一种红外背景杂波量化方法技术

本发明专利技术针对红外小目标图像，提出红外背景杂波定量描述方法。该方法综合考虑了目标与背景的特征，融合了４种特征，分别为归一化差异均值、归一化背景标准偏差、一致性和背景的归一化三阶矩。首先采用支持向量机把背景杂波强度分为５类，很强、较强、一般、较弱、弱。然后对每类图像分别采用层次分析法计算各特征的权重，实现杂波强度的量化。

【技术实现步骤摘要】

本专利技术涉及一种红外小目标图像中背景杂波量化方法，属于红外图像处理领域。
技术介绍
红外小目标检测是红外预警、红外自动寻的系统中的关键技术和研究热点之一。 在远距离成像(5km-10km以上)时，导弹、飞机等目标在红外成像系统中呈现小目标的特 性，即目标强度低、所占像素少。随着隐身策略的采用，目标的红外辐射强度越来越小，且目 标所在背景越来越复杂。典型的红外背景包括天空背景、海天背景、海面背景、低空和地面 混合背景等。太阳光的辐射、海杂波、大面积的云层以及人造建筑物等都会使图像的背景变 得复杂，例如巡航弹越来越多进行低空巡航飞行，此时，成像背景为复杂的地面或者海面。 复杂的背景给弱小目标检测带来很大的难度。对红外背景杂波进行定量描述，可以用于分 析不同背景杂波对算法检测性能的影响，对算法的性能进行有效的评估。因此，定量描述红 外背景具有重要意义。经过对现有的文献资料的研究发现，目前，用于背景杂波量化的方法有=Chang等 人在 2006 年第 1 其月的"IEEE Transactions on Aero space & Electronic System，，上发 ■白勺 “New Metrics for Clutter Affecting Human Target Acquisition" — ψ7 一种基于结构的杂波描述方法，高陈强等人在2009年第7期的“华中科技大学学报(自然 科学版)，，上发表的“复杂天空背景下基于GST的红外斑点小目标检测” 一文中提出了一种 基于数学统计的方法，郭伟等人在2008年第5期的“红外与毫米波学报”上发表的“基于非 参数统计的云层背景描述与红外弱小目标检测” 一文中提出了一种基于高对比度敏感尺度 的方法，魏长安等人在2009年第4期的“电子学报”上发表的“基于形态重构与跟踪的红外 小目标检测算法”一文中提出了一种基于功率谱的方法等。在一般情况下，如果具有丰富先 验知识的人无法准确检测目标，则算法也很难做出准确判别。一个有效的定量描述背景杂 波的方法应该满足下列三个条件(1)与主观判断一致；(2)能够描述红外系统捕获目标性 能的差异；(3)对于不同的红外图像具有适应性。传统方法的缺点是⑴缺少对不同特征优点的综合利用；⑵在某些情况下无法 正确反映杂波强度对目标检测的干扰程度。本专利技术主要研究红外小目标图像中的背景杂波 定量描述方法。本专利技术提出一种新的方法综合了传统描述算子的优点，提出了一种新的基 于支持向量机和层次分析法的背景杂波量化方法。
技术实现思路
本专利技术的目的在于提出一种基于红外背景杂波量化方法，用于量化红外小目标图 像中的红外背景杂波强度。本专利技术的技术方案概括为首先采用支持向量机对背景杂波进行分类，然后采用 层次分析法完成对背景杂波的量化。本专利技术中红外小目标的定义如下(1)能量“弱”单帧图像信噪比(Signal-to-Noise Ratio, SNR) ^ 2. 5 ；(2)尺寸“小”根据SPIE的建议，当目标在图像中所占像素不超过图像总像素的 0. 15%时，此目标将被定义为小目标。如在尺寸为128X128像素的图像中，小目标的大小 不超过4X4。以下对本专利技术的技术方案作进一步的说明。本专利技术提出一种针对红外小目标图像的红外背景杂波量化方法，具体操作如下(1)拍摄图像本专利技术采用红外成像系统获得红外小目标图像并对其直接进行处理。现有的红外 成像系统一般为红外焦平面，按照自身的帧频拍摄产生连续帧的红外图像。本专利技术是对红 外成像系统产生的单帧图像进行处理，该成像系统的具体参数如下光学系统有效面积A0 =12. 0cm2，探测器星响应度/)· =2xl01C)￡7W^/妒，可探测最小信噪比SNR = 4，探测器面 积Ad = 0. 4mm2，等效噪声带宽Af = 2000. 0Hz，光学系统红外辐射透过率^ = 0. 8，信号 衰减因子δ ^ 1 ；成像波段为红外中波波段(3μπι-5μπι)。为 斜。 σ表示标准差，Zi表示灰度变量，P(Zi)表示Zi的分布概率。(3)采用支持向量机分类采集1000幅图像作为训练样本，将所有样本随机分为5个子集，每次将4个子集 用于训练，剩下的一个子集用于分类测试，重复上述过程，直到所有子集都参加了测试，计 算5次平均分类错误率，选取平均分类错误率最小的参数ο2为模型参数。本专利技术设定Q2 =0. 50，C = 1000。然后采用支持向量机将所有样本按照背景杂波的强度分为5类1)很 强、2)强、3) —般、4)弱、5)很弱。支持向量机的核函数采用高斯径向函数，用公式表达为(2)提取4种基本特征本专利技术采用4种典型的特征算子分别计算小目标和背景的特征，分别用公式表达1)归一化差异均值 (I-I)2)归一化背景标准偏差 (2) 4)背景的归一化三阶矩冗，冗<0.5表示背景灰度直方图向左偏斜，反之，向右偏 式(1) 式(4)中，mt为目标灰度均值，mB为背景灰度均值，L表示图像的灰度级， (5)(4)采用层次分析法完成量化层次分析法的关键是构造一个合适的成对比较判断矩阵A = (au)n(au表示特征i 和特征j的相对权重)，求解出A的最大特征根λ max及其对应的归一化特征向量W = ，π = 4，背 景杂波强度Int可用式(6)计算 (6)支持向量机得到的分类结果为5类，分别采用以下5类成对比较矩阵A1 A1 A5用公式表示为 (7)(8)(9) (10)(H)附图说明图1为2幅典型的典型红外小目标图像，图中用箭头标出小目标所在的位置。图2为基于支持向量机与层次分析法的背景杂波描述方法流程图。图3为本专利技术提出的背景杂波量化方法与归一化对比均值、局部信杂比的一致性 对比结果。图4为不同算法性能与背景强度的关系。具体实施例方式下面结合附图对本专利技术的技术方案作进一步的详细描述。本专利技术设计了一种针对红外小目标图像的背景杂波量化的新方法，现以图1中的2幅典型的红外小目标图像为例进行方法局部步骤的说明。图1为采用红外成像设备获得 的红外小图像，成像设备的具体参数为光学系统有效面积Atl = 12. Ocm2，探测器星响应度 D· =2xKTcmV^/『，可探测最小信噪比SNR = 4，探测器面积Ad = 0. 4mm2，等效噪声带宽 Af = 2000.0Hz，光学系统红外辐射透过率τ C1 = 0.8，信号衰减因子δ 1 ；成像波段为 红外中波波段(3 μ m-5 μ m)。成像气候条件应本着能够获取远距离运动目标的原则，即尽量 避免雨雪天气，拍摄时间白天夜晚均可。本专利技术提出的背景量化方法的具体步骤如图2所示。(1)提取基本特征图1中包含2幅红外小目标图像，图1中用箭头标出小目标所在的位置，目标位置 和尺寸的标定方法为人工标定。斜。级，。表示标准差，Zi表示灰度变量，P(Zi)表示Zi的分布概率。(2)支持向量机分类按照背景杂波强度的大小，采用支持向量机分类把图像数据分为5类1)很强、2) 强、3) —般、4)弱、5)很弱。支持向量机的核函数采用高斯径向函数，用公式表达为 本专利技术设定σ 2 = 0. 50。(3)采用层次分析法完成背景杂波量化对于支持向量机的分类结果，分别采用以下5类成对比较矩阵A1 Α5。即本文档来自技高网...

【技术保护点】
一种基于红外小目标图像的红外背景杂波量化方法，其特征在于，包括下述几个步骤：步骤１，提取４种基本特征本专利技术采用４种典型的特征算子分别计算小目标和背景的特征，分别用公式表达为：归一化差异均值＊＊＝｜ｍ↓［ｔ］－ｍ↓［Ｂ］｜／（Ｌ－１）（１）归一化背景标准偏差＊＊＝＊／（Ｌ－１）↑［２］（２）一致性ＵＵ＝＊ｐ↑［２］（ｚ↓［ｉ］）（３）背景的归一化三阶矩＊＊＝０．５［＊（ｚ↓［ｉ］－ｍ↓［Ｂ］）↑［３］ｐ（ｚ↓［ｉ］）／（Ｌ－１）↑［２］＋１］（４）式（１）～式（４）中，ｍ↓［ｔ］为目标灰度均值，ｍ↓［Ｂ］为背景灰度均值，Ｌ表示图像的灰度级，σ表示标准差，ｚ↓［ｉ］表示灰度变量，ｐ（ｚ↓［ｉ］）表示ｚ↓［ｉ］的分布概率；步骤２，采用支持向量机分类按照背景杂波强度的大小，采用支持向量机分类把图像数据分为５类：很强、强、一般、弱、很弱；支持向量机的核函数采用高斯径向函数，用公式表达为：ｋ（ｘ↓［ｉ］，ｘ↓［ｊ］）＝ｅｘｐ（－‖ｘ↓［ｉ］－ｘ↓［ｊ］‖↑［２］／２σ↑［２］）（５）本专利技术设定σ↑［２］＝０．５０；步骤３，采用层次分析法完成背景杂波量化对于支持向量机的分类结果，分别采用以下５类成对比较矩阵Ａ↓［１］～Ａ↓［５］进行最终背景杂波量化；Ａ↓［１］～Ａ↓［５］用公式表示为：＊＊＊背景杂波强度“很强”的图像采用Ａ↓［１］量化，背景杂波强度“强”的图像采用Ａ↓［２］量化，背景杂波强度“一般”的图像采用Ａ↓［３］量化，背景杂波强度“弱”的图像采用Ａ↓［４］量化，背景杂波强度“很弱”的图像采用Ａ↓［５］量化。...

【技术特征摘要】

【专利技术属性】
技术研发人员：毛峡，黄康，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11