星空背景的弱小目标差分增强方法.pdfVIP

星空背景的弱小目标差分增强方法

魏敏;文武;张江楠

【摘要】针对星空背景弱小目标检测预处理,提出一种基于差分的弱小目标增强方

法.该方法将参与差分运算的两帧图像的上一帧图像进行灰度膨胀,再用当前帧与其

进行差分,在差分时用图像的灰度饱和值乘差值再除上做差分运算的两个对应像素

的最大值,通过这种差分运算,解决了背景星抑制不干净的问题,克服了差分时弱小目

标信噪比进一步降低的情况.实验表明,文中的差分方法,不仅对背景抑制良好,且与传

统差分比较目标信噪比提高3.5倍以上,对比度提高20倍以上.

【期刊名称】《成都信息工程学院学报》

【年(卷),期】2015(030)003

【总页数】4页(P239-242)

【关键词】信号与信息处理;图像增强;膨胀;大气扰动;差分;拖尾

【作者】魏敏;文武;张江楠

【作者单位】成都信息工程大学计算机学院,四川成都610225;成都信息工程大学

计算机学院,四川成都610225;成都信息工程大学计算机学院,四川成都610225

【正文语种】中文

【中图分类】TP391.41

0引言

弱小目标检测预处理的主要目的是抑制背景和增强目标信号，其方法繁多，常见的

有:灰度拉伸［1］、直方图变换［2］、高通滤波［3-4］目标能量累积［5-7］、

波原子变换［8］、四元数傅里叶变换［9］和形态滤波［10-11］等。图像直接差

分［12-13］或变形形式(采用基于时空域的双边滤波器估计背景，再将原图与背

景做差分运算［14］)也广泛应用到弱小目标检测当中，差分的主要目的是抑制背

景，减小背景干扰，但是，对于信噪比较低的小目标，经过差分处理后有可能降低

目标的信噪比，因此，普通差分并不适合复杂背景的弱小目标检测。如果能够找到

一种差分方法，既能抑制背景，又能提高弱小目标的信噪比，这对扩大差分的应用

范围和提高弱小目标的检测都是极其有意义的。

针对星空背景的弱小目标检测这一应用场景，提出一种既能抑制背景星，又能增强

弱小目标的差分增强方法。星空背景的图像可以分为两大类，一类是背景星位置不

变或缓动(定义为做差分运算的两帧图像中的背景星位移不大于1像素);另一类为背

景星位置有明显变化。这两类图像均可应用提出的差分方法进行背景星抑制(或完

全去除)，增强弱小目标，方法应用到这两类图像时，对于背景星运动的情况需要

先将背景星进行配准，再运用该方法。为了算法描述简单，仅以第一类图像的情形

进行描述。

1算法描述

图像差分运算指的是将需要做差分运算图像的两帧图像(根据需要，这两帧图像可

以不相邻)进行逐像素做差运算，这种运算可以表示为

其中，fn(i，j)表示第n帧图像(i，j)处的灰度，fn-1(i，j)与第n帧做差分运算的那

帧图像(i，j)处的灰度。如前面所述，图像差分的优势在于抑制背景而非增强弱小

目标，若直接将图像差分运用到弱小目标检测中，很难取得良好的效果，特别是当

目标信噪比很低时。分析图像差分运算可以发现，差分时直接将对应像素相减，并

没有考虑对应两个像素的灰度关系，提出的差分充分考虑对应两个像素的灰度值，

并利用这两个像素的关系，在差分时将他们的差值(差分结果)进行放大，从而达到

增强弱小目标的效果。改进后的差分表示为

其中，Sat-Value是图像的饱和值，对于16Bit的图像，Sat-Value的值为

65535。式(2)充分考虑了帧间灰度特征，同时将差分后的结果进行了灰度拉伸，

这种拉伸只受帧间对应像素值的影响，换句话说，只要帧间对应像素灰度值存在差

异，这种拉伸方法就将这种差异放大，差异越大放大效果越明显，这一特性对于弱

小目标差分增强是极其关键的，原因在于:差分时两帧对应的背景星灰度基本一致，

经过差分后背景星被抑制;差分时两帧背景(没有星的地方)灰度值也基本一致，经过

差分后也被抑制;而弱小目标比背景灰度值略高，经过差分后会拉大与周围背景的

差异，从而实现背景星抑制和弱小目标增强。此外，文中差分增强方法与其他差分

后再增强的方法相比较有还有两个优势:其一是增强效果不受周围像素或全图像素

的统计值影响;其二是增强方法简单且运算量小。

虽然经过式(2)差分增强能够很大程度抑制背景星的影响，但并不能完全将背景星

剔除，通过实验分析发现，造成这一现象的原因在于:

(1)由于大气扰动或传动晃动的影响，背景星的形状在帧间会有细微的变化(位置或

形状)，此外，亮度饱和的背景星，其饱和溢出的拖尾［15］在帧间变化有时还比

较大，这种变化通过改进的差分处理后更加明显，