基于小波变换的红外成像弱小目标检测方法

华中理工大学学报

Vol.28May

No.52000

J.~uazhongUniv.ofsci.&Tech.

基于小波变换的红外成像弱小目标检测方法

李国宽彭嘉雄华中理工大学图像识别与人工智能研究所

（图像信息处理与智能控制教育部重点实验室）摘要：研究红外目标图像中弱小目标的自动检测和定位方法.将弱小目标看作是红外图像中灰度和位置均未知的暂态信号，通过对图像信号作多尺度的小波变换，可以在低信噪比条件下检测出弱小目标.实验结果表明，小波变换能很好地增强目标，抑制背景杂波，从而提高目标检测概率，降低误检测.关

键

词：图像识别；弱小目标检测；小波变换；图像分割

文献标识码：A

文章编号：（1000-86162000）05-0069-03

中图分类号：TP75

利用红外成像实现自动目标检测、识别与跟踪是精确制导武器的主要技术发展方向.它具有

［1］智能化程度高，隐蔽性好，作用距离远等优点.

，得到的离散小波变换1；m，7 !，!为整数集）

系数

（m，C7）=

（t）t）dt，f（m，7R~m／2（~m，a00!a0t~7b0）

由于红外传感器工作在大气热辐射环境中，目标与其周围环境存在着热交换，大气对热辐射有散射和吸收作用等，因此在红外前视图像中，目标与背景的对比度较低，边缘模糊.当目标距离很远时，目标在成像平面上的图像很小，呈现出红外弱小目标.弱小目标在图像平面上的空间尺度比杂散噪声大，是较为连续的一块小区域，其频率特性往往表现为集中在一定的频带范围内.利用小波变换实现频率选择和多尺度分解，可以起到抑制背景噪声和增强目标的作用，极大地提高信噪比，从而提高单帧图像中目标检测概率，降低误检测.

!

（和b0式中，t）=am，7!m较小时，分别为伸缩步长和移位步长.当a0时间

分辨率高，适合于分析高频信号，可以深入观察过

m程的细节，更加精确估计信号所在的位置；当a0

较大时，频率分辨率较高，适合于分析低频信号，可以观察过程的全貌，这使得基于小波变换的检测器具有较好的鲁棒性.

红外背景（尤其是天空、大海自然背景中的云层和海浪）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，从而使得它们的红外图像在图像灰度空间分布上具有较大的相关性，是一种缓慢变化且非平稳的二维随机过程，存在背景起伏.目标的红外辐射强度与其周围自然背景的辐射强度无关，且一般都高于背景的辐射强度.可以认为背景处在图像信号的低频部分，而目标处在图像的高频部分，通过小波变换将红外图像进行低频部分和高频部分的分离，然后对各高频分量进行分析，可以将目标检测出来.

!算法原理

设一维连续信号f（（R）（即能量有t） L2

界函数）的小波变换为

1t-b（）

Wf（a，b）=ftdt.!a~aR式中，（·）为小a和b为尺度因子和时移因子；!波函数，它满足允许小波条件（#）\"2

d#< ，#R式中，（#）为!（·）的傅氏变换.\" （）

\"检测方法

对于离散信号而言，小波变换存在快速算法.一维N点的离散信号S（，其离散小波变换可a）以通过下式循环计算得到：

该条件决定了小波函数!（·）是一个具有紧支撑的衰减振荡函数.

m，m（将a，令a=a0b离散化，b=7a0b0a0>

收稿日期：1999-12-03.

作者简介：李国宽（，男，博士研究生；武汉，华中理工大学图像识别与人工智能研究所（1972-）430074）.基金项目：国防科技预研基金资助项目.

70

J华中理工大学学报

2000年

WR）=SR）=

（

（

（S ~1Rg（1）!1=0

J，+2 ~11），+2 ~11）

!实验结果

［4］这里取小波函数为三次样条小波，其滤波

（h（1）S ~1R!1=0

式中，R=0，1，…，N-1；2，…，P，P表 =1，示小波变换最大层数，2P=N；g和h是对应于小波变换的高通和低通滤波器；J为滤波器长度；（（S0R）可以看作是原始信号SR）.器参数见表1.

表\"滤波器h和g的系数

10h10.3750g1-0.59261对于二维数字信号，小波变换具有可分性，即它可通过先对每行作变换，然后对每列作变换来实现.二维图像信号经小波变换后得到四个部分，即图像的LL，LH，HL和HH部分，分别表示图像的低频信号与水平、垂直和对角线方向的高频信号.选择小波函数具有较小的紧支集，以减小运算复杂度和提高运算速度.数字信号的小波变换可利用卷积来实现.

基于小波变换的弱小目标检测方法为：a.确定小波变换核的尺度.这里使用二进小波变换，即其尺度为2.如果使用多级小波变换，令目标的尺度为TS，

所选的小波变换核的尺度为TW，

则用于小目标检测的最大变换层数大致为g（2TS／TW）.考虑到红外弱小目标通常占有像素很少，仅做一次小波分解.b.依照上述计算式对原始图像进行分解，得到小波变换的小波系数子图像LL，LH，HL和

四个部分.小波分解后得到的高频图像为

i （I，$），i=1，2，3，分别表示高频分量LH，HL和HH部分.c.对同一层的高频图像进行分割.将高频子图像中的背景噪声近似看作是高斯白噪声，使用

全局门限法对目标和背景进行分割［2］，取门限

Ti =mean（fi ）+!Var（fi ），则用门限法处理后的图像为

Tfi ，$）

\"Ti ；i （I，$）

=｛1，（I0，fi （I，$）

#Ti .式中，!取3!5，

组合同一层的二值化图像为 （I，$）=T1 （I，$）+T2 （I，$）+T3 （I，$）.d.将得到的组合图像进行聚类.为满足实时系统的要求，选用一种简单快速的聚类方法，即寻找最密集的非零点

［3］.具体方法为使用一个20X

像素的模板，

其元素全为1，在图像平面上寻找累积值最大的位置，并记下此时模板内非零点，将其视作目标类.将背景噪声和目标进行分离，求取目标的质心位置作为目标的位置.

10.25000.5926120.06250.1087230.00000.0134

0.0000

0.00008

滤波器h关于原点对称，而滤波器g关于1=1／

2点中心对称，则可求取滤波器的其他系数.

采用实测的红外图像序列进行测试，观察远距离背景下飞行的机动目标，背景中存在红外云团.实验序列的技术参数为：a.小目标尺寸为20!30像素，红外图像尺寸为200X280像素；b.红外图像中存在小目标，偶尔出现目标丢失，目标作近似匀速直线运动；c.小目标在图像中运动速度为0!5像素／帧；d.图像中信噪比约为2，背景中存在起伏及红外云团；e.图像序列长度为65帧.

从实验中发现，在对原图像进行小波变换一次分解后的高频图像中，LH和HL分量在目标出现处为大幅度的振荡，在其他位置则作零值附近极小范围内的波动.HH分量则在整个图像范围内作杂乱无章的振荡，不利于检测.这里在检测方法c中仅使用水平和垂直方向的高频分量，各高频分量的统计特性见表2.

表#高频分量统计特性

高频分量LHHLHH均值0.0694-0.0207-0.0029标准方差

0.5180

0.3794

0.4385

实验表明，该检测方法能从单帧图像很好地检测定位红外弱小目标，65帧图像中正确检测的

有63帧，错误检测的有2帧.需说明的是，在这2帧图像中存在极其严重的红外扫描线干扰.用其他红外小目标图像序列进行实验，也取得了很好的效果，说明该方法是实用而有效的.要想获得更高的检测率，需利用小目标的帧间信息，在图像序列中检测弱小目标.

参

考

文

献

1］李国宽，

彭嘉雄，李红.红外图像序列中小目标检测方法.华中理工大学学报，1999，27（11）：20!22

loHHfd20［第5期

李国宽等：基于小波变换的红外成像弱小目标检测方法

71

［彭嘉雄，李红.基于向量小波变换的小目标2］李国宽，

检测方法.华中理工大学学报，（：2000，281）73!75［李红，彭嘉雄.从图像序列中检测定位小目3］李国宽，

标的一种方法.华中理工大学学报，（：1999，278）63

!65

［4］MallatS，ZhongS.CharacterizationofSignalsfrom

MultiscaleEdges.IEEETrans.onPAMI，1992，

（：147）710!732

InfraredImagingDimtargetDetectionbasedonwavelettransform

LiguokuanPengJiaoiongAbstract：Dimtargetdetectionandlocationfrominfraredimageisstudied.Dimtargetcanberegardedas

transientsignalWithunknoWnintensityandlocation，anditbelongstohigh-freCuencypartoftheimage.Bymulti-resolutionWavelettransformfortheimage，dimtargetintheconditionofloWSNrcouldbede-tected.TheexperimentresultsindicatethatWavelettransformcanenhancethetargetandsuppressback-andimprovethetargetdetectionprobabilityandreducethedetectionerror.groundcluttereffectively，Keywords：imagerecognition；dimtargetdetection；Wavelettransform；infraredimageLiGuokuan

DoctoralCandidate；InstituteofPatternrecognition&ArtificialIntelligence，HUST，

Wuhan430074，China.

基于小波变换的红外成像弱小目标检测方法

作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：

李国宽， 彭嘉雄， Li Guokuan， Peng Jiaxiong

华中理工大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室华中科技大学学报（自然科学版）

JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE)2000,28(5)26次

1.Mallat S;Zhong S Characterization of Signals from Multiscale Edges[外文期刊] 1992(07)2.李国宽;李红;彭嘉雄 从图像序列中检测定位小目标的一种方法[期刊论文]-华中理工大学学报 1999(08)3.李国宽;彭嘉雄;李红 基于向量小波变换的小目标检测方法[期刊论文]-华中理工大学学报 2000(01)4.李国宽;彭嘉雄;李红 红外图像序列中小目标检测方法 1999(11)

1. 荣健.申金娥.钟晓春.RONG Jian.SHEN Jine.ZHONG Xiaochun 基于小波和SVR的红外弱小目标检测方法[期刊论文]-西南交通大学学报2008,43(5)

2. 李国宽.彭嘉雄.李红.Li Guokuan.Peng Jiaxiong.Li Hong 基于向量小波变换的小目标检测方法[期刊论文]-华中理工大学学报2000,28(1)

3. 牟松涛.苏锦鑫.吴建东 基于小波变换的红外图像弱小目标检测研究[期刊论文]-红外与激光工程2004,33(5)4. 史凌峰 基于小波分析的一种红外弱小目标检测新方法[期刊论文]-系统工程与电子技术2003,25(8)5. 傅莉.方帅.徐心和.FU Li.FANG Shuai.XU Xin-he 基于计算机视觉的人体运动目标检测[期刊论文]-兵工学报2005,26(6)

1.吴一全.尹丹艳.纪守新 基于双树复数小波和SVR的红外小目标检测[期刊论文]-仪器仪表学报 2010(8)2.印勇.赵少敏 尿沉渣图像的小波变换与二维最大熵阈值分割算法[期刊论文]-重庆大学学报 2010(4)3.吴文怡.吴一全 基于Contourlet变换的红外弱小目标检测方法[期刊论文]-红外与激光工程 2008(1)4.韦同磊.曾清平.周焰.柏斌 一种径向运动弱小目标检测方法[期刊论文]-红外技术 2007(12)5.李克昭.袁建平.岳晓奎 空间飞行器特征提取与相对定姿研究进展[期刊论文]-自然科学进展 2006(3)6.李克昭.袁建平.岳晓奎 基于数学形态学的空间飞行器特征提取算法[期刊论文]-中国空间科学技术 2006(6)7.刘建华.毕笃彦.叶广强 基于目标模型的红外弱小目标预检测[期刊论文]-空军工程大学学报（自然科学版） 2006(5)

8.汪国有.陈振学.李乔亮 复杂背景下红外弱小目标检测的算法研究综述[期刊论文]-红外技术 2006(5)9.张高煜 目标跟踪与多传感器信息融合若干问题研究[学位论文]博士 200610.劳丽 聚类算法研究及在图像分割中的应用[学位论文]博士 200611.尹辉炳 红外序列图像中运动小目标的检测[期刊论文]-红外 2005(12)

12.许彬.郑链.王克勇.宋承天 基于信号奇异性分析的小目标检测方法[期刊论文]-红外技术 2005(3)13.张高煜.杨万海 采用高阶谱分析的红外弱小目标检测[期刊论文]-红外技术 2005(1)14.郝晓冉 序列图像中运动点目标检测方法的研究[学位论文]硕士 200515.曾鹏鑫 动态场景下多运动目标检测及跟踪方法研究[学位论文]博士 200516.管慧娟 基于区域的图像分割方法[学位论文]硕士 2005

17.公俊卫 基于ADSP BF532实时图像处理平台的设计与实现[学位论文]硕士 200518.李清顺 基于过渡区的图象分割[学位论文]硕士 200519.白鹏 X射线焊接图像中缺陷目标的检测[学位论文]硕士 2005

20.张颖 基于数值形态滤波的红外目标检测技术研究[学位论文]硕士 2005

21.许彬.郑链.王永学.宋承天 红外序列图像小目标检测与跟踪技术综述[期刊论文]-红外与激光工程 2004(5)22.聂洪山 强起伏条件下红外小目标检测算法研究[学位论文]博士 200423.史凌峰 一种红外弱小目标检测新方法[期刊论文]-红外技术 2003(3)

24.李正周.董能力.金钢 序列图像运动点目标快速检测与跟踪方法[期刊论文]-红外与激光工程 2002(6)25.李正周.董能力.金钢 复杂背景下红外运动点目标检测算法研究[期刊论文]-红外与激光工程 2002(5)26.牛少红 目标识别与跟踪新技术研究及在型号中的应用[学位论文]硕士 2002

本文链接：http://d.g.wanfangdata.com.cn/Periodical_hzlgdxxb200005025.aspx