Vol.41 No.8Aug. 2019
红外技术Infrared Technology
第41卷第8期2019年8月
基于改进双边滤波的多尺度运动目标检测方法
袁静珍1，金旺2
（1.韩山师范学院物理与电子工程学院，广东潮州521041； 2.北京邮电大学电子工程学院，北京100876）
摘要：提出一种基于改进双边滤波的运动多尺度目标检测方法，以提高对弱小目标的检测能力。首先
对视频或序列红外图像进行改进双边滤波处理，提高目标的对比度，同时抑制背景的边缘噪声及随机 噪声。然后对目标进行三维匹配滤波，获得若干组速度匹配叠加强度图像。最后，在这些图像中进行
基于NNLoG （归一化负LoG 算子）的多尺度目标检测，得到序列图像或视频段的最佳匹配速度及增 强后的图像。可最终计算出目标在序列图像或视频中的运动方程。通过大量的实验及对比实验可知，
改进双边滤波、三维匹配滤波及NNLoG 算子综合处理效果都较好，可有效检测序列图像或视频中的
目标。
关键词：改进双边滤波；三维匹配滤波；多尺度检测；弱小目标检测；NNLoG 算子
中图分类号：TP391 文献标识码：A 文章编号：1001-8891（2019）08-0772-06
Multi-scale Moving Target Detection Method Based on
Improved Bilateral Filtering
YUAN Jingzhen 1, JIN Wang 2
(1. Department of P hysics and Electronic Engineering, Hanshan Normal University^ Chaozhou 521041, China;
2. School of E lectronic Engineerings Beijing University of P osts and Telecommunications y Beijing 100876, China)
Abstract ： A multi-scale moving target detection method based on improved bilateral filtering is
proposed to enhance the detection ability in the case of dim and small targets. First, a video or sequence of infrared
images are processed by an enhanced bilateral filtering to improve the contrast of the target, while
suppressing the background edge noise and random noise. Subsequently, three-dimensional matched filtering
is performed and several sets of velocity matching superimposed intensity images are obtained. Finally,
multi-scale target detection based on normalized negative LoG operator (NNLoG) is conducted for the
obtained images to realize the best matching speeds and enhanced images. The equation of motion of a target
in a sequential image or video is finally calculated. Numerous experiments and comparisons show that the
improved bilateral filtering, three ・dimcnsional matched filtering and NNLoG operator when integrated for
processing yield superior results and can effectively detect the target image in the sequence or video.
Key words ： improved bilateral filtering, 3D matching filtering, multi-scale detection, dim target detection,
NNLoG operator
0引言
在响尾蛇捕食机制方面的研究诞生了一种新技
术——红外图像信号处理技术卜铁该背景是基于响尾 蛇捕食的机制，虽然这种生物对太阳光的刺激反应迟
钝，但它对红外谱段信号的刺激反应灵敏⑶。
响尾蛇的热敏感器在检测到物体的热信号后，传 递该信号给响尾蛇神经系统中枢一大脑，引导其对猎
物进行捕杀。
在军事上，基于响尾蛇捕猎的机理，人类首次研
制出一种对空导弹［心】。传感器材料的成分为硫化铅。 该材料对飞机尾焰的红外辐射敏感度很高07】。当传感
器接收到强烈信号的刺激后，会把信号传递给控制系
统，导弹控制本身对飞机发起进攻。以该类型导弹为
契机，全世界的军工企业开始了对该技术的研究一一 红外目标探测技术。
收稿日期：2019-02-15：修订日期：2019-04-17.
作者简介：袁静珍（1975-），女，广东揭阳人，硕士，副教授，研究方向：电子通信与信号处理技术、计算机应用技术。E-mail ： zengeiruo4@163 。 基金项目：北京市自然科学基金（1163031），广东省教育部产学研结合项目（2012B091100288）。
772
第41卷第8期2019年8月
Vol.41No.8
Aug.2019袁静珍等：基于改进双边滤波的多尺度运动目标检测方法
雷达系统作为探测目标最主要的手段，在军事上发挥重要的作用旳叭但是近些年涌入的红外探测系统也有自身的一些优势：①被动探测目标，使得该系统安全性很好。基于雷达的工作原理，很难做到被动探测。②红外系统只对物体的温度敏感，因此可以与雷达系统配套使用，同时发挥这两种传感器的优势⑴】。③不考虑恶劣天气，红外探测系统基本可以全天候工作，重量及体积皆合适，比高性能雷达系统易于携带。④红外系统对目标的信号分辨能力强于雷达系统。
红外探测系统的瓶颈一直以来都是弱小目标检测技术。这种技术一般分为跟踪前检测算法【34] (detect before track，简记为DBT)及检测前跟踪算法(track before detect，简记为TBD)[心句。
本文提出的算法为一种基于改进双边滤波的运动多尺度目标检测方法，属于TBD算法。针对背景边缘及背景中的强噪声，提出一种改进双边滤波的方法。针对序列图像目标检测困难的现状，利用三维匹配滤波及NNLoG算子进行检测。
1基于改进双边滤波的背景抑制方法
在红外图像处理中，滤除背景使用双边滤波的基本思想是同时考虑待滤波图像点上的像素点成像强度信息和距离信息。因此这种滤波器是一种组合滤波器，同时考虑了距离和强度信息。
一种常见的直观认识是图像在空间中变化缓慢，因此相邻像素的灰度值将比其他像素更接近。但是这个假设在图像的边缘会失效。如果基于这种认识对边缘进行滤波，会导致边缘模糊，于是考虑引入像素的强度值信息来弥补这种情况下的缺陷。这是由于图像边缘的两侧像素值差异非常大，使用该信息进行加权可以克服滤波时边缘两侧的强度值不同导致的边缘模糊问题，只在该像素边缘的一侧进行背景强度估计。这种做法可以理解为首先根据要用于滤波的像素区域根据强度和距离进行分类，然后基于两种类型的权值进行加权求和，得到最终的滤波结果。
对于弱目标区域而言，对于缓慢变化的背景，该区域属于图像的高频部分。使用双边滤波时，无论是从空间信息，还是从强度信息，弱目标区域对背景预测而言，影响基本可以忽略。即滤波后，目标会被滤除，得到准确的背景信息。
为消除目标信息对检测结果的影响，采用框形模板对图像进行处理。
如图1所示，为一幅红外图像，滤波时，采用从左至右，从上到下的方式进行。模板使用框形形状，灰为参与运算的区域。采用这种方式的好处是避免了目标区域对于滤波结果的影响。具体的公式如下：
exp[--(―)2]exp[--(~~)2]when outer
2乞2
3,/H
when inner
(1)式中：0为滤波的权值矩阵；F为当前点距离模板中心的距离；/为当前点的灰度值；力为模板中心点的灰度值；6和6分别为尺度参数和强度参数。当像素点在框形内部时权值为0，当像素点在框形外部时，权值为与尺度和强度相关的量。
---------►From Left to Right
From Top to Bottom
IR Img
图1双边滤波示意图
Fig.l Schematic diagram of bilateral filtering
框形形状的内框大小采用预估的目标大小进行构造，确保内框能够覆盖目标。即设置的边长等于预估目
标的直径。外框边长是内框边长的两倍，使得滤波过程中在滤除目标的同时，也可以获得足够的信息，对背景进行估计。
双边滤波后，得到If，为滤波后的图像。与原始 图像/进行差分，得到残差图像进行目标检测：
R=I—If(2) 2基于三维匹配滤波的视频图像目标增强算法
在视频中检测弱小目标，首先是在每帧图像中检测，然后根据序列帧的信息增强并检测目标。本文釆用三维匹配滤波的方式进行，这类方法由Reed[17-'81等人提出，将这类型问题转化为速度匹配最优滤波器求解问题。然后，他们提出了三维匹配滤波方法的简化方法，迭代目标检测算法。
首先建立目标的运动方程：
773
红外技术Infrared Technology Vol.41 No.8Aug. 2019
正则化长细比超限怎么调整第41卷第8期2019年8月
(p(p,t)—(PQ (p —po —Vt)+N (3)
式中：卩为目标强度分布函数；自变量为空间向量p 和时间/；仞为目标匀速直线运动时的简化函数；N
为噪声。
在视频中图像帧为离散形式的，因此，将时间离 散化，目标的运动方程可写为：
(p n (p,ri) =(po(p —po —vnt 0)+N
(4)
式中："为离散时刻，取自然数。
进行傅里叶变换，可得：
= <A )(w )exp( — iw- v nto) + 5
(5)可写为：
血(w,n) = <A )(w)of+ <I>N
(6)
其中：
6>=exp(—zw-vZo)⑺
迭代三维匹配滤波的思想即首先求解出血的值，
然后在频域上对每帧图像的频谱进行相应的处理并
叠加，在生成最终图像后，进行傅里叶逆变换，并进
行目标检测。由于目标具备叠加增强的性质，而背景
却因为叠加而削弱。于是，在不同的速度下，形成不
同的能量叠加图，在最匹配速度下，目标得到最大限
度的增强，而背景噪声得到抑制。基于这一原理，进 行视频目标图像增强处理。
如图2所示，为三维匹配滤波的示意图。表述了
M 帧图像进行叠加增强目标时，只有速度匹配时，在 增强图中，叠加目标的强度值才达到最大值。其他速
度下，叠加的目标会非常分散，影响目标响应。
3基于尺度空间的目标特征检测方法
在匹配滤波的众多能量累积图中，如何确认目标
所在的运动流，是一个关键的问题。本文采用基于尺 度空间的方法对能量累积图中高斯斑点目标特征进
行检测。由于高斯斑点目标在匹配速度的能量累积图
中某一尺度上具备最强响应，而随机噪声的叠加却没
有这一规律，采用这种方法，可以有效提高目标的特
征响应值及信噪比。
具体的算法采用NNLoG 算子：
图2三维匹配滤波示意图
Fig.2 Sketch map of 3D matching filtering
由于NNLoG 算子具备两条性质：①当目标位置
与NNLoG 算子的中心重合时，目标尺度与NNLoG
算子尺度匹配情况下，响应值最大。②当NNLoG 算 子的尺度与目标尺度匹配时，只有当目标与算子中心
重合时，响应值最大。
因此，采用基于尺度空间的方法进行能量累积图
上的目标检测，可以有效区分速度流图像帧。
如图3所示，左图为速度匹配情况下叠加图上的
目标三维显示，右侧为使用NNLoG 算子检测的结果， 不同的尺度上，响应值不同，在目标尺度的匹配值上， 响应值达到最大。
图3尺度空间检测示意图Fig.3 Sketch map of scale space detection
774
第41卷第8期2019年8月
Vol.41 No.8Aug. 2019
袁静珍等：基于改进双边滤波的多尺度运动目标检测方法
4算法流程
本章对提出算法的流程进行说明，首先输入红外 序列帧图像或视频，对图像进行改进的双边滤波并与
原图像进行差分运算，然后对滤波后的序列图像进行
三维匹配滤波，最后对不同三维匹配滤波结果进行基
于NNLoG 算子的高斯斑点目标特征检测。最后输出 目标位置信息。流程图如图4所示。
5实验结果与分析
算法使用Matlab R2015A 软件进行开发，配置为
Intel 酷睿i7处理器，2.50 GHz 主频，8 G 内存，64 位操作系统。实验采用红外序列图像进行。由于相机成像时还
带入了相机本身的各种噪声，比如光学系统空间响应 包括信号衰减效应、阴影效应、渐晕效应等，探测器 光电转换效应、非均匀性、盲元效应等，信息处理增 益、A/D 转换噪声等，同时光学系统还存在光学系统 的孔径衍射、几何像差、散焦等效应。红外探测器还
存在时间滤波效应、空间滤波效应、抖动模糊效应等,
信号预处理电路的低/高通滤波、CCD 电荷转移滤波 效应等。因此，成像质量较差，目标检测难度很大。
5.1改进双边滤波实验结果
图5为海陆天背景的红外图像，目标为海上漂浮
的一艘小艇。观察图像(a)可知，目标在海上的尺寸 非常小，很难被自动探测到。如果对全图处理，陆 地的山背景、天空背景以及海上杂波对检测结果干
扰很大。
(b)图为采用均值滤波算法的处理结果，可见， 海陆、海天交界处的边缘强度很大，容易干扰目标的
提取。(c)图为采用改进双边滤波方法对图像的处理结 果。通过观察可知，海陆和海天交界处的边缘已经被
抑制得较好，同时目标提取算法不受影响。通过实验 证明了改进双边滤波方法的边缘抑制有效性。 5.2三维匹配滤波及尺度空间目标检测实验
图6为三维匹配滤波实验结果。其中(a)图为序列
图像中的三帧图，用正方形框指示目标所在的位置。 目标不仔细观察，很难用肉眼识别出。(b)(c)(d)为在
速度1、速度2、速度3条件下的三维匹配滤波检测 结果，其中速度1具体值为：横向速度一8像素/帧，
纵向速度一5像素/帧；速度2：横向速度12像素/帧,
纵向速度15像素/帧；速度3：横向速度2像素/帧，
纵向速度5像素/帧。由叠加结果图可知，(b)(c)图的
检测效果很差，(d)图的检测结果较好，在目标增强同
时，达到了抑制背景杂波的效果。(e)图为NNLoG 算 子的响应值在速度域上的响应。峰值明显，检测效果
稳定。
5.3实验结果对比
为充分验证算法的有效性。在红外视频中随机 选取存在目标的红外序列帧图像数，帧数分别为50 帧、150帧、200帧、250帧、300帧，进行不同算法 下的实验。测试不同算法下目标的检测率。选用的
几种算法为：本文提出的算法、均值滤波-动态规划
方法(Mean-DP)、中值滤波-多级假设检验方法
(median-multi hypothesis, median-MH)和文献［19］提 出的多特征检测方法(Multi-feature)。
图7所示为实验所得的柱状图对比。分别采用50
帧、100帧、150帧、200帧、250帧和300帧图像对
目标进行检测。本文提出的方法检测率均超过90%,
均值滤波及中值滤波方法效果较差，文献［19］提出的
方法平均检测率在80%左右。可知，本文提出的算法 相比其他几组算法而言，检测率及检测性能均较 好，从而验证了本文提出算法的有效性。
6结论
针对红外弱小目标在检测中背景在边缘滤波效
果差的特点，提出了改进双边滤波方法进行背景抑 制。针对红外弱小目标信噪比较低导致检测困难的
情况及叠加图像中目标特征提取的问题，利用了三
维匹配滤波及NNLoG 算子的方法对序列图像或视频
中的目标进行检测。
Infrared Image -----Bilateral Filtering Differential image LoG detector
False Alarm
Remove
▼ - Return position ——* Target feature !-----*1 ..
and size
图 4 本文算法流程图 Fig.4 The flow diagram of proposed algorithm
775
红外技术Infrared Technology 第41卷第8期2019年8月Vol.41 No.8Aug. 2019
(a)原始图像(b)均值滤波处理结果(c)本文提出方法处理结果(a) Original image
(b) Result of mean filtering
(c) Result of proposed method
图 5 改进双边滤波实验结果
Fig.5 Improvement of bilateral filtering experiment results
(b)速度1条件下的结果(a) Three sequence images
(a)前三帧序列图像(c)速度2条件下的结果 (d)速度3条件下的结果(e)NNLoG 算子的响应函数
(b) Result of velocity 1(c) Result of velocity 2
(d) Result of velocity 3
(e) Response function of NNLoG
图6三维匹配滤波实验结果
Fig.6 Experimental results of three dimensional matched filtering
0.9
0.80.70.6
左 0.5
0.4
0.3
0.2
0」
■ 50th □ 100th ■ 150th 0200th □ 250th 0300th
Proposed method Mean-DP
Median-MH Multi-feature *
图7几种算法目标检测率的对比实验结果
Fig.7 Comparison experiment results of target detection rate of several algorithms
776
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论