李武周，余 鋒，王 冰，胡琥香，周長(zhǎng)榮

?

基于形態(tài)學(xué)濾波的紅外圖像背景補(bǔ)償

李武周1，余 鋒1，王 冰1，胡琥香1，周長(zhǎng)榮2

（1.光電對(duì)抗測(cè)試評(píng)估技術(shù)重點(diǎn)實(shí)驗(yàn)室，河南 洛陽 471003；2.中國(guó)洛陽電子裝備試驗(yàn)中心，河南 洛陽 471003）

天空背景的紅外輻射特性與觀測(cè)天頂角有關(guān)，造成具有天空背景的紅外圖像背景亮度不均勻，影響了紅外圖像后續(xù)處理。針對(duì)紅外圖像天空背景亮度不均勻的特點(diǎn)，提出了一種基于形態(tài)學(xué)濾波的紅外圖像背景補(bǔ)償方法，并采用了一種簡(jiǎn)單的自動(dòng)全局閾值處理方法對(duì)背景補(bǔ)償效果進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明，該方法能夠很好的解決紅外圖像天空背景亮度不均勻的問題。

形態(tài)學(xué)濾波；紅外圖像；天空背景；背景補(bǔ)償

0 引言

大氣介質(zhì)（包括分子和氣溶膠粒子）的散射及熱輻射構(gòu)成可見光到遠(yuǎn)紅外波段天空的背景輻射。在地面觀測(cè)到的天空背景亮度與太陽（月亮）的位置、觀察視線的方向（視線天頂角）以及大氣的清潔度密切相關(guān)。

近紅外波段（3mm以下）的天空背景輻射主要是大氣散射的太陽輻射形成的。中遠(yuǎn)紅外波段（3mm以上）的天空背景輻射主要是大氣的熱輻射。在不考慮云和氣溶膠粒子的情況下，整個(gè)紅外波段大氣背景輻射隨天頂角的增大而增大（即隨視線俯仰角增大而減小）。對(duì)于中遠(yuǎn)紅外波段，在水平方向，天空背景輻射接近于黑體，在天頂角較小的天空，3～5mm和8～12mm兩個(gè)主要大氣窗口區(qū)間，天空背景輻射亮度顯著偏離于黑體輻射，并隨天頂角的減小而降低[1]。

由于紅外成像設(shè)備在探測(cè)空中目標(biāo)時(shí)，在俯仰方向均有一定的張角，天空背景輻射亮度俯仰方向的不均勻，造成紅外成像設(shè)備生成的紅外圖像背景亮度在低仰角方向高，高仰角方向低，增大了目標(biāo)背景雜波的復(fù)雜度，甚至?xí)霈F(xiàn)背景亮度強(qiáng)于目標(biāo)亮度的現(xiàn)象，降低了探測(cè)信噪比，增大了紅外圖像后續(xù)處理的難度，為目標(biāo)探測(cè)帶來了困難。因此，有必要對(duì)生成的紅外圖像進(jìn)行背景補(bǔ)償，使背景均勻化，提高目標(biāo)信噪比，簡(jiǎn)化后續(xù)處理過程。

1 形態(tài)學(xué)濾波

形態(tài)學(xué)的基本運(yùn)算有4個(gè)：膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開啟和閉合，基于這些基本運(yùn)算可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法，用它們可以進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征抽取、邊緣檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等。4種基本運(yùn)算定義如下[2-3]：

1）使用結(jié)構(gòu)元素對(duì)圖像(,)的灰度膨脹記為?，定義為：

式中：D是結(jié)構(gòu)元素的定義域，結(jié)構(gòu)元素的定義類似于鄰域，區(qū)別的是可以有各種不同的形狀，如菱形、圓盤、線形、八邊形、甚至2個(gè)以上的成員等。二值矩陣D決定了哪些位置的元素包括在最大值運(yùn)算中。通常，在其定義域內(nèi)取值為零，在這種情況下，灰度膨脹公式簡(jiǎn)化為：

可以將其看作是一個(gè)局部最大值算子。

2）使用結(jié)構(gòu)元素對(duì)圖像(,)的灰度腐蝕記為Q，定義為：

與膨脹一樣，灰度腐蝕通常簡(jiǎn)化為：

因此，灰度腐蝕是一個(gè)局部最小值算子。

3）使用結(jié)構(gòu)元素對(duì)圖像(,)的開運(yùn)算記為○，定義為：

即由腐蝕，然后再由膨脹。

4）使用結(jié)構(gòu)元素對(duì)圖像(,)的閉運(yùn)算記為●，定義為：

即由膨脹，然后再由腐蝕。

開運(yùn)算可以去除比結(jié)構(gòu)元素更小的明亮細(xì)節(jié)，閉運(yùn)算可以去除比結(jié)構(gòu)元素更小的暗色細(xì)節(jié)，所以它們經(jīng)常組合在一起用來平滑圖像并去除噪聲[4-5]。

2 基于形態(tài)學(xué)濾波的紅外圖像背景補(bǔ)償

原圖像與原圖像的開運(yùn)算或閉運(yùn)算結(jié)果相加減，會(huì)產(chǎn)生被稱為頂帽（Top-hat）變換和底帽（Bottom-hat）變換的結(jié)果[5]。頂帽變換的定義為：

hat＝－○(7)

底帽變換的定義為：

hat＝●－(8)

開運(yùn)算遍歷整幅圖像，將小于結(jié)構(gòu)元素的亮特征剔除（削峰），大于結(jié)構(gòu)元素的圖像特征均視為背景保留不變，閉運(yùn)算和開運(yùn)算相似但用于相反情況，將小于結(jié)構(gòu)元素的暗特征剔除（填坑），大于結(jié)構(gòu)元素的圖像特征均視為背景保留不變。開運(yùn)算和閉運(yùn)算將小于結(jié)構(gòu)元素的目標(biāo)剔除，只保留背景，若再與原圖像相減，就會(huì)得到僅保留目標(biāo)的圖像。

頂帽變換和底帽變換的一個(gè)重要用途就是校正不均勻背景的影響[6-7]。紅外圖像中，背景一般為不均勻背景，目標(biāo)一般為亮小目標(biāo)，特別適合通過頂帽變換來剔除背景，識(shí)別目標(biāo)。因此，本文在形態(tài)學(xué)濾波器概念的基礎(chǔ)上提出了一種紅外圖像背景補(bǔ)償方法：使用特定的結(jié)構(gòu)元素對(duì)紅外圖像進(jìn)行開運(yùn)算，再?gòu)脑瓐D像中減去開運(yùn)算的圖像，就可以生成具有均勻背景的圖像。

最后采用一種簡(jiǎn)單的自動(dòng)全局閾值處理方法[2]來驗(yàn)證背景補(bǔ)償效果。該全局閾值處理方法如下：

1）為閾值選擇一個(gè)初始值（圖像中亮度最大值和最小值的平均值）；

2）使用分割圖像，分割后產(chǎn)生兩組像素，所有亮度值≥的像素1，所有亮度值＜的像素2；

3）分別計(jì)算1和2的像素亮度平均值1和2并計(jì)算新閾值：

4）重復(fù)步驟2）～4），直到趨于穩(wěn)定。

背景補(bǔ)償及驗(yàn)證結(jié)果如圖1所示。

圖2給出了背景補(bǔ)償前后目標(biāo)周圍的像素值變化（縱向）。

表1給出了背景補(bǔ)償前后目標(biāo)周圍的像素值變化。

表2給出了根據(jù)背景補(bǔ)償后自動(dòng)全局閾值分割結(jié)果計(jì)算得到的目標(biāo)和背景的均值及方差。

從圖2及表1、表2中可以看出，經(jīng)背景補(bǔ)償后，目標(biāo)相對(duì)于其周圍背景的亮度差基本沒有改變，且天空背景的均勻性得到很好的校正，圖像的整體信噪比得到增強(qiáng)，非常有利于圖像分割和目標(biāo)識(shí)別。

實(shí)驗(yàn)中發(fā)現(xiàn)，當(dāng)結(jié)構(gòu)元素增大到剛好覆蓋目標(biāo)面積時(shí)，具有最好的補(bǔ)償效果，結(jié)構(gòu)元素太小，開運(yùn)算不能完全從背景中剔除目標(biāo)，結(jié)構(gòu)元素太大，會(huì)引入虛假背景。當(dāng)背景中存在虛假目標(biāo)如鳥類時(shí)，算法對(duì)其具有一定的削弱作用，削弱的同時(shí)基本不會(huì)降低目標(biāo)和周圍背景的亮度差。

圖1 背景補(bǔ)償及自動(dòng)全局閾值分割的結(jié)果

3 結(jié)束語

文章提出了一種基于形態(tài)學(xué)濾波的紅外圖像背景補(bǔ)償方法，該方法具有運(yùn)算速度快、可并行處理、不改變目標(biāo)相對(duì)其周圍背景的亮度差的特點(diǎn)，并利用半徑為2的圓形結(jié)構(gòu)元素對(duì)紅外圖像進(jìn)行了背景補(bǔ)償，結(jié)果表明，本文的算法具有較好的背景補(bǔ)償效果。

圖2 背景補(bǔ)償前后目標(biāo)周圍像素值變化

表1 背景補(bǔ)償前后目標(biāo)周圍的像素值

表2 背景補(bǔ)償前后目標(biāo)和背景的均值及方差

[1] 饒瑞中. 現(xiàn)代大氣光學(xué)[M]. 北京: 科學(xué)出版社, 2012: 326-334.

RAO Ruizhong.[M]. Beijing: Science Press, 2012: 326-334.

[2] Rafael C.Gonzalez. 數(shù)字圖像處理[M]．阮秋琦, 等,譯. 北京: 電子工業(yè)出版社, 2011: 403-513.

Rafael C.Gonzalez.[M]. Translated by Ruan Qiuqi, et al. Beijing: Publishing House of Electronic Industry, 2011: 403-513.

[3] 張燕. 基于小波域熱紅外降質(zhì)圖像濾波增強(qiáng)方法研究[J]. 紅外技術(shù), 2014, 36(52): 355-359.

ZHANG Yan. Research on the Thermal Infrared Image Filtering and Enhancement Algorithm Based on Wavelet Transform Domain[J]., 2014, 36(52): 355-359.

[4] 李秋華, 王厚生, 鄒自力. 基于小波變換與灰度形態(tài)學(xué)濾波的雙波段紅外圖像弱目標(biāo)融合檢測(cè)[J]. 信號(hào)處理, 2006, 22(3): 312-316.

LI Qiuhua, WANG Housheng, ZOU Zili. Detection of Dual Band IR Small Target Fusion Detection based on Wavelet Transformation and Grayscale Morphology Filtering[J]., 2006, 22(3): 312-316.

[5] 潘鋒, 閆貝貝, 肖文等. 基于數(shù)學(xué)形態(tài)學(xué)的數(shù)字全息再現(xiàn)像融合方法[J]. 中國(guó)光學(xué), 2015,8(1): 60-67.

PAN Feng, YAN Beibei, XIAO Wen, et al. Digital holographic reconstruction image fusion based on mathematical morphology [J]., 2015, 8(1): 60-67.

[6] 王新增, 嚴(yán)國(guó)莉, 關(guān)曉歉. 灰度形態(tài)學(xué)濾波的紅外運(yùn)動(dòng)小目標(biāo)檢測(cè)方法[J]. 中國(guó)測(cè)試技術(shù), 2006, 32(15): 79-81.

WANG Xinzeng, YAN Guoli, GUAN Xiaoqian. Detection method of infrared moving small target based on grey morphology filtering[J]., 2006, 32(15): 79-81.

[7] 董怡, 金偉其, 張淼. 數(shù)學(xué)形態(tài)學(xué)濾波在紅外圖像去噪中的應(yīng)用研究[J]. 激光與紅外, 2007, 37(8): 795-798.

DONG Yi, JIN Weiqi, ZHANG Miao. Research on Noise Removal with Morphological Filter[J]., 2007, 37(8): 795-798.

[8] 蔡陽, 林再平, 周一宇. 基于形態(tài)學(xué)濾波的紅外弱小目標(biāo)背景抑制[J]. 電子信息對(duì)抗技術(shù), 2012, 27(6): 38-42.

CAI Yang, LIN Zaiping, ZHOU Yiyu. Morphology Filter for Infrared Dim and Small Target Background Suppression[J]., 2012, 27(6): 38-42.

Infrared Image Background Compensation Based on Morphological Filter

LI Wuzhou1，YU Feng1，WANG Bing1，HU Huxiang1，ZHOU Changrong2

(1.,471003,;2.,471003,)

The infrared radiation characteristics of sky background are related to observing zenith angle, which cause non-uniformity of infrared image background brightness, and affect subsequent processing of infrared image. Considering the feature of non-uniformity sky background radiance, an infrared image background compensation method was proposed based on morphological filter, then experimental verification was done by using a simple automatic global threshold processing method. The experiment results show that proposed method can solve the problem well.

morphological filter，infrared image，sky background，background compensation

TN976

A

1001-8891(2015)04-0333-04

2015-03-09；

2016-01-05.

李武周（1982-），男，工程師，碩士研究生，主要研究方向?yàn)楣怆妼?duì)抗技術(shù)，數(shù)字圖像處理等，E-mail：wzlee@163.com。