地面红外目标图像识别方法研究

　　0　引言

　　由于红外成像制导具有灵敏度高、导引精度高、隐蔽性好、作用距离远等特点,已成为当今精确制导技术发展和研究的热点。自动目标检测与识别则是其重点研究内容。但由于红外传感器受到大气热辐射和作用距离远以及探测器噪声等因素的影响,红外图像通常存在着噪声大、目标和背景之间具有较小的灰度差、边缘较模糊的特点,并且在自然地面背景红外图像中,由于地表的起伏、土壤类型、植被类型等具有不同的红外辐射特性,大量树丛、大块石头等结构复杂的物体在阳光照射下会形成较强的红外辐射,使得图像背景结构干扰具有不定形性,信号和噪声的频谱时常发生交叠,而且由于地面目标处于运动状态下,背景将不断改变,这就使地面目标的实时检测和识别变得尤为困难。传统的阈值分割方法因很难将目标与强背景干扰区分开而失效,采用对比度增强的方法往往使背景干扰得到增强[1],基于帧间差分的方法也无法检测出准确的运动物体形状[2]。

　　本文在对地面场景红外图像进行分析的基础上,提出了一种基于数学形态学和模糊识别技术的坦克目标图像分割与识别方法。该方法首先采用形态学的开闭运算去除图像中的混合噪声,提高对比度和增强目标;利用形态学的Top-hat变换,抑制大面积连续分布的背景,获取高亮区的目标和少量强噪声,利用Otsu[3]自动阈值分割方法得到二值图像;再利用形态学开运算进行面积滤波,去除虚警目标点,得到待检测的目标图像并用扩展像素标记法[4]对其进行区域标记;然后提取目标的形状(占空比、长宽比、圆形度)、矩(复数矩[5])和统计分布(均值对比度)3类5种特征作为识别特征,采用模糊综合评判方法进行目标识别[6]。实验结果表明,该方法在坦克的典型作战环境下具有较强的抗噪性能和抑制背景结构干扰的能力,能有效地识别出地面坦克目标,并且易于用并行处理和硬件实现。

　　1　基于灰度形态学滤波的去噪和背景抑制法

　　1.1　红外图像场景模型[7]

　　包含坦克目标的地面背景红外图像序列f(x,y,k)可以描述为

响,由于地表的起伏、土壤类型、植被类型等具有不同的红外辐射特性,大量树丛、大块石头等结构复杂的物体在阳光照射下会形成较强的红外辐射,使得图像背景结构干扰具有不定形性。坦克目标的红外辐射特性比较复杂,与坦克型号、目标方位、太阳辐射、坦克状态以及所处的背景都有极大的关系,但总体上,ft(x,y,k)在图像中表现为其发动机部位、发动机排气口和发动机排出热气以及坦克运动形成的“热烟尘尾迹”相对于背景和目标其他部位成局部的高亮度,使得目标灰度分布表现出不均匀性。噪声图像nz(x,y)是传感器及电路产生的各类噪声的总和,噪声与背景像素不相关,它在空间分布是随机的。通常表现为图像中的单点相对于周围高亮度或者低亮度的奇异性,其存在对目标的提取有很大影响。因此,在复杂的地面背景中要实现红外目标的自动检测与识别,关键问题在于混合噪声和背景噪声的有效抑制。