朱婧文,劉文好,張 馳,劉禮城,楊 波,吳鵬飛

(上海航天控制技術(shù)研究所,上海 201109)

?

一種基于“熵圖”的紅外海天目標(biāo)潛在區(qū)域選取方法研究

朱婧文,劉文好,張 馳,劉禮城,楊 波,吳鵬飛

(上海航天控制技術(shù)研究所,上海 201109)

為后續(xù)能更快地識(shí)別目標(biāo)，對(duì)一種基于“熵圖”的紅外海天目標(biāo)潛在區(qū)域選取方法進(jìn)行了研究。分析了紅外海天背景圖像灰度值分布特點(diǎn)，引入熵圖概念。進(jìn)一步分析了紅外海天背景圖像的熵圖特點(diǎn)，提出了一種能適當(dāng)選取海天背景中目標(biāo)潛在區(qū)域的方法。先用半徑為R像素的圓形窗口在原始圖像上滑動(dòng)，將窗口中心點(diǎn)的灰度值用該窗口的局部方差加權(quán)信息熵替代求取熵圖，初步確定海天線區(qū)域；對(duì)所得熵圖再求取一次熵圖，以消除天空云層邊緣、海平面波浪、海天線部分的干擾；將兩次求得的熵圖的對(duì)應(yīng)元素相乘得到新熵圖，增大目標(biāo)潛在區(qū)域的灰度值，減小其他干擾部分的灰度；尋找亮度最大點(diǎn)為中心的圓形區(qū)域就是目標(biāo)潛在區(qū)域。實(shí)驗(yàn)表明：用該方法選取目標(biāo)潛在區(qū)域有較強(qiáng)的適應(yīng)性，選取的目標(biāo)區(qū)域范圍較小，可顯著減小后續(xù)目標(biāo)識(shí)別中的計(jì)算量。

紅外海天背景； 弱小目標(biāo)； 目標(biāo)潛在區(qū)域； 方差加權(quán)信息熵； 熵圖； 灰度； 亮度最大點(diǎn)

0 引言

現(xiàn)代高度信息化戰(zhàn)爭(zhēng)中需要提高導(dǎo)彈武器的防御能力。為使成像導(dǎo)彈盡早地發(fā)現(xiàn)目標(biāo)，留有足夠的反應(yīng)時(shí)間進(jìn)行攻擊，需在盡可能遠(yuǎn)的距離定位目標(biāo)區(qū)域。由于作用距離遠(yuǎn)，目標(biāo)在視場(chǎng)中僅占1個(gè)或數(shù)個(gè)像素，呈現(xiàn)出低信噪比的特點(diǎn)，易淹沒(méi)于噪聲中，為定位目標(biāo)帶來(lái)了難度。目標(biāo)潛在區(qū)域的恰當(dāng)選取對(duì)目標(biāo)檢測(cè)、識(shí)別具有重要意義。

遠(yuǎn)距離平視狀態(tài)下觀察到的海天背景主要是由海平面、海天線和天空三部分組成。該距離下出現(xiàn)的目標(biāo)必在海天線附近[1]。針對(duì)上述海天背景中紅外目標(biāo)的特點(diǎn)，目前廣泛用于定位目標(biāo)的一種方法是先定位到海天線，將海天線附近的區(qū)域認(rèn)為是目標(biāo)的潛在區(qū)域，通過(guò)只搜索目標(biāo)潛在區(qū)域定位到目標(biāo)[2-4]。但目標(biāo)潛在區(qū)域選取過(guò)大，不利于降低后續(xù)定位目標(biāo)的計(jì)算量，對(duì)海平面波浪干擾抑制作用也不明顯；目標(biāo)潛在區(qū)域選取過(guò)小，很可能直接錯(cuò)過(guò)目標(biāo)，造成漏檢。因此，目標(biāo)潛在區(qū)域的選取有其重要意義。近年來(lái)，大量文獻(xiàn)側(cè)重于精確定位到海天線的研究，對(duì)目標(biāo)潛在區(qū)域的選取鮮有提及。文獻(xiàn)[5]將海天線為中心的上下σ區(qū)域劃分為目標(biāo)潛在區(qū)域，但未詳細(xì)說(shuō)明σ值的選取。文獻(xiàn)[6]根據(jù)經(jīng)驗(yàn)選定海天線上下58像素作為目標(biāo)的潛在區(qū)域，但該方法偏重于經(jīng)驗(yàn)，不具一般性。文獻(xiàn)[7]用梯度算子得到差分圖像，基于邊緣閾值策略二值化圖像，由二值化圖像在垂直方向上的投影確定目標(biāo)潛在區(qū)域，方法有一定的適應(yīng)性，但在海平面波浪較多的情況下，選取的目標(biāo)潛在區(qū)域仍過(guò)大，無(wú)法體現(xiàn)該方法的優(yōu)勢(shì)。實(shí)際上，目標(biāo)只出現(xiàn)在海天線某一小段的上下區(qū)域內(nèi)，將海天線作為中心的整個(gè)上下區(qū)域都取為目標(biāo)潛在區(qū)域并無(wú)必要，研究一種以目標(biāo)為中心的目標(biāo)潛在區(qū)域有非常重要的實(shí)際意義。

為進(jìn)一步縮小目標(biāo)潛在區(qū)域的范圍，需考慮目標(biāo)潛在區(qū)域的特點(diǎn)。在遠(yuǎn)距離平視狀態(tài)下獲得的紅外海天圖像中，目標(biāo)潛在區(qū)域包含了目標(biāo)、海平面、天空三部分的特點(diǎn)，但也存在云層邊緣、海平面波浪、海天線部分的干擾，目標(biāo)可能是亮目標(biāo)也可能是暗目標(biāo)。考慮上述因素，用傳統(tǒng)方法檢測(cè)圖像中灰度的局部極值或?qū)D像進(jìn)行邊緣檢測(cè)等縮小目標(biāo)潛在區(qū)域的范圍都會(huì)檢測(cè)出大量潛在目標(biāo)區(qū)域，效果不佳。因目標(biāo)潛在區(qū)域包含的目標(biāo)、海平面、天空三部分的灰度分布各不相關(guān)，但又在各自內(nèi)部相關(guān)，故簡(jiǎn)單的灰度值信息、梯度信息均不能很好地表達(dá)這種關(guān)系。從另一角度分析，該區(qū)域是目標(biāo)、海平面、天空三部分相交的區(qū)域，一定是包含灰度信息最豐富的區(qū)域。灰度信息可用信息熵進(jìn)行定量描述，采用信息熵，使尋找目標(biāo)潛在區(qū)域轉(zhuǎn)換為尋找信息熵最大值對(duì)應(yīng)的位置，并對(duì)亮目標(biāo)或暗目標(biāo)、有無(wú)云層邊緣、海平面波浪、海天線部分的干擾等都有良好的適應(yīng)性，將灰度信息的豐富程度與該區(qū)域在圖像中的位置一一對(duì)應(yīng)，通過(guò)找到信息熵最大的點(diǎn)就能確定目標(biāo)潛在區(qū)域。本文將圖像局部的方差加權(quán)息熵與其位置信息結(jié)合，引入了“熵圖”概念，提出一種選取弱小目標(biāo)潛在區(qū)域的方法，其核心是得到一張?jiān)茖舆吘?、海平面波浪、海天線部分干擾較少的熵圖，在熵圖中找到熵值最大的點(diǎn)，將該點(diǎn)對(duì)應(yīng)到原圖區(qū)域中即可獲得所要選取的目標(biāo)潛在區(qū)域。用該方法提取目標(biāo)潛在區(qū)域有較強(qiáng)的適應(yīng)性，區(qū)域的范圍也較小，可減少后續(xù)目標(biāo)檢測(cè)算法的計(jì)算量。

1 紅外圖像的復(fù)雜度與熵圖

文獻(xiàn)[8]定義了紅外背景復(fù)雜度的概念，用信息熵對(duì)其進(jìn)行定量描述，并在此基礎(chǔ)上引入紅外圖像的方差信息，進(jìn)而提出了方差加權(quán)信息熵以定量描述紅外圖像復(fù)雜程度。

對(duì)一幅灰度級(jí)M個(gè)的紅外圖像，設(shè)Ps為灰度值s在整個(gè)圖像中出現(xiàn)的概率，S為由此紅外圖像中含像素值組成的集合，則S的概率空間可表示為

(1)

定義圖像的方差加權(quán)信息熵

(2)

對(duì)僅含r(1≤r≤M)種像素s1，s，…，sr的紅外灰度圖像，設(shè)每種像素值出現(xiàn)的概率相同，即為1/r，則此圖像的方差加權(quán)信息熵

(3)

方差加權(quán)信息熵描述雖可定量描述紅外圖像的復(fù)雜程度，但該復(fù)雜程度是對(duì)整個(gè)圖像而言，無(wú)法體現(xiàn)圖像中各像素點(diǎn)灰度值分布的位置信息。為體現(xiàn)圖像中各像素點(diǎn)灰度值分布的位置信息與圖像復(fù)雜程度的關(guān)系，本文引入“熵圖”概念，將半徑為R像素的圓形窗口在原始圖像上按從左到右、從上到下的順序滑動(dòng)(如圖1所示)，每次滑動(dòng)窗口所在中心像素點(diǎn)的值用該窗口的局部方差加權(quán)信息熵替代而得到新的包含各圓形窗口內(nèi)圖像復(fù)雜程度的圖像。熵圖中某個(gè)值產(chǎn)生的過(guò)程如圖2所示。值得注意的是：本文采用的窗口形狀為圓形，這是因?yàn)樵趫A形區(qū)域內(nèi)每個(gè)方向的像素值對(duì)該區(qū)域內(nèi)熵值的貢獻(xiàn)相同，求得的熵圖結(jié)果更合理。若設(shè)R=2，則模板如圖2所示。

圖1 圓形窗口在圖像上滑動(dòng)過(guò)程Fig.1 Process of circle window sliding on image

圖2 熵圖上某個(gè)值產(chǎn)生過(guò)程Fig.2 Process of calculating a certain value on entropy picture

因每個(gè)局部方差加權(quán)信息熵值均按原順序排列，故當(dāng)它們組成一幅圖像時(shí)，圖像中每個(gè)點(diǎn)的亮度就不再表示灰度值的大小，而是表示在原圖中以該點(diǎn)為中心、半徑為R像素的區(qū)域的灰度信息豐富程度，這為之后可選取到以目標(biāo)為中心的目標(biāo)潛在區(qū)域提供了新的思路。

2 海天紅外圖像的熵圖特點(diǎn)

一般情況下，在遠(yuǎn)距離平視狀態(tài)下觀察得到的海天背景中，海平面背景的輻射溫度低于天空背景，其灰度值整體低于天空背景的灰度值。但由于海浪的運(yùn)動(dòng)、海浪對(duì)太陽(yáng)光線反射等原因，海平面背景表現(xiàn)出強(qiáng)烈的不均勻性，有許多浪峰的灰度強(qiáng)度接近甚至等于或大于天空背景與目標(biāo)灰度[9]。與之相比，天空背景變化較緩慢，即使在有云層時(shí)，云層內(nèi)部灰度值變化也較平緩，僅在云層與天空背景交界處灰度值出現(xiàn)突變。海天線雖然被稱作“線”，但一般它不是一條直線，而是從天空到海平面的漸變帶。目標(biāo)的位置處在海天線區(qū)域內(nèi)，這是由遠(yuǎn)距離海平面成像決定的，目標(biāo)不可能完全脫離海天線而處在天空區(qū)域，或完全脫離海天線處在海背景區(qū)域。當(dāng)距離較遠(yuǎn)、信噪較低時(shí)，船體絕大部分幾乎被“淹沒(méi)”于海天線區(qū)域內(nèi)，但煙囪依然較明顯，灰度值較大[10]。海天紅外圖像的灰度分布特點(diǎn)如圖3(a)所示。

圖3 灰度分布圖Fig.3 Gray-level distribution

在上述分析中引入圖像的局部方差加權(quán)信息熵，形成的海天紅外圖像熵圖的特點(diǎn)為：當(dāng)窗口大小選取合適時(shí)，熵圖中天空背景區(qū)域因灰度值分布較均勻、變化緩慢導(dǎo)致該區(qū)域的局部方差加權(quán)信息熵值均較低，呈現(xiàn)出均勻且灰度值較低的特點(diǎn)；在無(wú)波浪時(shí)，熵圖中海平面背景與天空背景同樣表現(xiàn)出均勻且灰度值較低的特點(diǎn)，但在有波浪時(shí)，海平面灰度值分布不均勻?qū)е铝嗽诓ɡ藚^(qū)域局部的方差加權(quán)信息熵值較大，在熵圖中呈現(xiàn)出塊狀的不連續(xù)亮度帶。因海天線這一漸變帶的灰度值變化大，并包含目標(biāo)，而目標(biāo)的灰度值分布不同于海天線漸變帶，故海天線區(qū)域包含的信息最多，灰度信息最豐富，其局部方差加權(quán)信息熵值很大，可初步選取海天線區(qū)域?yàn)槟繕?biāo)潛在區(qū)域。在熵圖中，該區(qū)域呈現(xiàn)為一片較亮、較寬、較長(zhǎng)的帶狀區(qū)域。海天紅外圖像的熵圖灰度分布特點(diǎn)如圖3(b)所示。比較可發(fā)現(xiàn)熵圖的優(yōu)點(diǎn)如下：首先，熵圖保留了圖像的位置信息，便于后續(xù)尋找目標(biāo)潛在區(qū)域；其次，對(duì)圖像求熵圖，定量計(jì)算出圖像各區(qū)域包含灰度信息的豐富程度，從結(jié)果上看相當(dāng)于一個(gè)濾波過(guò)程，較好地剔除了云層邊緣、海平面波浪等各自內(nèi)部相互關(guān)聯(lián)的干擾，縮小了目標(biāo)潛在區(qū)域的范圍。

3 目標(biāo)潛在區(qū)域選取

為進(jìn)一步縮小目標(biāo)潛在區(qū)域的范圍，需更好地消除天空云層邊緣、海平面波浪邊緣、海天線部分對(duì)目標(biāo)潛在區(qū)域選取的影響(本文以消除海天線部分的干擾為主)，分析熵圖的特點(diǎn)非常必要。

研究發(fā)現(xiàn)，天空云層邊緣、海平面波浪、海天線部分雖然包含的灰度信息很豐富，其局部方差加權(quán)信息熵值很大，但在熵圖中，目標(biāo)潛在區(qū)域的灰度值與其周圍區(qū)域的灰度值的差異遠(yuǎn)大于周圍區(qū)域相互間的灰度值的差異。即相對(duì)目標(biāo)潛在區(qū)域，天空云層邊緣、海平面波浪、海天線各部分熵圖的復(fù)雜程度較小。因此，對(duì)熵圖再求一次熵圖，天空云層邊緣、海平面波浪、海天線部分的熵值會(huì)變小，在二次熵圖中會(huì)變得較暗。對(duì)熵圖再求一次熵圖的過(guò)程如圖4所示。其原理與第一次求原圖的熵圖相似，不同的只是第二次求熵圖的對(duì)象是第一次求得的熵圖，該過(guò)程的物理意義是將一次熵圖對(duì)應(yīng)點(diǎn)所在半徑為R像素區(qū)域的灰度信息的豐富程度表現(xiàn)在新的熵圖上，二次求熵圖可將海天線區(qū)域以外的小雜波全部濾除，可更好地消除天空云層邊緣、海平面波浪邊緣的影響。此外，與二次熵圖的最高波峰相比，新熵圖的波峰會(huì)出現(xiàn)明顯下凹，其物理意義是下凹代表了海天線部分相互關(guān)聯(lián)、連續(xù)均勻的變化導(dǎo)致的灰度信息不再豐富，利用這點(diǎn)可消除海天線部分的影響。由此可發(fā)現(xiàn)：在一次熵圖或二次熵圖中，目標(biāo)潛在區(qū)域總是灰度值增強(qiáng)部分，而天空云層邊緣、海平面波浪、海天線部分分別在第一次求熵圖和第二次求熵圖的過(guò)程中得到了不同程度的削弱。在此基礎(chǔ)上，為更好地突出目標(biāo)潛在區(qū)域，將兩次得到的熵圖對(duì)應(yīng)像素點(diǎn)相乘，會(huì)使目標(biāo)潛在區(qū)域的灰度值變大，而其他的干擾部分灰度變小。此時(shí)產(chǎn)生的新熵圖的灰度值大小只代表圖像各區(qū)域所含灰度信息的豐富程度，與像素點(diǎn)的能量大小無(wú)關(guān)。

圖4 熵圖的熵圖上某個(gè)值產(chǎn)生過(guò)程Fig.4 Process of calculating a certain value on entropy picture of entropy picture

在新熵圖中尋找以亮度最大點(diǎn)(即方差加權(quán)信息熵值最大點(diǎn))為中心、半徑為2R像素的原型區(qū)域即為目標(biāo)潛在區(qū)域。值得注意的是，此處獲得到的最亮點(diǎn)可能就是目標(biāo)，但也可能不是，因?yàn)樵陟貓D中，該點(diǎn)最亮的含義是以該點(diǎn)為中心、R像素為半徑的區(qū)域的復(fù)雜程度最高，包含的灰度信息最多，但對(duì)應(yīng)到原圖中并不能明確指出是該區(qū)域中具體的某點(diǎn)?？紤]弱小目標(biāo)的尺寸為數(shù)個(gè)像素甚至十多個(gè)像素，根據(jù)經(jīng)驗(yàn)將該范圍適當(dāng)放寬至半徑2R像素的區(qū)域，可適應(yīng)當(dāng)目標(biāo)尺寸較大時(shí)檢測(cè)到的最亮點(diǎn)對(duì)應(yīng)到原圖中恰好是小目標(biāo)邊緣點(diǎn)造成的目標(biāo)不完全在選出的目標(biāo)潛在區(qū)域中的情況，具有一定實(shí)際意義。

綜上所述，可得本文選取目標(biāo)區(qū)域的一般方法，步驟如下。

a)固定模板半徑R(根據(jù)測(cè)試圖像的大小，假設(shè)目標(biāo)只有數(shù)個(gè)到十多個(gè)像素，通過(guò)大量實(shí)驗(yàn)得到經(jīng)驗(yàn)值，一般固定為9像素)，生成(2R+1)×(2R+1)的模板M。

b)根據(jù)模板大小，將尺寸為m×n的原圖I分成(m—2R)×(n—2R)個(gè)小圖像I1，I2，…，I(m—2R)×(n—2R)。

d)用式(2)計(jì)算每個(gè)小圖的方差加權(quán)信息熵并填入每個(gè)小圖像中心所在位置，拼成熵圖E。

e)對(duì)熵圖E重復(fù)上述步驟，得到熵圖E′。

f)將熵圖E，E′對(duì)應(yīng)元素相乘得到熵圖E″。

g)在熵圖E″中搜索到灰度值最大的點(diǎn)，以該點(diǎn)為中心、半徑為2R的區(qū)域即為目標(biāo)潛在區(qū)域。

4 實(shí)驗(yàn)與分析

用本文的目標(biāo)潛在區(qū)域選取方法對(duì)大量隨機(jī)抽取的海天紅外圖像進(jìn)行目標(biāo)潛在區(qū)域選取實(shí)驗(yàn)，以驗(yàn)證方法的效果，以及對(duì)海面波浪、天空云層邊緣等干擾的適應(yīng)性。

實(shí)驗(yàn)用原始圖像大小336像素×334像素，裁剪后實(shí)際用于實(shí)驗(yàn)的尺寸為313像素×305像素。根據(jù)大量實(shí)驗(yàn)的經(jīng)驗(yàn)值，選用模板半徑R為9像素，選取其中一個(gè)實(shí)驗(yàn)結(jié)果與文獻(xiàn)[7]方法所得結(jié)果進(jìn)行比較。其中，文獻(xiàn)[7]算法為：先用梯度算子得到差分圖像，再基于邊緣閾值策略二值化圖像，最后用二值化圖像在垂直方向的投影確定目標(biāo)潛在區(qū)域。用文獻(xiàn)[7]和本文方法獲得目標(biāo)潛在區(qū)域的實(shí)驗(yàn)過(guò)程分別如圖5、6所示。圖5(e)、6(e)中：藍(lán)色的正方形框?yàn)槟繕?biāo)。圖5(e)中，最上與最下兩條紅線中間的區(qū)域?yàn)橛梦墨I(xiàn)[7]方法所得目標(biāo)潛在區(qū)域，該區(qū)域約占20 130像素；圖6(e)中，紅色圓形區(qū)域?yàn)橛帽疚姆椒ㄋ媚繕?biāo)潛在區(qū)域，該區(qū)域約占1 134像素，用本文方法選取的目標(biāo)潛在區(qū)域較文獻(xiàn)[7]得到的區(qū)域減小了94.36%，范圍更精確，為后續(xù)的處理減少了大量計(jì)算。

原始圖像、熵圖、熵圖的熵圖，以及新熵圖的三維圖如圖7所示。由圖5(c)和圖7可知：文獻(xiàn)[7]方法效果不佳的主要原因是海平面波浪在y向的梯度較大，當(dāng)海平面波浪較多時(shí)，僅通過(guò)求出y向的梯度圖像無(wú)法抑制海平面波浪對(duì)海天線檢測(cè)、目標(biāo)潛在區(qū)域確定的干擾；本文方法則較好地抑制了天空云層邊緣、海平面波浪、海天線區(qū)域中突變部分的干擾，同時(shí)使目標(biāo)潛在區(qū)域的亮度得到了增強(qiáng)。實(shí)驗(yàn)表明：本文方法的效果較好，且對(duì)海面波浪、天空云層邊緣等干擾的適應(yīng)性更強(qiáng)。

5 結(jié)束語(yǔ)

圖5 文獻(xiàn)[7]方法實(shí)驗(yàn)結(jié)果Fig.5 Results of applying method in reference [7]

圖6 本文方法實(shí)驗(yàn)結(jié)果Fig.6 Results of applying method proposed

圖7 原始圖像和用本文方法得到的三維圖Fig.7 Original image and 3D maps of applying method proposed

根據(jù)目標(biāo)潛在區(qū)域所包含的灰度信息豐富的特點(diǎn)，本文對(duì)一種基于熵圖的紅外海天目標(biāo)潛在區(qū)域選取方法進(jìn)行了研究。引入熵圖的概念，分析了海天紅外圖像的熵圖特點(diǎn)，初步選取了海天線區(qū)域?yàn)槟繕?biāo)潛在區(qū)域。為進(jìn)一步縮小目標(biāo)潛在區(qū)域的范圍，需進(jìn)一步消除天空云層邊緣、海平面波浪、海天線區(qū)域中突變部分對(duì)目標(biāo)區(qū)域定位的影響，對(duì)熵圖再求一次熵圖，并將兩次得到的圖像的對(duì)應(yīng)像素值相乘得到目標(biāo)區(qū)域被增強(qiáng)而海天線區(qū)域中突變部分的灰度值被削弱了新熵圖。在新熵圖中尋找以亮度最大點(diǎn)為中心、半徑為2R像素的圓形區(qū)域即為目標(biāo)潛在區(qū)域。通過(guò)大量的實(shí)驗(yàn)驗(yàn)證，證明該方法對(duì)云層邊緣、海平面波浪的干擾具良好的抑制作用，提取目標(biāo)潛在區(qū)域有較強(qiáng)的適應(yīng)性，區(qū)域的范圍也較小，減少了后續(xù)目標(biāo)檢測(cè)算法的計(jì)算量。但目前，本文方法中方差加權(quán)信息熵的計(jì)算量較大，在實(shí)際應(yīng)用中需簡(jiǎn)化該計(jì)算過(guò)程。此外，本文根據(jù)經(jīng)驗(yàn)，固定了R的取值，后續(xù)研究的重點(diǎn)是使R的取值根據(jù)圖像大小、目標(biāo)的大小等可具有自適應(yīng)的能力，這樣能進(jìn)一步針對(duì)性地減少潛在目標(biāo)區(qū)域的范圍，更好地降低后續(xù)目標(biāo)檢測(cè)、識(shí)別的計(jì)算量。

[1] 劉士建, 蔣敏, 莊良. 一種快速有效的紅外圖像中海天線提取算法[J]. 紅外技術(shù), 2011, 33(4): 230-232+240.

[2] 楊俊彥, 逄浩君, 曹耀心, 等. 海天背景下紅外小目標(biāo)檢測(cè)的背景抑制及海天線檢測(cè)方法[J]. 紅外, 2016, 45(12): 24-28.

[3] 梁世花. 海天背景下紅外弱小目標(biāo)的檢測(cè)[D]. 武漢: 武漢理工大學(xué), 2012.

[4] 王小康, 董士崔, 海天線檢測(cè)算法簡(jiǎn)述[J]. 電子世界, 2013(16): 97-98.

[5] 劉松濤, 周曉東, 王成剛. 復(fù)雜?？毡尘跋卖敯舻暮?/p>

天線檢測(cè)算法研究[J]. 光電工程, 2006, 33(8): 5-10.

[6] 楊明月, 楊衛(wèi)平. 復(fù)雜海天背景下紅外艦船目標(biāo)的自動(dòng)檢測(cè)方法[J]. 紅外與激光工程, 2008, 37(4): 638-641.

[7] 孫殿星, 王學(xué)偉, 周曉東, 等. 海空背景下確定弱小目標(biāo)潛在區(qū)域的方法[J]. 紅外技術(shù), 2009, 32(11): 663-667.

[8] 楊杰, 楊磊. 基于紅外背景復(fù)雜程度描述的小目標(biāo)檢測(cè)算法[J]. 紅外與激光工程, 2007, 36(3): 382-386.

[9] 楊磊. 復(fù)雜背景條件下的紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D]. 上海: 上海交通大學(xué), 2007.

[10] 王衛(wèi)華, 牛照東, 陳曾平. 復(fù)雜海天背景下紅外艦船目標(biāo)實(shí)時(shí)檢測(cè)算法[J]. 紅外技術(shù), 2006, 29(10): 580-584.

Research on Selecting Region Containing Infrared Target Method under Sea-Sky Background Based on Entropy Picture

ZHU Jing-wen, LIU Wen-hao, ZHANG Chi, LIU Li-cheng, YANG Bo, WU Peng-fei

(Shanghai Institute of Spaceflight Control Technology, Shanghai 201109, China)

To recognize the target in later process quickly, a method to select the target in the region containing infrared target under sea-sky background based on entropy picture was studied in this paper. The characteristics of the gray-level distribution of infrared sea-sky background were analyzed. The novel idea of entropy picture was introduced. The characteristics of the gray-level distribution of the entropy picture of the infrared sea-sky background were further analyzed. Then a method which could properly select the region containing infrared target under sea-sky background was proposed. First, the circle window with radiusRpix was sliding on the original image. The entropy picture of the original image was formed that the local variance weighted information entropy was instead of the gray of centre point of the window, which could determine the sea-sky region roughly. Second, the entropy picture of the entropy picture was got from the latest step, which could reduce the disturbance of sea-sky cloud edge, sea level wave and sea-sky line. Third, a new entropy picture was got by multiplying the corresponding pixel value of the two entropy pictures obtained from the last two steps, which could increase the gray of the region containing infrared target and decrease the gray of other disturbances. At last, the circle region with center point of the brightest point of the new entropy picture was found. Then circle region was exactly the region containing infrared target. The experimental results show that the method is well-adaptive and the region selected is small.The method provides a solid foundation for further application.

infrared sea-sky background; dim target; region containing infrared target; variance weighted information entropy; entropy picture; gray; brightest point

1006-1630(2017)03-0073-07

2017-02-23；

2017-03-18

國(guó)家安全重大基礎(chǔ)研究項(xiàng)目(973)資助(613271010204)

朱婧文(1992—)，女，碩士生，主要研究方向?yàn)槟繕?biāo)識(shí)別與信息處理技術(shù)。

TN911.73

A

10.19328/j.cnki.1006-1630.2017.03.010