多波段红外图像的差异纹理特征选择

朱小红，蔺素珍，张商珉，王栋娟，刘 震



多波段红外图像的差异纹理特征选择

朱小红，蔺素珍，张商珉，王栋娟，刘 震

( 中北大学计算机与控制工程学院，太原 030051 )

针对多波段红外图像纹理特征数目庞大，不易于对其成像差异进行综合分析的问题，提出了一种三级特征选择模型。首先采用两两比较的形式进行差异一致性检验，选择出差异分布规律一致的特征量；其次基于SPSS软件的独立样本检验功能进行差异显著性检验，剔除差异不显著的特征量；然后进行去相关性分析，相关度较高的特征用其中某个特征代替，其余特征保留。实验证明，经该模型选择出的少量特征能综合反映图像的特征差异，为其目标识别等提供参考。

多波段红外；纹理特征；特征选择；差异特征

0 引 言

随着第三代红外探测器技术的发展，探测器可以同时响应多个波段上的红外辐射，进而输出相应波段的图像，从而可以利用不同红外波段上探测结果的差异性和互补性获得对场景更全面准确的认识[1-2]。而目标特征的选择和提取是目标识别系统的一个关键环节，它作为识别器的输入会直接影响识别系统识别算法的选择及其识别性能[3-4]。因此，研究多波段红外图像的差异纹理特征选择可以为目标识别中选择合适波段和特征等提供参考。但尚未检索到关于多波段红外图像差异特征研究的相关报道。

目前的研究主要集中在双波段上。以中波红外MWIR(Medium Wave Infrared)和长波红外LWIR(Long Wave Infrared)图像为对象进行的研究表明：白天拍摄的MWIR图像目标和背景特征转向零，晚上拍摄的LWIR和MWIR图像有相似的目标背景对比度[5-6]；当背景较丰富时，LWIR图像的层次感以及对小目标的干扰都比MWIR图像强；LWIR图像中目标的轮廓特征比MWIR图像清晰，而MWIR图像的灰度值分布较LWIR图像紧凑[7]。以短波红外SWIR(Short Wave Infrared)图像和可见光灰度图像为对象的研究表明两类图像特征相似，目标细节表达清晰[8-9]。这些研究都说明不同波段上的红外图像各有其特点，有必要对其差异特征进行深入探讨。

为此，本文以SWIR、MWIR和LWIR图像为例，经过对这三个波段图像的纹理特征进行三级特征选择，最终得到多波段红外图像的差异纹理特征，为探测多波段红外目标等提供一种准确、有效和直观的方法。

1 特征选择流程

本文以两组夜视条件下已配准的同一场景的SWIR、MWIR和LWIR图像[5,10]以及第三组3个场景已分别配准的红外图像[11-13]为分析对象，得到由大量的纹理特征组成的原始特征空间。对这些特征进行了一致差异级、显著差异级以及去相关差异级三级选择，最终选择出有效的特征。一致差异级中，对差异分布规律相同的特征进行归类；显著差异级中，剔除差异不显著的特征；去相关差异级中，用一个特征代替与之相关度较高的特征。具体过程如图1所示。

图1 差异特征选择过程

本文采用两两比较的形式将图像分为短中波图像、中长波图像和短长波图像这三大类进行实验。每类情况选取的图像说明如下：短中波图像类：图2(a)、(b)，图3(a)、(b)，图4(a)、(b)；‚中长波图像类：图2(b)、(c)，图3(b)、(c)，图4(c)、(d)；ƒ短长波图像类：图2(a)、(c)，图3(a)、(c)，图4(e)、(f)。为了减小目标结构对图像特征的影响，对每幅图像都进行分块处理，选取的图像块大小都为16×16，接下来对每个图像块独立进行特征选择。

图2 第一组红外图像

图3 第二组红外图像

图4 第三组红外图像

2 三级特征选择模型

2.1 一致差异级选择

关于图像纹理特征有很多描述方法，常用的有：Tamura的6个特征量：粗糙度、对比度、粗略度、方向度、线性度和规则度；灰度共生矩阵的14个特征量：角二阶矩(能量)、对比度、相关度、熵、方差、均值和、方差和、逆差距、差的方差、和熵、差熵、聚类阴影、显著聚类和最大概率；灰度-梯度共生矩阵的15个特征量：小梯度优势、大梯度优势、灰度分布的不均匀性、梯度分布的不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵、惯性、逆差距；6个直方图特征量：灰度均值、灰度方差、偏度系数、峰度系数、能量、熵；8个八连通统计几何特征量；另外还有空间频率(平均自相关函数)和边界频率[14-15]两个特征量。将这些特征量按上述顺序进行编号，分别记为1至51号特征。

统计出每类情况的每对样本图像的每个特征量大小规律一致的图像块数目占整幅图像总块数比例。按照SWIR、MWIR和LWIR图像先后顺序，若前者的某个特征量的统计结果大于后者，赋予正值，并认为该特征归属为对应的差异规律类；反之，若前者的某个特征统计结果小于后者，赋予负值，并认为该特征归属为对应的差异规律类，具体结果如图5所示。

图5 差异一致特征对比结果

由图5可以得出，每类的三对样本图像差异一致分布规律都相同的特征如表1所示，本文的符号S，M，L分别表示短波、中波和长波红外图像的某一特征值。

表1 差异一致检验结果

Table 1 Test results of difference consistency

2.2 显著差异级选择

SPSS软件可用来进行差异特征显著程度检验[16-17]。取置信水平为默认的0.95，对差异一致的图像块特征检验，结果如表2所示。舍去差异不显著的特征，保留差异非常显著和差异显著的特征进入下一级检验。

表2 差异显著检验结果

Table 2 Test results of difference significant

2.3 去相关差异级选择

通过计算可以得出各特征量之间的相关系数，根据相关系数的大小可得到特征量之间的相关程度。设某个图像块的某个特征量为，为特征编号(=1,2,...,51)，为所属差异规律的特征数目，则特征量相关性分析的具体步骤如下[18]：

1) 先将每个特征量进行归一化处理：

2) 计算每对图像块的特征与特征的相关系数：

若，无相关性；，低度相关；，中度相关；，高度相关[19-20]。

根据式(1)和(2)可得每类差异规律的中高度相关特征，并选取其中稳定性好较常用某个特征来代替，结果如表3所示。

表3 相关度较高的特征

Table 3 Features of high correlation

为了更直观的反映出SWIR、MWIR和LWIR图像的特征差异，在MATLAB中仿真出多波段红外图像的差异纹理特征，因每个特征的量纲不同，在数量上可能存在较大差异，为便于分析比较，将选择出的特征再进行标准化处理，又由于某些标准化后的特征值较大，在同一纵轴下会淹没其余特征值的差异程度，故另外作图，最终结果如图6所示。

图6 差异纹理特征选择

由图6可知，多波段红外图像差异纹理特征结果分析如下：

短中波图像类：SWIR图像的Tamura的对比度(第2号特征)，灰度-梯度共生矩阵的相关性(第30号特征)都比MWIR大，说明了SWIR与MWIR图像相比，明暗区域中最亮的白和最暗的黑之间的亮度层级更多，细节更清晰，相似程度更高；而SWIR图像的Tamura的粗糙度(第1号特征)、线性度(第5号特征)，灰度共生矩阵的角二阶矩(第7号特征)，直方图的偏度系数(第38号特征)都比MWIR小，说明了MWIR相比SWIR图像的灰度变化剧烈，纹理基元的形状更具有线性关系，灰度分布更均匀，纹理更粗。

中长波图像类：MWIR图像的Tamura的线性度(第5号特征)，灰度共生矩阵的角二阶矩(第7号特征)、方差和(第13号特征)都比LWIR大，说明了MWIR相比LWIR图像纹理基元的形状更具有线性关系，灰度分布更均匀，纹理更粗，周期更长；而MWIR图像的Tamura的对比度(第2号特征)，灰度共生矩阵的对比度(第8号特征)，灰度-梯度共生矩阵的相关性(第30号特征)都比LWIR小，说明了MWIR与LWIR图像相比，明暗区域中最亮的白和最暗的黑之间的亮度层级更多，细节更清晰，像素间的相似程度更高。

短长波图像类：SWIR图像的灰度共生矩阵的对比度(第8号特征)、均值和(第12号特征)，灰度-梯度共生矩阵的逆差距(第35号特征)都比LWIR大，说明了SWIR相比LWIR图像的纹理沟纹更深，图像更清晰，整体上更明亮，图像局部更均匀；而SWIR图像的Tamura的粗糙度(第1号特征)、线性度(第5号特征)，灰度-梯度共生矩阵的灰度均方差(第28号特征)都比LWIR小，说明了SWIR相比LWIR图像的灰度变化更剧烈，纹理基元的形状更具有线性关系，纹理周期更大。

3 结 论

通过以上分析对比，在特定条件下，多波段红外图像特征主要存在以下差异：SWIR与MWIR、LWIR图像相比，细节更清晰，纹理沟纹更深，图像整体更明亮，局部更均匀，纹理周期更长，信息量更多，所以SWIR波段更适合选择对比度、相关性、均值和以及逆差距等特征量探测细节较微小的目标，例如树丛等。MWIR相比LWIR图像对比度较大，图像整体亮度较高，细节较清晰，纹理基元的形状也更具有线性关系，所以，MWIR波段更适合选择线性度、角二阶矩、方差和以及偏度系数等特征量探测场景层次感差的小目标。LWIR波段更适合选择粗糙度、线性度、对比度、相关性以及灰度均方差等特征量探测场景层次感较好的目标。

由于条件限制和篇幅原因，差异显著检验时置信水平取了定值以及差异相关检验时相关度取了阈值，这对仿真结果会有影响。另外，本文选取的图像都是在夜视条件下的野外自然场景，具有一定的局限性。

[1] 付强，张新. 中波/长波双色红外光学系统材料选择 [J]. 光学学报，2015，35(02)：81-87.

FU Qiang，ZHANG Xin. Material choose for mid-wave/long-wave dual-waveband infrared optics [J]. Acta Optica Sinica，2015，35(02)：81-87.

[2] 蔺素珍，朱小红，王栋娟，等. 基于嵌入式多尺度变换的多波段图像融合 [J]. 计算机研究与发展，2015，52(04)：952-959.

LIN Suzhen，ZHU Xiaohong，WANG Dongjuan，. Multi-band image fusion based on embedded multi-scale transform [J]. Journal of Computer Research and Development，2015，52(04)：952-959.

[3] 邓黎. 扩展目标的特征提取及目标识别 [D]. 成都：中国科学院光电技术研究所，2013：6-11.

DENG Li. Feature extraction and object recognition of expanded target [D]. Chengdu：Institute of Optics and Electronics,Chinese Academy of Sciences，2013：6-11.

[4] 李飞. 雷达图像目标特征提取方法研究 [D]. 西安：西安电子科技大学，2014：2-3.

LI Fei. Study on target feature extraction based on radar image [D]. Xi’an：Xidian University，2014：2-3.

[5] Boettcher E J，Leonard K R，Hodgkin V A，. New target acquisition task for contemporary operating environments：personnel in MWIR，LWIR，and SWIR [C]// Infrared Imaging Systems：Design，Analysis，Modeling，and Testing XX，Orlando，Florida，April 05，2010，7662：76620I-1-76620I-11.

KPI绩效管理已经逐渐成为一种趋势，是工程企业高速完成目标的方式之一。作为工程企业通过绩效管理，在短时期内完成预期的战略规划，但因为KPI涉及范围广，在实际操作中管理人员的工作方式和思想观念是尤为重要的，和人力资源管理相结合，是对工程企业员工的一种鼓励。但只要应用不合适，也会适得其反，所以需要做好充分的准备工作，才可以使其更好地为工程企业服务。

[6] Lavigne D A，Breton M，Fournier G，. A new passive polarimetric imaging system collecting polarization signatures in the visible and infrared bands [C]// Infrared Imaging Systems：Design，Analysis，Modeling，and Testing XX，Orlando，Florida，April 13，2009，7330：730010-1-730010-9.

第二，随着中国经济实力的增强，美国单方面的认为自身地位受到威胁，欲对中国部分商品加征关税，抑制中国经济发展。自改革开放以来的四十年，中国经济稳步发展，成为当今世界的第二大经济体。而美国作为全球唯一的超级大国，中国经济的蓬勃发展无疑是为他们敲响了警钟。所以，为维护本国的霸权地位，巩固自身在经济上的话语权，美国不得不向中国发起带有贸易保护色彩的中美贸易战。

[7] 张雷，高桦，杨风暴. 双波段红外图像辐射特性分析及在图像融合中的应用 [J]. 光电技术应用，2006，21(05)：54-57.

ZHANG Lei，GAO Hua，YANG Fengbao. Analysis of doule wave bands IR image radiation characteristics and application of image fusion [J]. Electro-optic Technology Application，2006，21(05)：54-57.

[8] LING Ren，MIN Chaobo，SUN Jianning，. Research and experiment of InGaAs shortwave infrared imaging system based on FPGA [C]// Selected Papers from Conferences of the Photoelectronic Technology Committee of the Chinese Society of Astronautics，China，August 01，2014，9522：95221T-1-95221T-8.

[9] 杨寸明，卢杰，温中流，等. InGaAs近红外相机成像技术研究 [J]. 半导体光电，2014，35(03)：543-545.

YANG Cunming，LU Jie，WEN Zhongliu，. Study on imaging technology of InGaAs near-infrared camera [J]. Semiconductor Optoelectronics，2014，35(03)：543-545.

[10] Fay D A，Waxman A M，Aguilar M，. Fusion of Multi-Sensor Imagery for Night Vision：Color Visualization，Target Learning and Search [C]// Information Fusion，Paris，France，July 10-13，2000，1：TUD3/3-TUD310.

[11] Protective Fabrics. Military-Special Operations [EB/OL]. (2014) http://www.goreprotectivefabrics.com/remote/Satellite/ Military- Special-Operations-Concealment/GORE-Multispectral-Concealment-Garments.

[12] Arslan Y，Eker S U，Kaldirim M，. Large format voltage tunable dual-band QWIP FPAs [J]. Infrared Physics and Technology(S1350-4495)，2009，52(6)：399-402.

[13] Fay D，Ilardi P，Sheldon N，. Realtime image fusion and target learning & detection on a laptop attached processor [C]// Enhanced and Synthetic Vision 2005 Conference，Orlando，Florida，USA，March 28，2005，5802：154-165.

[14] 孙君顶，赵珊. 图像低层特征提取与检索技术 [M]. 北京：电子工业出版社，2009：25-34.

SUN Junding，ZHAO Shan. Image Feature Extraction and Retrieval Technology [M]. Beijing：Electronics Industry Press，2009：25-34.

[15] 周萧，杨风暴，安富，等. 双色中波红外图像差异纹理特征分析方法研究 [J]. 红外技术，2012，34(06)：340-345.

ZHOU Xiao，YANG Fengbao，AN Fu，.The analysis method of differences in image texture features based on dual-color MWIR images [J]. Infrared Technology，2012，34(06)：340-345.

[16] 谢幼如，李克东. 教育技术学研究方法基础 [M]. 北京：高等教育出版社，2006：112-134.

XIE Youru，LI Kedong. On the Basis of Research Methods of Educational Technology [M]. Beijing：Higher Education Press，2006：112-134.

[17] 陈鹤. 中国德语学习者篇章写作中的词汇错误分析 [D]. 北京：北京外国语大学，2014：83-84.

CHEN He. An analysis of the lexical errors in the discourse of chinese german learners [D]. Beijing：Beijing Foreign Studies University，2014：83-84.

[18] 陆萍. 基于图像处理和模式识别的齿痕舌象研究 [D]. 上海：华东理工大学，2014：45-46.

LU Ping. Study of teeth-marked tongue based on image processing and pattern recognition [D]. Shanghai：East China University of Science and Technology，2014：45-46.

[19] 李森，宋国兵，康小宁，等. 基于时域下相关分析法的小电流接地故障选线 [J]. 电力系统保护与控制，2008，36(13)：15-20.

LI Sen，SONG Guobing，KANG Xiaoning，. Time-domain fault line selection based on correlation analysis in neutral indirect ground system [J]. Power System Protection and Control，2008，36(13)：15-20.

[20] 尚海昆，苑津莎，王瑜，等. 基于交叉小波变换和相关系数矩阵的局部放电特征提取 [J]. 电工技术学报，2014，29(04)：274-281.

SHANG Heikun，YUAN Jinsha，WANG Yu，. Feature extraction for partial discharge based on cross-wavelet transform and correlation coefficient matrix [J]. Transactions of China Electrotechnical Society，2014，29(04)：274-281.

Selection of Difference Texture Features for Multi-band Infrared Images

ZHU Xiaohong，LIN Suzhen，ZHANG Shangmin，WANG Dongjuan，LIU Zhen

( School of Computer and Control Engineering, North University of China, Taiyuan030051, China )

In order to overcome the difficulty that texture feature space dimension of multi-band infrared images is large and hard to analyze its imaging differences synthetically, a three-level feature selection model was proposed. Firstly tested consistency in the form of two contrast, and it was selected the features that difference distribution laws were the same. Secondly, the function of independent sample test based on SPSS software was used to test difference significant degree, and the features whose differences that were not significant were eliminated. Then, the correlation of features was analyzed, and one of the features stood for the features with high correlation. At the same time, the rest of features were reserved. Experiments prove that a few features selected by this model can reflect features differences of image, and it will provide references for target recognition and so on.

multi-band infrared; texture feature; feature selection; difference feature

TN219;TP399

A

10.3969/j.issn.1003-501X.2016.04.011

2015-08-10；

2015-11-13

山西省自然科学基金资助项目(2013011017-4)

朱小红(1990-)，女(汉族)，山西大同人。硕士研究生，主要研究工作是红外信息和图像处理。E-mail: happy_zhuxiaohong@163.com。通信作者：蔺素珍(1966-)，女(汉族)，山西灵石人。教授，硕士研究生导师，主要研究工作是红外信息和图像处理。E-mail: lsz@nuc.edu.cn。