朱小紅，藺素珍，張商珉，王棟娟，劉 震

?

多波段紅外圖像的差異紋理特征選擇

朱小紅，藺素珍，張商珉，王棟娟，劉 震

( 中北大學計算機與控制工程學院，太原 030051 )

針對多波段紅外圖像紋理特征數(shù)目龐大，不易于對其成像差異進行綜合分析的問題，提出了一種三級特征選擇模型。首先采用兩兩比較的形式進行差異一致性檢驗，選擇出差異分布規(guī)律一致的特征量；其次基于SPSS軟件的獨立樣本檢驗功能進行差異顯著性檢驗，剔除差異不顯著的特征量；然后進行去相關性分析，相關度較高的特征用其中某個特征代替，其余特征保留。實驗證明，經(jīng)該模型選擇出的少量特征能綜合反映圖像的特征差異，為其目標識別等提供參考。

多波段紅外；紋理特征；特征選擇；差異特征

0 引 言

隨著第三代紅外探測器技術的發(fā)展，探測器可以同時響應多個波段上的紅外輻射，進而輸出相應波段的圖像，從而可以利用不同紅外波段上探測結(jié)果的差異性和互補性獲得對場景更全面準確的認識[1-2]。而目標特征的選擇和提取是目標識別系統(tǒng)的一個關鍵環(huán)節(jié)，它作為識別器的輸入會直接影響識別系統(tǒng)識別算法的選擇及其識別性能[3-4]。因此，研究多波段紅外圖像的差異紋理特征選擇可以為目標識別中選擇合適波段和特征等提供參考。但尚未檢索到關于多波段紅外圖像差異特征研究的相關報道。

目前的研究主要集中在雙波段上。以中波紅外MWIR(Medium Wave Infrared)和長波紅外LWIR(Long Wave Infrared)圖像為對象進行的研究表明：白天拍攝的MWIR圖像目標和背景特征轉(zhuǎn)向零，晚上拍攝的LWIR和MWIR圖像有相似的目標背景對比度[5-6]；當背景較豐富時，LWIR圖像的層次感以及對小目標的干擾都比MWIR圖像強；LWIR圖像中目標的輪廓特征比MWIR圖像清晰，而MWIR圖像的灰度值分布較LWIR圖像緊湊[7]。以短波紅外SWIR(Short Wave Infrared)圖像和可見光灰度圖像為對象的研究表明兩類圖像特征相似，目標細節(jié)表達清晰[8-9]。這些研究都說明不同波段上的紅外圖像各有其特點，有必要對其差異特征進行深入探討。

為此，本文以SWIR、MWIR和LWIR圖像為例，經(jīng)過對這三個波段圖像的紋理特征進行三級特征選擇，最終得到多波段紅外圖像的差異紋理特征，為探測多波段紅外目標等提供一種準確、有效和直觀的方法。

1 特征選擇流程

本文以兩組夜視條件下已配準的同一場景的SWIR、MWIR和LWIR圖像[5,10]以及第三組3個場景已分別配準的紅外圖像[11-13]為分析對象，得到由大量的紋理特征組成的原始特征空間。對這些特征進行了一致差異級、顯著差異級以及去相關差異級三級選擇，最終選擇出有效的特征。一致差異級中，對差異分布規(guī)律相同的特征進行歸類；顯著差異級中，剔除差異不顯著的特征；去相關差異級中，用一個特征代替與之相關度較高的特征。具體過程如圖1所示。

圖1 差異特征選擇過程

本文采用兩兩比較的形式將圖像分為短中波圖像、中長波圖像和短長波圖像這三大類進行實驗。每類情況選取的圖像說明如下：?短中波圖像類：圖2(a)、(b)，圖3(a)、(b)，圖4(a)、(b)；?中長波圖像類：圖2(b)、(c)，圖3(b)、(c)，圖4(c)、(d)；?短長波圖像類：圖2(a)、(c)，圖3(a)、(c)，圖4(e)、(f)。為了減小目標結(jié)構(gòu)對圖像特征的影響，對每幅圖像都進行分塊處理，選取的圖像塊大小都為16×16，接下來對每個圖像塊獨立進行特征選擇。

圖2 第一組紅外圖像

圖3 第二組紅外圖像

圖4 第三組紅外圖像

2 三級特征選擇模型

2.1 一致差異級選擇

關于圖像紋理特征有很多描述方法，常用的有：Tamura的6個特征量：粗糙度、對比度、粗略度、方向度、線性度和規(guī)則度；灰度共生矩陣的14個特征量：角二階矩(能量)、對比度、相關度、熵、方差、均值和、方差和、逆差距、差的方差、和熵、差熵、聚類陰影、顯著聚類和最大概率；灰度-梯度共生矩陣的15個特征量：小梯度優(yōu)勢、大梯度優(yōu)勢、灰度分布的不均勻性、梯度分布的不均勻性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相關性、灰度熵、梯度熵、混合熵、慣性、逆差距；6個直方圖特征量：灰度均值、灰度方差、偏度系數(shù)、峰度系數(shù)、能量、熵；8個八連通統(tǒng)計幾何特征量；另外還有空間頻率(平均自相關函數(shù))和邊界頻率[14-15]兩個特征量。將這些特征量按上述順序進行編號，分別記為1至51號特征。

統(tǒng)計出每類情況的每對樣本圖像的每個特征量大小規(guī)律一致的圖像塊數(shù)目占整幅圖像總塊數(shù)比例。按照SWIR、MWIR和LWIR圖像先后順序，若前者的某個特征量的統(tǒng)計結(jié)果大于后者，賦予正值，并認為該特征歸屬為對應的差異規(guī)律類；反之，若前者的某個特征統(tǒng)計結(jié)果小于后者，賦予負值，并認為該特征歸屬為對應的差異規(guī)律類，具體結(jié)果如圖5所示。

圖5 差異一致特征對比結(jié)果

由圖5可以得出，每類的三對樣本圖像差異一致分布規(guī)律都相同的特征如表1所示，本文的符號S，M，L分別表示短波、中波和長波紅外圖像的某一特征值。

表1 差異一致檢驗結(jié)果

Table 1 Test results of difference consistency

2.2 顯著差異級選擇

SPSS軟件可用來進行差異特征顯著程度檢驗[16-17]。取置信水平為默認的0.95，對差異一致的圖像塊特征檢驗，結(jié)果如表2所示。舍去差異不顯著的特征，保留差異非常顯著和差異顯著的特征進入下一級檢驗。

表2 差異顯著檢驗結(jié)果

Table 2 Test results of difference significant

2.3 去相關差異級選擇

通過計算可以得出各特征量之間的相關系數(shù)，根據(jù)相關系數(shù)的大小可得到特征量之間的相關程度。設某個圖像塊的某個特征量為，為特征編號(=1,2,...,51)，為所屬差異規(guī)律的特征數(shù)目，則特征量相關性分析的具體步驟如下[18]：

1) 先將每個特征量進行歸一化處理：

2) 計算每對圖像塊的特征與特征的相關系數(shù)：

若，無相關性；，低度相關；，中度相關；，高度相關[19-20]。

根據(jù)式(1)和(2)可得每類差異規(guī)律的中高度相關特征，并選取其中穩(wěn)定性好較常用某個特征來代替，結(jié)果如表3所示。

表3 相關度較高的特征

Table 3 Features of high correlation

為了更直觀的反映出SWIR、MWIR和LWIR圖像的特征差異，在MATLAB中仿真出多波段紅外圖像的差異紋理特征，因每個特征的量綱不同，在數(shù)量上可能存在較大差異，為便于分析比較，將選擇出的特征再進行標準化處理，又由于某些標準化后的特征值較大，在同一縱軸下會淹沒其余特征值的差異程度，故另外作圖，最終結(jié)果如圖6所示。

圖6 差異紋理特征選擇

由圖6可知，多波段紅外圖像差異紋理特征結(jié)果分析如下：

短中波圖像類：SWIR圖像的Tamura的對比度(第2號特征)，灰度-梯度共生矩陣的相關性(第30號特征)都比MWIR大，說明了SWIR與MWIR圖像相比，明暗區(qū)域中最亮的白和最暗的黑之間的亮度層級更多，細節(jié)更清晰，相似程度更高；而SWIR圖像的Tamura的粗糙度(第1號特征)、線性度(第5號特征)，灰度共生矩陣的角二階矩(第7號特征)，直方圖的偏度系數(shù)(第38號特征)都比MWIR小，說明了MWIR相比SWIR圖像的灰度變化劇烈，紋理基元的形狀更具有線性關系，灰度分布更均勻，紋理更粗。

中長波圖像類：MWIR圖像的Tamura的線性度(第5號特征)，灰度共生矩陣的角二階矩(第7號特征)、方差和(第13號特征)都比LWIR大，說明了MWIR相比LWIR圖像紋理基元的形狀更具有線性關系，灰度分布更均勻，紋理更粗，周期更長；而MWIR圖像的Tamura的對比度(第2號特征)，灰度共生矩陣的對比度(第8號特征)，灰度-梯度共生矩陣的相關性(第30號特征)都比LWIR小，說明了MWIR與LWIR圖像相比，明暗區(qū)域中最亮的白和最暗的黑之間的亮度層級更多，細節(jié)更清晰，像素間的相似程度更高。

短長波圖像類：SWIR圖像的灰度共生矩陣的對比度(第8號特征)、均值和(第12號特征)，灰度-梯度共生矩陣的逆差距(第35號特征)都比LWIR大，說明了SWIR相比LWIR圖像的紋理溝紋更深，圖像更清晰，整體上更明亮，圖像局部更均勻；而SWIR圖像的Tamura的粗糙度(第1號特征)、線性度(第5號特征)，灰度-梯度共生矩陣的灰度均方差(第28號特征)都比LWIR小，說明了SWIR相比LWIR圖像的灰度變化更劇烈，紋理基元的形狀更具有線性關系，紋理周期更大。

3 結(jié) 論

通過以上分析對比，在特定條件下，多波段紅外圖像特征主要存在以下差異：SWIR與MWIR、LWIR圖像相比，細節(jié)更清晰，紋理溝紋更深，圖像整體更明亮，局部更均勻，紋理周期更長，信息量更多，所以SWIR波段更適合選擇對比度、相關性、均值和以及逆差距等特征量探測細節(jié)較微小的目標，例如樹叢等。MWIR相比LWIR圖像對比度較大，圖像整體亮度較高，細節(jié)較清晰，紋理基元的形狀也更具有線性關系，所以，MWIR波段更適合選擇線性度、角二階矩、方差和以及偏度系數(shù)等特征量探測場景層次感差的小目標。LWIR波段更適合選擇粗糙度、線性度、對比度、相關性以及灰度均方差等特征量探測場景層次感較好的目標。

由于條件限制和篇幅原因，差異顯著檢驗時置信水平取了定值以及差異相關檢驗時相關度取了閾值，這對仿真結(jié)果會有影響。另外，本文選取的圖像都是在夜視條件下的野外自然場景，具有一定的局限性。

[1] 付強，張新. 中波/長波雙色紅外光學系統(tǒng)材料選擇 [J]. 光學學報，2015，35(02)：81-87.

FU Qiang，ZHANG Xin. Material choose for mid-wave/long-wave dual-waveband infrared optics [J]. Acta Optica Sinica，2015，35(02)：81-87.

[2] 藺素珍，朱小紅，王棟娟，等. 基于嵌入式多尺度變換的多波段圖像融合 [J]. 計算機研究與發(fā)展，2015，52(04)：952-959.

LIN Suzhen，ZHU Xiaohong，WANG Dongjuan，. Multi-band image fusion based on embedded multi-scale transform [J]. Journal of Computer Research and Development，2015，52(04)：952-959.

[3] 鄧黎. 擴展目標的特征提取及目標識別 [D]. 成都：中國科學院光電技術研究所，2013：6-11.

DENG Li. Feature extraction and object recognition of expanded target [D]. Chengdu：Institute of Optics and Electronics,Chinese Academy of Sciences，2013：6-11.

[4] 李飛. 雷達圖像目標特征提取方法研究 [D]. 西安：西安電子科技大學，2014：2-3.

LI Fei. Study on target feature extraction based on radar image [D]. Xi’an：Xidian University，2014：2-3.

[5] Boettcher E J，Leonard K R，Hodgkin V A，. New target acquisition task for contemporary operating environments：personnel in MWIR，LWIR，and SWIR [C]// Infrared Imaging Systems：Design，Analysis，Modeling，and Testing XX，Orlando，F(xiàn)lorida，April 05，2010，7662：76620I-1-76620I-11.

KPI績效管理已經(jīng)逐漸成為一種趨勢，是工程企業(yè)高速完成目標的方式之一。作為工程企業(yè)通過績效管理，在短時期內(nèi)完成預期的戰(zhàn)略規(guī)劃，但因為KPI涉及范圍廣，在實際操作中管理人員的工作方式和思想觀念是尤為重要的，和人力資源管理相結(jié)合，是對工程企業(yè)員工的一種鼓勵。但只要應用不合適，也會適得其反，所以需要做好充分的準備工作，才可以使其更好地為工程企業(yè)服務。

[6] Lavigne D A，Breton M，F(xiàn)ournier G，. A new passive polarimetric imaging system collecting polarization signatures in the visible and infrared bands [C]// Infrared Imaging Systems：Design，Analysis，Modeling，and Testing XX，Orlando，F(xiàn)lorida，April 13，2009，7330：730010-1-730010-9.

第二，隨著中國經(jīng)濟實力的增強，美國單方面的認為自身地位受到威脅，欲對中國部分商品加征關稅，抑制中國經(jīng)濟發(fā)展。自改革開放以來的四十年，中國經(jīng)濟穩(wěn)步發(fā)展，成為當今世界的第二大經(jīng)濟體。而美國作為全球唯一的超級大國，中國經(jīng)濟的蓬勃發(fā)展無疑是為他們敲響了警鐘。所以，為維護本國的霸權(quán)地位，鞏固自身在經(jīng)濟上的話語權(quán)，美國不得不向中國發(fā)起帶有貿(mào)易保護色彩的中美貿(mào)易戰(zhàn)。

[7] 張雷，高樺，楊風暴. 雙波段紅外圖像輻射特性分析及在圖像融合中的應用 [J]. 光電技術應用，2006，21(05)：54-57.

ZHANG Lei，GAO Hua，YANG Fengbao. Analysis of doule wave bands IR image radiation characteristics and application of image fusion [J]. Electro-optic Technology Application，2006，21(05)：54-57.

[8] LING Ren，MIN Chaobo，SUN Jianning，. Research and experiment of InGaAs shortwave infrared imaging system based on FPGA [C]// Selected Papers from Conferences of the Photoelectronic Technology Committee of the Chinese Society of Astronautics，China，August 01，2014，9522：95221T-1-95221T-8.

[9] 楊寸明，盧杰，溫中流，等. InGaAs近紅外相機成像技術研究 [J]. 半導體光電，2014，35(03)：543-545.

YANG Cunming，LU Jie，WEN Zhongliu，. Study on imaging technology of InGaAs near-infrared camera [J]. Semiconductor Optoelectronics，2014，35(03)：543-545.

[10] Fay D A，Waxman A M，Aguilar M，. Fusion of Multi-Sensor Imagery for Night Vision：Color Visualization，Target Learning and Search [C]// Information Fusion，Paris，F(xiàn)rance，July 10-13，2000，1：TUD3/3-TUD310.

[11] Protective Fabrics. Military-Special Operations [EB/OL]. (2014) http://www.goreprotectivefabrics.com/remote/Satellite/ Military- Special-Operations-Concealment/GORE-Multispectral-Concealment-Garments.

[12] Arslan Y，Eker S U，Kaldirim M，. Large format voltage tunable dual-band QWIP FPAs [J]. Infrared Physics and Technology(S1350-4495)，2009，52(6)：399-402.

[13] Fay D，Ilardi P，Sheldon N，. Realtime image fusion and target learning & detection on a laptop attached processor [C]// Enhanced and Synthetic Vision 2005 Conference，Orlando，F(xiàn)lorida，USA，March 28，2005，5802：154-165.

[14] 孫君頂，趙珊. 圖像低層特征提取與檢索技術 [M]. 北京：電子工業(yè)出版社，2009：25-34.

SUN Junding，ZHAO Shan. Image Feature Extraction and Retrieval Technology [M]. Beijing：Electronics Industry Press，2009：25-34.

[15] 周蕭，楊風暴，安富，等. 雙色中波紅外圖像差異紋理特征分析方法研究 [J]. 紅外技術，2012，34(06)：340-345.

ZHOU Xiao，YANG Fengbao，AN Fu，.The analysis method of differences in image texture features based on dual-color MWIR images [J]. Infrared Technology，2012，34(06)：340-345.

[16] 謝幼如，李克東. 教育技術學研究方法基礎 [M]. 北京：高等教育出版社，2006：112-134.

XIE Youru，LI Kedong. On the Basis of Research Methods of Educational Technology [M]. Beijing：Higher Education Press，2006：112-134.

[17] 陳鶴. 中國德語學習者篇章寫作中的詞匯錯誤分析 [D]. 北京：北京外國語大學，2014：83-84.

CHEN He. An analysis of the lexical errors in the discourse of chinese german learners [D]. Beijing：Beijing Foreign Studies University，2014：83-84.

[18] 陸萍. 基于圖像處理和模式識別的齒痕舌象研究 [D]. 上海：華東理工大學，2014：45-46.

LU Ping. Study of teeth-marked tongue based on image processing and pattern recognition [D]. Shanghai：East China University of Science and Technology，2014：45-46.

[19] 李森，宋國兵，康小寧，等. 基于時域下相關分析法的小電流接地故障選線 [J]. 電力系統(tǒng)保護與控制，2008，36(13)：15-20.

LI Sen，SONG Guobing，KANG Xiaoning，. Time-domain fault line selection based on correlation analysis in neutral indirect ground system [J]. Power System Protection and Control，2008，36(13)：15-20.

[20] 尚海昆，苑津莎，王瑜，等. 基于交叉小波變換和相關系數(shù)矩陣的局部放電特征提取 [J]. 電工技術學報，2014，29(04)：274-281.

SHANG Heikun，YUAN Jinsha，WANG Yu，. Feature extraction for partial discharge based on cross-wavelet transform and correlation coefficient matrix [J]. Transactions of China Electrotechnical Society，2014，29(04)：274-281.

Selection of Difference Texture Features for Multi-band Infrared Images

ZHU Xiaohong，LIN Suzhen，ZHANG Shangmin，WANG Dongjuan，LIU Zhen

( School of Computer and Control Engineering, North University of China, Taiyuan030051, China )

In order to overcome the difficulty that texture feature space dimension of multi-band infrared images is large and hard to analyze its imaging differences synthetically, a three-level feature selection model was proposed. Firstly tested consistency in the form of two contrast, and it was selected the features that difference distribution laws were the same. Secondly, the function of independent sample test based on SPSS software was used to test difference significant degree, and the features whose differences that were not significant were eliminated. Then, the correlation of features was analyzed, and one of the features stood for the features with high correlation. At the same time, the rest of features were reserved. Experiments prove that a few features selected by this model can reflect features differences of image, and it will provide references for target recognition and so on.

multi-band infrared; texture feature; feature selection; difference feature

TN219;TP399

A

10.3969/j.issn.1003-501X.2016.04.011

2015-08-10；

2015-11-13

山西省自然科學基金資助項目(2013011017-4)

朱小紅(1990-)，女(漢族)，山西大同人。碩士研究生，主要研究工作是紅外信息和圖像處理。E-mail: happy_zhuxiaohong@163.com。通信作者：藺素珍(1966-)，女(漢族)，山西靈石人。教授，碩士研究生導師，主要研究工作是紅外信息和圖像處理。E-mail: lsz@nuc.edu.cn。