红外弱小目标检测课件.ppt

1、红外弱小目标检测1.红外目标、背景和噪声分析2.基于局域背景预测的红外弱小目标检测方法3.红外序列图像中的弱小目标检测4.红外弱小目标的检测性能分析1.1噪声分析 噪声从广义上讲，是不需要的信号成份，也就是不希望得到的信号成份。*约翰逊噪声 *散粒噪声 *产生-复合噪声 *光子噪声 *1/f噪声 *色噪声1.1.1 约翰逊噪声 约翰逊噪声也叫热噪声，它是由于在红外探测器等阻性材料中电子的热运动所引起的。约翰逊噪声电流的分布：其中：为探测器电流的概率分布。i为探测器电流。为约翰逊噪声电流的均方值。)2/(2/1222)2(JNiiJNeiiP iP2JNi约翰逊噪声电流的概率分布1.1.2 散粒

2、噪声 散粒噪声是由于光电子的离散性所带来的。散粒噪声只会发生在光电探测器（photovoltaic）中。因为光电真空二极管探测器和光电二极管探测器的电子产生都需要克服一个能量阻力，这样就说明了两种探测器散粒噪声的产生具有相同的过程，因此下面将只讨论光电真空二极管探测器的散粒噪生。分为：入射光子激发出的散粒噪声 热激发产生的散粒噪声1.1.3 产生-复合噪声产生-复合噪声存在于光导型探测器中。光导型探测器的基本原理是当入射光子的达到一定能量时，会引起电荷载流子从一个能量级跃迁到另一个能量级。结果，所造成的电子、空穴就改变了材料的电导率，探测器的电导率是与电荷载流子的空间密度成比例的，因此空穴和电

3、子数量的波动会导致电导率的波动。在恒定电压的条件下就可以引起探测器输出电流的波动，这样就带来了产生-复合噪声。对由电荷载流子的密度变化而引起的噪声进行分析必须考虑以下几个方面：入射光子轰击探测器的速率。由入射光子引起的、电子产生的量子效率。所产生电子的存在周期。1.1.4 光子噪声 在前面的散粒噪声和产生-复合噪声讨论中，都假设了入射光子的能量是常数。然而，在探测器中入射光子的强度可能是波动的，这样就带来了光子噪声，由光子噪声所引起的电流波动将会在的探测器的输出中发现。光子噪声的特性是近似与散粒噪声和产生-复合噪声相同的。由入射光子能量W的改变所激发出的电子数量K的概率密度函数如下：其中P(W

4、)是入射光子能量的概率密度函数。应该注意到，尽管前面讨论的散粒噪声和产生-复合噪声展现出P(K,W,)服从泊松分布（在极限情况下服从高斯分布），但在一般情况下上述分布并不服从泊松分布或高斯分布。4 光子噪声0)(),()(dWWPWKPKP1.1.5 1/f噪声 1/f噪声是红外探测器低频部分的一种电流噪声。顾名思义，1/f噪声与频率成反比。1/f噪声和产生-复合噪声都来自表面势垒层。HgCdTe红外探测器的这一噪声只表现在低频部分，当频率高于一定频率f0（转折频率）时，与其它噪声相比可忽略不计。1.1.6 色噪声 有时候系统在电路系统或视频处理的其它环节有可能引入强噪声，这种噪声一般为色噪声

5、。（a）为原图，（b）为傅立叶变换的幅值图，（c）为直方图。原图是从录像带上采集的，估计是在录像或放像时引入了强烈的色噪声，体现在图像上是强烈的网纹。从（b）上可以看到网纹在图像中是强烈的高频成分。从（c）上可以看到，灰度的整体分布也近似于正态分布的形状，但形成了明显的双峰。1.2 红外弱小目标和背景特性分析 小目标标准：一是，在图像中目标的几何尺寸小到无法提取任何形状信息，只是一个亮点或亮斑；二是在图像上的几何尺寸在66（或总象素不超过30个）以下。红外弱小目标图像102 04 06 08 01 0 01 2 01 4 01 6 01 8 02 0 02 2 02 4 02 6 0灰 度 值

6、X 方 向 位 置02 04 06 08 01 0 01 2 01 4 01 6 01 8 02 0 02 2 02 4 02 6 0灰 度值Y 方 向 位 置（a）原图(b)目标所在位置的局部放大图（c）直方图(d)为目标所在水平方向的灰度分布(e)为目标所在垂直方向的灰度分布红外弱小目标图像2（a）原图(b)目标所在位置的局部放大图（c）直方图(d)为目标所在水平方向的灰度分布(e)为目标所在垂直方向的灰度分布02 04 06 08 01 0 01 2 02 04 06 08 01 0 01 2 01 4 01 6 01 8 0灰 度 值X 方 向 位 置02 04 06 08 01 0

7、01 2 01 4 002 04 06 08 01 0 01 2 01 4 01 6 01 8 0灰 度 值Y 方 向 位 置2.基于局域背景预测的红外弱小目标检测方法 2.1 背景预测的基本模型 2.2 基本背景预测算法 2.3 最佳权重背景预测算法 2.4 最大化背景模型和最相似背景模型 2.5目标像素的聚类合并方法2.1 背景预测的基本模型 目标的信噪比和对比度较大，背景单一，噪声较小目标的对比度较小，背景为空中云背景，但背景起伏较小，噪声也较小图像中存在两个目标，属于多目标的情况，背景较为单一，噪声较小背景为空背景，起伏较为强烈，图像中有明显的扫描线噪声目标在云背景中，目标局部对比度相

8、对较低。图像中存在强烈的噪声，目标的信噪比和对比度都较低，该噪声可能是由探测器或电路系统带来的背景复杂，为地面背景在背景中存在其它的人造干扰物体局域背景预测方法 图像中的任何一个像素点，如果是属于背景中的点，那么它的灰度值一定可以用周围区域的象素点的灰度值来预测，也就是说，它跟周围的某些点是属于同一背景的，或者说，它的灰度值与周围象素点的灰度值相关性较强。而对于属于目标上的象素点，它的灰度值与周围象素点的灰度值相关性较差，在图像局部会形成一个或几个“异常点”。利用这样的差异来分离目标与背景是背景预测方法的出发点。最基本的背景预测模型为：式中：为尺寸为 的参考图像或输入图像，为预测图像，为第 j

9、 级的权重矩阵，对应着当前位置，对应着局域背景选取点的范围集合，属于 的像素点个数是有限的，设为L.klSjjknlmXklWnmY,0),(),(),(1,0;1,0NnMm0XNM YjWnMmjjSjS基于背景预测的红外弱小目标检测技术关键问题 1.权重的取法 2.背景点的选取 3.阈值的选取2.2基于背景预测算法 背景预测算法一的背景选点图P图中，标注为P的象素为当前处理象素点，每一个方格代表一个象素点，灰色部分为所选择的背景点。可以看到该方法的背景选点是在所处理点的33邻域之外选择了40个背景点。这种选择方式适合于点目标和目标大小在33以下的小目标。权重按下式规定：上式是一种最简单的

10、设定，是一种等权重设置，相当于将局域背景象素点的灰度值进行平均作为预测值。LklWj1),(1111111111111111000111100011110001111111111111111401),(nmY 滤波器的模版基本背景预测算法处理结果 （例1）原图原图经过滤波之后的图像a,b之间的残差图为原图频谱的幅值图像为滤波图频谱的幅值图像为检测结果图基本背景预测算法处理结果 （例2）原图原图经过滤波之后的图像a,b之间的残差图为原图频谱的幅值图像为滤波图频谱的幅值图像为检测结果图 若权重发生变化klSjjklrklrklW,),(),(),(klSjjklrklrklW,22,),(P背景预测算法一的背景选点及权重示意图 对应的滤波器的模版33333333222223321112332101233211123322222333333331121),(nmY99999999444449941114994101499411149944444999999991121),(nmY基本背景预测算法处理结果 （例1）原图原图经过滤波之后的图像a,b之间的残差图为原图频谱的幅值图像为滤波图频谱的幅值图像为检测结果图基本背景预测算法处理结果 （例2）原图原图经过滤波之后的图像a,b之间的残差图为原图频谱的幅值图像为滤波图频谱的幅值图像为检测结果图