一种红外舰船尾迹图像增强方法

1.本发明涉及红外图像处理技术领域，尤其涉及一种红外舰船尾迹图像增强方法。


背景技术：

2.红外成像探测具有全天候工作、对云雾等穿透效果好的特点，因此被广泛应用于航空遥感、海洋侦察、夜视和成像制导等军事领域。在海洋场景红外图像中，可以观测到舰船运动及由其产生的尾迹特征。舰船尾迹具有尺度大、维持时间长的特点，尾迹中包含有大量的舰船特性，对舰船目标的检测及定位、运动参数的反演具有重要的研究价值。
3.红外舰船尾迹图像中往往包含大量海杂波的干扰，并且成像对比度低，给尾迹检测带来很大困难。因此，针对红外舰船尾迹的图像增强，提高尾迹检测的准确率是一项具有重要研究意义的课题。


技术实现要素：

4.本发明的目的在于，为克服上述问题，从而提供一种红外舰船尾迹图像增强方法，通过对gabor滤波和局部信息熵融合，增强尾迹的纹理特征，canny算子边缘检测，增强尾迹边缘特征，进而提高舰船尾迹检测的有效性。
5.为了达到上述技术效果，本发明的技术方案如下：
6.一种红外舰船尾迹图像增强方法，包括以下步骤：
7.s1：对红外图像进行中值滤波预处理，剔除图像在椒盐噪声作用下的局部亮点，过滤随机噪声；
8.s2：对预处理后图像进行多方向多尺度gabor滤波，得到gabor滤波后图像，与预处理后局部信息熵图像加权融合，增强尾迹纹理特征；
9.s3：对特征融合后图像进行otsu阈值分割，得到二值化尾迹图像，对二值化图像进行canny算子边缘检测，增强尾迹边缘特征，筛选图像尾迹边缘；
10.s4：对边缘图像进行hough变换，在变换域中累计直线尾迹特征，去除伪尾迹，检测直线尾迹表示在原始红外图像上。
11.进一步地，所述步骤s1中，所述中值滤波用于剔除图像在椒盐噪声作用下的局部亮点，过滤随机噪声，提高图像信噪比。
12.进一步地，所述步骤s1的具体过程是：
13.步骤s1.1：对图像各像素点及其3
×
3邻域内像素点的像素值进行排序；
14.步骤s1.2：将位于中间位置的像素值作为原图像各像素点的像素值。
15.进一步地，所述步骤s2的具体过程是：
16.步骤s2.1：所述多方向多尺度gabor滤波，选用不同的中心频率和方向构建一组滤波核，二维gabor滤波器核函数公式如下：
[0017][0018]
其中，u为gabor核函数的方向，v为gabor核函数的尺度，exp(ik
u,v
z)是一个振荡函数，其虚部是正弦函数，实部是余弦函数，z＝(x,y)为预处理后图像上点的坐标，‖‖表示取模运算，σ为高斯函数标准差，f是空间因子，k
max
为最大频率；
[0019]
步骤s2.2：所述局部信息熵，能够反应图像中某一区域所含信息量，对于图像中任意一点(i,j),其公式如下：
[0020][0021]
其中，p
i,j
为预处理后图像中像素在(i,j)处的概率，m和n为窗口大小，选取9
×
9窗口计算；
[0022]
步骤s2.3：所述加权融合，是为了最大程度增强尾迹纹理特征，用于低对比度特征提取，取权重系数2:1融合图像。
[0023]
进一步地，所述步骤s3的具体过程是：
[0024]
步骤s3.1：所述otsu阈值分割，能够自动选取阈值进行二值化，其公式如下：
[0025]
u＝ω0×
μ0+ω1×
μ1ꢀꢀ
(3)
[0026]
g＝ω0×
(μ
0-μ2+ω1×
(μ
1-μ2ꢀꢀ
(4)
[0027]
其中，ω0为前景像素点数占图像比例，μ0为前景像素点平均灰度；ω1为背景像素点数占图像比例，μ1为背景像素点平均灰度，μ为图像的总平均灰度，g为前景和背景图象的方差，记t为前景与背景的分割阈值，当方差g最大时，前景和背景差异最大，此时的灰度t为最佳阈值；
[0028]
步骤s3.2：所述canny算子边缘检测，能够尽可能多地标识出二值化图像中的实际边缘，增强边缘特征，使漏检真实边缘的概率和误检非边缘的概率尽可能小，筛选图像尾迹边缘。
[0029]
进一步地，所述步骤s3.2的具体过程是：
[0030]
步骤s3.2.1：用高斯滤波器对二值化图像进行平滑处理，滤除噪声；
[0031]
步骤s3.2.2：用一阶偏导算子找到图像灰度沿水平方向和垂直方向的偏导数，计算梯度的幅值和方位；
[0032]
步骤s3.2.3：对梯度幅值进行非极大值抑制，得到局部梯度最大值；
[0033]
步骤s3.2.4：用双阈值算法检测强、弱边缘点；
[0034]
步骤s3.2.5：滞后边缘跟踪，抑制孤立弱边缘点，连接真实边缘。
[0035]
进一步地，所述步骤s4中，所述hough变换能够在变换域中累计直线尾迹特征，其
公式如下：
[0036][0037]
其中，d是整个u-v平面，h(u,v)表示边缘图像点(u,v)处的灰度值，θ为直线法线方向与水平方向的夹角，ρ代表直线到原点的距离，δ为dirac函数，当边缘图像中数值为1的像素点(u,v)在直线上时，对应δ为1，否则δ为0。
[0038]
进一步地，所述步骤s4中，所述去除伪尾迹用于去除海杂波干扰，在hough变换后得到直线特征的参数及在图像中的端点坐标，将部分海杂波表现成的短线干扰剔除，连接尾迹所在的直线，取两最长直线得到尾迹检测结果，表示在原始红外图像上。
[0039]
本发明的有益效果：本发明通过对gabor滤波和局部信息熵融合，增强了尾迹的纹理特征，canny算子边缘检测，增强了尾迹边缘特征，进而提高了红外图像舰船尾迹检测的有效性。
附图说明
[0040]
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
[0041]
图1是本发明提出的一种红外舰船尾迹图像增强方法流程图。
[0042]
图2是本发明一实施例的原始红外舰船尾迹图像示意图。
[0043]
图3是gabor滤波和局部信息熵加权融合处理后效果图。
[0044]
图4是otsu阈值分割后canny算子边缘检测效果图。
[0045]
图5是尾迹直线检测结果标注到原始图像后效果图。
[0046]
具体实施方法
[0047]
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0048]
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
[0049]
下面结合附图及具体实施例对本发明作进一步阐述。
[0050]
参看图1，本发明提供了一种红外舰船尾迹图像增强方法，具体包括以下步骤：
[0051]
s1：对红外图像进行中值滤波预处理，剔除图像在椒盐噪声作用下的局部亮点，过滤随机噪声；
[0052]
s2：对预处理后图像进行多方向多尺度gabor滤波，得到gabor滤波后图像，与预处理后局部信息熵图像加权融合，增强尾迹纹理特征；
[0053]
s3：对特征融合后图像进行otsu阈值分割，得到二值化尾迹图像，对二值化图像进行canny算子边缘检测，增强尾迹边缘特征，筛选图像尾迹边缘；[0053]s4：对边缘图像进行hough变换，在变换域中累计直线尾迹特征，去除伪尾迹，检测直线尾迹表示在原始红外图
像上。
[0054]
参看图2，在一实施例中，其为原始红外舰船尾迹图像。
[0055]
步骤s1所述中值滤波用于剔除图像在椒盐噪声作用下的局部亮点，过滤随机噪声，提高图像信噪比。本发明为抑制随机噪声的同时能够加快算法处理速度，采用3
×
3方形采样窗口进行中值滤波预处理。
[0056]
步骤s1进一步包括以下步骤：
[0057]
s1.1：对图像各像素点及其3
×
3邻域内像素点的像素值进行排序；
[0058]
s1.2：将位于中间位置的像素值作为原图像各像素点的像素值。
[0059]
步骤s2进一步包括以下步骤：
[0060]
s2.1：所述多方向多尺度gabor滤波，选用不同的中心频率和方向构建一组滤波核，二维gabor滤波器核函数公式如下：
[0061][0062]
其中，u为gabor核函数的方向，v为gabor核函数的尺度，exp(ik
u,v
z)是一个振荡函数，其虚部是正弦函数，实部是余弦函数，z＝(x,y)为预处理后图像上点的坐标，‖‖表示取模运算，σ为高斯函数标准差，f是空间因子，k
max
为最大频率；
[0063]
s2.2：所述局部信息熵，能够反应图像中某一区域所含信息量，对于图像中任意一点(i,j),其公式如下：
[0064][0065]
其中，p
i,j
为预处理后图像中像素在(i,j)处的概率，m和n为窗口大小，选取9
×
9窗口计算；
[0066]
s2.3：所述加权融合，是为了最大程度增强尾迹纹理特征，用于低对比度特征提取，取权重系数2:1融合图像。
[0067]
经步骤s2对预处理后的图像进行gabor滤波和局部信息熵加权融合处理后得到的图像如图3所示。
[0068]
步骤s3进一步包括以下步骤：
[0069]
s3.1：所述otsu阈值分割，能够自动选取阈值进行二值化，其公式如下：
[0070]
u＝ω0×
μ0+ω1×
μ1ꢀꢀ
(3)
[0071]
g＝ω0×
(μ
0-μ)2+ω1×
(μ
1-μ)2ꢀꢀ
(4)
[0072]
其中，ω0为前景像素点数占图像比例，μ0为前景像素点平均灰度；ω1为背景像素点数占图像比例，μ1为背景像素点平均灰度，μ为图像的总平均灰度，g为前景和背景图象的
方差，记t为前景与背景的分割阈值，当方差g最大时，前景和背景差异最大，此时的灰度t为最佳阈值；
[0073]
s3.2：所述canny算子边缘检测，能够尽可能多地标识出二值化图像中的实际边缘，增强边缘特征，使漏检真实边缘的概率和误检非边缘的概率尽可能小，筛选图像尾迹边缘。
[0074]
步骤s3.2进一步包括以下步骤：
[0075]
s3.2.1：用高斯滤波器对二值化图像进行平滑处理，滤除噪声；
[0076]
s3.2.2：用一阶偏导算子找到图像灰度沿水平方向和垂直方向的偏导数，计算梯度的幅值和方位；
[0077]
s3.2.3：对梯度幅值进行非极大值抑制，得到局部梯度最大值；
[0078]
s3.2.4：用双阈值算法检测强、弱边缘点；
[0079]
s3.2.5：滞后边缘跟踪，抑制孤立弱边缘点，连接真实边缘。
[0080]
经步骤s3对加权融合后图像先后进行otsu阈值分割和canny算子边缘检测后得到的图像如图4所示。
[0081]
步骤s4所述hough变换能够在变换域中累计直线尾迹特征，其公式如下：
[0082][0083]
其中，d是整个u-v平面，h(u,v)表示边缘图像点(x,y)处的灰度值，θ为直线法线方向与水平方向夹角，ρ代表直线到原点的距离，δ为dirac函数，当边缘图像中数值为1的像素点(u,v)在直线上时，对应δ为1，否则δ为0。
[0084]
步骤s4所述去除伪尾迹用于去除海杂波干扰，在hough变换后得到直线特征的参数及在图像中的端点坐标，将部分海杂波表现成的短线干扰剔除，连接尾迹所在的直线，取两最长直线得到尾迹检测结果，表示在原始红外图像上，如图5所示。
[0085]
本发明具有如下的技术效果：
[0086]
本发明通过对gabor滤波和局部信息熵融合，增强了尾迹的纹理特征，canny算子边缘检测，增强了尾迹边缘特征，进而提高了红外图像舰船尾迹检测的有效性。
[0087]
本发明实施例的说明只是用于帮助理解本发明的方法，其仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围，本说明书内容不应理解为对本发明的限制。因此，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0088]
本发明公开了一种红外舰船尾迹图像增强方法，包括：对红外图像进行中值滤波预处理，过滤随机噪声；对预处理后图像进行多方向多尺度gabor滤波，结合尾迹局部信息熵进行加权融合，增强尾迹纹理特征；对特征融合后图像进行otsu阈值分割，得到二值化尾迹图像，进行canny算子边缘检测，增强尾迹边缘特征；对边缘图像进行hough变换，在变换域中累计直线尾迹特征，检测直线尾迹表示在原始红外图像上。本发明通过对gabor滤波和局部信息熵融合，增强了尾迹的纹理特征，canny算子边缘检测，增强了尾迹边缘特征，能够大大提高舰船尾迹检测的有效性。

技术特征：
1.一种红外舰船尾迹图像增强方法，其特征在于：具体包括如下步骤：s1：对红外图像进行中值滤波预处理，剔除图像在椒盐噪声作用下的局部亮点，过滤随机噪声；s2：对预处理后图像进行多方向多尺度gabor滤波，得到gabor滤波后图像，与预处理后局部信息熵图像加权融合，增强尾迹纹理特征；s3：对特征融合后图像进行otsu阈值分割，得到二值化尾迹图像，对二值化图像进行canny算子边缘检测，增强尾迹边缘特征，筛选图像尾迹边缘；s4：对边缘图像进行hough变换，在变换域中累计直线尾迹特征，去除伪尾迹，检测直线尾迹表示在原始红外图像上。2.根据权利要求1所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s1中，所述中值滤波用于剔除图像在椒盐噪声作用下的局部亮点，过滤随机噪声，提高图像信噪比。3.根据权利要求1所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s1具体包括：步骤s1.1：对图像各像素点及其3
×
3邻域内像素点的像素值进行排序；步骤s1.2：将位于中间位置的像素值作为原图像各像素点的像素值。4.根据权利要求1所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s2具体包括：步骤s2.1：所述多方向多尺度gabor滤波，选用不同的中心频率和方向构建一组滤波核，二维gabor滤波器核函数公式如下：其中，u为gabor核函数的方向，v为gabor核函数的尺度，exp(ik
u,v
z)是一个振荡函数，其虚部是正弦函数，实部是余弦函数，z＝(x,y)为预处理后图像上点的坐标，‖‖表示取模运算，σ为高斯函数标准差，f是空间因子，k
max
为最大频率；步骤s2.2：所述局部信息熵，能够反应图像中某一区域所含信息量，对于图像中任意一点(i,j),其公式如下：其中，p
i,j
为预处理后图像中像素在(i,j)处的概率，m和n为窗口大小，选取9
×
9窗口计算；步骤s2.3：所述加权融合，是为了最大程度增强尾迹纹理特征，用于低对比度特征提
取，取权重系数2:1融合图像。5.根据权利要求1所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s3具体包括：步骤s3.1：所述otsu阈值分割，能够自动选取阈值进行二值化，其公式如下：u＝ω0×
μ0+ω1×
μ1ꢀꢀꢀꢀ
(3)g＝ω0×
(μ
0-μ)2+ω1×
(μ
1-μ)2ꢀꢀꢀꢀꢀꢀ
(4)其中，ω0为前景像素点数占图像比例，μ0为前景像素点平均灰度；ω1为背景像素点数占图像比例，μ1为背景像素点平均灰度，μ为图像的总平均灰度，g为前景和背景图象的方差，记t为前景与背景的分割阈值，当方差g最大时，前景和背景差异最大，此时的灰度t为最佳阈值；步骤s3.2：所述canny算子边缘检测，能够尽可能多地标识出二值化图像中的实际边缘，增强边缘特征，使漏检真实边缘的概率和误检非边缘的概率尽可能小，筛选图像尾迹边缘。6.根据权利要求5所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s3.2具体包括：步骤s3.2.1：用高斯滤波器对二值化图像进行平滑处理，滤除噪声；步骤s3.2.2：用一阶偏导算子找到图像灰度沿水平方向和垂直方向的偏导数，计算梯度的幅值和方位；步骤s3.2.3：对梯度幅值进行非极大值抑制，得到局部梯度最大值；步骤s3.2.4：用双阈值算法检测强、弱边缘点；步骤s3.2.5：滞后边缘跟踪，抑制孤立弱边缘点，连接真实边缘。7.根据权利要求1所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s4中，所述hough变换能够在变换域中累计直线尾迹特征，其公式如下：其中，d是整个u-v平面，h(u,v)表示边缘图像点(u,v)处的灰度值，θ为直线法线方向与水平方向的夹角，ρ代表直线到原点的距离，δ为dirac函数，当边缘图像中数值为1的像素点(u,v)在直线上时，对应δ为1，否则δ为0。8.根据权利要求1所述的一种红外舰船尾迹图像增强方法，其特征在于：所述步骤s4中，所述去除伪尾迹用于去除海杂波干扰，在hough变换后得到直线特征的参数及在图像中的端点坐标，将部分海杂波表现成的短线干扰剔除，连接尾迹所在的直线，取两最长直线得到尾迹检测结果，表示在原始红外图像上。

技术总结
本发明公开了一种红外舰船尾迹图像增强方法，包括：对红外图像进行中值滤波预处理，过滤随机噪声；对预处理后图像进行多方向多尺度Gabor滤波，结合尾迹局部信息熵进行加权融合，增强尾迹纹理特征；对特征融合后图像进行Otsu阈值分割，得到二值化尾迹图像，进行Canny算子边缘检测，增强尾迹边缘特征；对边缘图像进行Hough变换，在变换域中累计直线尾迹特征，检测直线尾迹表示在原始红外图像上。本发明通过对Gabor滤波和局部信息熵融合，增强了尾迹的纹理特征，Canny算子边缘检测，增强了尾迹边缘特征，能够大大提高舰船尾迹检测的有效性。能够大大提高舰船尾迹检测的有效性。能够大大提高舰船尾迹检测的有效性。


技术研发人员：孙晓桐 李玉祥 杨雨晴 张涛 李君 陈星豪 朱正 史金辉
受保护的技术使用者：哈尔滨工程大学
技术研发日：2023.04.07
技术公布日：2023/8/5