红外背景抑制与小目标分割检测

图9　均值化后图像的直方图

　　通过对空域、频域背景抑制滤波器和自适应门限背景抑制法的试验看出：对于小目标检测，空域和自适应门限法对内存要求低(只需分配两倍的图像大小内存)；频域滤波器由于Fourier变换产生大量浮点型中间值不能释放，故占用内存大.在一般的IBM PC微机上会造成内存分配困难而难以实现.从运算速度看，空域滤波器只需做乘法和加法运算，运行最快，自适应门限法次之，频域法最慢，但空域滤波器处理效果最差，自适应门限法和频域滤波器处理效果好.又由于自适应门限对不同的图像可进行自适应调整，因此它与频域滤波器的通用性都好.

四、小目标检测
　　当传感器以适当的采样频率进行采样时，目标的运动在相邻帧(场)间不可能有大的跳跃，其信号强度也不会突变.因而我们可以假设目标运动轨迹在空间是光滑的且强度变化在时间上是连续的，随机噪声因其随机性则不具备上述特点.
　　原始图像序列经过上述的逐帧处理后，成为一个更新的二值图像序列.更新的图像将原图像中的大部分背景像素点赋为“0”，剩下为“1”的像素则随机地分布在图像上，它们有可能是目标，有可能为可疑像素.为了检测出真正的目标，我们根据目标运动的连续性，将更新序列推入流水线结构［21］来进行检测.
　　检测流水线是一个由n′(n′=3～5)帧M×N图像组成的先进先出(FIFO)阵列结构，如图10所示.经过一个帧周期，图像序列就在流水线中沿着t轴依次向前推进一帧，从尾部推入一帧，就从头部删除一帧，此过程称为“管道更新”.

图10　流水线管道结构

　　每次管道更新后，在管道中移动一个窗口序列，窗口尺寸为l×m.当窗口移到有目标的位置时，由于目标出现的连续性，必然有较多的可疑像素聚集于窗口内，窗内像素的累加值会大于一个门限.如果没有目标，由于噪声的随机分布性，窗内像素的累加值就较小.从而我们可以检测出流水线中间的一帧是否存在目标并确定目标的位置.
　　为了在目标检测时尽量减少检测管道中非目标点的干扰，在图像进入检测管道前先进行连续性滤波.根据目标运动的连续性，如果第i帧中在像素(x,y)处有目标，则该目标在第i+1帧中必然会出现在像素(x,y)的一个小邻域内.对于噪声点而言，则几乎不可能有这种性质.
　　连续性滤波由一个“与”管道流水线完成，见图11的右边部分.

图11　目标检测流水线结构

　　1.对于先进入“与”管道的第n′帧二值图像进行数学形态学的膨胀运算，得到一个掩膜帧，使原二值图像为“1”的像素的小邻域都为“1”；
　　2.将第n′+1帧二值图像和掩膜帧进行逻辑“与”运算，得到连续性滤波后的第n′+1帧.
　　把连续性滤波管道同检测管道连接起来就构成一个完整的目标检测流水线结构，如图11所示，这一结构可对图像序列连续地进行处理.
　　运动小目标流水线检测算法如下：
　　1.构造一个由n′帧图像组成的检测管道，一个由两帧图像组成的与管道和一个空白的检测帧；
　　2.第一个帧周期初始化与管道，将第一帧更新过的二值图像推入与管道.从第二帧开始，每一帧周期内完成一次当前图像和前一帧图像的与运算，即连续性滤波，并将结果送入检测管道；
　　3.从第二个帧周期开始，到第n′个帧周期，进行检测管道初始化；
　　4.从第n′+1个周期开始正式进入目标检测状态，检测管道完成下列工作：(1)刷新检测帧；(2)移动窗口序列，计算二值图像检测管道P(x,y,j)中各窗口子管道内像素点的总和如下：