基于区域选择的红外弱小目标超分辨率复原算法-郭萌.pdf

《基于区域选择的红外弱小目标超分辨率复原算法-郭萌.pdf》由会员分享，可在线阅读，更多相关《基于区域选择的红外弱小目标超分辨率复原算法-郭萌.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第31卷第4期2016年4月液Chinese Journal of晶与显示Liquid Crystals and DisplaysV0131 No4Apr2016文章编号：10072780(2016)04041506基于区域选择的红外弱小目标超分辨率复原算法郭 萌，赵 岩。，王世刚，陈贺新(吉林大学通信工程学院，吉林长春130012)摘要：红外成像技术以其诸多优点成为智能化光电探测方面的主流研究方向，然而，红外弱小目标图像却有细节特征少、信噪比低等特点，因此考虑到使用超分辨率复原算法对其进行复原，为图像提供更多的细节信息。本文分析了凸集投影法的基本原理，针对其运行时间长的特点，提出了改进算法。

2、首先用直方图拟合的方法选择出目标区域，然后在目标区域内进行超分辨率复原，区域外使用双线性插值。最后对3组低分辨率图像，每组五帧，用该方法进行验证。从实验结果可以看出，计算速度分别提升了156、455和465。因此，这种方法能够有效地缩短超分辨率复原算法的处理时间。关键词：红外弱小目标；凸集投影法；区域选择中图分类号：TP7511；TN91981 文献标识码：A doi：103788YJYXS201631040415restoration algorithm based on region selectionGUO Meng，ZHAO Yan，WANG Shigang，CHEN Hexin(Co

3、llege of Communication Engineering，Jilin University，Changchun 130012，China)Abstract：The infrared imaging technology has become the main stream research direction of the intelligent photoelectrical detection due to its advantagesHowever，the image of infrared dimsmall targethas less details and lOW si

4、gnal to noise ratio，SO superresolution restoration algorithm is used to provide more detail informationThis paper analyzes the basic principles of POCS(Proj ection Onto Convex Sets)，for its characteristics of long running time，an improved algorithm is proposedFirst，weuse histogram fitting to select

5、the target area，then use superresolution restoration in the target areaand bilinear interpolation outside the regionFinally，three groups of low resolution images with fiveframes in each group are used to test the performance of the proposed methodAs can be seen fromthe experimental resultsthe calcul

6、ation speed of the proposed algorithm increased about 1 56，455and 465respectivelyIn conclusion，this method can effectively reduce the processing timeof the superresolution restoration algorithmKey words：infrared dimsmall target；proj ection onto convex set s；region selection收稿日期：20150923；修订日期：2015120

7、8基金项目：国家自然科学基金资助项目(No61271315，No61171078)Supported by National Natural Science and Foundation of China(No61271315，No61171078)*通信联系人，E-mail：zhaoyjlueduen万方数据416 液晶与显示 第31卷1 引 言近年来，红外弱小目标检测已成为研究热点，尤其是在军事领域。很多欧美国家的武器系统，比如航空母舰的预警系统、各种飞机的红外搜索跟踪系统、红外成像制导系统等，都会涉及到红外弱小目标检测。但是由于探测距离远，目标在红外图像中只占有几十个甚至是十几个像素，没

8、有形状及纹理信息。并且由于视场广、成像复杂，受到大气传输以及红外探测器灵敏度的制约，目标通常会淹没在红外图像的背景杂波中，给检测工作带来一定的困难。超分辨率复原技术是利用多帧低分辨率图像之间的运动信息，还原出一帧高分辨率图像，为图像提供更多的目标信息，解决了红外成像系统的上述问题。因此，开展红外图像的超分辨率复原研究，对于提高军事防御系统的生存力有着重要意义。超分辨率复原的问题由来已久，它最初是由Huang和Tsay13在1984年正式提出的，这种基于频率域的方法只适用于全局性平移运动的情况，难以增加一般性的先验约束条件。因此在随后的几十年中，基于空间域的超分辨率复原算法得到了广泛的研究。Sc

9、hultz等人z提出基于贝叶斯框架的最大后验概率超分辨率复原算法。Irani等人3采用了迭代反向投影算法。覃凤清等人4对迭代反投影法进行改进，提出了一种具有子像素级精度的图像配准方法，该方法使重建图像的峰值信噪比有了较大提升。石明珠等人口3用倒谱分析法对点扩散函数进行定量估计，然后采用耦合梯度保真项的改进型全变分图像复原算法对图像进行复原，较好的保持了图像的细节。1989年，Stark等人6最早将凸集投影算法引入到超分辨率复原领域中。陈健7和苏衡83对近年来的超分辨率复原算法进行了细致的总结。贾苏娟等人91提出的针对光照非均匀的彩色图像序列的超分辨率复原算法取得了良好的效果。王凤娇等人1叩提出

10、了基于尺度不变特征变换的超分辨率复原算法，它能够有效解决因运动估计不准而引起的重建图像效果不好的问题。徐美芳等人1妇使用梯度插值算法生成初始估计图像，然后对中心点为边缘像素的点扩散函数进行了修正，使复原后图像的峰值信噪比得到了明显改善。姚琦等人口21用表征图像相对清晰度的参数控制阈值，实现了阈值的动态选取，较好地提升了重建图像的清晰度及信噪比。本文提出的基于区域选择的超分辨率复原算法，是在凸集投影算法基础上提出的改进算法。根据红外弱小目标的特点，将目标区域提取出来，在区域内集中进行复原，省去了应用于背景的大量运算。2 POCS算法的基本原理凸集投影算法(Projection onto Conv

11、exSets，POCS)是超分辨率复原算法中比较经典的一种算法，它的解空间中的可行解有多个限制条件，每一个限制条件都被定义为向量空间中的凸约束集。这些限制条件一般是超分辨率解比较理想的性质，例如图像正则化、数据可靠性和能量有界性等。超分辨率复原问题的解空间就定义为这些凸约束集的交集。具体做法是，首先在解空间中确定一点作为原始高分辨率图像的估计，然后通过反复的迭代计算来定位解空间中所有的收敛解，直至满足一定条件。POCS算法的公式如式(1)所示：fi+1一PMPjP2P1)=Pf,， (1)其中：Pj表示厂；对应于第歹个凸集的投影算子。凸集的定义方法为：C。，一x(i1，i2)：I n(m1，m

12、2)I&，(2)“(m1，m2)一g(m1，m2)一Ml N一1x(i1，i2)矗(m1，m2；i1，i2)， (3)120 i220其中：z(i，i。)为理想高分辨率图像的估计，h。(m。，m。；i，i：)为观察图像在(i。，i。)处所对应的系统点扩散函数，为X(i，i。)在C。“内的统计置信度，以(m，m。)代表观测到的低分辨率图像与模拟低分辨率图像的残差，k表示第k帧低分辨率图像。那么，对于理想高分辨率图像的估计x(i。，i。)，其投影可以表示为：万方数据第4期 郭萌，等：基于区域选择的红外弱小目标超分辨率复原算法417P叩。：x(il，i2)2z(i1，i2)+可筹净堡止j ；i1，i

13、2)if(ml,m2 “(ml，仇2)蕊曩甄丽i瓦而n6 21 “ 仇2mi1 f2O if&“(ml，辨2)岛审毛警是二竺型羔(m1，m2；f1，i2)if rk(。rn，m2)一岛茏乏li石瓦了磊五五了西n6。m1m221 m2、一doi1 i2若加入一些额外的约束条件，例如幅度约束、能量约束等，可以进一步加快收敛速度，改善复原效果。3 基于区域选择的POCS算法POCS算法是超分辨率复原中应用非常广泛的一种算法，但是该算法运算量大，处理时间较长，因此本文针对红外弱小目标图像提出了基于区域选择的快速POCS超分辨率复原算法。对于红外弱小目标图像，大部分是简单的背景，不是我们关注的部分，可以

14、不做复原处理，直接通过双线性插值得到，需要进行复原处理的部分只是弱小目标所在的区域。要想仅在目标区域进行超分辨率复原，首先需要确定图像的目标区域，由于弱小目标占有的像素点很少，其余是大面积的背景噪声，图像的灰度直方图也不像普通图像那样呈现双峰，因此一般的阈值选择方法并不适用于本文的情况。考虑到弱小目标处理实时性的需要，本文提出了基于直方图拟合的阈值分割方法，来区分目标区域和背景区域。基于区域选择的POCS算法的具体做法是，首先对图像进行维纳滤波，维纳滤波的目的是使滤波后图像与原始图像的均方误差最小，它能根据图像的局部方差调整滤波器的输出，对高斯噪声有良好的抑制效果，这样做可以使图像的目标部分得

15、到一定程度的增强，以便于进一步的筛选。对于目标区域的提取，由于呈现单峰的直方图，形状与高斯曲线比较吻合，因此考虑到用高斯曲线来拟合直方图。我们知道，高斯公式可以表示为：(4)y=ne一华 (5)对于一个给定的直方图，高度n和均值b很容易得到，主要就是对方差c的估计，为了节省时间，拟合仅在单峰的右半部分进行。具体做法是先对直方图进行平滑处理，然后等间隔取1020个采样点，代入高斯公式求出相应的方差，最后取它们的平均值作为对参数C的估计。拟合的结果如图1所示，其中，柱状图代表图像的灰度直方图，外侧的曲线代表高斯拟合曲线。然后将高斯曲线尾部曲率最大的位置对应的灰度值作为分割阈值。实验证明，此方法能够

16、取得较好的分割效果。图l对图像灰度直方图进行高斯拟合Fig1 Gaussian fitting for image gray histogram分割后得到的二值图像如图2所示，这种分割只是粗略的分割，其中的亮点为可能的目标点，将这些点用最小的外接矩形框起来就得到了目标区域。然后在区域内部进行超分辨率复原。用Lp。，Lp。，Lp。)表示低分辨率图像序列，对于序列中的每幅图像，取矩形区域内的目标图像生成新的小尺寸低分辨率序列Lp；，L硒，L织)。-接着，对低分辨率序列Lpj，万方数据418 液晶与显示 第31卷图2 阈值分割与区域选择效果图Fig2 Image segmentation and r

17、egion selectionL越，L拭)，取一帧L进行双线性插值作为参考帧Hpr。对于其余帧，需要与参考帧进行配准和迭代投影修正。最后，得到目标区域的高分辨率图像Hp5。将Lp，进行双线性插值得到Hp，并将Hp5叠加到Hp，上，即得到最终的高分辨率图像Hp。算法的具体步骤如下：(1)取序列中的第一帧图像，用上述直方图拟合的方法来确定阈值。(2)用得到的阈值对第一帧图像进行分割，得到可能的目标点，将这些点的最小外接矩形的内部区域称为目标区域。(3)对整个低分辨率图像序列取出目标区域对应的子图像序列，作为新的低分辨率图像序列Lpi，Lp2，Lp：)。对第一帧图像，使用双线性插值法构造高分辨率图像

18、的初始估计。(4)计算第一帧低分辨率图像与其他几帧低分辨率图像的相对运动参数。(5)根据投影算子将低分辨率图像映射到高分辨率网格上，进行灰度修正。(6)判断是否满足迭代退出条件，满足则执行步骤(7)，否则返回步骤(5)。(7)将复原后的高分辨率的目标区域Hp5叠加到双线性插值构造的大尺寸高分辨率图像Hp，中，得到最终的高分辨率图像Hp。4 实验结果与分析根据上述改进的PoCS算法，选用3组不同背景的低分辨率图像序列作为实验对象进行测试。每组五帧图像，第一、三组图像大小为180140，第二组图像大小为320280，每组的第一帧图像如图3所示，用本文的算法复原得到的高分辨率图像如图4所示。图示的尺

19、寸并非实际大小。(a)第一组第一帧(a胁e first f1mne ofthe first group(b)第二组第一帧(b)The first frame ofthe second group图3每组测试图像的第一帧图像Fig3 First frame of each group(c)第三组第一帧(c舯c first fraDic of也e third group(a)第一组的复原图像(b)第二组的复原图像(a)Restored imagc ofthe first group CORestored image ofthe second group(c)第三组的复原图像(c)R骼咖谢imagc

20、 ofthe third group图4每组图像的复原后的高分辨率图像Fig4 High resolution images after restored of each group万方数据第4期 郭萌，等：基于区域选择的红外弱小目标超分辨率复原算法419将本文算法与双线性插值和传统POCS算法的复原结果作对比，由于原始的高分辨率图像无法得到，同时考虑到红外弱小目标图像的特殊性，因此采用图像的清晰度来表征复原效果。清晰度公式如式(6)所示。其中：，(i，J)是指图像在(i，歹)处的像素值，M和N分别为图像笺1董：佣了瓦万=灭再可了于干露订了F7i瓦再面而护旦丝可F1丽而NE万1，(6)” (M

21、一)(一) “7的行数和列数。3种复原算法在整幅图像与在目标区域的清晰度评价结果如表1和表2所示。理时间，表3对传统POCS算法与改进的POCS算法的运行时间进行了对比。表3传统POCS算法与改进POCS算法的运行时间表1对整幅图像使用三种复原算法的清晰度评价结果 (单位：秒)Tab1 Quality evaluation of three kinds of restoration Tab3 Elapsed time of traditional POCS and improvedalgorithm for the whole image表2对目标区域使用三种复原算法的清晰度评价结果Tab2

22、Quality evaluation of three kinds of restorationalgorithm for target region从表1的数据可以看出，对于全局图像来说，使用改进的POCS算法得到的图像质量优于双线性插值算法，但是不及传统POCS复原算法。这是因为本文的方法仅对目标区域进行复原，区域外的大面积背景仅做简单的插值处理，所以从整体来看不及POCS算法，但就目标区域来说，本算法与传统POCS算法是等同的，即目标得到了同等程度的增强，表2的数据正是说明了这一点，而目标区域以外是我们不关心的部分，因此本文的算法也具有良好的复原效果。本文改进的POCS算法的优势在于节省

23、了处POCS(Unit：s)从表3的数据可以看出，改进的POCS算法能够明显地缩短运行时间，达到了预期的效果。综合以上3组图片的实验结果可以看出，对于天空背景下无云及薄云的弱小目标图片，改进的POCS算法都能取得良好的效果。5 结 论传统的POCS算法运算量大，运行时间较长。本文提出的基于区域选择的POCS算法，通过对直方图拟合的方式求出阚值进而得到目标区域，然后对区域内部用POCS复原算法，由于区域外是大面积的背景噪声，可以不做复原处理，直接使用简单的双线性插值算法。从3组实验结果可以看出，计算速度分别提升了1 56、455和465。因此，该方法可以有效减少运行时间，提高图片的处理效率。由于

24、本算法未对背景区域进行超分辨率复原处理，也就是用背景区域的分辨率来换取时间效率，但是这种做法不会影响目标部分的复原质量。万方数据420 液晶与显示 第31卷参 考 文 献：1TSAI R Y，HUANG T SMulti-frame image restoration and registrationJAdvances in Computer Vision andImage Processing，1984，1(2)：3173392SCHULTZ R R，STEVENSON R LImproved definition video frame enhancementcProceedings of

25、 IEEE International Conference On Acoustics，Speech，and Signal Processing，Detroit，MI：IEEE，1995，4：216921723IRANI M，PELEG SImproving resolution by image registrationJCVGIP：Graphics Models and Image Processing，1991，53(3)：2312394覃风清，何小海，陈为龙，等一种图像配准的超分辨率重建J光学精密工程，2009，17(2)：409416QIN F Q，HE X H，CHEN W L，e

26、t a1super_resolution reconstruction method of image registrationJOpticsand Precision Engineering，2009，17(2)：409416(in Chinese)E5石明珠，许廷发，张坤运动成像混合模糊的全变分图像复原J光学精密工程，2011，19(8)：19731981SHI M Z，XU T F，ZHANG KTotal variation image restoration for mixed blur in moving imageJOptics andPrecision Engineering，

27、2011，19(8)：19731981(in Chinese)6STARK H，OSKOUI PHigh resolution image recovery from image-plane arrays using convex projectionsJJournal of the Optical Society of America A，1989，6(11)：171517267 陈健，高慧斌，王伟国，等超分辨率复原方法相关原理研究J中国光学，2014，7(6)：897910CHEN J，GAO H B，WANG W G，et a1Correlation theory of super-re

28、solution restoration methodJChineseOptics，2014，7(6)：897910(in Chinese)8 苏衡，周杰，张志浩超分辨率图像重建方法综述J自动化学报，2013，39(8)：12021213SU H，ZHOU J，ZHANG Z H Survey of super_resolution image reconstruction methodsJ Acta AutomaticaSinica，2013，39(8)：12021213(in Chinese)9 贾苏娟，韩广良，陈小林，等光度非均匀彩色序列图像超分辨率重建J液晶与显示，2014，29(1)

29、：106113JIA S J，HAN G L，CHEN X L，etalSuper-resolution reconstruction with photometric change of color image sequenceJChinese Journal of Liquid Crystals and Displays，2014，29(1)：106113(in Chinese)10 王凤娇，陈光化，周文基于SIFT的POCS图像超分辨率重建J计算机技术与发展，2014，24(11)：3942，46WANG F J，CHEN G H，ZHOU WMultiframe image super

30、-resolution reconstruction based on SIFTJComputer Technology and Development，2014，24(1 1)：3942，46(in Chinese)11 徐美芳，刘晶红基于边缘保持的航拍图像凸集投影超分辨率重建算法J液晶与显示，2010，25(6)：873878XU M F，LIU J HSuper-res01ution image reconstruction of aerial photography based on projection onto convexsetsJChinese Journal of Liqui

31、d Crystals and Displays，2010，25(6)：873878(in Chinese)12姚琦，沈松，朱飞基于加权POCS的图像超分辨率重建J计算机工程，2013，39(3)：264266，271YAO Q，SHEN S，ZHU FImage super-resolution reconstruction based on weighted POCSJComputer Engineering，2013，39(3)：264266，271(in Chinese)作者简介：郭萌(1989一)，女，吉林长春人，硕士，主要从事图像超分辨率复原算法研究。Email：guomen91628163com赵岩(1971一)，女，吉林省辽源市人，教授，博士生导师，主要从事视频图像处理研究。E-mail：zhaoyjlueducn万方数据