弱小目标检测跟踪算法研究（5） 基于顶帽变换（Top_hat）算法的红外弱小目标检测之背景抑制

1. 前言

红外图像中的弱小目标，目标属性包涵“弱"和“小’’两个方面：“弱’’是指目标在红外波长上所表现出来的强度，具体反映到所拍摄的红外图像上，就是指目标的灰度值；而“小’’是指目标的尺寸大小，也就是前面所述的成像面积很小，反映到红外图像上就是指目标所占的像素数目很少。

SPIE国际光学工程学会(Societyof Photo一0ptical Instrumentation Engineers，简记为SPIE)从1989年开始，几乎每年都会举办有关弱小目标检测技术的国际会议，研讨弱小目标检测技术的最新研究成果。根据SPIE的定义，成像尺寸小于整个成像区域0.12％的目标均可称为弱小目标(即当成像尺寸为256×256时，弱小目标应不超过81个像素，其目标尺寸在9*9以内)。

2. 顶帽变换（Top_hat）算法

顶帽变换是一种图像形态学处理方法，可用于校正不均匀光照的影响。图像形态学处理的基本操作是膨胀与腐蚀，再衍生出开运算和闭运算，图像相减与开操作和闭操作相结合，会产生Top-hat(顶帽)变换和bottom-hat(底帽)变换。灰度级图像的顶帽变换定义为灰度图像减去其开运算。

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作和选择的核的大小相关。

顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。

3. Matlab仿真

%% 测试算法3(Top_hat)：对顶帽变换算法进行红外弱小目标检测跟踪的性能进行检验
%% 1，根据顶帽变换进行背景抑制，在通用数据集上进行验证背景抑制
%% 图像分辨率为 256 × 256，仿真图像位数为 8 bit，目标最小1个像素
% date：2019-11-20 08:43:40
% author:C.S
clc;clear;close;
tic

f=imread('190.bmp');
if ndims(f)>2
f=rgb2gray(f);
end; 
[l1,l2]=size(f);
f = double(f);
se = strel('disk',1);
f1 = imtophat(f,se);
f2 = double(zeros(l1,l2));
means=mean2(f1);
stds=std2(f1);
v=means+stds*3;
  for i=1:l1
         for j=1:l2
                if f1(i,j)>v
                        f2(i,j)=f1(i,j);
%                 else
%                         f1(i,j)=1;
                end;
         end;
  end;

figure(1);subplot(121);
imagesc(f);
title('原始红外图像');
colormap('gray');
subplot(122);
imagesc(uint8(f2));
title('TopHat背景抑制效果');
colormap('gray');

4. 小结

顶帽变换作为一种非线性滤波的处理方法，在相对简单的背景中处理效果确实不错，但在复杂多变的背景中，想要保持较好的背景抑制效果，还是需要做更多更精细化的处理，比如设计一种自适应场景的顶帽变换方法，或许是一个不错的优化方向，本次将其应用在复杂背景下弱小目标的背景抑制中，后续看能否经过优化设计，得到更好的背景抑制效果，后续再进行详细介绍。

本系列文章列表如下：
弱小目标检测跟踪算法研究（1）红外弱小目标数据集准备（红外弱小目标的数据集来了）
弱小目标检测跟踪算法研究（2）红外弱小目标数据集准备（红外弱小目标的数据集又来了）
弱小目标检测跟踪算法研究（3） 基于局部对比度（LCM）的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（4） 基于双边滤波（BF）的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（5） 基于顶帽变换（Top_hat）算法的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（6） 基于小波变换的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（7） 基于简单平滑滤波算法的红外弱小目标检测之背景抑制