劉俊偉， 陳少華， 方 斌， 胡 晨， 茍新禹

(1.空軍工程大學航空航天工程學院，西安 710038; 2.中國人民解放軍94783部隊76分隊，浙江長興 313130)

0 引言

作為紅外探測技術(shù)的核心內(nèi)容之一，紅外小目標檢測技術(shù)一直是人們研究的重點和難點。Dohono在小波變換基礎(chǔ)上提出的小波閾值量化去噪的方法，因其低熵性、多分辨率特性、去相關(guān)性、基函數(shù)選擇靈活等特點在紅外檢測領(lǐng)域得到了廣泛的應(yīng)用，但小波閾值量化去噪也存在著明顯的缺點和不足。硬閾值法將細節(jié)系數(shù)“一刀切”，丟失了目標信號中的高頻部分;軟閾值法估計出來的小波系數(shù)與原始信號的小波系數(shù)之間存在恒定的偏差;在處理含緩慢起伏背景的一維紅外小目標信號時，近似系數(shù)中依然包含著大量的細節(jié)系數(shù)(即噪聲信號)，再加上紅外小目標信號存在的幅值低、能量小、細節(jié)特征不明顯等因素，致使僅僅對細節(jié)系數(shù)進行量化，并不能夠有效地去除全部噪聲，容易出現(xiàn)漏警、虛警等情況，嚴重降低了檢測后信號的信噪比和檢測概率。針對上述問題，提出了一種改進的小波閾值函數(shù)，并通過對近似系數(shù)進行Top－Hat濾波，有效地消除了原始信號中的噪聲信號和背景信號，實現(xiàn)了一維紅外小目標信號的檢測。仿真結(jié)果表明，該算法能夠有效地去除噪聲、提高信噪比。

1 小波去噪法

小波去噪［1］的主要思想是:首先對信號進行小波分解，得到信號對應(yīng)的小波系數(shù)為近似系數(shù)和細節(jié)系數(shù)，其中，近似系數(shù)對應(yīng)的是信號中的低頻部分，細節(jié)系數(shù)對應(yīng)的是信號中的高頻部分，由于信號中的噪聲屬于高頻部分，目標信號屬于低頻部分，所以通過一定的閾值量化處理將小波細節(jié)系數(shù)去除，近似系數(shù)保留，然后將處理后的系數(shù)進行重構(gòu)，即可實現(xiàn)對信號的去噪化。其主要步驟為:1)對信號進行小波分解;2)對細節(jié)系數(shù)即高頻系數(shù)進行閾值量化;3)小波的重構(gòu)。目前常用的小波閾值去噪函數(shù)有硬閾值函數(shù)和軟閾值函數(shù)。

1.1 硬閾值函數(shù)

假設(shè)小波分解后的細節(jié)系數(shù)為d(i)，閾值為λ，閾值量化處理后的細節(jié)系數(shù)為D(i)，則硬閾值函數(shù)可表示為

硬閾值函數(shù)的優(yōu)點是方法簡單、容易實現(xiàn)，缺點是丟失了目標信號中的高頻信息。

1.2 軟閾值函數(shù)

軟閾值函數(shù)為

軟閾值函數(shù)的優(yōu)點是濾波效果較為平滑，缺點是軟閾值法估計出來的小波系數(shù)與原始信號的小波系數(shù)之間存在恒定的偏差。

2 Top-Hat運算［2－3］

Top－Hat運算是數(shù)學形態(tài)學中的一個很重要的運算方法，主要用來實現(xiàn)背景對消。其數(shù)學表達式為

其中:f為原始信號;g為結(jié)構(gòu)元素;?為形態(tài)開運算。

由式(3)可看出，Top－h(huán)at運算的主要思想是將原始信號減去經(jīng)過開運算后的信號，從而實現(xiàn)背景對消。

3 基于改進閾值函數(shù)和Top-Hat算法的檢測方法

3.1 改進閾值函數(shù)

針對兩種閾值函數(shù)存在的不足，文獻［4］提出一種折中閾值函數(shù)為

其中，e∈(0，1］。該函數(shù)雖然能減小量化前后小波系數(shù)的偏差，但是偏差變化比較緩慢，而且還要受到e的限制。

文獻［5］提出一種平滑閾值函數(shù)為

其中，α∈(0，1］。該函數(shù)是一種很理想的閾值平滑函數(shù)，但依然不能消除量化偏差。

為此，本文提出了一種能夠快速消除量化偏差的閾值函數(shù)，其數(shù)學表達式為

其函數(shù)曲線如圖1所示。

圖1 改進的閾值函數(shù)曲線Fig.1 Improved threshold function curve

由圖2可以看到，改進后的閾值函數(shù)不僅保留了軟硬閾值函數(shù)的優(yōu)點，而且在小波系數(shù)絕對值增大時，能夠快速地逼近原始小波系數(shù)，消除兩者之間的偏差。

3.2 基于Top-Hat算法的近似系數(shù)背景對消

紅外探測器接收到的來自空中目標的紅外信號中，往往包含著大量緩慢起伏的背景干擾信號，它們是一種低頻信號，在小波分解后，背景信號對應(yīng)的小波系數(shù)屬于近似系數(shù)。但是，在近似系數(shù)中，往往包含著大量的高頻系數(shù)，它們屬于疊加在背景信號上的噪聲信號，如圖2所示。

圖2 小波系數(shù)分布Fig.2 Wavelet coefficient distribution

采用傳統(tǒng)的閾值量化方法，僅僅對細節(jié)系數(shù)進行量化，就會丟失一部分噪聲信號，為后續(xù)的檢測帶來不必要的麻煩，而且在后續(xù)的背景抑制時，需要對整個信號進行處理，增加了系統(tǒng)的運算量。針對上述問題，本文提出對近似系數(shù)采用Top－Hat算法進行背景對消，消除背景信號對應(yīng)的小波系數(shù)，然后對背景對消后的近似系數(shù)和細節(jié)系數(shù)進行閾值量化，從而消除噪聲信號。同時，因為本方法只對在小波系數(shù)中占少數(shù)的近似系數(shù)進行處理，因而減少了運算量和運算時間。

其具體步驟如下:1)選擇合適的小波函數(shù)和分解層數(shù)，對紅外信號進行小波分解，并提取近似系數(shù)和細節(jié)系數(shù);2)采用Top－Hat算法對近似系數(shù)進行背景對消，消除背景信號對應(yīng)的小波系數(shù);3)使用改進后的閾值函數(shù)對小波系數(shù)進行量化;4)小波系數(shù)重構(gòu)。

本文方法的流程如圖3所示。

圖3 流程圖Fig.3 Flow chart

4 數(shù)字仿真

在實際情況下，由紅外探測器探測到的原始信號為F(t)=f(t)+B(t)+N(t)。其中:f(t)為目標信號;B(t)為背景信號;N(t)為噪聲信號。文獻［6］中提出一種比較符合天空背景下紅外目標特性的目標模型為

由式(7)可知，天空背景下，紅外目標信號是一個高斯函數(shù)。文獻［7］指出，天空背景是一種廣義平穩(wěn)的、疊加了高斯噪聲的緩慢起伏的信號。對于噪聲信號，通常情況下，可以把它當作一個高斯白噪聲處理。根據(jù)上述結(jié)論，結(jié)合本文提出的檢測方法，構(gòu)建一個幅值為70、占空比為5的高斯脈沖信號，背景信號由一系列不同幅度、不同頻率的正弦信號組成，噪聲信號為均值為0的高斯白噪聲，其方差通過初始信噪比求出。同時，考慮到本文方法主要是用于低信噪比條件下紅外小目標信號的處理，因此，初始信噪比設(shè)定為1，信噪比采用目標信號與噪聲信號的幅值比。然后使用本文提出的方法進行紅外信號的檢測。仿真結(jié)果如圖4～圖8所示。

圖4 原始信號Fig.4 Original signal

圖5 合成信號Fig.5 Synthetic signal

圖6 本文算法Fig.6 The algorithm in this paper

圖7 硬閾值+Top－HatFig.7 Hard threshold+Top－Hat

圖8 軟閾值+Top－HatFig.8 Soft threshold+Top－Hat

為比較3種方法(本文方法、硬閾值 +Top－Hat、軟閾值+Top－Hat)處理后信號的SNR，分別用3種方法處理100次，然后求出平均SNR進行比較。比較結(jié)果如表1所示。

1)通過圖4～圖8，可以看到:相比前兩種方法，本文算法去噪效果更好，硬閾值+Top－Hat、軟閾值+Top－Hat在處理合成信號后都不同程度地存在著噪聲信號。

2)通過表1可以看出，本文算法處理后目標信號的SNR也較前兩種方法好，SNR提高了1～2左右。

3)由于本文算法僅僅對近似系數(shù)應(yīng)用了Top－Hat算法，后兩種方法則是對整個信號進行Top－Hat運算，因此，在運算量和運算時間上都要比后兩種方法好。

表1 3種算法去噪效果對比Table 1 De-noising contrast of 3 algorithms

5 結(jié)論

本文方法首先改進小波閾值函數(shù)，在吸收軟、硬閾值函數(shù)優(yōu)點之后，通過指數(shù)函數(shù)實現(xiàn)快速消除小波系數(shù)偏差的目的;將Top－Hat運算引入對近似系數(shù)的背景對消中，然后對背景對消后的小波系數(shù)進行閾值去噪，不僅有效消除了疊加在近似系數(shù)中的細節(jié)系數(shù)，而且因為僅僅對近似系數(shù)進行運算，減少了運算量和運算時間。

［1］ 王嘉梅.基于MATLAB的數(shù)字信號處理與實踐開發(fā)［M］.西安:西安電子科技大學出版社，2007.

［2］ 崔屹.圖像處理與分析——數(shù)學形態(tài)學方法及應(yīng)用［M］.北京:科學出版社，2000.

［3］ BAI Xiangzhi，ZHOU Fugen.Analysis of new Top－Hat transformation and the application for infrared dim small target detection［J］.Pattern Recognition，2010，43:2145－2156.

［4］ 高雪娟，高占國.圖像小波閾值去噪算法研究［J］.電光與控制，2006，14(6):148－151.

［5］ 張海波，葉曉慧.一種改善微弱信號信噪比的小波變換消噪法［J］.現(xiàn)代電子技術(shù)，2009，14(3):124－126.

［6］ 方斌.空空導彈紅外成像導引頭信息處理技術(shù)研究［D］.西安:空軍工程大學，2003.

［7］ 熊偉，謝劍薇.光電跟蹤控制導論［M］.北京:國防工業(yè)出版社，2009.