專利名稱：弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法，具體是一種弱小目標(biāo)二維圖 片噪聲濾除中的匹配濾波方法。
技術(shù)背景在數(shù)字信號處理中，濾波器是不可缺少的。濾波器的一個(gè)作用是使基帶信號 頻譜成形，例如為了滿足奈奎斯特第一準(zhǔn)則，基帶信號頻譜通常采用升余弦滾降 形狀。濾波器的另一個(gè)重要作用是限制噪聲，將信號頻帶外的噪聲濾掉，減小它 對信號正確判決的影響。設(shè)計(jì)最佳線性濾波器時(shí)可以有兩種準(zhǔn)則一種是使濾波后的信號波形與發(fā)送 信號之間的均方誤差最小，由此而導(dǎo)出的最佳線性濾波器被稱為維納濾波器；另 一種是使濾波器輸出信噪比在某一特定時(shí)刻上達(dá)到最大，這種濾波器稱為匹配濾 波器。匹配濾波的實(shí)質(zhì)是要設(shè)計(jì)一個(gè)和圖像感興趣的圖像信息或目標(biāo)對象相關(guān)的 濾波器，經(jīng)過匹配濾波提高測量信息的信噪比，進(jìn)而改善目標(biāo)檢測的性能，即空 間匹配濾波器的最大信噪比的設(shè)計(jì)準(zhǔn)則。設(shè)輸入圖像為《x,力，其中包括待識別目標(biāo)和背景，這里的背景是廣泛意義 上的背景，包括大氣、空中的云層、干擾點(diǎn)、傳感器等的系統(tǒng)噪聲、隨機(jī)噪聲等。 待識別目標(biāo)空間分布特性為《X,力，其傅立葉頻譜為7X",V);背景空間分布特性 為6(X，力，其傅立葉頻譜為BO,V)。并假定目標(biāo)和背景不相關(guān)。艮口/(x,y)=《x，_y) + 6(x,_y) (1) 其傅立葉變換為/(",v)/(w，v) = r(w，v)+^(",v;) (2)則由匹配濾波器光學(xué)相關(guān)識別的原理，匹配濾波輸出圖像為目標(biāo)空間分布特性與輸入圖像空間分布特性的巻積F-1 [/(w， v), O， v)] = ,(x， J) + 6(x, j) ,(x，力 (3) 其中(8)表示相關(guān)，廣("，v)為待識別目標(biāo)的匹配濾波函數(shù)。經(jīng)對現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，大量的參考文獻(xiàn)都是利用上述的方法設(shè)計(jì) 匹配濾波器，經(jīng)典的二維空間匹配濾波器由于同時(shí)考慮到了點(diǎn)目標(biāo)的空間分布和 背景噪聲的特性，利用先驗(yàn)的點(diǎn)目標(biāo)空間分布特性與紅外圖像作巻積，當(dāng)先驗(yàn)點(diǎn) 目標(biāo)與紅外圖像中待檢測的點(diǎn)目標(biāo)相匹配時(shí)，理論上能夠極大地提高圖像信噪 比。在文獻(xiàn)Matched filters for multispectral point target detection (Proc. SPIE, Vol. 6302, 63020Z (2006))中作者針對不同的光譜圖像，利用上訴的方法設(shè)計(jì)匹配濾 波器，得到良好的結(jié)果。但是，在復(fù)雜背景條件下，實(shí)際的紅外圖像中存在強(qiáng)烈 噪聲的影響，點(diǎn)目標(biāo)的空間分布特性受到噪聲干擾會(huì)發(fā)生一些改變，利用上述經(jīng) 典的空間匹配濾波器進(jìn)行處理性能將迅速下降，往往不能有效地提高信噪比，嚴(yán) 重影響后續(xù)目標(biāo)檢測的性能，往往難以達(dá)到預(yù)期的效果。 發(fā)明內(nèi)容本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提供一種弱小目標(biāo)二維圖片噪聲濾除 中的匹配濾波方法，在分析成像待濾噪目標(biāo)的空間分布特性的基礎(chǔ)上，充分利用 目標(biāo)、背景、噪聲之間形態(tài)上的差異，以及成像待濾噪目標(biāo)的空間分布在各個(gè)方 向的截面輪廓線上均保持了在目標(biāo)出現(xiàn)位置的局部鄰域內(nèi)突變的特征；同時(shí)，充 分考慮到噪聲干擾的隨機(jī)性和局部突變性，以及噪聲干擾只可能是破壞目標(biāo)出現(xiàn) 位置二維分布中的某一維方向上的分布特性，將經(jīng)典二維匹配濾波器分解為多個(gè) 一維濾波器。通過優(yōu)化設(shè)計(jì)的匹配濾波器的多重一維匹配濾波結(jié)果能夠有效地平 衡目標(biāo)分布特性在某一方向上受到的干擾。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟 第一步，選取窗口模板，并將窗口模板分解為若干個(gè)一維窗口； 所述的窗口模板是指因?yàn)楸痉椒ㄓ糜谌跣∧繕?biāo)檢測，弱小目標(biāo)在圖像上往 往表現(xiàn)為一個(gè)多少數(shù)幾個(gè)像素點(diǎn)，多個(gè)像素點(diǎn)又可以通過形態(tài)學(xué)濾波等方法將其 衰減為一個(gè)像素點(diǎn)，所以選擇大小為3X3的矩形濾波窗口。所述的分解是指在3X3窗口中，分解是在垂直坐標(biāo)系中以x軸正向、y 軸正向、y二x和y=_x共四個(gè)方向?qū)⒋翱谀０宸譃锳、 A、 ￡>3和/)4四個(gè)定義域上 的1XN或NX1的矩陣，即一維窗口，這樣分解的標(biāo)準(zhǔn)是使分解具有完備性和各 方向旋轉(zhuǎn)不變性。第二步，設(shè)定待濾噪目標(biāo)的先驗(yàn)一維分布特性，利用一維窗口在各個(gè)方向?qū)?二維圖片進(jìn)行一維匹配濾波處理，所述的一維匹配濾波處理是指按照模板分解方向，用待濾噪目標(biāo)的先驗(yàn)一維分布特性與待濾噪目標(biāo)的待濾噪目標(biāo)分布特性進(jìn)行巻積運(yùn)算,具體公式為
其中A = 0,1,L TV
噪目標(biāo)的一維分布特性
先驗(yàn)一維分布特性，^^")為W^的離散傅立葉變換；^"為離散巻積結(jié)果。
所述的待濾噪目標(biāo)的先驗(yàn)一維分布特性是指沿著第一步分解的一位窗口的
方向，設(shè)定目標(biāo)的先驗(yàn)分布特性，比如若待檢測目標(biāo)點(diǎn)灰度比背景灰度打，則可
將先驗(yàn)一維分布特性設(shè)定為[4， 6， 4]，即中間元素值高于兩邊元素值。
第三步，在各個(gè)方向進(jìn)行一維窗口匹配濾波后，定義優(yōu)化設(shè)計(jì)的匹配濾波結(jié)
果為各個(gè)方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片。所述的優(yōu)化設(shè)計(jì)的匹配濾波結(jié)果為
W w't^,w ，
其中F(x，力表示坐標(biāo)(x,力處匹配濾波結(jié)果，函數(shù)/(x,力表示原坐標(biāo)(x,力處原始圖像的分布特性，函數(shù)w^^ed()表示取值定義域中心點(diǎn)的值；g,(")表示目標(biāo)沿z'方向分解的一維分布特性，其定義域?yàn)锳; W")表示先驗(yàn)的待濾噪目標(biāo)的一維分布特性，iV為分解的一維窗口的數(shù)目。
本發(fā)明的空間匹配濾波方法簡單有效，它的關(guān)鍵在于充分考慮到噪聲干擾的隨機(jī)性和局部突變性，和噪聲值只影響目標(biāo)點(diǎn)某一維分布特性的特點(diǎn)。通過將二維濾波模板轉(zhuǎn)化成多個(gè)一維濾波模板，結(jié)合圖標(biāo)先驗(yàn)分布特性，有效的檢查出二維圖片中的弱小目標(biāo)點(diǎn)。


圖l為實(shí)施例窗口分解示意其中圖Ua)為3x3窗口模板；圖1(b)為3x3窗口分解的一維窗口。圖2為實(shí)施例一維匹配濾波特性示意其中圖2(a)為先驗(yàn)?zāi)繕?biāo)分布，圖2(b)為待濾噪目標(biāo)分布，圖2(c)為匹配結(jié)果。
=|>(力/<* _力=^S[G(")/Z(") Ww
-1， w為分解的一維窗口的數(shù)目，g")為A方向上待濾
，G(")為g("的離散傅立葉變換；W"為待濾噪目標(biāo)的圖3為實(shí)施例濾波前后圖像空間分布特性示意其中圖3(a)為濾波前圖像空間分布特性，圖3(b)為濾波后圖像空間分布特性；
圖4為實(shí)施例濾波前后圖像及空間分布特性示意其中圖4(a)為紅外弱小目標(biāo)圖像，圖4(b)為原始圖像控件分布特性，圖4(c)為經(jīng)典二維空間匹配濾波器處理結(jié)果，圖4 (d)為優(yōu)化設(shè)計(jì)的空間匹配濾波器處理結(jié)果。
具體實(shí)施例方式
下面對本發(fā)明的實(shí)施例作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
本實(shí)例實(shí)施步驟具體如下
第一步、濾波模板選取
在此，主要考慮二維圖片中弱小待濾噪目標(biāo)成像的檢測，弱小待濾噪目標(biāo)在二維圖片中僅占據(jù)一個(gè)像素點(diǎn)大小，通常選取3X3的窗口模板，其分解示意圖如
l(b)所示。每個(gè)一維窗口是以當(dāng)前像素為中心，令其位置為"，力，其灰度值為
/^，>0;令四個(gè)方向的定義域分別為Q、 D2、 A和A。
第二步、在模板分解方形進(jìn)行一維濾波處理
優(yōu)化設(shè)計(jì)的匹配濾波器在每一個(gè)一維窗口中，分別用先驗(yàn)的待濾噪目標(biāo)的一維分布特性對其進(jìn)行巻積，即進(jìn)行一維匹配濾波處理
<formula>formula see original document page 7</formula>
式中，g")為沿著yt方向上待濾噪目標(biāo)的分布特性，G(")為g("的離散傅
立葉變換；WW為先驗(yàn)?zāi)繕?biāo)的分布特性，根據(jù)本實(shí)例二維圖片特征。目標(biāo)點(diǎn)比周
圍背景灰度值大，在形態(tài)上形成一個(gè)"突包"，取/<" = [464]， ^(")為W"的
離散傅立葉變換；^"為離散巻積結(jié)果。
圖2(a)顯示出了先驗(yàn)的空間待濾噪目標(biāo)的輪廓截面圖，目標(biāo)出現(xiàn)位置局部區(qū)域內(nèi)突變，形成一個(gè)類似于拋物線的形狀，
圖2(b)為實(shí)際二維圖片中待濾噪目標(biāo)空間分布進(jìn)行分解得到的一個(gè)一維窗
口。為了消除光照強(qiáng)度引起的背景灰度值大小的整體影響，在進(jìn)行巻積之前，截面輪廓圖和分解的一維窗口分布均進(jìn)行了 "歸零化"處理，即將一維分布中的最小值歸為零，只保留截面輪廓和分解窗口的"凸包"特性。
圖2(c)為匹配結(jié)果，其中實(shí)線為先驗(yàn)?zāi)繕?biāo)與待濾噪目標(biāo)的巻積結(jié)果，點(diǎn)劃線為先驗(yàn)?zāi)繕?biāo)與背景的巻積結(jié)果，由此可見，巻積結(jié)果明顯地分辨出了目標(biāo)和背景的空間分布特性，準(zhǔn)確地定位出了目標(biāo)出現(xiàn)的位置。
第三步、在各個(gè)方向進(jìn)行一維窗口匹配濾波后，定義優(yōu)化設(shè)計(jì)的匹配濾波結(jié)果為各個(gè)方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片，具體步驟為-
分別獲取不同方向一維窗口巻積結(jié)果定義域中心點(diǎn)的峰值。定義優(yōu)化設(shè)計(jì)的
匹配濾波結(jié)果為各個(gè)方向一維窗口匹配的峰值的均值，艮P:
<formula>formula see original document page 8</formula>
其中尸(X,力表示坐標(biāo)(;C，力處匹配濾波結(jié)果，函數(shù)/(X，力表示原坐標(biāo)(X,力處原始圖像的分布特性，函數(shù)m^/尸ed()表示取值定義域中心點(diǎn)的值；g,(")表
示目標(biāo)沿z'方向分解的一維分布特性，其定義域?yàn)锳; Ww)表示先驗(yàn)的待濾噪目
標(biāo)的一維分布特性，iV為分解的一維窗口的數(shù)目。
對整幅二維圖片逐像素進(jìn)行處理。濾波前后二維圖片的空間分布特性對比
(見圖3(a),圖3(b))可以清楚地顯示目標(biāo)位置灰度值的增強(qiáng)。相比原始二維圖片，經(jīng)過優(yōu)化設(shè)計(jì)的匹配濾波處理后目標(biāo)信號大大增強(qiáng)。
為了驗(yàn)證本實(shí)施例的濾波性能，實(shí)驗(yàn)中采用法國Sofradir中波熱成像儀采集到的320x240， 6733幀8位真實(shí)紅外對空序列二維圖片，截取其中的1000幀低信噪比二維圖片驗(yàn)證。
選取1X1目標(biāo)像素的紅外二維圖片，計(jì)算二維圖片信噪比約為1.5，屬于典型的低信噪比條件下的弱小目標(biāo)檢測問題。如4(a)為紅外原始二維圖片，其中白色方框標(biāo)定的區(qū)域?yàn)槟繕?biāo)出現(xiàn)位置，此時(shí)目標(biāo)完全淹沒在了雜波噪聲中。4(b)為原始二維圖片的空間分布特征圖，可以看到在目標(biāo)出現(xiàn)位置目標(biāo)與背景灰度差異很小。4(c)為經(jīng)過經(jīng)典空間匹配濾波器處理后的二維圖片的空間分布特性，可以看到因?yàn)樵级S圖片遭噪聲干擾的影響，經(jīng)過匹配后目標(biāo)點(diǎn)的位置并沒有完全體現(xiàn)出優(yōu)勢，濾波后二維圖片局部背景起伏特性加大，不是很平滑。4(d)為經(jīng)過優(yōu)化設(shè)計(jì)的空間匹配濾波后的二維圖片的空間分布特性圖，可以看到目標(biāo)位置灰度值得到明顯提升，目標(biāo)出現(xiàn)位置像素值被提升到已經(jīng)隱約可見。
對不同SVi 的待濾噪目標(biāo)二維圖片進(jìn)行對比實(shí)驗(yàn)，定義信噪比
S潛,一w)/o" (3)
式中，s為目標(biāo)信號幅度；"為二維圖片背景灰度均值；o"為二維圖片背景灰度標(biāo)準(zhǔn)差。實(shí)驗(yàn)結(jié)果如
表所示
表l匹配濾波前后二維圖片信噪比對比表
原始二維圖片經(jīng)典二維匹配濾波后二維圖優(yōu)化匹配濾波后二維圖片
SNR片SNRSNR
1. 52. 885. 9權(quán)利要求
1、一種弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法，其特征在于，包括以下步驟第一步，選取窗口模板，并將窗口模板分解為若干個(gè)一維窗口；第二步，設(shè)定待濾噪目標(biāo)的先驗(yàn)一維分布特性，利用一維窗口在各個(gè)方向?qū)ΧS圖片進(jìn)行一維匹配濾波處理；第三步，在各個(gè)方向進(jìn)行一維窗口匹配濾波后，定義優(yōu)化設(shè)計(jì)的匹配濾波結(jié)果為各個(gè)方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片。
2、 根據(jù)權(quán)利要求1所述的弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法， 其特征是，所述的窗口模板是指大小為3X3像素 5X5像素的矩形窗口。
3、 根據(jù)權(quán)利要求1所述的弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法， 其特征是，所述的分解是指在垂直坐標(biāo)系中以x軸正向、y軸正向、y^和y=-x 共四個(gè)方向?qū)⒋翱谀０宸譃锳、 "2、 A和A四個(gè)定義域上的1XN或NX1的矩 陣，即一維窗口。
4、 根據(jù)權(quán)利要求1所述的弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法，其特征是，所述的一維匹配濾波處理是指按照模板分解方向，用待濾噪目標(biāo)的先驗(yàn)一維分布特性與待濾噪目標(biāo)的待濾噪目標(biāo)分布特性進(jìn)行巻積運(yùn)算，具體公式為<formula>formula see original document page 2</formula>其中yt = 0,l，L iV-l， W為分解的一維窗口的數(shù)目，g("為A方向上待濾 噪目標(biāo)的一維分布特性，G(")為g("的離散傅立葉變換；W^為待濾噪目標(biāo)的先驗(yàn)一維分布特性，^(")為W"的離散傅立葉變換；W"為離散巻積結(jié)果。
5、 根據(jù)權(quán)利要求1所述的弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法， 其特征是，所述的待濾噪目標(biāo)的先驗(yàn)一維分布特性是指沿著第一步分解的一位 窗口的方向，設(shè)定目標(biāo)的先驗(yàn)分布特性。
6、 根據(jù)權(quán)利要求1所述的弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法，其特征是，所述的優(yōu)化設(shè)計(jì)的匹配濾波結(jié)果為其中F(x，力表示……，函數(shù)wec/i^d()表示取值定義域中心點(diǎn)的值；表示z'方向分解的一維窗口，其定義域?yàn)?'；W")表示先驗(yàn)的待濾噪目標(biāo)的一維 分布特性，W為分解的一維窗口的數(shù)目。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的弱小目標(biāo)二維圖片噪聲濾除中的匹配濾波方法，包括選取窗口模板，并將窗口模板分解為若干個(gè)一維窗口；設(shè)定待濾噪目標(biāo)的先驗(yàn)一維分布特性，利用一維窗口在各個(gè)方向?qū)ΧS圖片進(jìn)行一維匹配濾波處理；在各個(gè)方向進(jìn)行一維窗口匹配濾波后，定義優(yōu)化設(shè)計(jì)的匹配濾波結(jié)果為各個(gè)方向一維窗口匹配的峰值的均值，得到最終濾除噪聲后的二維圖片。本發(fā)明充分考慮到噪聲干擾的隨機(jī)性和局部突變性，和噪聲值只影響目標(biāo)點(diǎn)某一維分布特性的特點(diǎn)。通過將二維濾波模板轉(zhuǎn)化成多個(gè)一維濾波模板，結(jié)合圖標(biāo)先驗(yàn)分布特性，有效的檢查出二維圖片中的弱小目標(biāo)點(diǎn)。
文檔編號G06T5/00GK101630404SQ200910055610
公開日2010年1月20日 申請日期2009年7月30日 優(yōu)先權(quán)日2009年7月30日
發(fā)明者坦 劉, 李元祥, 李建勛 申請人:上海交通大學(xué)