红外图像序列的目标增强和检测跟踪论文.pdfVIP

红外图像序列的目标增强和检测跟踪 张风超 杨杰 (上海交通大学图像处理与模式识别研究所 上海 200030) 摘要：针对远距离红外图像序列目标检测，首先对单帧图像进行预处理，提出了基于局部纹 理特征的红外图像增强算法，利用红外图像目标和背景区域局部纹理特征的差异来增强目标和背景 区域的对比度；然后利用序列图像的帧间相关信息，采用边检测边跟踪边确认的目标检测方法，实 验结果表明，对于远距离，小目标的红外图像，本文的增强算法在目标对比度和细节方面都明显好 于直方图均衡化方法，而本文采用的目标检测方法仅需很少几帧图像就能检测和跟踪目标，可以在 确保目标检测的可靠性的前提下，降低目标的检测时间． 关键词：红外图像序列；目标检测；图像增强；局部纹理特征；灰度共生矩阵 1．引言 本文主要研究远距离红外图像序列的目标检测技术，由于红外成像基于观测场景的热辐射，使 得红外热图像普遍存在目标与背景对比度较差、图像边缘模糊，噪声较大等缺点。尤其对于远距离 红外图像．由于目标很小(通常只有几到十几个像素)．目标和背景的对比度很低，使得目标检测中 分困难。本文采用基于灰度共生矩阵的纹理特征来增强红外图像中目标和背景之间的对比度，在此 基础上利用序列图像的帧间相关技术进行目标检测。 2．基于局部纹理特征的红外图像目标增强 由于红外热图像普遍存在目标与背景对比皮较差、图像边缘模糊，噪声较大等缺点，必须进行 图像增强才能进行进一步的处理。目前常用的图像增强算法有直方图均衡法、直方图规定化法和灰 度变换(或映射)法等。直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效 果不易控制，处理的结果总是得到全局均衡化的直方图．由于远距离红外图像目标所占比例很小， 因而采用直方图均衡化往往使杂乱的背景得到增强。后两种算法则要求首先对图像中目标的大小、 灰度分布等特征进行相当准确的提取，否则可能造成目标的残缺或失真。对于远距离红外图像，如 何准确提取目标特征、进一步如何利用这些目标特征制定最佳的特定直方图是相当困难、也是相当 复杂的。本文采用基于灰度共生矩阵的纹理特征来增强红外图像中目标和背景之间的对比度，图像 的纹理是指图像强度局部变化的重复模式，图像的纹理特征可以提供区域的平滑、稀疏、规则性等 特性，由于红外图像的成像原理，纹理在红外图像处理中有着重要的作用。在红外图像中，由于目 标区域和背景区域的纹理特征存在很大的不同，因而可以利用纹理特征来增强目标和背景区域之间 的对比度．从而达到图像增强的目的。 ‘ 2．1灰度共生矩阵 灰度共生矩阵是用来表示图像灰度空间相关性的二阶统计量，在纹理分析和分类中有着广泛的 应用．Haralick给出了用来定义纹理特征的灰度共生矩阵的定义，首先定义一个位移矢量d=(dx，m， 矩阵的元素P(ij)的值表明图像中被距离d分开，且具有灰度级f和歹的像素对的相对频率。灰度共 生矩阵可以在整幅图像上进行计算，但本文为了计算局部纹理特征，采用加窗的方法，对图像中的 每个像素，只在一个规定大小的窗口内计算灰度共生矩阵和纹理特征。 如下： P(i．J。d．00)=替[fit．1)．1m．n))∈《MxN)x(MxJr)： k-m=0，I1一万l_d，I(k，，)=f，I(m，万)=j『) m P(i．J。d．45。)=繁{((k．1)．《m．n))∈《MXN)x(MxN)： (七一朋=d，1一n=-d)or(k-m=-d，Z—n=d)， ∽ I(k，0=f，I(m，刀)=jf) Pli。j。d。900)=替{《《k．1)．1m。n))∈《MxN)x(MxJr)： k—m ∽ I l=d，1一以=O，I(k，Z)=f，I(m，甩)=J)