基于多尺度局部边缘梯度的红外舰船目标检测

2014-05 兵工自动化
33(5) Ordnance Indust ry Aut omat i on

·61·
doi: 10.7690/bgzdh.2014.05.018
基于多尺度局部边缘梯度的红外舰船目标检测
邢莎，吉林，雍杨，龚涛，袁佳
(西南技术物理研究所，成都 610041)
摘要：由于红外图像本身对比度和清晰度都较低，再加上海天场景的复杂多变，极大增加了海天背景下的红外
舰船目标检测难度。为实现对多种复杂海天背景下的红外舰船的有效检测，提出了一种新的基于局部边缘梯度特性
的舰船目标检测算法。对多种红外复杂海天场景图像进行仿真测试，实验结果表明：该算法能有效地检测出多种复
杂海天背景下的红外舰船目标，适应性广，计算简便。
关键词：舰船目标检测；红外图像；多尺度特征；边缘梯度
中图分类号：TP274 文献标志码：A
Infrared Warship Target Detection Based on Multi-Scale Edge Gradient
Xing Sha, Ji Lin, Yong Yang, Gong Tao, Yuan Jia

(Southwest Institute of Technical Physics, Chengdu 610041, China)
Abstract: Low contrast of infrared images and complicated sea-sky scene greatly increased the difficulty of infrared
warship target detection with complicated sea-sky background. In order to detect infrared warship under various
complicated sea-sky background effectively, this paper presents a new algorithm based on local edge gradient. Carry out
simulation testing by multi infrared complex sea-sky background image. Experimental results indicated that this algorithm
can extract the warship under various complicated sea-sky background effectively, has good adaptation, and easy calculate.
Keywords: warship target detection; infrared image; multi-scale characteristic; edge gradient
0 引言
近年来，红外舰船目标检测是国内外关注的热
点问题。然而，由于受到海浪、海面杂波及太阳光
反射等多种因素的影响，使得海面场景变得极为复
杂，极大地增加了海天背景下的舰船目标检测难度。
文献[1-2]均以提取海天线为前提，然后在海天线附
近进行检测确定出舰船目标。但是在海天线不明显
或者受亮带干扰严重的情况下，此方法会发生误检
增加计算量，在海天线不可见的情况下，此方法会
失效。文献[3]只针对强鱼鳞波背景下红外小目标舰
船进行检测，利用基于统计的杂波抑制方法进行背
景抑制，来增强舰船目标的检测概率。
为了能够有效地提取舰船目标，笔者提出了一
种基于多尺度边缘梯度的目标检测算法。由于红外
舰船目标图像受到大量海杂波以及随机噪声的干
扰，信噪比往往比较低。为了便于后续的舰船目标
的检测，先用巴特沃斯自适应滤波对图像进行预处
理，提高图像信噪比，然后进行边缘检测
[4]
，利用
边缘以及边缘梯度统计特性检测出舰船目标。
1 自适应 Butterworth 高通滤波
1.1 算法原理
自适应Butterworth 高通滤波
[5]
根据不同图像的
复杂度在频域中自适应调节截止频率 D
0
的值，达到
改善滤波性能的目的。用方差加权信息熵与平均方
差加权信息熵描述背景复杂度，通过将方差加权信
息熵、平均方差加权信息熵与 D
0
之间建立函数关
系 ， 来 计 算 不 同 红 外 海 天 场 景 图 像 对 应 的
Butterworth 滤波器截止频率 D
0
，从而实现对不同红
外海天背景图像的自适应 Butterworth 滤波。
令 1 幅图像有 n 个灰度级，用 P
s
表图像灰度值
s 出现的概率，则图像中所含像素值组成的集合 S
的概率空间为：
0 1 1
: 0 1 1
[ ] :
( ) :
s n
S s n
S P
P S P P P P
?
? ?
?
?
 
i
 
(1)
其中0 1
s
P ≤ ≤ ，
1
0
1
n
s
s
P
?
=
=
∑
。
定义方差加权信息熵：
255
2
0
( ) ( ) log
s s
s
H S s s P P
=
= ? ?
∑
(2)
其中：s 为图像灰度平均值；P
s
表图像灰度值 s 出现
的概率。规定，当 0
s
P = 时， log 0
s s
P P = 。
平均方差加权信息熵：
1
1
( ) ( )
i
n
M
i
H S H S
n
=
=
∑
(3)
式中
i
M
S 表示图像 M
i
中各个像素灰度值的集合。当
1
收稿日期：2013-12-09；修回日期：2014-01-18
作者简介：邢莎(1984—)，女，陕西人，硕士，从事目标识别与跟踪研究。