馮 帥，趙金博

（1.總參謀部第55研究所，北京100094；2.華北光電技術研究所，北京100015）

·圖像與信號處理·

基于局部直方圖的紅外目標分割算法

馮 帥1，趙金博2

（1.總參謀部第55研究所，北京100094；2.華北光電技術研究所，北京100015）

在遠程紅外探測系統(tǒng)中，背景為緩慢變化的天空，而目標則表現(xiàn)為局部奇異點。目標灰度分布范圍大，局部較亮，邊緣與背景對比度低。根據(jù)這一特性，提出了一種基于局部直方圖的目標分割算法。文中分析了多個目標的直方圖分布特性，根據(jù)其灰度分布規(guī)律和像素個數(shù)判決條件實現(xiàn)了目標的有效分割。該算法適用于空域背景下的飛行目標分割。經(jīng)過仿真驗證表明，本文所提出的算法能快速有效地分割出紅外飛行目標，有很強的實用性。

紅外目標；直方圖；目標分割

1 引言

在對圖像的應用和研究中，人們往往只對其中的某一部分感興趣，它對應于圖像中具有某一特殊性質(zhì)的區(qū)域，稱之為目標或前景；而其他部分稱之為背景。所謂圖像分割技術就是指把圖像分解為不同特性的區(qū)域，并提取出感興趣目標的過程。通常圖像分割的實現(xiàn)方法是將圖像分為“黑”“白”兩類，這兩類分別代表了兩類不同的對象，因為結(jié)果為二值圖像，所以分割也叫做二值化處理［1］。它能使后續(xù)處理的數(shù)據(jù)量大大減少，同時又能有效地保留目標特征的基本信息。因此，紅外圖像分割技術直接影響系統(tǒng)的整體性能，它是保證系統(tǒng)探測能力和識別能力的重要環(huán)節(jié)和關鍵技術［2］。

近些年來，提出了很多實用的分割算法，如閾值分割法、邊緣檢測法、區(qū)域分割法、分裂合并法等。這些算法大都是只能在特定的應用背景之下才能取得較好的分割效果，因此具有一定的局限性。到目前為止還沒有出現(xiàn)一個通用的方法，也不存在一個判斷分割是否成功的客觀標準。因此，繼續(xù)開展對圖像分割技術的研究，尤其是研究紅外圖像領域的目標分割技術具有十分重要的意義［3］。

本文的研究對象為空域背景下的紅外圖像。各種姿態(tài)和類型的飛機為主要的目標類型。因為是遠距離探測，所以目標像素數(shù)較少，只有幾十個甚至幾個像素。盡管如此，但是目標本身紅外輻射情況并不均勻，灰度級范圍廣，層次豐富。目標不同部位的熱量分布不一，如發(fā)動機、尾焰等部位灰度值偏高，而機身其他部位灰度值較低?？沼虮尘皠t灰度級較為集中，變化范圍小，灰度值低于目標。

2 灰度直方圖

灰度直方圖是代表灰度級的一種圖形函數(shù)描述，它代表圖像中含有該灰度級的像素的個數(shù)。直方圖的橫坐標代表的是灰度級，縱坐標是該灰度級像素的個數(shù)。熱像儀輸出的圖像一般為8 bit、14 bit或者16 bit數(shù)據(jù)，因此其對應的灰度級范圍分別為0～255、0～16383、0～65535。

直方圖是對圖像基本特征的一種描述，每幅圖像都有對應的確定的直方圖。雖然直方圖與圖像的景物信息不是一一對應的關系，但是一旦景物成像后，它的像素灰度就確定了，直方圖也隨之確定。因此，直方圖在一定程度上能反過來反映圖像的灰度分布信息，從而可以有利于分析圖像［4］。

典型目標和目標對應的直方圖如圖1、圖2、圖3所示。

圖1 大飛機及其直方圖

圖2 小飛機及其直方圖

由此可知：對于大部分空中飛行目標而言，其局部區(qū)域的直方圖具有類似的特性，如圖4所示。背景灰度級集中，且分布在低灰度區(qū)，目標灰度級變化范圍較廣，分散在高灰度區(qū)。不同圖像略有不同，但是都遵循以上規(guī)律。

圖3 機尾焰及其直方圖

圖4 典型目標灰度級分布示意圖

3 直方圖分割

直方圖雙峰法是一種傳統(tǒng)且典型的直方圖分割方法。當灰度圖像中畫面比較簡單且目標對象的灰度分布比較有規(guī)律時，背景和目標在圖像的灰度直方圖上可能各自形成一個波峰，如圖5所示。圖像的直方圖可以看作是像素灰度值概率分布密度函數(shù)的一個近似，直方圖所代表的像素灰度值概率密度分布函數(shù)實際上就是對應目標和背景的兩個單峰分布密度函數(shù)之和。選擇雙峰間低谷處所對應的灰度值為閾值，可以很好的將兩個區(qū)域分離。這就是直方圖雙峰法［5］。

圖5 典型雙峰型直方圖

雙峰法比較簡單，在可能情況下常常作為首選的閾值確定方法。但是由前面的分析可知本文所針對的圖像沒有上述明顯的雙峰，而是只有背景一個峰，目標所占的有限的像素分散在直方圖高灰度區(qū)域，因此不具備雙峰法的使用條件。

盡管如此，雙峰法的基本思想給了我們很好的啟迪，我們可以秉承其基本思路，在其基礎上做出改進來適應我們的應用。直方圖雙峰法是把“背景”峰和“目標”峰之間的“低谷”作為最佳分割閾值來進行分割。而現(xiàn)在是要算出“單峰”所代表的背景和分散的高灰度區(qū)所代表的目標之間的閾值。不妨根據(jù)其灰度分布區(qū)域和像素個數(shù)的差異，自右而左統(tǒng)計追蹤直方圖輪廓，依據(jù)像素個數(shù)判決條件來尋找最佳閾值。自右而左保證了從高灰度區(qū)域到低灰度區(qū)域進行運算，從而先把灰度值較高的目標分離出來；像素個數(shù)判決條件保證了只把單個灰度級像素數(shù)較少的目標區(qū)域分離出來而把灰度集中的背景區(qū)域拒之門外。

設紅外圖像的灰度值范圍為｛Gmin，Gmin＋1，…，Gmax｝，其中Gmin為最小灰度值，Gmax為最大灰度值。g代表某個灰度值，圖像中具有g灰度值的像素個數(shù)為ng。則一幅圖像的直方圖可表示為［6］：

令灰度值g處的概率為Pg，則：

假設設定的像素判決條件為N＝｛N1，N2｝，則利用像素判決條件對直方圖進行統(tǒng)計分析從而即可確定分割閾值Th，Th需滿足以下條件：

確定出分割閾值Th之后，便可利用Th進行圖像分割得到二值化圖像。

整個算法流程圖如圖6所示。

圖6 算法流程圖

算法評價標準：由于分割的情況復雜多變，目前還沒有一個客觀的評價分割好壞的準則。一般只能從具體的分割結(jié)果主觀判斷。主觀判斷的因素主要包括以下幾點：區(qū)域內(nèi)部簡單，沒有很多空洞；同一特性區(qū)域一致和均勻；區(qū)域邊界簡單不粗糙；不同區(qū)域在特性上有顯著區(qū)別。

4 實驗結(jié)果

典型目標及其對應分割效果如圖7、圖8、圖9所示。

圖7 大飛機及其分割效果

圖8 小飛機及其分割效果

圖9 飛機尾焰及其分割效果

由分割結(jié)果可以看出，本算法能完整地分割出飛行目標，較完好地保留了目標的輪廓信息，且分割結(jié)果內(nèi)部沒有出現(xiàn)空洞，背景與目標區(qū)域區(qū)分顯著，有很好的分割效果。

5 結(jié) 論

本文分析了典型紅外目標的直方圖分布，在傳統(tǒng)的直方圖雙峰法基礎上，提出了基于局部直方圖的紅外目標分割算法。該算法抓住紅外背景灰度級集中，目標灰度級分散，且目標灰度值大于背景的特點，利用直方圖分析和像素個數(shù)判斷條件實現(xiàn)了目標的有效分割。由大量的仿真驗證，該算法對不同目標類型均能取得較好的分割效果，從而為后續(xù)的目標分類和目標識別奠定了良好的基礎［7］。

參考文獻：

［1］ YUN Tingjin，GUO Yongcai，GAO Chao.Human segmentation a algorrithm in infrafed images based on K-means clustering centers analysis［J］.Opto-Electronic Engineering，2008，35（3）：140－144.（in Chinese）

云廷進，郭永彩，高潮.K-均值聚類中心分析法實現(xiàn)紅外人體目標分割［J］.光電工程，2008，35（3）：140－144.

［2］ HU Liu，XIE Mei.Moving infrared object segmentation based on Spatio-temporal Information［J］.Infrared Technology，2006，28（5）：271－274.（in Chinese）

胡柳，解梅.基于時空聯(lián)合的紅外運動目標分割算法［J］.紅外技術，2006，28（5）：271－274.

［3］ ZHANG Shuzhen.Image threshold segmentation algorithm for infrared small target detection［J］.Laser＆Infrared，2013，43（10）：1171－1174.（in Chinese）

張書真.一種檢測紅外小目標的圖像閾值分割算法［J］.激光與紅外，2013，43（10）：1171－1174.

［4］ LOU Shuli，ZHOU Xiaodong.IR simulated image assessment based on histogram analysis［J］.Laser＆Infrared，2011，41（11）：1273－1277.（in Chinese）

婁樹理，周曉東.基于直方圖分析的紅外仿真圖像驗證方法研究［J］.激光與紅外，2011，41（11）：1273－1277.

［5］ CHENG Jie.A Method of Segmentation Based on Histogram［J］.Huazhong Univ.of Sci.＆Tech，1999，27（1）：84－86.（in Chinese）

程杰.一種基于直方圖的分割方法［J］.華中理工大學學報，1999，27（1）：84－86.

［6］ CHEN Dong，HUANG Yongjie，SHEN Zhenkang.Research on the Target Segmention Method of Infrared Image［J］.Systems Engineering and Electronics，2002，24（1）：74－85.（in Chinese）

陳東，黃勇杰，沈振康.紅外圖像目標分割方法研究［J］.系統(tǒng)工程與電子技術，2002，24（1）：74－85.

Infrared target segmentation algorithm based on partial histogram

FENG Shuai1，ZHAO Jin-bo2
（1.The 55th Research Institute of PLA General Staff Headquarters，Beijing 100094，China；2.North China Research Institute of Electro-optics，Beijing 100015，China）

In infrared remote target detection system，the sky-background changes slowly，but the target shows the partial corner.It has a broad gray range and is brighter than the background.According to these characteristics，a target segmentation algorithm based on partial histogram is presented.The distribution characteristics ofmulti-target histogram are analyzed.According to gray level distribution rule and the image pixels restriction，the image segmentation is realized.Experiment results show that thismethod can segment flying targets rapidly and effectively，and ithas strong practicability.

infrared target；histogram；target segmentation

TP391.41

A

10.3969／j.issn.1001-5078.2014.11.020

1001-5078（2014）11-1274-04

馮 帥（1988－），男，碩士研究生，主要從事紅外目標檢測與識別相關技術研究。E-mail：aynlin＠163.com

2014-03-15；

2014-04-02