本书主要论述了红外弱小目标的分割和检测方法。首先介绍了图像分割的基本知识和红外成像技术基本原理及应用；其次，针对红外弱小目标的特点，引出复杂背景下对弱、小目标进行分割时存在的相关问题，并从理论上进行了深入探讨；最后，分别给出了复杂背景下对弱目标和弱小目标进行分割的改进算法，这些实例可供读者参考和研讨。本书可供从事图像信息处理的工程技术人员、相关专业研究人员参考。

前 言

在大量的图像应用方面，人们往往只对图像中的某些目标感兴趣，而这些目标在图像中对应着特定或具有独特性质的区域，因此，为了识别和分析图像中感兴趣的目标，需要将这些区域从图像背景中分割出来. 特别是在图像分析中，需要把图像分成一系列有意义、各具特征的目标或区域. 随着图像处理技术成功应用于众多领域，在一些识别技术中，图像分割成为关键技术之一，同时也是进一步理解图像的基础. 另外，图像分割质量的好坏直接影响后续处理效果甚至决定其成败.

图像获取技术使得人类突破了人眼功能的限制，扩展了人眼对不可见辐射的接收能力. 红外成像技术是利用景物本身各部分的热辐射差异获得图像细节，它突破了人眼在低照度条件下的视觉限制. 红外成像技术最初受军事领域的需求刺激，得到了极大发展，随着该技术的日趋成熟，现在在消防、电力、粮库、医学和安防等民用领域也得到了十分广泛的应用.

红外弱小目标检测技术是利用图像处理算法对处于杂乱背景和强噪声环境中的目标进行自动检测，其算法性能的好坏是影响红外成像系统作用距离和智能化程度的关键. 而将目标从图像中分割出来是检测的关键步骤，但是复杂背景下的红外弱小目标和弱目标的检测一直是一个非常困难却极具挑战性的课题，因为复杂背景下的弱小目标通常只有几个像素大小，缺乏几何结构和形状特征，其灰度特征也不明显，同时背景杂波的干扰使得检测变得更为困难. 弱目标尽管有结构特征，但是由于红外成像本身的特点及背景的复杂和背景中有太多与目标灰度相近的干扰存在，使得传统的阈值分割和边缘检测方法无法检测到目标.

本书是作者在研究红外弱小目标分割及检测算法所取得成果的基础上，广泛阅读国内外相关文献总结而成的. 全书共分七章，各章内容如下：

第一章，重点介绍图像分割的基础知识，从图像的基本概念到图像处理中常用的模板卷积、图像分割等基本概念及图像分割的主要技术和评价四个方面展开.

第二章，主要对红外成像技术的原理及其发展，以及红外图像的特点进行简略说明.

第三章，从分析复杂背景下红外弱小目标和弱目标分割中存在的问题入手，对红外弱目标图像的低对比度、低信噪比的特点，引入形态学的方法对图像进行增强的预处理；面对背景中含有大量与目标重叠的灰度值的情形，利用直方图变换法的思想，在对图像求局部方差后，对目标和背景求二维熵，使之有利于目标的分割.

第四章，将模式识别中的聚类方法的思想与图像分割方法的思想进行比较，引入具有抗噪声能力强和能发现任意形状类的密度聚类算法，该算法能将具有高密度的区域划分为类. 在提出的改进算法中，采用多种红外弱目标的特征作为特征向量进行密度聚类. 得到的仿真实验结果验证了算法的可行性和有效性.

第五章，针对大多数聚类算法对初始中心状态比较敏感，对参数有一定的依赖性等存在的问题，采用基于人类视觉上一个数据集形成聚类原理的山峰聚类算法，但该算法存在每一次构造新的山峰函数时计算量随问题的维数增加而呈指数增长的缺点，由此提出将输入图像分别进行x, y方向的投影，以降低维数，在此基础上分别进行山峰聚类后，再在原图像上以聚类中心作为种子点进行区域生长实现目标的分割. 实验对室内和室外红外弱目标图像都有良好的检测效果，证明了所提方法的有效性.

第六章，对弱小目标在空域和频域中的特点进行分析，引入在时域和频域都具有良好表现的局部化分析和细化能力，且具有数学显微镜之称的小波分析工具，又由于小波变换后代表图像顶点等特征点的模极大值范数，具有旋转、平移和伸缩不变性的特点，加之复杂背景下的弱小目标总会在它所在小区域里具有较突出的变化，提出了利用目标、背景杂波及噪声在小波分解的各个层次的不同表现，在时、频域采用多特征迭代的方法进行弱小目标的检测算法. 实验结果表明，基于小波分解与多特征结合的检测算法用于弱小目标的检测是行之有效的.

第七章，提出了一种基于最大最小滤波背景抑制与小波分解相结合的弱小目标检测方法. 由于被检测目标弱且小，对于背景和弱小目标区域而言，在一个小的局部空间中进行最大-最小滤波，背景区别不是很大，但目标的表现则不同. 由此将两个滤波结果作残差运算以达到抑制背景、突出目标的效果. 在此基础上再采用小波分解，进行简单的分割即可得到目标.

对本书的算法研究，华中科技大学柳健教授给予了指导和鼓励，在此表示衷心的感谢！本书的出版得到了西南民族大学中央高校基本科研业务费专项基金项目（11NZYQN29）和四川省应用基础研究计划项目（2013JY0041）的资助.

鉴于作者水平有限，作为一家之言，不足之处在所难免，恳请读者提出宝贵的意见和建议.

作 者

2016年2月

李涛，女，1971年生，副教授，1995年毕业于电子科技大学，2007年于华中科技大学获得博士学位。现就职于西南民族大学，主要研究方向为：计算机图形图像处理、模式识别、智能信息处理等。已主持和参与了多项科研项目，在国内外科技文献、期刊杂志上发表学术论文二十余篇。

目 录
第1章 图像分割的基础知识 1
1.1 图像的描述 1
1.2 图像的存储 5
1.3 模板卷积 9
1.4 图像分割的基本概念 16
1.5 图像分割主要技术概述 18
1.6 图像分割的评价 36
1.7 小 结 37
参考文献 37
第2章 红外成像技术和红外图像 39
2.1 红外成像技术 39
2.2 红外热成像的应用和发展 44
2.3 红外图像的特点 47
2.4 小 结 48
参考文献 48
第3章 局部特征的红外弱目标分割 50
3.1 概 述 50
3.2 红外弱目标的数学模型 52
3.3 形态学增强的预处理 55
3.4 局部方差和二维最大熵 62
3.5 实验结果与分析 69
3.6 小 结 73
参考文献 74
第4章 多特征密度聚类的红外弱目标分割 77
4.1 聚类分割 78
4.2 多特征密度聚类方法 89
4.3 实验结果 95
4.4 小 结 97
参考文献 97
第5章 山峰聚类和区域生长法结合的红外弱目标分割 100
5.1 山峰聚类方法 102
5.2 山峰聚类和区域生长 105
5.3 实验结果及分析 108
5.4 小 结 113
参考文献 114
第6章 小波分解与多特征结合红外弱小目标分割 117
6.1 小波分解 117
6.2 图像的多特征提取 136
6.3 弱小目标检测算法性能评价指标 140
6.4 小波变换和多特征结合 143
6.5 实验结果和分析 145
6.6 小 结 152
参考文献 152
附 录 分形维数 154
第7章 最大最小滤波与小波分解结合红外弱小目标分割 159
7.1 背景抑制技术 160
7.2 最大最小滤波与小波分解相结合 162
7.3 实验结果和算法性能分析 165
7.4 小 结 172
参考文献 172