基于多光谱与显著性的红外弱小目标融合检测
摘要：基于多光谱与显著性，提出一种红外弱小目标融合检测算法。该算法旨在将从多光谱探测器获得的同一场景的多光谱图像信息组合到一起，利用它们在时空上的相关性及信息上的互补性，提高系统的检测性能。采用一种新的基于人类视觉注意机制的显著性方法，该方法能够快速准确找到图像中的显著性区域；将目标看作一类，背景和干扰点看作另一类，选取离差平方和准则，使类内距离最小，类间距离最大；训练出融合参数，得到融合后的显著性图像。通过设定的门限值二值化，可以看出该融合方法能很好地将目标与背景分开，从而检测出目标。
关键词：红外弱小目标；多光谱；显著性；图像融合 中图分类号：TP391文献标识码：A文章编号：1673-5048（2016）02-0047-05 0引言
多光谱成像技术不同于传统的单一宽波段成像技术，而是将成像技术和光谱测量技术相结合，获取的信息不仅包括二维空间信息，还包含随波长分布的光谱辐射信息，形成所谓的“数据立方”。丰富的目标光谱信息结合目标空间影响极大提高了目标探测的准确性、扩展了传统探测技术的功能。
因此，研究如何基于多光谱对红外弱小目标进行检测与识别有着实际的意 义。
在多光谱领域，国内外学者已经取得了一定的进展。Margalit和Reed提出了一种基于相关图像的恒虚警率自适应目标检测算法[1]；Heesung提出了基于滤波的光谱匹配方法[2]；1999年，Richards等提出了光谱角映射算法（SAM）[3]。SAM算法具有结构简单、实时性好等优点，但是，其性能对目标光谱方差十分敏感，当光谱信噪比较低时，其性能变得十分不可靠。2011年，GuYanfeng等将SAM算法与核函数相结合，提出了一种基于核函数的正规化光谱角的光谱匹配算法[4]，提升了SAM算法对于光谱方差变化的鲁棒性。光谱匹配滤波器（SMF）[5]是一种具有代表性的光谱目标检测算法，是典型的光谱匹配算法，基于标准目标光谱模型和背景光谱模型的先验信息已知。
然而在实际系统中，很难得到一个场景的红外全谱段图像，一些红外警戒系统通常采用双波段的工作方式。在双/多波段红外热成像系统中，由于多个传感器工作在不同的电磁波段，探测到的同一场景的多光谱图像在信噪比、对比度、强度等方面存在很大的差异性，利用它们在时空上的相关性及信息上的互补性，对多光谱图像进行融合，可以得到对目标更全面、清晰的描述。现有的融合方法有小波变换模型、
代数模型、Brovey变换模型、主成分分析模型、色度-强度-饱和度模型、多通道彩色分量模型等。
LiHui[6]基于小波变换模型，对低频部分作平均处理，而对高频部分采取不同的融合规则。这样，融合时可以保留处于高频部分的边缘信息；但是，由于低频部分与高频部分不一致的融合规则破坏了图像的连续性，即使选用较为光滑的小波基，图像的不连续现象也很明显。朱述龙[7]基于主成分分析方法，由各种光谱图像的协方差矩阵得到变换矩阵，并用其对多光谱图像作变换，取前面几个图像进行图像融合，这种方法能够很快地实现融合，但它对图像中的所有像素一视同仁，因此往往会淹没图像中占像素点少、信噪比低的弱小目标。
人类大脑和视觉系统会很容易发现图像中某些显著的目标或区域。通过对视觉注意机制的研究可以使人们合理分配传感和计算资源到更有价值的信息处理任务上，国内外学者已经设计出各种注意机制模型来使计算机也具备“视觉”能力。显著性图是描述显著性情况的灰度图像，与原图像尺寸相同，显著性图上某点的灰度值大小代表原图对应点处的显著性大小。Itti等[8]模仿人类视觉自底向上的注意机制提出Itti模型，运用中央-周围算子，计算颜色、亮度、强度三个通道的显著性图，通过融合得到最终的显著性图；叶聪颖[9]将这一模型应用到了HIS空间的海上目标船只检测中；
Sun[10]则将该模型修正并应用于红外目标检测；Liu[11]使用多尺度对比、中心周边直方图和色彩空间分布三种特征通过条件随机场学习感兴趣区域；Hou[12]基于信息论的角度，将图像分为冗余部分和变化部分，首次在频率域由频域谱残余得到显著性图；Achanta[13]提出基于频率调谐的显著目标检测算法，对输入图像高斯平滑并计算平滑，每个像素显著度则为该像素与整幅图像均值的差异；Harel[14]基于图论的方法对动标图进行归一化得到显著性图；Shen[15]在显著性计算中综合了高级语义、色彩、位置等先验目标信息；Luo[16]基于显著密度最大化检测显著目标。
本文提出了一种基于多光谱与显著性的像素级红外弱小目标融合检测方法。 4结论
本文基于多光谱与显著性，提出一种红外弱小目标融合检测算法。通过仿真可以看出，本文算法适用于海面复杂背景下多光谱图像，能够快速准确找到图像中的显著性区域，训练融合参数，得到融合后的显著性图像。通过设定的门限值二值化，可以看出该融合方法能很好地将目标与背景分开，从而检测出舰船目标。该算法在Matlab中运行较快。 参考文献：
[1]MargalitA，ReedIS，
GagliardiRM.AdaptiveOpticalTargetDetectionUsingCorrelatedIm
ages[J].IEEETransactionsonAerospaceandElectronicSystems，1985（3）：394-405. [2]HeesungK，
NasrabadiNM.KernelMatchedSignalDetectorsforHyperspectralTargetDetection[C]∥
IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition，2005. [3]RichardsJA，
JiaXiuping.RemoteSensingDigitalImageAnalysis[M].BerlinHeidelbetg：SpringerVerlag，2006. [4]GuYanfeng，WangChen，WangShizhe，
etal.KernelBasedRegularizedAngleSpectralMatchingforTargetDetectioninHyperspectralImagery[J].PatternRecognitionLetters，2011，32（2）：114-119.
[5]RobeyFC，FuhrmannDR，KellyEJ，
etal.ACFARAdaptiveMatchedFilterDetector[J].IEEETransactionsonAerospaceandBectronicSystems，1992，28（1）：208-216. [6]LiHui，ManjunathBS，
MitraSK.MultisensorImageFusionUsingtheWaveletTransform[J].GraphicalModelsandImageProcessing，1995，57（3）：235-245. [7]朱述龙，张占睦.遥感图像获取与分析[M].北京：科学出版社，2002.
基于多光谱与显著性的红外弱小目标融合检测
