紅外圖像預處理技術中的背景抑制及圖像分割案例分析目錄TOC\o"1-3"\h\u16441紅外圖像預處理技術分析 1314441.1背景抑制 1169411.1.1空域濾波處理 1226151.1.2時域濾波處理 472071.1.3頻域濾波處理 574231.2圖像分割 6225491.2.1閾值分割 6180871.2.2邊緣分割 7208341.2.3區(qū)域分割 9背景抑制空域濾波處理 空間濾波用于單幀濾波，主要有如下幾種方法。由于弱小目標和背景的差別大，屬于高頻分量，所以不能采用低通濾波而是采用高通濾波。首先利用原始圖像和估計背景通過差分處理來去除背景,然后對去除背景的圖像進行圖像分割，去除孤立噪聲。1）中值濾波 中值濾波是指將圖像中各點的灰度值替換為鄰域內各像素點（一般為周圍八個像素點）的灰度值的中值，是一種線性的濾波方法。[11]在實際的操作中，需要利用滑動窗口遍歷整個圖像。實驗分析： 使用MATLAB的中值濾波函數(shù)medfilt2處理結果如下圖3-1，可見一些較明顯的噪聲，主要是由設備引起的噪聲得到了較好的抑制。（a）原始圖像（b）中值濾波圖像 （c）原始圖像（d）中值濾波圖像圖3-1中值濾波實驗結果2）均值濾波 均值濾波是一種線性濾波，是將圖像中各點的灰度值替換為該點與其鄰域內個點的灰度值的均值，效果與低通濾波類似。去噪后圖像各點的灰度值v(i,j)如下： （3-1）其中u(i,j)表示原圖像各點的灰度值。3）高通濾波 高通濾波，顧名思義，是保留圖像中的高頻信息而將低頻信息過濾掉，使圖像的邊緣等細節(jié)更加清晰，起到銳化的作用。具體實驗中可以使用laplacian算子、sobel算子、prewitt算子、log算子進行高通濾波處理，其中l(wèi)aplacian算子常用于線性濾波，sobel算子、prewitt算子、log算子常用于非線性濾波。實驗分析： 使用sobel算子、laplacian算子、prewitt算子對圖像進行處理，結果如下。(a)原始圖像(b)sobel算子高通濾波(c)laplacian算子(d)prewitt算子圖3-2高通濾波實驗結果4）高斯濾波在均值濾波的處理過程中，中心像素與相鄰像素灰度值的權重相同，可能會造成細節(jié)模糊的現(xiàn)象，為了減弱這一現(xiàn)象，可以適當增加中心像素點灰度值權重，這樣就得到了高斯濾波。實驗分析：(a)原始圖像(b)sigma=0.5的3*3高斯濾波(c)sigma=1.0的3*3高斯濾波(d)sigma=1.5的3*3高斯濾波圖3-3均值濾波實驗結果時域濾波處理 由于紅外成像設備頻率很高，拍攝照片的速度很快，相鄰幀的圖像之間背景差別很小，可以根據(jù)此特點設計算法來抑制背景，這就是時域濾波處理。[12]頻域濾波處理 頻域濾波一般指的是利用傅里葉變換將空域的信息轉換到頻域來進行處理，隨著技術的發(fā)展進步，小波變換的方法也應用到紅外圖像處理中且成為主流的方法。 因為最終要保留目標的信息，而目標信息一般是高頻信息，所以在頻域內進行圖像的預處理需要進行高通濾波。高通濾波是指將圖像進行微分運算，使細節(jié)信息更加突出。設f(i,j)為原圖像，則濾波后圖像g(i,j)為： （3-2）典型的高通濾波器有巴特沃斯濾波器、高斯濾波器。實驗分析：使用高斯濾波器進行處理結果如下圖3-4高斯濾波器頻域處理結果圖像分割閾值分割 閾值分割的三種經典算法為最大類間分割法（Otsu）、迭代法和最大熵法。[13]另外隨著技術的不斷發(fā)展，還出現(xiàn)了一些基于遺傳算法的閾值分割、基于形態(tài)學的方法等。最大類間分割法（Ostu法） 利用聚類的思想，通過計算方差尋找一個合適的灰度值，將圖像按這個灰度值分為兩部分，使兩部分之間的灰度值相差最大，各部分之間的像素灰度值相差最小。[14]迭代法 迭代法的基本原理是，確定一個灰度值閾值作為起始值，經過算法的不算迭代找到合適的閾值，使用該閾值對圖像進行閾值分割。最大熵法 將圖像分為目標和背景兩類，最大熵法分割的目的是讓兩類的后驗熵最大。實驗分析：圖3-5閾值分割結果邊緣分割 邊緣分割要首先進行邊緣檢測，邊緣檢測通過檢測灰度值具有突變的地方，通過邊緣檢測將圖像分為不同區(qū)域。 用MATLAB對圖像進行邊緣檢測主要使用edge函數(shù)和imfilter函數(shù)。實驗結果如下圖,圖5-2是經過去噪后的圖像的邊緣分割，圖3.6是未經過去噪的圖像的邊緣分割，可見去噪后的圖像分割的效果更好。圖3-6去噪圖像的邊緣分割圖3-7原始圖像的邊緣分割區(qū)域分割區(qū)域生長法 區(qū)域生長法的基本原理和實現(xiàn)步驟如下。首先選擇一個像素點作為像素種子，劃定該像素點所在的某一鄰域，將該鄰域中與種子像素具有相同或相似特性的像素組合到像素種子的周圍。[15]將組合到周圍的像素當作像素種子，并且繼續(xù)上述處理，直到滿意的像素不再被吸收為止，最終將建立一個分區(qū)。選擇可見目標中心作為種子，實驗結果如下圖3-8：圖3-8區(qū)域生長法圖像分割 2）區(qū)域分裂合并法 區(qū)域生長法是從一個像素點出發(fā)，處理整個圖像，而區(qū)域分裂合并發(fā)是從整個圖像出發(fā)，處理到每一個像素點。區(qū)域分裂