侯云峰，陽豐俊，楊效余，王玉璞

(1.中國運載火箭技術研究院，北京 100076;2.北京遙測技術研究所，北京 100076)

基于形態(tài)學重構運算的地面目標識別算法

侯云峰1，陽豐俊1，楊效余2，王玉璞2

(1.中國運載火箭技術研究院，北京 100076;2.北京遙測技術研究所，北京 100076)

針對在熱紅外遙感圖像上識別背景復雜的地面目標較為困難這一問題，提出了基于形態(tài)學重構運算的地面目標識別算法。該算法首先對形態(tài)學重構運算的背景抑制原理及其算法的適應性進行了分析，并將該算法應用于對原始圖像的背景抑制與處理;然后，對處理后的圖像進行分割，獲得感興趣的目標區(qū)域;最后，通過對感興趣區(qū)域特征的提取與匹配識別目標。實驗結果表明，該方法能從復雜自然場景中有效地識別出目標。

目標識別;形態(tài)學重構;背景抑制;特征匹配

0 引言

在熱紅外遙感成像過程中，探測器所接收的地面自然場景輻照度主要決定于地物自身熱輻射和地面對太陽紅外輻射的反射。地面自然場景或地物(如地表的起伏、土壤、植被、河流、湖泊、人造建筑以及道路等)的熱輻射特性影響圖像上的亮溫分布，這使得從地面背景圖像中識別目標較為困難，特別是目標在局部背景中對比度差、重復模式多的情況下，識別起來尤為困難。

針對地面目標識別問題，許多學者進行了相關研究。文獻［1］提出了基于機載光學成像系統(tǒng)的地面自然場景圖像目標識別法。該方法首先對光學傳感器獲取的圖像進行邊緣提取，得到邊緣圖像;然后分別計算邊緣圖像與每個目標輪廓投影的相似程度;最后根據(jù)相似程度的高低決定該圖像上是否包含目標，若包含目標，指定目標的類型。文獻［2］提出了基于多級目標模型分析的熱成像戰(zhàn)術目標分類方法，該方法預先存儲多級目標結構模型，將結構模型投影到成像平面，并與從實時圖像上提取的邊緣特征相匹配，從而實現(xiàn)對目標的正確分類識別。以上方法不足之處是直接對輸入圖像進行邊緣提取，不易獲得理想結果，而且為后續(xù)正確識別目標增加了難度。

為了克服上述文獻中方法的缺陷，本文采取對輸入圖像進行背景抑制的方法，以達到突出目標的目的。首先對輸入的原始圖像采用灰度級形態(tài)學重構運算抑制背景，濾除復雜的地物背景，突出目標;然后對背景抑制后的圖像進行分割，獲得目標感興趣區(qū)，通過感興趣區(qū)特征提取與匹配識別目標。

1 背景抑制原理

Braga － Neto［3］，Vincent［4］和 Soille［5］等提出了灰度頂帽形態(tài)學重構算子原理。

設已知圖像為f，找到另外圖像fm作為標記圖像，要求fm?f(標記圖像fm包含于圖像f中)。用T={F(t)|t∈R，F(xiàn)(t)≠?}和 Tm={Fm(t)|t∈R，F(xiàn)m(t)≠?}分別表示f和fm的域值分解，其中F(t)和Fm(t)分別為圖像f和fm在灰度級為t時的橫向截面。如果在Fm(t)上應用二值形態(tài)圖像重構算子RC［Fm(t)|F(t)］，已知 F(t)，那么被 Fm(t)標記的所有目標F(t)都將得到完整的重構。對于每個灰度級t，如果都這樣處理，并且將結果疊加在一起，就得到了灰度重構算子rc(fm|f)，這就是有條件的灰度重構算子。因為圖像fm標記了想要保存的圖像輪廓部分，而這部分能從標記中完整地重構，即

在使用形態(tài)學重構算子進行背景抑制時，選擇一個合適的標記圖像fm是非常重要的。一般來說，對于亮目標，由于其灰度值大于局部背景灰度值，可以采用腐蝕運算F(t)ΘB作為標記圖像，即

式中:B為結構元;(v，w)為結構元B的坐標。所以，灰度開重構算子定義為

對于暗目標，可采用灰度形態(tài)學閉運算進行背景抑制，即

式中:f*=M－f表示圖像f的最大灰度級M與圖像f中每個像元相減。

因此，灰度級頂帽開/閉重構運算定義為

本文采用灰度級頂帽開重構運算對亮目標進行背景抑制，達到抑制背景、突出目標的目的。

2 背景抑制方法的適應性

2.1 模板大小對算法的影響

通過更改形態(tài)學腐蝕運算的模板大小來控制保留下來小目標的尺寸。若模板過小，目標在圖像中尺寸較大，則目標可能被濾除;相反，若模板過大，目標雖然被保留下來，但也保留了較多的雜波。圖1為對熱紅外圖像背景抑制的處理結果。

(2)工程前后水位變化。裁彎工程實施以后，南夾江比降增大，分流量也增大，裁彎出口段受到長江干流來水的頂托，在82 400 m3/s流量下水位壅高幅度達0.06 m，其余河段水位均有所下降，下降幅度在0.01～0.05 m之間。

圖1 不同模板的坦克目標背景抑制結果Fig.1 Results of background suppression for a tank target using different templates

從圖1(a)可以看出，坦克目標處于地面背景中，當使用5像元×5像元模板時，背景抑制結果圖像上的大量雜波被抑制(圖1(b));當使用20像元×20像元模板時，背景抑制結果圖像上的大量雜波被保留下來(圖1(d))。

2.2 目標局部對比度對算法的影響

在進行背景抑制時，有時會出現(xiàn)目標局部對比度很低的情況(即目標被融入到了背景中)，此時采用形態(tài)學重構算法進行背景抑制就不能獲得較好的結果。從圖2可以看出，分別使用5像元×5像元(圖2(b))、15像元×15像元(圖2(c))和20像元×20像元模板(圖2(d))對圖像進行背景抑制，在處理結果中目標并沒有被突出出來，卻保留了較多的自然背景雜波。

圖2－1 低對比度坦克目標的背景抑制結果Fig.2 －1 Results of background suppression for a low contrast tank target

圖2－2 低對比度坦克目標的背景抑制結果Fig.2 －2 Results of background suppression for a low contrast tank target

2.3 算法性能評估指標

為了衡量背景抑制算法的性能，本文以最常用的目標信雜比(SCR)、信雜比增益(SCRG)和背景抑制因子(BSF)3個指標作為客觀評價準則［6］。

目標信雜比(SCR)計算公式為

式中:μs為目標的平均亮度;μc為局部背景的平均亮度;σc為局部背景的標準差。

信雜比增益(SCRG)計算公式為

式中:(μs/σc)in和(μs/σc)out分別代表背景抑制前、后目標區(qū)平均亮度與其局部背景區(qū)標準差之比。

背景抑制因子(BSF)計算公式為

圖3 不同地面場景目標背景抑制圖像Fig.3 Images of background suppression in different ground scenes

表1 背景抑制性能指標Tab.1 Performance items of background suppression

從表1可以看出，若SCRG＜1，BSF＜1，并且背景抑制后SCR降低，此時圖像背景抑制效果很差(圖3(d));相反，若經(jīng)過背景抑制后目標信雜比提高，SCRG＞1，BSF＞1，此時圖像經(jīng)過背景抑制后能較好地突出目標(圖3(c))。

3 圖像分割和特征提取與匹配

將背景抑制后的結果圖像進行二維最大熵分割［7］，并對分割后的圖像進行二值形態(tài)學膨脹運算。獲得的圖像包含若干個感興趣區(qū)，對該圖像進行特征(周長，外接矩形的高、寬，形狀因子等)提取。

在預先制備好的一組目標特性視圖里選取與該飛行參數(shù)相對應的一幀特性視圖，作為當前目標模型;然后，提取當前目標模型各個特征量，并將其作為模型特征向量。

定義一個感興趣區(qū)某個特征量的相對誤差Eij為區(qū)第j個測量特征量。

根據(jù)式(10)計算每個感興趣區(qū)的各個特征量相對誤差，如果不滿足

則該感興趣區(qū)域被舍棄，否則，保留該感興趣區(qū)。Ethresh為指定參數(shù)。

經(jīng)過上述處理后，保留與目標最為接近的感興趣區(qū)，并將該區(qū)對應到原始輸入圖像相應局部區(qū)域，進行目標輪廓特征提取與匹配，實現(xiàn)對目標的定位。

4 實驗結果

式中:FPj為第j個模型特征量;Fmij為第i個感興趣

圖4為應用上述方法對紅外探測器接收的某一自然場景的單幀圖像(目標為坦克)處理結果。

圖4 某地面目標圖像處理結果Fig.4 Results of image processing for ground target

對上述自然場景以一定飛行高度和某個方位角進入，在不同的俯仰角條件下，對所成的序列圖像進行目標識別仿真實驗，結果如圖5所示。

圖5 成像距離與目標識別率關系Fig.5 Relation between imaging range and target recognition rate

從圖5可以看出，隨著成像距離的減小，目標正確識別率增大;當目標在近距離成像時，能進行穩(wěn)定識別。

5 結論

通過對形態(tài)學重構運算的背景抑制算法的適應性分析，認為目標的局部對比度和模板大小會影響背景抑制效果;通過對背景抑制后的圖像進行分割、感興趣區(qū)特征提取與匹配，可以進行目標識別。仿真實驗結果表明，該方法能從復雜自然場景中有效地識別出目標。

［1］Ruch O，Dufour J Y.Real－time Automatic Target Recognition and Identification of Ground Vehicles for Airborne Optronic Systems［C］//Proceedings of the SPIE on Applications of Digital Image Processing XXVIII.2005:590902 －1 －10.

［2］Lee H C，Olson T L，Sefcik J A.Hierarchical Target Model Analysis of Tactical Thermal Imagery［C］//Proceedings of SPIE on Automatic Target Recognition XII.2002:114 －121.

［3］Braga － Neto U，Choudhary M，Goutsias J.Automatic Target Detection and Tracking in Forward－looking Infrared Image Sequences Using Morphological Connected Operators［J］.Journal of Electronic Imaging，2004，13(4):802 －813.

［4］Vincent L.Morphological Grayscale Reconstruction in Image Analysis:Applications and Efficient Algorithms［J］.IEEE Transactions on Image Processing，1993，2(2):176 －201.

［5］Soille P.Morphological Image Analysis:Principles and Applications［M］.2th ed.New York:Springer－ Verlag，2004.

［6］Hilliard C I.Selection of a Clutter Rejection Algorithm for Realtime Target Detection from an Airborne Platform［C］//Proceedings of the SPIE in Signal and Data Processing of Small Targets.2000:74－84.

［7］Abutaleb A S.Automatic Thresholding of Gray － level Pictures Using Two － dimensional Entropy［J］.Computer Vision，Graphics，and Image Processing，1989，47(1):22 －32.

The Method for Target Recognition from Natural Scene Images Based on Morphological Reconstruction

HOU Yun－feng1，YANG Feng－jun1，YANG Xiao－yu2，WANG Yu－pu2
(1.China Academy of Launch Vehicle Technology，Beijing 100076，China;2.Beijing Institute of Telemetry，Beijing 100076，China)

In this paper，a method for target recognition from natural scene images based on morphological reconstruction is presented and used to solve the problem of target recognition of the ground scene.Firstly，the definitions of grayscale reconstruction are illustrated and their performance evaluation for background suppression is demonstrated，and an input image is processed using morphological grayscale reconstruction.Then，the processed image is segmented and regions of interest are obtained.Lastly，the target is recognized by features extraction for regions of interest and matching based on model features of the target.The experiment results show that the proposed method can effectively recognize the target from complex natural scene.

target recognition;morphological reconstruction;background suppression;feature matching

TP 391;TP 75

A

1001－070X(2012)03－0011－05

2011－10－17;

2011－12－25

10.6046/gtzyyg.2012.03.03

侯云峰(1990－)，男，主要從事信號處理、圖像處理等方面研究。E－mail:rmsds@sina.com。

(責任編輯:刁淑娟)