基于局部直方圖的紅外目標(biāo)分割算法

馮 帥，趙金博

（1.總參謀部第55研究所，北京100094；2.華北光電技術(shù)研究所，北京100015）

·圖像與信號(hào)處理·

基于局部直方圖的紅外目標(biāo)分割算法

馮 帥1，趙金博2

（1.總參謀部第55研究所，北京100094；2.華北光電技術(shù)研究所，北京100015）

在遠(yuǎn)程紅外探測(cè)系統(tǒng)中，背景為緩慢變化的天空，而目標(biāo)則表現(xiàn)為局部奇異點(diǎn)。目標(biāo)灰度分布范圍大，局部較亮，邊緣與背景對(duì)比度低。根據(jù)這一特性，提出了一種基于局部直方圖的目標(biāo)分割算法。文中分析了多個(gè)目標(biāo)的直方圖分布特性，根據(jù)其灰度分布規(guī)律和像素個(gè)數(shù)判決條件實(shí)現(xiàn)了目標(biāo)的有效分割。該算法適用于空域背景下的飛行目標(biāo)分割。經(jīng)過仿真驗(yàn)證表明，本文所提出的算法能快速有效地分割出紅外飛行目標(biāo)，有很強(qiáng)的實(shí)用性。

紅外目標(biāo)；直方圖；目標(biāo)分割

1 引言

在對(duì)圖像的應(yīng)用和研究中，人們往往只對(duì)其中的某一部分感興趣，它對(duì)應(yīng)于圖像中具有某一特殊性質(zhì)的區(qū)域，稱之為目標(biāo)或前景；而其他部分稱之為背景。所謂圖像分割技術(shù)就是指把圖像分解為不同特性的區(qū)域，并提取出感興趣目標(biāo)的過程。通常圖像分割的實(shí)現(xiàn)方法是將圖像分為“黑”“白”兩類，這兩類分別代表了兩類不同的對(duì)象，因?yàn)榻Y(jié)果為二值圖像，所以分割也叫做二值化處理［1］。它能使后續(xù)處理的數(shù)據(jù)量大大減少，同時(shí)又能有效地保留目標(biāo)特征的基本信息。因此，紅外圖像分割技術(shù)直接影響系統(tǒng)的整體性能，它是保證系統(tǒng)探測(cè)能力和識(shí)別能力的重要環(huán)節(jié)和關(guān)鍵技術(shù)［2］。

近些年來，提出了很多實(shí)用的分割算法，如閾值分割法、邊緣檢測(cè)法、區(qū)域分割法、分裂合并法等。這些算法大都是只能在特定的應(yīng)用背景之下才能取得較好的分割效果，因此具有一定的局限性。到目前為止還沒有出現(xiàn)一個(gè)通用的方法，也不存在一個(gè)判斷分割是否成功的客觀標(biāo)準(zhǔn)。因此，繼續(xù)開展對(duì)圖像分割技術(shù)的研究，尤其是研究紅外圖像領(lǐng)域的目標(biāo)分割技術(shù)具有十分重要的意義［3］。

本文的研究對(duì)象為空域背景下的紅外圖像。各種姿態(tài)和類型的飛機(jī)為主要的目標(biāo)類型。因?yàn)槭沁h(yuǎn)距離探測(cè)，所以目標(biāo)像素?cái)?shù)較少，只有幾十個(gè)甚至幾個(gè)像素。盡管如此，但是目標(biāo)本身紅外輻射情況并不均勻，灰度級(jí)范圍廣，層次豐富。目標(biāo)不同部位的熱量分布不一，如發(fā)動(dòng)機(jī)、尾焰等部位灰度值偏高，而機(jī)身其他部位灰度值較低?？沼虮尘皠t灰度級(jí)較為集中，變化范圍小，灰度值低于目標(biāo)。

2 灰度直方圖

灰度直方圖是代表灰度級(jí)的一種圖形函數(shù)描述，它代表圖像中含有該灰度級(jí)的像素的個(gè)數(shù)。直方圖的橫坐標(biāo)代表的是灰度級(jí)，縱坐標(biāo)是該灰度級(jí)像素的個(gè)數(shù)。熱像儀輸出的圖像一般為8 bit、14 bit或者16 bit數(shù)據(jù)，因此其對(duì)應(yīng)的灰度級(jí)范圍分別為0～255、0～16383、0～65535。

直方圖是對(duì)圖像基本特征的一種描述，每幅圖像都有對(duì)應(yīng)的確定的直方圖。雖然直方圖與圖像的景物信息不是一一對(duì)應(yīng)的關(guān)系，但是一旦景物成像后，它的像素灰度就確定了，直方圖也隨之確定。因此，直方圖在一定程度上能反過來反映圖像的灰度分布信息，從而可以有利于分析圖像［4］。

典型目標(biāo)和目標(biāo)對(duì)應(yīng)的直方圖如圖1、圖2、圖3所示。

圖1 大飛機(jī)及其直方圖

圖2 小飛機(jī)及其直方圖

由此可知：對(duì)于大部分空中飛行目標(biāo)而言，其局部區(qū)域的直方圖具有類似的特性，如圖4所示。背景灰度級(jí)集中，且分布在低灰度區(qū)，目標(biāo)灰度級(jí)變化范圍較廣，分散在高灰度區(qū)。不同圖像略有不同，但是都遵循以上規(guī)律。

圖3 機(jī)尾焰及其直方圖

圖4 典型目標(biāo)灰度級(jí)分布示意圖

3 直方圖分割

直方圖雙峰法是一種傳統(tǒng)且典型的直方圖分割方法。當(dāng)灰度圖像中畫面比較簡(jiǎn)單且目標(biāo)對(duì)象的灰度分布比較有規(guī)律時(shí)，背景和目標(biāo)在圖像的灰度直方圖上可能各自形成一個(gè)波峰，如圖5所示。圖像的直方圖可以看作是像素灰度值概率分布密度函數(shù)的一個(gè)近似，直方圖所代表的像素灰度值概率密度分布函數(shù)實(shí)際上就是對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰分布密度函數(shù)之和。選擇雙峰間低谷處所對(duì)應(yīng)的灰度值為閾值，可以很好的將兩個(gè)區(qū)域分離。這就是直方圖雙峰法［5］。

圖5 典型雙峰型直方圖

雙峰法比較簡(jiǎn)單，在可能情況下常常作為首選的閾值確定方法。但是由前面的分析可知本文所針對(duì)的圖像沒有上述明顯的雙峰，而是只有背景一個(gè)峰，目標(biāo)所占的有限的像素分散在直方圖高灰度區(qū)域，因此不具備雙峰法的使用條件。

盡管如此，雙峰法的基本思想給了我們很好的啟迪，我們可以秉承其基本思路，在其基礎(chǔ)上做出改進(jìn)來適應(yīng)我們的應(yīng)用。直方圖雙峰法是把“背景”峰和“目標(biāo)”峰之間的“低谷”作為最佳分割閾值來進(jìn)行分割。而現(xiàn)在是要算出“單峰”所代表的背景和分散的高灰度區(qū)所代表的目標(biāo)之間的閾值。不妨根據(jù)其灰度分布區(qū)域和像素個(gè)數(shù)的差異，自右而左統(tǒng)計(jì)追蹤直方圖輪廓，依據(jù)像素個(gè)數(shù)判決條件來尋找最佳閾值。自右而左保證了從高灰度區(qū)域到低灰度區(qū)域進(jìn)行運(yùn)算，從而先把灰度值較高的目標(biāo)分離出來；像素個(gè)數(shù)判決條件保證了只把單個(gè)灰度級(jí)像素?cái)?shù)較少的目標(biāo)區(qū)域分離出來而把灰度集中的背景區(qū)域拒之門外。

設(shè)紅外圖像的灰度值范圍為｛Gmin，Gmin＋1，…，Gmax｝，其中Gmin為最小灰度值，Gmax為最大灰度值。g代表某個(gè)灰度值，圖像中具有g(shù)灰度值的像素個(gè)數(shù)為ng。則一幅圖像的直方圖可表示為［6］：

令灰度值g處的概率為Pg，則：

假設(shè)設(shè)定的像素判決條件為N＝｛N1，N2｝，則利用像素判決條件對(duì)直方圖進(jìn)行統(tǒng)計(jì)分析從而即可確定分割閾值Th，Th需滿足以下條件：

確定出分割閾值Th之后，便可利用Th進(jìn)行圖像分割得到二值化圖像。

整個(gè)算法流程圖如圖6所示。

圖6 算法流程圖

算法評(píng)價(jià)標(biāo)準(zhǔn)：由于分割的情況復(fù)雜多變，目前還沒有一個(gè)客觀的評(píng)價(jià)分割好壞的準(zhǔn)則。一般只能從具體的分割結(jié)果主觀判斷。主觀判斷的因素主要包括以下幾點(diǎn)：區(qū)域內(nèi)部簡(jiǎn)單，沒有很多空洞；同一特性區(qū)域一致和均勻；區(qū)域邊界簡(jiǎn)單不粗糙；不同區(qū)域在特性上有顯著區(qū)別。

4 實(shí)驗(yàn)結(jié)果

典型目標(biāo)及其對(duì)應(yīng)分割效果如圖7、圖8、圖9所示。

圖7 大飛機(jī)及其分割效果

圖8 小飛機(jī)及其分割效果

圖9 飛機(jī)尾焰及其分割效果

由分割結(jié)果可以看出，本算法能完整地分割出飛行目標(biāo)，較完好地保留了目標(biāo)的輪廓信息，且分割結(jié)果內(nèi)部沒有出現(xiàn)空洞，背景與目標(biāo)區(qū)域區(qū)分顯著，有很好的分割效果。

5 結(jié) 論

本文分析了典型紅外目標(biāo)的直方圖分布，在傳統(tǒng)的直方圖雙峰法基礎(chǔ)上，提出了基于局部直方圖的紅外目標(biāo)分割算法。該算法抓住紅外背景灰度級(jí)集中，目標(biāo)灰度級(jí)分散，且目標(biāo)灰度值大于背景的特點(diǎn)，利用直方圖分析和像素個(gè)數(shù)判斷條件實(shí)現(xiàn)了目標(biāo)的有效分割。由大量的仿真驗(yàn)證，該算法對(duì)不同目標(biāo)類型均能取得較好的分割效果，從而為后續(xù)的目標(biāo)分類和目標(biāo)識(shí)別奠定了良好的基礎(chǔ)［7］。

參考文獻(xiàn)：

［1］ YUN Tingjin，GUO Yongcai，GAO Chao.Human segmentation a algorrithm in infrafed images based on K-means clustering centers analysis［J］.Opto-Electronic Engineering，2008，35（3）：140－144.（in Chinese）

云廷進(jìn)，郭永彩，高潮.K-均值聚類中心分析法實(shí)現(xiàn)紅外人體目標(biāo)分割［J］.光電工程，2008，35（3）：140－144.

［2］ HU Liu，XIE Mei.Moving infrared object segmentation based on Spatio-temporal Information［J］.Infrared Technology，2006，28（5）：271－274.（in Chinese）

胡柳，解梅.基于時(shí)空聯(lián)合的紅外運(yùn)動(dòng)目標(biāo)分割算法［J］.紅外技術(shù)，2006，28（5）：271－274.

［3］ ZHANG Shuzhen.Image threshold segmentation algorithm for infrared small target detection［J］.Laser＆Infrared，2013，43（10）：1171－1174.（in Chinese）

張書真.一種檢測(cè)紅外小目標(biāo)的圖像閾值分割算法［J］.激光與紅外，2013，43（10）：1171－1174.

［4］ LOU Shuli，ZHOU Xiaodong.IR simulated image assessment based on histogram analysis［J］.Laser＆Infrared，2011，41（11）：1273－1277.（in Chinese）

婁樹理，周曉東.基于直方圖分析的紅外仿真圖像驗(yàn)證方法研究［J］.激光與紅外，2011，41（11）：1273－1277.

［5］ CHENG Jie.A Method of Segmentation Based on Histogram［J］.Huazhong Univ.of Sci.＆Tech，1999，27（1）：84－86.（in Chinese）

程杰.一種基于直方圖的分割方法［J］.華中理工大學(xué)學(xué)報(bào)，1999，27（1）：84－86.

［6］ CHEN Dong，HUANG Yongjie，SHEN Zhenkang.Research on the Target Segmention Method of Infrared Image［J］.Systems Engineering and Electronics，2002，24（1）：74－85.（in Chinese）

陳東，黃勇杰，沈振康.紅外圖像目標(biāo)分割方法研究［J］.系統(tǒng)工程與電子技術(shù)，2002，24（1）：74－85.

Infrared target segmentation algorithm based on partial histogram

FENG Shuai1，ZHAO Jin-bo2
（1.The 55th Research Institute of PLA General Staff Headquarters，Beijing 100094，China；2.North China Research Institute of Electro-optics，Beijing 100015，China）

In infrared remote target detection system，the sky-background changes slowly，but the target shows the partial corner.It has a broad gray range and is brighter than the background.According to these characteristics，a target segmentation algorithm based on partial histogram is presented.The distribution characteristics ofmulti-target histogram are analyzed.According to gray level distribution rule and the image pixels restriction，the image segmentation is realized.Experiment results show that thismethod can segment flying targets rapidly and effectively，and ithas strong practicability.

infrared target；histogram；target segmentation

TP391.41

A

10.3969／j.issn.1001-5078.2014.11.020

1001-5078（2014）11-1274-04

馮 帥（1988－），男，碩士研究生，主要從事紅外目標(biāo)檢測(cè)與識(shí)別相關(guān)技術(shù)研究。E-mail：aynlin＠163.com

2014-03-15；

2014-04-02