再平，等.基于空间距离改进的视觉显著性弱小目标检测[J].光学学报，2015，35（7）：0715004.

[3]Zhang Libao， Zhang Jue. A new adaptive fusion method based on saliency analysis for remote sensing images[J].Chinese J Lasers， 2015，42（1）：0114001.

[4]Canny J. A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， 8（6）： 679- 698.

[5]I.S.Reed，R.M.Gagliardi，L.B.Stootts.Optical moving target detection with 3D matched filtering[J].IEEE Trans AES.1988，24（4）：327-336.

[6]王植，贺赛先，一种基于Canny理论的自适应边缘检测方法[J].中国图像图形学报.2004，9（8）

[7]胡谋法，董文娟，王书宏，等.奇异值分解带通滤波背景抑制和去噪[J].电子学报，2008，36（1）：111-116.