司马端，龙云利，安 玮，王 普

（国防科技大学电子科学与工程学院，湖南长沙410073）

基于显著性与帧间差分的红外弱小目标检测

司马端，龙云利，安 玮，王 普

（国防科技大学电子科学与工程学院，湖南长沙410073）

针对复杂背景下弱小目标检测问题，提出一种基于图像显著性和帧间差分相结合的红外弱小目标轨迹检测算法。该算法首先利用高效的频域残差法检测目标可能的存在区域，再利用帧间差分法消除背景孤立的奇异点和背景变化较强烈的部分，突出了目标信息。然后将差分图像进行累加初步得到目标的轨迹，经过累加后的图像目标的能量较杂波和噪声有了显著的提高。最后通过门限分割和轨迹关联进一步剔除虚警目标。仿真实验表明，算法在不同的背景杂波和目标尺寸下都有较好的检测性能，便于硬件实现和后续的识别与跟踪。

弱小目标；显著性检测；帧间差分；红外图像

0 引言

远距离红外探测技术被广泛用于遥感、航天等领域。由于目标到红外传感器距离很远，在视场中目标通常为点状或斑状的小目标，缺乏形状、纹理等信息，且由于背景杂波和大气传输衰减的影响，造成红外探测器形成的图像信噪比较低，目标易淹没在背景杂波之中，给检测带来了困难。因此，在复杂背景环境下有效地检测红外弱小目标对于提升红外探测系统的性能具有重要意义。

在红外图像中的弱小目标集中于一个相对较小的区域，与其邻域背景区域具有不相关的特点。因此可以认为小目标是图像中的显著区域，除此之外在图像中背景变化较快的地方和随机噪声也具有与周围背景不相关的特点，所以背景中的噪声和突变的地方也是图像中的显著性区域。在得到图像的显著性区域后结合目标的灰度信息和运动信息，通过图像累加进行目标能量累积，能有效提高图像信噪比。本文根据这一思路提出了基于显著性和帧间差分的弱小目标检测算法，仿真结果表明本文算法能较好地抑制噪声，保留目标的能量，对于不同尺寸和不同运动速度的目标均具有较好的检测能力。

1 利用频域残差的显著性检测

视觉注意机制在人类的视觉系统中起着十分重要的作用，它使我们自动感知和理解我们获取到的信息中最有价值的信息，视觉注意机制被广泛用于图像处理、心理学和神经科学等领域。在图像处理中视觉注意机制被用于图像的显著性检测，即判断图像中哪些区域对人眼来说是显著的。

检测图像显著性区域的方法很多，文献［3］提出了一种基于频域残差的方法。本文也采用频域残差方法检测显著性区域，但是为了更好地保留目标信息对该方法稍作变化，以便于后续利用帧间差分提取目标轨迹。给定图像为I（x，y），可以得到其幅度谱和相位谱分别为：

文献［3］证明了所有的自然图像的幅度谱取自然对数后都具有相似的起伏状态，因此如果对图像的对数幅度谱作平滑处理后与本身的对数幅度谱作差分即可得到显著性部分的对数幅度谱，最后利用傅里叶逆变换即可得到显著性图像。

频域残差法的基本只包含对图像作卷积、傅里叶及傅里叶逆变换等运算，其计算量很小，能满足实时性要求。图1显示了两种不同场景下的包含红外弱小目标的图像及其显著性预处理检测后的结果。第1幅图像背景比较简单，噪声也比较小，因此经显著性检测后背景杂波已被完全抑制，小目标凸显。第2幅图像包含6个目标，图像背景比较复杂，起伏十分明显，经显著性检测后存在零散的杂波干扰。因此，后文利用弱小目标运动的连续性来提取目标轨迹，检测目标。

2 基于帧间差分的弱小目标检测

对于弱小目标检测，由图像处理的观点来看就是判断图像中很小的异常部分或孤立的奇异点，即图像中的显著性部分。然而由于红外探测器本身的特点以及探测过程中带来的噪声、图像中陡峭的边缘和高亮度的部分都会对预处理带来影响。如果此时进行多帧累加会造成很多虚假轨迹，影响后续的识别与跟踪。因此本文首先利用频域残差算法对原始图像进行显著性检测，提取出图像中的显著性部分，在此基础上利用帧间差分消除背景杂波和部分噪声带来的干扰，然后通过多帧累积建立目标的运动轨迹。最后，通过门限处理和轨迹关联进一步抑制噪声，剔除虚假轨迹获得最后的目标图像。算法的处理流程如图2所示。

图1 红外图像及其显著性预处理结果

图2 本文检测弱小目标的算法流程

2.1 帧间差分

帧间差分是利用前后帧图像相减得到目标在图像上的位置。传统的帧间差分可以描述为：

给定图像序列｛I1（x，y），I2（x，y），…，IN（x，y）｝。在本文中这里的图像是经过显著性预处理后的N帧图像。图像的大小为P×Q。依次通过帧间差分得到新的图像序列｛I1（x，y），I2（x，y），…，IN-1（x，y）｝。其中：

在式（3）中加绝对值的目的是为了突出目标，防止灰度出现负数。

一般用帧间差分来抑制缓变背景，但是由帧间差分直接得到的残差图像的背景依然具有缓变特性，帧间差分的这一不足将直接影响弱小目标的检测效果，增加虚警率。因此在本文中先将图像进行显著性检测的预处理，然后再进行帧间差分，这样能够消除残余的背景、降低虚警。

考虑到相邻帧间的目标运动可能十分缓慢，此时若再采用传统的帧间差分会造成空洞现象。可以采取隔帧作差分，通过相隔k帧的图像进行差分，具体描述如下：

小目标运动的快慢决定了k的值的选取，一般情况下选择2到3个即可取得不错的效果。在本文中选择k=3。

2.2 多帧累积和轨迹关联

在进行帧间差分后可以得到包含目标和随机噪声的残差图像，为了充分利用目标的运动和灰度信息，通过能量累加获得目标轨迹。将残差图像累加后得到包含弱小目标运动轨迹的图像It（x，y），即：

经过前面显著性检测、帧间差分和多帧累积后已经能够提取到比较好的目标轨迹了，但是图像中会存在较强的随机噪声干扰。为了进一步降低虚警，在经过能量累加后的图像采用门限处理。

经过累加后的图像目标的能量会大于噪声，本文采用似然比检验来确定门限。根据检测理论，门限处理过程可以归结为1个二元假设检验过程：

式中，H0代表噪声的灰度分布，H1代表包含目标的灰度分布。在H0和H1为真的条件下，I的似然函数为：

式中，μ和σ2s代表信号的均值和方差，σ2n代表噪声的方差。

由Neyman-Pearson准则可知，检测门限为：

一般来说λ的取值范围为3～10，本实验中λ的取值为5。

检测的最后一步是轨迹关联，提取目标轨迹。经过前面处理后的图像序列，噪声点的分布是独立的，而目标点由于运动的连续性其分布是关联的，因此采取合适的关联方法，就可以检测出目标。对于检测次数和检测概率均达到一定门限的轨迹，即可认为是目标轨迹，可作为结果输出。轨迹关联的算法采用文献［2］的算法。

3 仿真实验与分析

为了验证算法的有效性，本文选取了几组代表性的红外仿真图像序列，每一场景的图像数都为55帧。图3中第1个场景的背景相对比较平缓，其中有一个目标在云层中，不易与周围邻域背景区分。第2个场景的中的背景变化较为剧烈，而且目标运动速度也很缓慢。第3个场景的背景与第2个场景的背景一样，但是有3个目标点，而且目标点的速度和大小均不相同。由最后的轨迹关联后的结果可以看出，本文算法能较好地检测到不同大小、不同场景的红外弱小目标。

图3 不同条件下红外弱小目标检测结果

为了进一步说明本文算法的有效性，将本文算法与加权动态规划方法（WDTM）［2］和统计检测算法（PA）［6］进行比较。假定在检测前图像是经过配准的。表1给出了本文算法在不同序列图像和不同信噪比下的检测效率。其中目标的检测率Pd定义为：

Pd=目标的检测次数/图像序列的总帧数

由表1可以看出本文算法在不同信噪比下均能有效地检测出弱小目标。

表l 本文算法与其它算法的比较

4 结束语

红外弱小目标检测是目标检测领域内的一个难点。本文提出了一种基于图像显著性检测和帧间差分相结合的算法，能够较好地解决不同背景、不同尺寸和运动速度的红外弱小目标检测。经过显著性检测后存在背景残余和噪声干扰，然后利用帧间差分和能量累积与轨迹关联来提取弱小目标的轨迹，在利用帧间差分过程中假定了图像背景是被动的缓变的，在实际应用中许多情况都符合这一假定。仿真结果表明，本文算法能较好地检测出目标并提取到目标的运动轨迹，在显著性检测过程中采用的算法是对图像进行傅里叶变换和求卷积，均有高效的算法实现，具有满足实时性的要求的特点，因此便于硬件实现。■

［1］ 朱然，安玮，龙云利，等.一种基于全变分理论的红外背景杂波抑制算法［J］.航天电子对抗，2013，29（5）：30 -33.

［2］ 陈尚峰，陈华明，卢焕章.基于加权动态规划和航迹关联的小目标检测技术［J］.国防科技大学学报，2003，25（2）：46-50.

［3］ Hou XD，Zhang LQ.Saliency detection：a spectral residual approach［C］//Proc of IEEE Conference on Computer Vision and Pattern Recognition，2007，800：1-8.

［4］ 闵祥龙，王江安，吴荣华.基于形态滤波与帧间差分的红外点目标检测算法［J］.激光与红外，2008，38（7）：720 -729.

［5］ Reed IS，Gagliardi RM，Stootts LB.Optical moving target detection with 3D matched filtering［J］.IEEE Trans AES.1988，24（4）：327-336.

［6］ Sheng W，Deng Bi，Liu J.Multi-resoluting distance map based small target detection in infrared image［J］.Acta Electronica Sinica，2002，30（1）：42-45.

［7］ 胡谋法，董文娟，王书宏，等.奇异值分解带通滤波背景抑制和去噪［J］.电子学报，2008，36（1）：111-116 .

Infrared small target detection based on saliency and frame-to-frame difference

Si Maduan，Long Yunli，An Wei，Wang Pu
（College of Electronic Science and Engineering，National University of Defense Technology，Changsha 410073，Hunan，China）

An algorithm of small and dim infrared target detection base on saliency and frame to frame difference theory is proposed complicated background.This algorithm firstly using spectral residual approach to detect the target may located region in the image with high performance.Then by use of frame to frame difference to eliminate the isolated point and change intensely part in the background，in order to prominent the small target.The next we will add the difference images to get the target trajectory preliminary，the power of small target in the added image can enhanced compare to clutter and noise.The last，adopt to threshod segmention and trajectory association to false alarm target.Analysis of the result shows that proposed algorithom background suppression performance is remarkably improved compared to traditional method. What's more，it very suitable for realize by hardware and contribute to recognition and tracking.

dim and small target；saliency detection；frame to frame difference；infrared image

TN976

A

2015-04-28；2015-07-02修回。

司马端（1989-），男，硕士研究生，研究方向为空间信息获取与处理。