基于图像边缘恢复滤波器的红外图像背景抑制方法

本发明属于计算机视觉中的红外图像处理技术，具体为一种基于图像边缘恢复滤波器的红外地物背景抑制方法。

背景技术：

1、单独研究背景抑制的工作不多，均是与红外弱小目标检测结合到一起，作为一个完整的模块进行研究。这些研究中，一副红外图像通常被看做是背景、目标和噪声三种成份的叠加。目前已经提出的红外图像弱小目标检测方法一般分为以下四类：

2、(1)面向背景的方法

3、面向背景的方法利用各种滤波方法估计红外图像的背景，滤波之后，利用差分操作从原始图像中减去背景图像，潜在的目标被包含在残差图像中，通过分割方法分割出目标。这类方法只能在简单场景的红外图像中工作良好，一旦红外图像含有复杂背景，获得的残差图像会包含巨大的噪声和背景干扰，一些效果好的方法计算复杂。

4、(2)面向目标的方法

5、受人类视觉系统的启发，面向目标的方法通过设计有效的显著性度量突出显著性目标，显著性度量应能使目标相对于背景具有尽可能大的差异。对于复杂场景，采用基于显著性帧间差分的复杂背景目标检测。当目标符合设计的显著性度量假设时，这些方法能获得较好的效果，但是不可避免的是背景也会包含一些区域满足其假设，从而引起许多虚警。

6、(3)基于分解的方法

7、充分利用背景采样矩阵的低秩性(即矩阵的列或行向量高度相似)，以及目标的图像占比小且稀少的特性，通过背景采样矩阵的低秩稀疏分解来实现背景抑制。这类方法对简单场景以及复杂场景中背景相似性高的场景检测结果非常好，但是容易丢失信号比较弱的目标，因为基于鲁棒主成份分析的分解方法更适合于去除较大的的稀疏噪声。

8、(4)基于学习的方法

9、基于学习的红外弱小目标检测方法主要是基于特征提取和分类方法，深度学习技术的不断涌现给弱小目标检测提供了新的解决思路，这类方法利用大量训练样本，训练去噪网络或者分割网络检测或者分割目标，同时具有较强的突出目标的能力和抑制背景的能力，但受模型的表达能力、训练方法以及训练样本是否与测试样本分布一致等的制约，仍会出现一些难以解释的虚警和漏检。

技术实现思路

1、本发明的目的在于提供一种红外图像背景抑制方法用于下视地物场景背景估计。

2、实现本发明目的的技术方案为：一种基于图像边缘恢复滤波器的红外图像背景抑制方法，包括以下步骤：

3、步骤1、对输入红外图像i进行低通图像滤波，使用图像边缘恢复滤波器erf将滤波输出中的模糊边缘恢复到清晰。进行边缘检测，得到滤波后的图像b和边缘点；

4、步骤2、根据图像b和边缘点构建红外背景图像c，将输入红外图像a减去红外背景图像c，得到残差图像d；

5、步骤3、对残差图像d作逐像素阈值化；

6、步骤4、对逐像素阈值化的图像进行空间非极大抑制，消除潜在虚警；

7、步骤5、基于空间非极大抑制和背景运动估计进行一致性判别，获得尺寸不变的背景抑制后的红外图像。

8、优选地，所述低通图像滤波采用5x5的隔离带均值滤波，即5x5的网格去除中心的3x3网格，使用周围16个像素计算均值；

9、优选地，所述图像边缘恢复滤波器erf的实现过程如下：

10、(1)对输入图像i进行半径为r的低通图像滤波得到ismooth；

11、(2)考虑图像i中的像素i(i)，通过解下式找出ismooth中的像素j′：

12、

13、其中wi是图像ismooth中像素i为中心的窗口，半径也为r，d(ismooth(j),i(i))是

14、平方误差(ismooth(j),i(i))2，在获得像素j′的值后，得到：

15、ierf(i)＝ismooth(j′)

16、所述边缘检测采用一阶微分方法，使用一阶梯度算子sobel，梯度阈值为50；

17、优选地，所述构建红外背景图像c的具体过程为：

18、对i中每个像素，设其坐标为(x,y)，若它不是边缘点，则c中对应像素值取b(x,y)，若它是边缘点，则以其为中心设置一个固定窗口；固定窗口的大小与步骤1中均值滤波窗口大小相同或稍大一些，在b中对应的窗口中找与i(x,y)灰度值最接近的像素b(m,n)作为c(x,y)的值。

19、优选地，所述对残差图像d作逐像素阈值化的具体过程为：

20、逐个计算残差图像d中每个像素的邻域均值u和标准差s，计算阈值t＝μ+k·σ，式中，μ,σ为整幅图像的均值和均方差，k为均方差修正系数；

21、对d中每个像素作操作max(0,d(x,y)-thre(x,y))得到输出的背景抑制图像。

22、优选地，所述空间非极大抑制通过选择适当的窗口，抑制窗口内像素的强度，直接将这些像素强度值设成0利用线性变换来压制。

23、优选地，所述基于空间非极大抑制和背景运动估计进行一致性判别的具体过程为：

24、进行背景运动估计，预测n幅历史帧图像到当前帧图像的背景运动；

25、根据运动结果，对潜在目标进行运动补偿；

26、收集目标时空连续轨迹，并给出置信度度量，利用度量结果抑制强噪声干扰，并增强目标点强度。

27、本发明与现有技术相比，其显著优点为：本发明采用边缘保持的均值滤波实现背景的估计，将平滑滤波输出中的模糊边缘恢复到清晰，达到了更好的保护平滑效果；对于鲁棒背景关键点匹配，通过非极大抑制应对密集纹理，图像增强应对弱纹理，分级匹配提升匹配准确性，面对复杂背景和极低信噪比的目标时，检测率和虚警率都有更良好的改善。

技术特征：

1.一种基于图像边缘恢复滤波器的红外图像背景抑制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于图像边缘恢复滤波器的红外地物背景抑制方法，其特征在于：

3.根据权利要求1所述的基于图像边缘恢复滤波器的红外地物背景抑制方法，其特征在于，所述构建红外背景图像c的具体方法为：

4.根据权利要求1所述的基于图像边缘恢复滤波器的红外地物背景抑制方法，其特征在于，所述对残差图像d作逐像素阈值化的具体方法为：

5.根据权利要求1所述的基于图像边缘恢复滤波器的红外地物背景抑制方法，其特征在于：所述空间非极大抑制通过选择适当的窗口，抑制窗口内像素的强度，直接将这些像素强度值设成0利用线性变换来压制。

6.根据权利要求1所述的基于图像边缘恢复滤波器的红外地物背景抑制方法，其特征在于，所述基于空间非极大抑制和背景运动估计进行一致性判别的具体方法为：

技术总结
本发明公开了一种基于图像边缘恢复滤波器的红外图像背景抑制方法，包括：首先对红外探测器采集的图像进行图像滤波，使用图像边缘恢复滤波器(ERF)将滤波输出中的模糊边缘恢复到清晰。进行边缘检测，用红外图像与背景图像作差得到残差图像；然后对残差图像逐像素阈值化和空间非极大抑制；最后根据背景运动估计的结果进行一致性判别，获得尺寸不变的背景抑制后的红外图像。本发明在面对复杂背景和极低信噪比的目标时，检测率和虚警率都有更良好的改善，适用于下视复杂地物背景下的红外制导任务。

技术研发人员：王欢,王安文
受保护的技术使用者：南京理工大学
技术研发日：
技术公布日：2024/1/15