侯云峰，陽(yáng)豐俊，楊效余，王玉璞

(1.中國(guó)運(yùn)載火箭技術(shù)研究院，北京 100076;2.北京遙測(cè)技術(shù)研究所，北京 100076)

基于形態(tài)學(xué)重構(gòu)運(yùn)算的地面目標(biāo)識(shí)別算法

侯云峰1，陽(yáng)豐俊1，楊效余2，王玉璞2

(1.中國(guó)運(yùn)載火箭技術(shù)研究院，北京 100076;2.北京遙測(cè)技術(shù)研究所，北京 100076)

針對(duì)在熱紅外遙感圖像上識(shí)別背景復(fù)雜的地面目標(biāo)較為困難這一問(wèn)題，提出了基于形態(tài)學(xué)重構(gòu)運(yùn)算的地面目標(biāo)識(shí)別算法。該算法首先對(duì)形態(tài)學(xué)重構(gòu)運(yùn)算的背景抑制原理及其算法的適應(yīng)性進(jìn)行了分析，并將該算法應(yīng)用于對(duì)原始圖像的背景抑制與處理;然后，對(duì)處理后的圖像進(jìn)行分割，獲得感興趣的目標(biāo)區(qū)域;最后，通過(guò)對(duì)感興趣區(qū)域特征的提取與匹配識(shí)別目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該方法能從復(fù)雜自然場(chǎng)景中有效地識(shí)別出目標(biāo)。

目標(biāo)識(shí)別;形態(tài)學(xué)重構(gòu);背景抑制;特征匹配

0 引言

在熱紅外遙感成像過(guò)程中，探測(cè)器所接收的地面自然場(chǎng)景輻照度主要決定于地物自身熱輻射和地面對(duì)太陽(yáng)紅外輻射的反射。地面自然場(chǎng)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(shí)別目標(biāo)較為困難，特別是目標(biāo)在局部背景中對(duì)比度差、重復(fù)模式多的情況下，識(shí)別起來(lái)尤為困難。

針對(duì)地面目標(biāo)識(shí)別問(wèn)題，許多學(xué)者進(jìn)行了相關(guān)研究。文獻(xiàn)［1］提出了基于機(jī)載光學(xué)成像系統(tǒng)的地面自然場(chǎng)景圖像目標(biāo)識(shí)別法。該方法首先對(duì)光學(xué)傳感器獲取的圖像進(jìn)行邊緣提取，得到邊緣圖像;然后分別計(jì)算邊緣圖像與每個(gè)目標(biāo)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(biāo)，若包含目標(biāo)，指定目標(biāo)的類型。文獻(xiàn)［2］提出了基于多級(jí)目標(biāo)模型分析的熱成像戰(zhàn)術(shù)目標(biāo)分類方法，該方法預(yù)先存儲(chǔ)多級(jí)目標(biāo)結(jié)構(gòu)模型，將結(jié)構(gòu)模型投影到成像平面，并與從實(shí)時(shí)圖像上提取的邊緣特征相匹配，從而實(shí)現(xiàn)對(duì)目標(biāo)的正確分類識(shí)別。以上方法不足之處是直接對(duì)輸入圖像進(jìn)行邊緣提取，不易獲得理想結(jié)果，而且為后續(xù)正確識(shí)別目標(biāo)增加了難度。

為了克服上述文獻(xiàn)中方法的缺陷，本文采取對(duì)輸入圖像進(jìn)行背景抑制的方法，以達(dá)到突出目標(biāo)的目的。首先對(duì)輸入的原始圖像采用灰度級(jí)形態(tài)學(xué)重構(gòu)運(yùn)算抑制背景，濾除復(fù)雜的地物背景，突出目標(biāo);然后對(duì)背景抑制后的圖像進(jìn)行分割，獲得目標(biāo)感興趣區(qū)，通過(guò)感興趣區(qū)特征提取與匹配識(shí)別目標(biāo)。

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(xué)重構(gòu)算子原理。

設(shè)已知圖像為f，找到另外圖像fm作為標(biāo)記圖像，要求fm?f(標(biāo)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(jí)為t時(shí)的橫向截面。如果在Fm(t)上應(yīng)用二值形態(tài)圖像重構(gòu)算子RC［Fm(t)|F(t)］，已知 F(t)，那么被 Fm(t)標(biāo)記的所有目標(biāo)F(t)都將得到完整的重構(gòu)。對(duì)于每個(gè)灰度級(jí)t，如果都這樣處理，并且將結(jié)果疊加在一起，就得到了灰度重構(gòu)算子rc(fm|f)，這就是有條件的灰度重構(gòu)算子。因?yàn)閳D像fm標(biāo)記了想要保存的圖像輪廓部分，而這部分能從標(biāo)記中完整地重構(gòu)，即

在使用形態(tài)學(xué)重構(gòu)算子進(jìn)行背景抑制時(shí)，選擇一個(gè)合適的標(biāo)記圖像fm是非常重要的。一般來(lái)說(shuō)，對(duì)于亮目標(biāo)，由于其灰度值大于局部背景灰度值，可以采用腐蝕運(yùn)算F(t)ΘB作為標(biāo)記圖像，即

式中:B為結(jié)構(gòu)元;(v，w)為結(jié)構(gòu)元B的坐標(biāo)。所以，灰度開(kāi)重構(gòu)算子定義為

對(duì)于暗目標(biāo)，可采用灰度形態(tài)學(xué)閉運(yùn)算進(jìn)行背景抑制，即

式中:f*=M－f表示圖像f的最大灰度級(jí)M與圖像f中每個(gè)像元相減。

因此，灰度級(jí)頂帽開(kāi)/閉重構(gòu)運(yùn)算定義為

本文采用灰度級(jí)頂帽開(kāi)重構(gòu)運(yùn)算對(duì)亮目標(biāo)進(jìn)行背景抑制，達(dá)到抑制背景、突出目標(biāo)的目的。

2 背景抑制方法的適應(yīng)性

2.1 模板大小對(duì)算法的影響

通過(guò)更改形態(tài)學(xué)腐蝕運(yùn)算的模板大小來(lái)控制保留下來(lái)小目標(biāo)的尺寸。若模板過(guò)小，目標(biāo)在圖像中尺寸較大，則目標(biāo)可能被濾除;相反，若模板過(guò)大，目標(biāo)雖然被保留下來(lái)，但也保留了較多的雜波。圖1為對(duì)熱紅外圖像背景抑制的處理結(jié)果。

(2)工程前后水位變化。裁彎工程實(shí)施以后，南夾江比降增大，分流量也增大，裁彎出口段受到長(zhǎng)江干流來(lái)水的頂托，在82 400 m3/s流量下水位壅高幅度達(dá)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(biāo)背景抑制結(jié)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(biāo)處于地面背景中，當(dāng)使用5像元×5像元模板時(shí)，背景抑制結(jié)果圖像上的大量雜波被抑制(圖1(b));當(dāng)使用20像元×20像元模板時(shí)，背景抑制結(jié)果圖像上的大量雜波被保留下來(lái)(圖1(d))。

2.2 目標(biāo)局部對(duì)比度對(duì)算法的影響

在進(jìn)行背景抑制時(shí)，有時(shí)會(huì)出現(xiàn)目標(biāo)局部對(duì)比度很低的情況(即目標(biāo)被融入到了背景中)，此時(shí)采用形態(tài)學(xué)重構(gòu)算法進(jìn)行背景抑制就不能獲得較好的結(jié)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(duì)圖像進(jìn)行背景抑制，在處理結(jié)果中目標(biāo)并沒(méi)有被突出出來(lái)，卻保留了較多的自然背景雜波。

圖2－1 低對(duì)比度坦克目標(biāo)的背景抑制結(jié)果Fig.2 －1 Results of background suppression for a low contrast tank target

圖2－2 低對(duì)比度坦克目標(biāo)的背景抑制結(jié)果Fig.2 －2 Results of background suppression for a low contrast tank target

2.3 算法性能評(píng)估指標(biāo)

為了衡量背景抑制算法的性能，本文以最常用的目標(biāo)信雜比(SCR)、信雜比增益(SCRG)和背景抑制因子(BSF)3個(gè)指標(biāo)作為客觀評(píng)價(jià)準(zhǔn)則［6］。

目標(biāo)信雜比(SCR)計(jì)算公式為

式中:μs為目標(biāo)的平均亮度;μc為局部背景的平均亮度;σc為局部背景的標(biāo)準(zhǔn)差。

信雜比增益(SCRG)計(jì)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(biāo)區(qū)平均亮度與其局部背景區(qū)標(biāo)準(zhǔn)差之比。

背景抑制因子(BSF)計(jì)算公式為

圖3 不同地面場(chǎng)景目標(biāo)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(biāo)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(shí)圖像背景抑制效果很差(圖3(d));相反，若經(jīng)過(guò)背景抑制后目標(biāo)信雜比提高，SCRG＞1，BSF＞1，此時(shí)圖像經(jīng)過(guò)背景抑制后能較好地突出目標(biāo)(圖3(c))。

3 圖像分割和特征提取與匹配

將背景抑制后的結(jié)果圖像進(jìn)行二維最大熵分割［7］，并對(duì)分割后的圖像進(jìn)行二值形態(tài)學(xué)膨脹運(yùn)算。獲得的圖像包含若干個(gè)感興趣區(qū)，對(duì)該圖像進(jìn)行特征(周長(zhǎng)，外接矩形的高、寬，形狀因子等)提取。

在預(yù)先制備好的一組目標(biāo)特性視圖里選取與該飛行參數(shù)相對(duì)應(yīng)的一幀特性視圖，作為當(dāng)前目標(biāo)模型;然后，提取當(dāng)前目標(biāo)模型各個(gè)特征量，并將其作為模型特征向量。

定義一個(gè)感興趣區(qū)某個(gè)特征量的相對(duì)誤差Eij為區(qū)第j個(gè)測(cè)量特征量。

根據(jù)式(10)計(jì)算每個(gè)感興趣區(qū)的各個(gè)特征量相對(duì)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(guò)上述處理后，保留與目標(biāo)最為接近的感興趣區(qū)，并將該區(qū)對(duì)應(yīng)到原始輸入圖像相應(yīng)局部區(qū)域，進(jìn)行目標(biāo)輪廓特征提取與匹配，實(shí)現(xiàn)對(duì)目標(biāo)的定位。

4 實(shí)驗(yàn)結(jié)果

式中:FPj為第j個(gè)模型特征量;Fmij為第i個(gè)感興趣

圖4為應(yīng)用上述方法對(duì)紅外探測(cè)器接收的某一自然場(chǎng)景的單幀圖像(目標(biāo)為坦克)處理結(jié)果。

圖4 某地面目標(biāo)圖像處理結(jié)果Fig.4 Results of image processing for ground target

對(duì)上述自然場(chǎng)景以一定飛行高度和某個(gè)方位角進(jìn)入，在不同的俯仰角條件下，對(duì)所成的序列圖像進(jìn)行目標(biāo)識(shí)別仿真實(shí)驗(yàn)，結(jié)果如圖5所示。

圖5 成像距離與目標(biāo)識(shí)別率關(guān)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(biāo)正確識(shí)別率增大;當(dāng)目標(biāo)在近距離成像時(shí)，能進(jìn)行穩(wěn)定識(shí)別。

5 結(jié)論

通過(guò)對(duì)形態(tài)學(xué)重構(gòu)運(yùn)算的背景抑制算法的適應(yīng)性分析，認(rèn)為目標(biāo)的局部對(duì)比度和模板大小會(huì)影響背景抑制效果;通過(guò)對(duì)背景抑制后的圖像進(jìn)行分割、感興趣區(qū)特征提取與匹配，可以進(jìn)行目標(biāo)識(shí)別。仿真實(shí)驗(yàn)結(jié)果表明，該方法能從復(fù)雜自然場(chǎng)景中有效地識(shí)別出目標(biāo)。

［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(hào)處理、圖像處理等方面研究。E－mail:rmsds@sina.com。

(責(zé)任編輯:刁淑娟)