基于梯度统计特性的自动红外舰船目标检测基丁梯度统计特性的自动红外舰船0标检测摘耍：红外舰船0标检测是舰船0标识别与跟踪的重耍基础。针对典型复杂海天场景下的红外舰船目标检测，本文提出了一种基于多尺度局部边缘梯度统计特性的目标检测算法。算法改进了传统的基于ROT的红外舰船目标检测方法，利用多尺度局部边缘梯度的统计特性，自适应的检测出完整的舰船目标。实验结果表明，该算法能够有效准确地检测出多种复杂海天场景下的红外舰船目标，且算法简单易于实现。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文献标识码M文章编号：1007-9416(2013)10-0066-041引言近年来，红外舰船目标检测一直是国内外关注的热点问题。然而,由于受到海浪、海面杂波以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，极大的增加了舰船目标检测的难度。文献［1］以提取海天线为前提确定目标潜在区域，利用行列均值自适应阈值分割与目标的几何特征相结合的方法确定出舰船目标。该算法在海天线不明显或者受亮带干扰严重的情况下会发生误检增加计算量。而且由于目标的分割不完整往往不能确定出完整的舰船目标。文献［2］首先采用最小二乘法拟合出海天线，然后再利用舰船目标的形状与灰度特征等最终确定舰船目标。但是，在大多数情况下，舰船目标的形状与灰度特征都难以获得，从而影响目标检测效率。文献［3］通过有效的图像预处理获得0标潜在区域，然后对0标潜在区域进行尺度自适应阈值分割获取舰船目标。算法的关键是有效的图像预处理以及0标分割时合理的阈值选取。为了能够有效的提取舰船目标，本文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，文中首先利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，然后再进行边缘检测［4］,利用边缘以及边缘梯度统计特性自适应的检测出舰船目标。2自适应Butterworth高通滤波2.1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的值达到改善滤波性能的目的。这就需要在图像复杂度与截止频率之间建立定量描述的函数关系，为此，杨磊等［5］结合信息爛的概念，提出了用方差加权信息爛与平均方差加权信息爛描述背景复杂度，通过方差加权信息爛与平均方差加权信息爛与建立合适的函数关系。令一幅图像有n个灰度级，用表图像灰度值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：(1)其中：，。定义方差加权信息爛：(2)平均方差加权信息爛：(3)式中，表示图像中各个像素灰度值的集合。当一幅红外图像比较大时，将图像分为若干子图像，这样可以更好的对图像复杂度进行描述。通常只需方差加权信息爛便可很好的描述背景复杂度。通过计算出不同场景的方差加权信息爛，测试出其对应的合适的,建立方差加权信息爛与的函数关系：(4)这样，在对一副图像进行预处理时，首先计算出其对应的方差加权信息爛，然后根据式(4)得到其对应的合适的，实现对图像的Butterworth自适应滤波处理。2.2算法分析对于单帧图像的滤波方法主要有空域滤波和频域滤波两种。对于空域滤波，其实吋性较好，但对于复杂的场景其滤波效果往往不能满足后续处理的需要。频域滤波通过解析图像频率实现滤波，对于复杂的背景（如：海杂波等）则表现出较好的滤波效果，能有效的提升信噪比。二阶Butterworth高通滤波是频率滤波的一种，它有较好的高通滤波效果，而且振铃现象微小，滤波特性灵活多变，但截止频率的取值往往要通过大量的人为实验才能选取到合适的值，达到较好的滤波效果。自适应Butterworth高通滤波通过自适应改变截止频率，实现对不同背景下的红外图像的有效滤波，具有更好的自适应性与普遍适用性。而且相对于其它复杂的频率滤波（如：小波模预处理），它更为简单且易于实现。3基于边缘梯度特性的舰船目检测3.1初始目标区域提取红外舰船目标成像…般是由天空区域、海天线区域、海面区域组成[6],而舰船目标大多出现在海天线或者海面上。这样，对于舰船目标检测而言主要是受到海天线以及海杂波...