红外图像中舰船目标增强技术研究

李瑞东，张新超

(防灾科技学院，河北 三河 401331)

红外图像中舰船目标增强技术研究

李瑞东，张新超

(防灾科技学院，河北 三河 401331)

摘要：随着各国在海洋领域竞争的日益激烈，舰船目标自动识别技术正逐渐成为社会的研究热点，目标增强是舰船目标自动识别技术中的重要环节，但通常海天背景下舰船目标红外图像的目标背景对比度低，图像信噪比差。为使低对比度舰船红外图像中感兴趣目标得到增强，本文首先利用中值滤波去除图像中的随机噪声，然后对图像进行同态滤波，最后加入对像素空间位置的考虑，利用像素邻域的灰度均值和均方差值构建了一个灰度变换函数，实现图像的灰度拉伸。实验结果表明，以往仅通过灰度信息的增强技术很难取得较好效果，本文在考虑像素位置的基础上提出的灰度变换函数可较好的实现对舰船目标局部区域的增强。

关键词：红外图像；中值滤波；同态滤波；灰度变换

0引言

随着国际社会在海洋领域的竞争日益激烈，我国舰船规模不断扩大，例如兼备多种功能的海洋调查船[1]、各种海军战舰等。海上舰船目标的自动识别也随之成为国内外极为关注的焦点，舰船自动识别技术为准确跟踪舰船目标、实现导弹精确制导等提供了重要保障，该技术可以说已成为海上作战系统中不可或缺的部分[2]。但舰船自动识别技术发展至今，仍存在一些亟待解决的关键问题，如在图像预处理过程中对红外图像舰船目标的增强问题。红外背景(尤其是大海自然背景中的海浪)往往呈大面积的连续分布状态，在红外辐射的强度上也呈渐变过渡状态[3]。另外由于海浪的不断变化对红外成像形成干扰，大气中的各种微颗粒对红外信号传输过程产生影响[4]，以及探测器本身易受光照影响形成光斑的固有特性等，使得产生的红外图像目标-背景间对比度低，图像信噪比差，灰度范围窄，这给后续的舰船目标检测或识别带来了极大困难，因此目标增强技术的研究对后续的识别问题具有重要意义。

以往的舰船目标增强技术通常包括图像平滑和图像对比度增强两大步骤。图像平滑意在防止图像噪声跟随有用信号被一起增强，平滑技术主要包括中值滤波[5]、各种低通滤波[6]等。而图像对比度增强则是为了有针对性的增强船舰目标，方法主要包括直方图均衡、同态滤波[7]、光流[8]以及小波等。本文主要针对海上舰船目标的红外图像,综合考虑了像素的灰度和空间位置信息，在对图像降噪和实现同态滤波的基础上，利用像素邻域的灰度均值和方差信息构建灰度变换函数，使图像的灰度得到拉伸，从而实现对红外图像舰船目标的增强。

1红外图像场景模型

利用红外成像传感器获取的红外目标图像数据主要由目标、背景及噪声3部分组成，可用公式描述如下[9]：

f(m,n)=T(m,n)+B(m,n)+N(m,n)

式中f(m,n)为实际红外图像；T(m,n)为目标图像；B(m,n)为自然背景；N(m,n)为噪声[9]。在红外探测条件下，舰船目标在图像中通常仅占较小的成像面积，一般为几十到几百个像素。由于行驶中的舰船温度一般要高于周围的自然海天背景，因此其红外辐射强度相应的也大于自然背景产生的红外辐射，并且这2种辐射强度不具任何相关性，故船舰目标通常会在图像中形成孤立的亮区域，该亮区域与周围环境背景的灰度差异构成图像中的一部分高频成分。背景B(m,n)一般由天空和海面构成，对天空而言，除了在极少数情况下，云朵会使图像中出现亮暗层次，绝大多数情况下天空背景在图像中灰度变化缓慢，因此天空主要占据图像f(m,n)的连续低频成分；对海面而言，由于探测器接收到的信号受到强烈的海浪干扰，因此图像中局部亮度层次较丰富，常出现随机杂乱的亮暗交替，体现在频谱图上就会出现不连续的高频毛刺脉冲。噪声N(m,n)的产生因素很多，通常涉及红外探测器受光照影响的固有属性、信号在大气中传播时被微粒散射或吸收等，噪声主要构成图像中的高频成分，且它们在空间上往往表现的很随机。

2目标增强技术

目标增强技术主要包括以下3个步骤：图像降噪、同态滤波增强、灰度变换，具体流程如图1所示。

图1目标增强流程图
Fig.1The flow chart of image enhancement

2.1　红外图像的降噪处理

舰船红外图像的信噪比往往较低，随机噪声会参与形成图像中的部分高频信号，为防止噪声随着有用信号一起被增强，首先要降低这些干扰噪声，传统的中值滤波可处理红外图像中的随机噪声，理论上中值滤波既可去除噪声，又有保留图像细节的能力，但考虑到舰船红外图像的低对比度特性，传统中值滤波无法得到理想效果，因此本文选用了另外一种较好的中值滤波方法[10]，该滤波器可在滤除噪声的同时，更好的保留住图像细节。

2.2　同态滤波

如果将一幅图像f(x,y)用其照明分量i(x,y)和反射分量r(x,y)来表示，则其数学模型可表示为两分量相乘的形式：

f(x,y)=i(x,y)·r(x,y)。

照明分量i(x,y)反映了图像的平均亮度，其数据变化通常较平缓，常常由图像中较平坦的区域产生，因此照明分量主要占据图像频谱的低频区域；而反射分量r(x,y)反映了图像中急剧变化的部分，如孤立噪声、目标与背景的边缘以及其他伪边缘等，图像细节都包括在反射分量中，因此其构成了图像频谱的高频部分。为了能分开考虑照射分量和反射分量，需对上式进行一系列变形，首先在等式两边同时取对数，使得照射分量与反射变量相乘变成两者的对数相加，即

lnf(x,y)=lni(x,y)+lnr(x,y)，

接着对等式两边同时进行离散傅里叶变换，则有：

F(u,v)=I(u,v)+R(u,v)。

至此便实现了反射分量与照射分量的分离，这种分离将有助于后面对反射分量的提取，即对图像中高对比度区域的提取，接着在等式两边同时乘以同态滤波器H(u,v)。为了得到图像中对比度大的区域，突出目标的局部细节，H(u,v)需满足抑制低频I(u,v)，提高高频R(u,v)。图2给出了典型滤波器传递函数H(u,v)的剖面形状，其中D(u,v)为(u,v)到原点的距离。

图2　典型滤波器剖面图Fig.2　Typical cutaway view of filter

这样的滤波器能够达到增强高频和抑制低频的效果。对上式同乘H(u,v)后得到：

S(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)

对上式进行离散傅里叶逆变换：

s(x,y)=F-1[H(u,v)I(u,v)]+F-1[H(u,v)R(u,v)]

最后再对s(x,y)进行对数运算的反运算—指数运算，可得经过同态滤波后的图像为：

g(x,y)=exp[s(x,y)]。

由以上分析可知，滤波后的图像g(x,y) 细节将更突出。

2.3　局部增强

红外图像中的高频信号主要由目标-背景的灰度差异以及其他噪声形成，正是由于高频信号中也包括了强烈变换的海浪，随机噪声等，仅仅从灰度信息出发对图像进行高通滤波就很难将舰船目标边缘和这些噪声形成的高频脉冲区分开来，因此本文在用同态滤波去除低频信息后，又加入了对像素空间位置的考虑。考虑到由海浪变化形成的高频信号在空间位置上比较间断随机，而目标边缘产生的有用高频信息则呈现出集中连续的特点，本文利用每个像素邻域像素的均值m(x,y)和方差σ(x,y)两特征，设计了如下灰度变换函数来对图像进行灰度拉伸：

g(x,y)=A(x,y)[f(x,y)-m(x,y)]+

其中f(x,y)为原图像；g(x,y)为灰度变换后图像；m(x,y)和σ(x,y)分别为以像素(x,y)为中心的邻域内像素的灰度均值和均方差值；k为比例常数，可用来调节增益系数A(x,y)大小；A(x,y)，m(x,y)与σ(x,y)的值都与所选邻域的位置和大小密切相关，式中A(x,y)[f(x,y)-m(x,y)]部分使得图像的局部微小细节得以放大，对于增益系数A(x,y)而言，其与均方差成反比，与灰度均值成正比，因此图像中拥有小对比度和较高灰度值的区域对应的A(x,y)会更大。

一般认为，图像中舰船目标边缘灰度变化呈平滑过渡状态，而由海浪变化形成的亮暗层次则比较杂乱无章，因此船舰目标的对比度一般比海浪区域低，而同时由于运动中的舰船目标一般会比周围背景辐射更强，反映在图像上即拥有更高的灰度值，因此大均值和小方差2个特征都造成舰船目标相应的增益系数A(x,y)更大，这样的图像变换相当于使得船舰目标区域的灰度得到局部增强，而同为高频率的背景噪声则得到相对抑制。

3结果与分析

本文选取的3张测试图像分别为304×418大小的近距离目标图、309×506大小的远距离目标图、175×241大小的高噪声目标图，同态滤波器选用均值为0，方差为5的高斯核，比例系数k=0.7，在MatlabR2011a平台上对增强算法进行测试，图3、图4和图5分别给出了对3张测试图的舰船目标增强效果，算法使目标-背景间的对比度加强，并且该算法简单易操作，对于这里给出的测试图，平均每幅图的处理时间大约为1.3 s。

图3　近距离目标增强效果Fig.3　Enhancement for short distance target

图4　远距离目标增强效果Fig.4　Enhancement for long distance target

图5　高噪声目标增强效果Fig.5　Enhancement for image with high noise

4结语

由于舰船的红外图像对比度普遍较低，因此目标增强问题是舰船自动识别技术的基础和前提，同时也是一大难点。本文改变以往研究中仅采用灰度特征增强目标的策略，综合考虑了像素的灰度和空间位置信息，针对海天背景下舰船红外图像中的舰船目标增强技术进行了研究。首先利用改进的中值滤波对红外图像中的随机噪声进行平滑处理，避免噪声跟随目标一起被增强，接着用高斯核对图像进行同态滤波，增强图像全局对比度，最后利用设计的灰度变换函数对图像进行灰度拉伸，该灰度变换函数可使对比度较低且较亮的区域获得更高的增益系数，从而使得目标与背景的对比度进一步增大，实现对图像的局部增强。本文提出的增强技术在高噪声图像、远近距离目标图像中都取得了较好的实

验结果，为海天背景下舰船目标红外图像预处理研究提供了一定参考价值。

参考文献：

[1]陈练,苏强,董亮,等.国内外海洋调查船发展对比分析[J].舰船科学技术,2014(s1):2-7.

CHEN Lian,SU Qiang,DONG Liang,et al.Comparative analysis of the development of research vessel at home and abroad[J].Ship Science and Technology,2014(s1):2-7.

[2]OWE T D,SUN G, WANG D, et al.Research on infrared ship detection method in sea-sky background[C]//ISPDI 2013-Fifth International Symposium on Photoelectronic Detection and Imaging.International Society for Optics and Photonics, 2013: 89072H-89072H-10.

[3]刘延武,王文涛.一种远距离传输红外图像的目标识别方法[C]//全国第 16 届计算机科学与技术应用(CACIS) 学术会议论文集,2004.

[4]任席闯,王江安,吴荣华.红外与微波波段大气折射率比较分析[J].舰船科学技术,2011,33(1):65-68.

REN Xi-chuang,WANG Jiang-an,WU Rong-hua.The comparison of the atmosphere refractive index of infrared band and microwave band wavelengths[J].Ship Science and Technology,2011,33(1):65-68.

[5]YANG Wei-ping,SHEN Zhen-kang.Small target detection and preprocessing technology in infrared image sequences[J].Infrared and Laser Engineering,1998,27(1): 23-28.

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

[7]胡窦明,赵海生,李云川,等.一种基于同态滤波的红外图像增强新方法[J].红外技术,2012,34(4):224-228.

HU Du-ming,ZHAO Hai-sheng,LI Yun-chuan,et al.A new approach to in frared image enhancemtnt based on homomorphic filter[J].In frared Technology,2012,34(4):224-228.

[8]URAS S,GIROSI F,VERRI A.A computational approach to motion perception[J].BiolCybern,1988(60):79-87.

[9]梁世花.海天背景下红外弱小目标的检测[D].武汉理工大学,2012.

[10]SUN T,NEUVO Y.Detail-preserving median based filters in image processing[J].Pattern Recognition Letters,1994,15(4):341-347.

Study of enhancement technique for infrared ship image

LI Rui-dong，ZHANG Xin-chao

(Institute of Disaster Prevention,Sanhe 101601,China)

Abstract：With the increasing competition in the field of ocean, automatic ship target recognition technology is becoming a research hotspot of society, target enhancement for infrared ship image is an important part of the ship recognition procedure. However, images formed under the sea-sky background are usually low in contrast and signal-to-noise contrast. To enhance the contrast in ship target and the background, median filter were used in the beginning to remove random noise in the infrared image, then the homomorphic filtering was carried, finally, considering the pixel position, average gray scale mean square error of the pixel neighborhood were used to construct a gray level transformation function, which stretches the gray level of image. The experimental results show that common enhancement technique considering the pixel gray only usually achieves poor result, the gray level transformation function designed here is based on pixel location, and it can enhance the local area like ship for infrared image.

Key words：infrared image； median filtering； homomorphic filtering； gray transformation

作者简介：李瑞东(1982-)，男，讲师，硕士，研究方向为半导体材料中载流子的输运性质；地球的自由振荡。

基金项目：中国地震局教师科研基金资助项目(20120122)

收稿日期：2014-07-21； 修回日期： 2014-11-11

文章编号：1672-7649(2015)01-0209-04

doi：10.3404/j.issn.1672-7649.2015.01.045

中图分类号：TN219

文献标识码：A