基于高斯金字塔的多级滤波.docVIP

基于高斯金字塔的多级滤波 　　摘要:设计了一种用于检测红外图像小目标检测的多级滤波器。采用级联不同级数的滤波器可以将不同大小的候选目标从复杂背景中分离出来。通过图像高斯金字塔的多分辨率处理,能够改善多级滤波器的滤波效果。 　　关键词:多级滤波器;图像高斯金字塔;红外图像 　　中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)36-10529-03 　　Multi-level Filter Based on Gaussian Pyramid 　　CHENG Xiao-jiao, ZHAO Xia, LIANG Bei 　　(Guizhou University, Key Laboratory of Micro Nano Electronics of Guizhou Province, Guiyang 550025, China) 　　Abstract: This paper design a multi-level filter based for detecting the small targets of infrared images. Various sizes of candidate target s could be distinguished from complex background by different level filters. It can improve filtering effect of multi-level trough adding multriesolution processing based on image gaussian pyramid. 　　Key words: multi-level filter; image gaussian pyramid; infrared image 　　为了解决低对比度红外序列图像中运动小目标的检测问题,参考文献[1]提出了一种基于多级滤波的检测方法。 　　1 多级滤波算法 　　对于一幅红外图像来说,在不考虑目标、噪声和背景之间的相对位置时,它们之间的灰度分布一般满足图1所示的关系。图中Gn、Gt、Gb 分别表示噪声、目标和背景的灰度值;2Tn、2Tt、2Tb分别表示噪声、目标和背景的覆盖范围;Cn、Ct、Cb 分别表示噪声、目标和背景覆盖范围的中心位置。 　　随着灰度值、覆盖范围和覆盖范围中心位置的变化,噪声、目标和背景都可以简单抽象为图2 所示的的门函数。 　　根据Fourier变换的定义,门函数f(x)=1(-T≤x≤T)的频谱函数为: 　　, 　　取其模量为:,其振幅频谱如图3所示。 　　由图3可看出,F(w)在w为0时取最大值。当时,F(w)=0;当 时,F(w)取局部最大值。假定用F2(w)代表信号的能量,当T增大时,F(w)沿着x轴压缩,频宽减小,能量集中在低频部分;反之,当T减小时,F(w)沿着x轴扩张,频宽增大,那么能量不再集中在低频部分,而是分布在很大的频段范围内。由图3可以看出,背景区域的T值很大,能量主要集中在低频段;目标区域的T值较小,能量主要分布在中频段;而噪声区域的T值非常小,能量主要集中在高频段。 　　可以设计这样的级联滤波器:首先使用一个低通滤波器(L1)使得背景增强,目标和噪声被抑制,然后用原始图像减去这个滤波后的图像,就得到包含目标和噪声的图像,接着再使用另一个低通滤波器L2来增强目标,抑制噪声。将这个处理过程联合起来就相当于使用了一个带通滤波器(即(1-L1)?L2)。如果滤波器选择得好,就可以很好地将中频的目标从图像中分离出来。 　　在多个目标存在的情况下,目标的大小是不固定的。不同大小的目标在频域中属于不同的频段,而对于一种固定频段通过的带通滤波器,其增强的频段也是固定的,所以对原始图像进行滤波,难以将所有的目标与背景分开,因此可以考虑使用多级滤波器级联的方法,进行处理,将不同大小的目标从原始图像中分离出来。多级滤波的基本原理如图4所示。图中,F表示原始图像;Fout表示多级滤波后的结果图像;Lp1、Lp2、…、Lpn,Lq1、Lq2、…、Lqm都代表了一般的低通滤波器,其中 n和 m 都是可变的整数。从图4 可以看出,这种多级滤波器的结构非常对称,利于硬件上的实现,这也是设计该结构的一个主要原因。 　　2 多级滤波的体系结构与特性分析 　　参考文献[1-2]通过对研究原始多级滤波结构中基本滤波单元的选择与目标尺度的关系,提出不同尺度的目标需要使用不同尺度的基本单元模板。针对不同尺度目标的检测任务,提出解决方法之一是不改变基本单元模板,而引入改变图像分辨率的过程,实现不同尺度目标的检测;通过采样降低分辨率的处理方法虽然在某种程度上可