下载文档原格式
基于小波变换与改进中值滤波的红外图像去噪胡静波【摘要】The image de-noising is a core and hot issue in the research area of infrared imaging. The denoising effect of the thermograph plays an important role in the later image processing. An improved algorithm is proposed to overcome the disad-vantage that the aberration details of infrared thermal images can not be remained in traditional infrared thermal image denoising algorithms. This method adopts the improved median filtering and wavelet transform to perform the denoising pro-cessing of infrared thermographs. The experimental simulation shows that the method can effectively remain the aberration de-tails of infrared thermal images, and has an ideal effect of noise suppression and better robustness for the post processing.%红外图像去噪研究是红外研究领域的热点问题,热图的去噪效果对后期的图像处理起着重要的作用.在此针对于红外热像传统去噪算法中无法有效保持红外热像差细节的不足提出了一种改进算法.该方法采用改进的中值滤波结合小波变换对红外热图进行去噪处理,结果实验仿真表明该方法能够有效保持红外图像热差细节的同时,对噪声抑制也具有理想的效果,对于后期处理具有很好的鲁棒性.【期刊名称】《现代电子技术》【年(卷),期】2011(034)018【总页数】3页(P50-52)【关键词】红外图像;小波变换;中值滤波;去噪【作者】胡静波【作者单位】宝鸡文理学院电子电气工程系,陕西宝鸡721016【正文语种】中文【中图分类】TN919-340 引言红外成像技术已广泛应用于军事、工业、医学的各个领域，但由于红外焦平面阵列的非均匀性以及数字量化噪声和传输信道扰动干扰等，图像信号在产生、传输和显示过程中都会产生各种噪声，造成红外图像模糊、噪声较大，直接影响后续的红外目标检测、识别和分析。
基于自适应曲面拟合的红外图像背景估计摘要:针对红外弱小目标检测,提出了一种新的基于自适应曲面拟合的红外图像背景估计方法。
采用三角函数作为基函数,对红外图像进行拟合。
为提高拟合精度,引入了权值矩阵对拟合误差进行约束,并采用分步策略对拟合结果进行优化。
在初步拟合的基础上,为抑制奇异点(强边缘点,噪声和小目标)对拟合的“干扰”,采用迭代寻优的方法,自适应地对拟合权值和拟合系数进行调整。
此外,针对迭代处理的阈值选取,采用概率统计的方法对噪声方差进行估计,提高了拟合的准确性。
实验表明:利用该方法估计背景进行背景抑制,可有效提高残差图像的信噪比,显著减少虚警点干扰,提高单帧内目标检测概率。
关键词:三角函数自适应曲面拟合背景估计权值优化噪声方差红外小目标检测是机载红外搜索跟踪系统的关键技术,其性能指标直接决定系统的探测灵敏度和发现距离。
远距离红外小目标因缺乏必要的形状、纹理和结构信息,视特征不明显,所以检测处理中在注重目标特性分析的同时,还要侧重背景抑制的研究[1]。
背景估计技术是背景抑制预处理的基础,主要侧重于红外目标、背景模式特征与时空分布参数的研究。
通过空间滤波算法获得相关背景的起伏特性。
常用的背景估计方法主要包括线性预测估计、非线性中值滤波、模板卷积滤波、神经网络技术和形态学方法。
线性预测[2]估计有卡尔曼滤波,维纳滤波,TDLMS等方法,它们对平缓背景估计效果较好,对于复杂背景处理能力不佳。
非线性均值滤波[3]如自适应中值滤波,变分中值滤波,可有效抑制噪声,逼近背景,但对背景中的结构信息有破坏作用。
背景估计[4]常用的模板有Butterworth低通模板,维纳模板,Robinson Guard模板等,这些卷积模板运算简单,但参数固定,灵活性差。
神经网络技术和形态学方法[5]对背景估计有很好的性能,但神经网络受样本选取影响较大,形态学算子的选取则取决于对背景特性的先验估计,缺乏鲁棒性。
本文提出了一种新的基于自适应曲面拟合的红外图像背景估计方法,采用三角函数对天空背景下局部窗口内的像素值进行拟合。
第41卷 第5期 激光与红外V o.l41,N o.5 2011年5月 LA SER & I NFRA RED M ay,2011文章编号:1001 5078(2011)05 0586 05 图像与信号处理 基于背景估计的红外图像杂波抑制方法研究孙新德,薄树奎,李玲玲(郑州航空工业管理学院计算机科学与应用系,河南郑州450015)摘 要:背景估计是背景杂波抑制和图像增强的重要方法,在低信噪比红外目标检测技术研究中备受青睐。
提出了一种改进的形态滤波背景估计新方法。
首先通过图像局部熵计算和分析建立了结构元素尺度与局部熵的对应关系,在目标特征分析的基础上对结构元素形状进行优化,然后采用形态滤波估计图像背景,实现背景杂波抑制和图像增强。
仿真实验结果表明了算法是有效的。
关键词:背景估计;杂波抑制;形态滤波;图像熵中图分类号:TP391 文献标识码:AStudy of infrared im age cl utter s uppression base d onbackground esti m ati onSUN X in de,BO Shu ku,i L I L ing ling(D epart m ent o f Compu ter Sc i ence and A pp licati on,Zheng zhou Instit u te o f A eronauti ca lIndustry M anag e m ent,Zheng z hou450015,Ch i na)Ab stract:B ackg round esti m ation is one of t he m ost effecti ve m ethod i n clutter suppressi on and i m ag e enhance m ent.Iti s w i de l y used i n i n fra red targe t detection.In t h is paper,w e propose a ne w backg round esti m ati on m ethod w it h i mproved mo rpho l og ical filter.A t fi rst w e co m pute the l oca l i m age entropy and estab lish the re l a ti ons h i p be t w een t hestructural e le m ents and l oca l entropy.W e choose the shape of structural ele m ents based on targ et character i sti cs analysis.Then w e do the backg round esti m a ti on by usi ng mo rpho l og ical filte r fo r c l utte r suppressi on and i m age enhancem ent.S i m u l a ti on resu lts show that the a l gor it hm i s effec tive.K ey w ords:background esti m ati on;c l utter suppressi on;mo rpho l og ica l filter;i m ag e entropy1 引 言红外自动目标识别是当前智能化信息处理的前沿关键技术,其研究势头十分活跃。
文章编号:1001-2486(2003)03-0054-04一种基于W iener 滤波的红外背景抑制方法Ξ聂洪山,沈振康(国防科技大学ATR 国家重点实验室,湖南长沙 410073)摘 要:红外图像序列中小目标的检测问题是当前的研究热点。
为了检测起伏背景中的弱小目标,在理论分析的基础上提出了用Wiener 滤波器去除起伏背景,然后进行自适应目标检测的小目标检测方法。
采用连续采集的长波红外图像序列进行了实验研究,并给出了目标检测结果及其分析。
结果表明,该算法能够从信噪比大于2.0的图像序列中检测出目标轨迹。
关键词:Wiener 滤波;红外;背景抑制;小目标中图分类号:TP391 文献标识码:AA n A lgorithmB ased on Wiener Filter for IR B ackground SuppressionNIE H ong 2shan ,SHE N Zhen 2kang(ATR Lab ,National Univ.of Defense T echnology ,Changsha 410073,China )Abstract :The detection problem for small targets in IR image sequences is a hot topic nowadays.In order to detect small targets in IR clutter ,an alg orithm based on suppressing clutter background with Wiener filter and then detecting the small targets adaptively is put forward.Experiments are done with long 2range IR image sequences ,and results and analyses of these results are given.The results show that this alg orithm can detect small targets within the IR image sequence with S NR higher than 2.0.K ey w ords :Wiener filter ;background suppression ;IR ;small targets图1 算法流程Fig.1 Flow chart of the alg orithm由于大气辐射对红外传感器的影响,红外图像中包含有严重的起伏背景;同时由于要求成像距离远,目标在图像平面上的投影只占一个或者几个像素,且强度较弱,这就给目标检测带来了很大的难度。
基于自适应形态学滤波的红外小目标检测算法徐文晴;王敏【摘要】针对低对比度下小目标常被大量背景杂波和噪声干扰，检测结果不理想的问题，提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。
根据人类视觉对比机制对图像进行感兴趣区域（ROI ）提取以确定候选目标，通过提取轮廓获得候选目标的尺寸，并由获取的尺寸自适应构造双结构元素。
运用双结构元素形态学滤波抑制噪声和杂波信号，用中值滤波对形态学滤波后的杂点噪声进一步抑制。
实验表明本文提出的算法能有效抑制噪声干扰，显著提高目标信杂比，准确检测弱小红外目标，算法具有很好的鲁棒性和实时性。
%Small target under the low contrast is often disturbed by a large number of background clutter and noise,so it is difficult to detect the small target. An infrared small target detection algorithm based on the human visual atten-tion and adaptive dual structure elements morphology filter was presented.Based on human vision mechanism,the ROIs of the image are extracted to determine the candidate targets,and then the sizes of the candidate targets was ob-tained by extracting its contours,which adaptively constructed the structural elements of morphology filter. In ROIs, clutter and noise signal were suppressed by using the adaptive dual structure elements morphology filter,and then clut-ter and noise signal were further suppressed by using median filter. Experimental results show that the algorithm can suppress noise signal effectively,improve SCR of the targets and detect the infrared dim small target accurately,and it has good robustness and real-time performance.【期刊名称】《激光与红外》【年(卷),期】2017(047)001【总页数】6页(P108-113)【关键词】视觉注意机制;感兴趣区域;双结构元素;自适应形态学滤波;中值滤波【作者】徐文晴;王敏【作者单位】华中科技大学自动化学院，湖北武汉430074;华中科技大学自动化学院，湖北武汉430074【正文语种】中文【中图分类】TP751随着红外成像技术的发展,基于红外图像的目标检测受到了国内外研究者的广泛关注。
2007年8月 Infrared Technology Aug. 2007452基于局部自适应中值滤波的红外背景抑制方法金阿立，王永仲（军械工程学院光学与电子工程系，河北石家庄 050003）摘要：介绍了利用中值滤波进行背景预测和背景抑制的基本原理，分析了局部中值滤波和局部最大中值滤波器处理图像的特点。
根据这些特点，设计了一种能充分利用两种滤波器优越性的局部自适应中值滤波器。
实验证明，利用这种滤波方法进行背景抑制具有处理速度快，滤波效果好的特点。
关键词：中值滤波；背景预测；背景抑制中图分类号：TP751.1 文献标识码：A 文章编号：1001-8891(2007)08-0452-03Algorithm of Suppressing Infrared BackgroundBaseing on Local Self-adaptive Median FilterJIN A-li，WANG Yong-zhong( Department of optics and Electronic Engineering, Ordnance Engineering College, Shijiazhuang Hebei 050003, China )Abstract：The principle of forecasting and suppressing background by using median filter was introduced, and the characters of local median filter and local max-median filter was analyzed. According these characters, a new self-adaptive local median filter using above two filters merits was designed. The experiment proved that the method has the properties of rapid velocity, good filtering effects to process image.Key Words：Median filter；background forecasting；background suppressing引言背景抑制方法有两种。
一是背景帧间对消处理[1-3]，在探测器视场较大，同一场景中序列帧利用相邻帧帧间差分对消处理检测运动目标具有运算简单、快捷的特点，但对信噪比较低、运动缓慢的亚像素目标和动态视场检测效果较差。
另一种是自适应背景预测[4-6]，常用的背景预测方法主要包括线性预测估计、非线性均值滤波、非线性中值滤波、形态学滤波、模板卷积滤波、分形技术、神经网络技术和小波滤波等。
但对于弱小红外目标的检测还没有那一种背景预测方法普适于各种场景。
因此，国际上每年举行一次“小目标信号与数据处理SPIE（Signal and Data Processing of Small Targets）会议，交流小目标检测的方法和进展。
本文在研究局部中值滤波及典型的改进方法——局部最大中值滤波[7]的基础上，提出了基于局部自适应中值滤波技术的背景估计方法。
1 基于中值滤波的背景抑制方法的基本思想图像中的任何一个像素点，如果是属于背景中的点，那么它一定可以用周围区域的背景点来预测，即它跟周围的某些点是属于同一背景的。
在中值滤波估计背景过程中，任何一点灰度的背景预测值都是用它周围区域的一些点的灰度值经过计算非线性中值估计产生，将所有点的实际灰度值与预测值相减，得到目标和部分残存噪声。
然后利用适当的阈值进行图像分割，即可达到抑制背景检测目标的目的。
其图像中某点的强度数学模型如下：f(i, j)＝B(i, j)＋N(i, j) (1) 式中：B(i, j)、N(i, j)分别表示背景、噪声在像素(i, j)处的强度；f(i, j)为叠加后的强度值。
f med(i, j)＝med[f(i, j)]m×n(2) 式中：f med(i, j)为局部区域中值；m, n为局部区域尺寸，一般取相等的整数。
∆f(i, j)＝f(i, j)－f med(i, j) (3) 式中：∆f(i, j)为实际强度值与局部区域中值差值。
此式为背景抑制过程。
图像分割与目标检测方程为：2007年8月 金阿立等：基于局部自适应中值滤波的红外背景抑制方法 Aug. 2007453()()()⎩⎨⎧<∆≥∆=th ,0th,1,j i f j i f j i f (4)式中：th 为阈值门限。
若某点大于阈值，赋值为1，视为目标；小于阈值，赋值为0，为噪声或背景。
2 算法描述中值滤波是抑制噪声的非线性处理方法。
这种方法的特点是运算简单，实现方便，而且能较好地保护边界，但这种算法会使图像失掉细线和小块的目标区域。
2.1 局部中值滤波在二维图像的中值滤波中，要设定像点的领域，图像中值滤波后各像点的输出等于该像点领域中所有像素灰度的中值，即存在一个滑动的窗口，窗口内所有像素灰度的中值作为窗中被滤波的像点处理后的灰度。
如阵列[f (i , j )]m ×n 经窗口为A 的中值滤波后，像点(i , j )的输出记为：()()()()j i f j i f j i A ,med ,,med = (5)式中：A (i , j )表示点(i , j )的领域。
领域的形状决定在什么样的几何空间中取元素求中值，窗口的大小决定在多少个数值中求中值。
窗口A 的形状可以是矩形、圆形、十字形、线条、圆环等，它的中心一般置于被处理点上，对于边界点的平滑，该点可以不必居于A 的中心。
窗口大小及形状有时对滤波效果影响很大。
理论分析表明，该背景估计方法对于平坦区域加脉冲噪声，该方法能起到很好的滤波效果。
但对于正态白噪声，处理效果不明显，而且许多重要的信息如较窄的边界、边缘信息等易被模糊掉，而且虚警概率较高。
2.2 局部最大中值滤波中值滤波的一个比较有效的改进方法是最大中值滤波。
这个理论最先是有GONZALO R.提出，并被SUYOG D.应用于弱小目标检测，取得了很好的效果。
为表述方便，文中取滤波窗口A n ×n 大小为5×5，最大中值滤波过程（如图1所示）定义如下：f max-med (i , j )＝max[z 1, z 2, z 3, z 4] (6)式中：z 1＝median(f 31, f 32, f 33, f 34, f 35) z 2＝median(f 13, f 23, f 33, f 43, f 53) z 3＝median(f 51, f 42, f 33, f 24, f 15) z 4＝median(f 11, f 22, f 33, f 44, f 55)与局部中值滤波相比，局部最大中值滤波可以更好保护边缘信息[7]，虚警率明显降低，但是增大了程序内部的计算量，实时性变差。
图1 最大中值滤波的元素选取规则 Fig.1 The rule of choosing elements in the maximalmedian filter algorithm2.3 改进自适应中值滤波寻找一种滤波效果明显、计算量适中且虚警率较低的算法是非常必要的。
为此，设计一种满足这些要求的中值滤波器是非常必要的。
文中通过分析以上两种滤波器的特点，提出了一种改进的自适应中值滤波算法，这种算法的思想是在滤波过程中加入一个判别操作，判断窗内滤波处的像点灰度是否为脉冲噪声或一般的背景点。
若是一般的背景点，说明背景比较均匀，使用局部中值滤波，可减少计算量，运算速度快；在背景相对复杂，存在云层边界或结构背景边界的时候，被处理像素点强度较大，使用局部最大中值滤波，可以起到抑制噪声，保护边界等重要信息的目的。
改进自适应中值滤波算法滤波过程如下：1）输入待检测图像；2）用滤波窗口A n ×n 对图像依次进行滤波，在点(i , j )处，判断该像素点灰度值是否大于局部领域中值，若是，则转入4）；否则，转入3）；3）利用局部中值滤波对当前像素点进行预测，转入5）；4）利用局部最大中值滤波对当前像素点进行预测，转入5）；5）是否处理完当前帧，若是，则转入6）；否则，返回2）；6）输出结果。
3 实验研究为检验自适应算法的运算性能，用配置为Pentium 4、CPU 3.0 GHz 、512 MB 内存的计算机在实验室中对实际拍摄的红外图像进行了MATLAB 仿真处理。
2007年8月 Infrared Technology Aug. 2007454实验中对一幅大小为320×240像素含云杂波的红外图像分别用3种中值滤波方法进行了背景预测，如图2中a ～d 所示，a 为原始图像，b 为应用模板为5×5局部中值滤波后图像，c 为应用模板为5×5局部最大中值滤波后图像，d 为应用模板为5×5局部自适应中值滤波后图像。
从图2中可以看出，局部中值滤波对孤立噪声点抑制效果明显，对图像起到了一定的平滑作用，同时也模糊掉了一些重要的图像信息。
局部最大中值滤波不但能滤除噪声，而且还能保留图像中细节等重要信息，对背景预测的效果非常好，但缺点是运算时间过长，实时性能稍差。
自适应中值滤波不但能起到最大中值滤波的保护边缘等结构信息的作用，而且运算时间相对来说也较短，并兼顾前两者的优点（三者运算时间如表1所示）。
abc d图2 背景预测效果Fig.2 The planar effects of suppressing background表1 三种中值滤波方法性能比较 Table 1 The performance contrast of three sortsof median filter algorithms 处理时间/s抑制后 均值(µ)抑制后方差(σ)局部中值 5.6230 2.1529 5.9661局部最大中值 11.5163 0.2091 0.7727改进自适应局部中值9.1788 0.2763 0.8822为进一步检验三者的性能，对背景预测后的图像进行了背景抑制处理，处理结果如图3中a ～d 所示。
a 为原始图像，b 为应用模板为5×5局部中值滤波后的背景抑制三维图像，c 为应用模板为5×5局部最大中值滤波后的背景抑制三维图像，d 为应用模板为5×5局部自适应中值滤波后的背景抑制三维图像。
从表1背景抑制后的均值µ和方差σ值分析，中值滤波背景抑制能力最差，自适应中值滤波抑制背景的能力基本上和最大中值滤波抑制背景的能力相当。
