專利名稱：紅外弱小目標檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種視頻圖像處理技術(shù)領(lǐng)域的方法，具體是一種紅外弱小目標檢
測方法。
背景技術(shù)：
弱小目標的檢測與提取算法可以分為單幀檢測與提取算法和多幀檢測與提取算 法兩大類。單幀小目標的檢測與提取算法主要依靠對目標和背景在各單幀圖像中的灰度差 異來實現(xiàn)對弱小目標對象的檢測與提取和分割。該類算法通常并不考慮序列圖像的幀間信 息，在實際應(yīng)用中通常還要結(jié)合后續(xù)的目標航跡關(guān)聯(lián)或目標識別模塊來實現(xiàn)對實際紅外弱 小目標對象的確定。多幀弱小目標檢測與提取算法主要利用序列圖像中目標運動的連續(xù)性 和軌跡的一致性來實施目標檢測與提取任務(wù)。從多幀圖像序列中檢測運動目標的方法主要 有差圖像法和光流法。差圖像法是檢測序列圖像中運動目標的最簡單的方法。這種方法速 度快，易于硬件實現(xiàn)，已得到廣泛應(yīng)用，不足之處是在跟蹤過程中需要停頓，不能精確定位 目標(其解算出的目標位置其實是兩幀圖像中目標的平均位置)，很難求出運動物體的速 度且當運動物體在成像平面有重疊時，差圖像法難以檢測出有重疊的運動物體。光流法是 分析序列圖像中運動目標的重要方法，不需要建立特征之間的對應(yīng)而是利用圖像的灰度信 息來計算目標的運動與結(jié)構(gòu)參數(shù)。但是光流的計算以及從光流中恢復(fù)結(jié)構(gòu)與運動參數(shù)需要 計算圖像亮度與光流的一階或二階導(dǎo)數(shù)，一般來說實際的圖像會受到噪聲的污染，而計算 導(dǎo)數(shù)的過程是一個放大噪聲的過程，階數(shù)越高導(dǎo)數(shù)對噪聲越敏感。 經(jīng)對現(xiàn)有技術(shù)的文獻檢索發(fā)現(xiàn)，Alexander Borghgraef禾P Marc Acheroy發(fā)表 在《Proceedings of SPIE Optics and Photonics in Security and Defence 2006》第 6395巻的"Using optical flow for the detection of floating mines in IR"("在 紅外圖像中使用光流法實現(xiàn)漂雷的檢測")中通過計算紅外弱小目標圖像序列的光流場
實現(xiàn)小目標運動特性的檢測和跟蹤，但是也發(fā)現(xiàn)了光流法的不足，包括當背景復(fù)雜時噪 聲比較大可能淹沒目標點，檢測到的目標與背景的對比度較弱，并且當有海雜波時，算法 的虛警較多。故傳統(tǒng)的光流法應(yīng)用于實際檢測器時還需要結(jié)合基于像素強度和運動的方
法才會g提高光流的性會^ Ce Liu禾口 Jenny Yuen在《European Conference on Computer Vision (ECCV) 2008》上發(fā)表的文章"SIFT flow :dense correspondence across different scenes"("尺度不變特征變換流不同場景中的稠密度對應(yīng)關(guān)系"，SIFT :Scale-invariant featuretransform)中提出了一種SIFT流方法，對每個像素提取稠密SIFT描述子，生成圖 像的局部結(jié)構(gòu)，然后通過應(yīng)用光流算法匹配兩幅圖像之間的SIFT描述子，實現(xiàn)查詢圖像與 數(shù)據(jù)庫圖像的配準。但是該現(xiàn)有技術(shù)具有如下不足l)該算法僅提出了一種圖像之間的稠 密對應(yīng)關(guān)系，缺乏必要的分割技術(shù)，不適用于更廣泛的視頻目標的檢測和跟蹤。2) SIFT描述 子本身計算量較大大，而該方法要求對每一個像素計算其SIFT描述子，在實際的流場的生 成過程中非常費時。3)生成的流場圖為由RGB的不同顏色塊組成，無法根據(jù)流場強度和方 向進一步處理得到目標位置。瑞士洛桑聯(lián)邦理工學院的E. Tola和V. L印etit等人在《IEEE
3Conference onComputer Vision and Pattern Recognition (2008)》發(fā)表的文章"A fast localdescriptor for dense matching"("—種適用于稠密度匹配的快速局部描述子") 中提出了一種DAISY("菊花描述子")，這種描述子具有尺度、旋轉(zhuǎn)、仿射變換不變性、亮度 無關(guān)等特性。該算法相對于SIFT描述子具有在描述效果基本不變的情況下，大幅減少計算 時間的特征。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提出了一種紅外弱小目標檢測方法，避免
了傳統(tǒng)光流法對于運動目標亮度一致性和光滑性這兩點在實際系統(tǒng)中較難滿足條件的假
設(shè)，通過使用DAISY描述子來描述圖像中的稠密度，并從流場的角度來獲取相鄰幀圖像的
稠密度的差別，并提出相應(yīng)的分割算法獲得弱小目標的準確位置。該方法可用于寬基線情
況下的目標匹配，具有對噪聲和亮度不敏感等特性。這種方法相比傳統(tǒng)光流法檢測紅外弱
小目標，大大提高了系統(tǒng)檢測效率和降低虛警率。 本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明包括以下步驟 第一步、采集原始紅外圖像，并將原始紅外圖像轉(zhuǎn)化為若干幀灰度圖像； 第二步、計算每一幀灰度圖像中每一個像素點的稠密DAISY描述子，具體步驟包
括 2. 1)灰度圖上每一個像素采用高斯濾波器獲得高斯巻積方向圖； 2. 2)將每一個像素的高斯巻積方向圖及其標準方差的高斯核求巻積，獲得該像素
對應(yīng)的標準差下的描述向量； 2. 3)將描述向量歸一化后替換為每一個像素的對應(yīng)數(shù)值，稠密DAISY描述子；
第三步、根據(jù)相鄰兩幀灰度圖像之間每一個像素的稠密DAISY描述子經(jīng)過DAISY 流處理得到混合流場。 所述的DAISY流處理是指首先提取灰度圖像中的點特征，然后對每一個提取的 點特征計算DAISY描述子及其對應(yīng)相鄰兩幀間像素點的匹配，從而生成混合流場。
所述的混合流場包括背景水平混合流場、背景垂直混合流場、弱小目標水平混合 流場和弱小目標垂直混合流場。 第四步、消除混合流場中具有平臺特性的區(qū)域，在得到結(jié)果圖像中進行閾值判斷， 當閾值判斷成功時即檢測到紅外弱小目標的坐標。 所述的消除混合流場中具有平臺特性的區(qū)域是指對檢測到的塊狀區(qū)域灰度值減 去其平均值，即消除混合流場中的具有平臺特性的區(qū)域。 所述的閾值判斷是指對經(jīng)過消除平臺特性的圖像，進行閾值分割，得到包含小 目標和干擾背景區(qū)域的二值圖像，通過檢測其灰度值為1的且滿足弱小目標面積條件的區(qū) 域，即為弱小目標的位置。 本發(fā)明通過使用DAISY描述子描述相鄰幀圖像的稠密特征，受噪聲影響小，局部 描述效果優(yōu)于光流法；提出基于DAISY描述子的流場計算公式，可以得到水平和垂直方向 的包含弱小目標的混合流場。該流場灰度值平滑，可有效體現(xiàn)出流場異常處情況；根據(jù) DAISY流場特性，創(chuàng)造性的提出平臺_階梯特性弱小目標分割方法，并可利用水平和垂直流 場進行佐證。經(jīng)過后面的試驗對比，可以看到DAISY流方法可以大大降低虛警率。將檢測結(jié)果結(jié)合目標的航跡關(guān)聯(lián)，可實現(xiàn)紅外弱小目標的跟蹤。


圖1為DAISY描述子的計算過程。
圖2為DAISY描述子組成示意圖。
圖3為DAISY流由粗到精計算過程示意。
圖4為DAISY流方法檢測初步結(jié)果。
圖5為三維表面圖。
圖6為紅外小目標位置圖。 圖7為三種傳統(tǒng)的光流法檢測弱小目標圖像的流場圖。
具體實施例方式
下面對本發(fā)明的實施例作詳細說明，本實施例在以本發(fā)明技術(shù)方案為前提下進行 實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施 例。
如圖1所示，本實施例包括以下步驟 計算圖像中的DAISY描述子
5a)高斯巻積方向圖的計算
對于灰度圖上每一個像素，可以按照下式計算其高斯巻積方向圖 do
幾屮:〔;e為—"斯核，I為閣像灰皮但，()力tfi'(力向，( ) +代農(nóng):(a) Vx(a,O)， GS g。=(
Q稱為"斯巻積力-向圖， 5e稱為力-向圖。
ili于這m使川廣A'斯濾波器，故4以"效的計訂M巻積結(jié)果人力^的"斯核的巻積yJ 以從-系列連續(xù)的小力-":的巻積柃的il m々,^f.i到(如圖i所小)。即如果匚經(jīng)il GJ的結(jié)果，通過.^Hil.r"」-以得到G， ( ^〉^)的結(jié)果。
幾屮S=#-《
i〕) il-訂標準義'::卜—的像^々的描i丄i"j呈
對點("'"的方向罔W小準乂"的a斯l'《永巻積，y丁以U這-點刈^'的+小準久'H懇 hs( ，v') = [Gf( ，》，)，...，G(《,v')]T
K屮《("，")'…'。為lil標準久':力E的"斯核對八個方向的方向圖求巻禾HW到的 A斯&lH力-向同，
將iM,i述向呈i!H」.n -化y丁以得到&(w，v)。 (')U VrAi整的i)AiSY描述了
f、、,.'ftYi (""'v")的misyh部描述-了-d("。'^) yJ以iii甜i(n定義的歸-化描述向呈&農(nóng)小
6D(w0，v0) = [l4:( 0，v0)，
h( (1, (w:,' v。'《))，,..'《(l'v (w。'v。,W,))'
hl (1(W。 ， V。 ， A ))，. "， hl (W。， V::,，及2 ))，
《仏(w。,viy)'…，hH(w。'^ig)f JL:屮《:將-周呈化為N個方向，則、("，v，^)農(nóng)小'/i:〃向'上到點("'、')的距離為R的
位'ft'。介:木實施例屮，取Rf2. 5， R2=3Ri， R3=6R^||——丄國丄，'丄2 — J丄l，二3 — J丄l，故
描述了 4以iT成為從8個方向，25個位'ft'獲取的，l i|8+8*3*8=200個數(shù)但所封l.成的25x8的矢|
陣?；傻腎)AISY描述-了-組成小;S同如圖2所小。
為便于進行流處現(xiàn)，將求f.i的描i丄)川"P長成為個200xl的列向呈，
2.根據(jù)相鄰叫幀灰皮圖像之間修-個像*的稠密1這13￥描述子，經(jīng)過I)AISY流處理W到昔
丄乂-和弱小I 1標的水-、1':和ia方向的';W A、流場，Ji-體歩驟包括:
a) 點特征的捉取
刈每個像^點I〕按照上U'所述，捉取I)AISYM部描述-了-， ^成200維的特征向呈足s (p)。
b) 相鄰幀I)AISY運動流場
對修-點il-訂DAISY描述T"冗要i卩訂相鄰叫幀問像-素點的匹配，從而^成運動流場
設(shè)像素點p介:相鄰剛l貞屮的DAISY描述-了-向呈為:則為保證匹配結(jié)
果能夠刻,出+1 l鄰叫幀圖像的義'::異性，則冗要滿足"II K兒點:
M -像-索點的描述特征/l;利l鄰 I'的描述了《異敁小，即: min(Z(U a(/力—^(/)+w) |〔))
考慮紅外圖像屮，小l 1fe描述-了-的梯)i特t止iW「-致性，即要保證M -像索點的描述特
梯皮變化M小，BIJ: mi,V,咖)—V.W,w)IU
3)山于/i;實際弱小11fe跟蹤屮，小11Id、Ji'U為觀'^齢A II常遠(y丁能達到2公m io公
7里)，流速^(P)+、"(P)應(yīng)加以限制，不能過人。n力慮運動的連續(xù)性，必須優(yōu)先卩匸配像索 點的鄰近ix;域x 。即^i要滿足
min(， Z('/2(/)) + v2 + S mi傘I — I'力+| v(p) — |，
-慮弱小ii標運動-般不iWf機動性，/i;小iife周l，x:域特征匹配賦予較人權(quán)但，據(jù) 小llfe較遠處i^較少權(quán)但。即流場的":異性yJ川如卜式子會小
^^^^'、'i"力一 A(/'+w) Hi V'vi(i" — V、2(/，+w) |h) 2;w卩 丁
^上所述，misy流礙的U' 0: u」'以總纟 i為如i、的優(yōu)化M題
= —~^Z(H ."/力一,s2(/，+w) |〔 +y II V^(/)十w) ||,)
2呵- 丁
二 S("2。) + v、)) + S min(" I々) 一 I，") + min(" I 、'(")—I，")
K屮^，CT"Of，t/，y為參數(shù)，u」-根據(jù)經(jīng)驗設(shè)定U但。此力-軒.uJ通過雙-卞'-l(li上的序列W:f丌皮
傳遞乂v汰(BP-s)細，求w的水-f'和乖fl力—向的流場如閣un叫行所小，K-屮顏fc越淺，
代及流場強度越人。山于紅外弱小l l標5n&的運動不-致，小| l標h^L:鄰域^i( 的流場H "比幾他K域明顯的":異。 "J—以dWi-:纟i:外弱小ll標的對;、v:位W丫j'明w的A點，說明此點處
的流場異常。
c) MISY流場的優(yōu)化求解
通過以上公式，來川能Hii優(yōu)化方法，y」-以得到兩幀問流場『-^"。似fl接tl1T優(yōu) 化問題，K-效率不A'。為此，優(yōu)化過權(quán)"J以X川山粗到粘的1A配技術(shù)，捉"tl節(jié)效率。
如間3所小，違立DAISY金7.塔(s(k))， JL:屮: ""，對s(k)進行f鄰'和卜l打,到
8s^+"。在層k，令Pk表示要匹配的像素的坐標，Ck為搜索窗口的中心，w(Pk)為最佳匹配。在 圖像金字塔最頂層s(k)，搜索窗口中心在P3，其大小為附x附(m為圖像s③的寬)。對卜'.層 的搜索時，只-冗要對這.G的^i優(yōu)流l"J呈W (Pk)所對應(yīng)的部分進行搜索即4 。即:對圖像進
行1'1頂而K進行匹配，即對于M '尺皮的《)'《'按照計訂像索點的流場，則/i;s(k+"尺皮搜
索時，只-冗計訂s(k+)尺)'丄卩L配盧p的領(lǐng)域w(p)即*這柞y」-以人人加速計訂。 3.戰(zhàn)于I)AISY流的紅外弱小I1標檢測^跟蹤
使川DAISY流力-法計訂y」-以得到紅外弱小ll標的圖像序列成視頻利鄰幀流場
iii于a外弱小隨^幾鄰域竹g幾"明顯的s動特性)r異，而這必然會必見/i;求得的小11
+小5竹!乂的^合流場11'。為實現(xiàn)紅外弱小ll+小的分別，將改^合流場分成u (水平)和v (,
a)力n&小'，考慮i從j個力-向流場圖的.-m^ifnra (岡5) ， y丁以觀's到:流場的人部分地
力 1'臺-階梯形式，而對應(yīng)的紅外弱小11標處明顯"于幾所處、1':臺灰皮但。故y丄通過以K
;M，分別出紅外弱小ii標。
對于圖像屮每-點判斷幾鄰域灰皮但足&^此點灰皮但利《不超過e ， X"滿足此條件則
將幾鄰域劃入此點所/i;ix:塊，"不滿足則化:成新的ix:塊。 計訂各ix:塊像索數(shù)呈人小以及各ix:塊的灰皮但平均但k 。
將滿足像4數(shù)呈人于n伍的K塊減婦L:利應(yīng)的lx:塊灰皮但平均但K ，幾屮n的人小，:
外弱小11標/i;同像上的像《翻)'" 過接將3) ',t成的ra像ii拔進閾但分荊。
為保iiH木力-法y」-以檢測到水平和,ii流場兩個力-向的異常，對水平和,過流場圖分別進 行如上步驟i)-步驟4)步處理。通過綜合比對水-、l'—fli wa〃n檢測到的小I l標的位W:則y丁 以i除虛普(如圖6所小，結(jié)果乜含水平和:iii力-向檢測到的ll+小f、Vft')。
通過利鄰幀檢測到的l 1feH5木H例5)屮Il+小f、VftHUiU—」:比較，y丁以人人降低 虛普率，通過將求得的紅外弱小11fe位-'ft'仏AJ,浴々Zn、S動"AJ,， y」以實現(xiàn)紅外弱小I薩跟 蹤。
實驗結(jié)果對比
Ki(n通過實際實驗結(jié)果對比說明木實施例的效果。如圖7所小，從左至右，第,為使
川Horn和Sch皿ck的光流法檢測結(jié)果(輸入圖像為圖4屮原始小I lfe圖像屮的第順和第一.幀 ，下同。其中Lambda參數(shù)設(shè)為100，以前輸入的速度域為1)，此列中，上面為水平光流場， 下面為垂直光流場，后面相同；第二列為使用Lucas和Kanade的光流法檢測結(jié)果(其中， 用于歸類像素的平均窗口尺寸為5X5像素)；第三列為使用塊匹配的方法計算光流(其 中比較的基本塊尺寸為15X15像素，塊坐標的增量為3X3像素，塊周圍像素的掃描鄰域 的尺寸為5X5像素)；第四列為前述文章"Using optical flow for the detection of floatingmines in IR"中的實驗結(jié)果圖(采用Horn和Schunck的光流法)，其作者采用了
9較大的目標(25像素X30像素)。 將采用光流法生成的水平和垂直流場圖和按照本實施例算法生成的流場圖(圖4 下面兩行)進行對比可以清晰的看出光流法流場圖當檢測目標較小時，過于復(fù)雜，無法檢 測到小目標(圖4中的測試圖像包括2X2像素的小目標)，而本實施例算法得到的流場圖 明晰的表現(xiàn)出平臺-階梯特性，目視小目標位置也可以發(fā)現(xiàn)較明顯的異常。即對于弱小 的目標(2像素X2像素)，傳統(tǒng)的光流法無法很好的檢測到，較大的目標(25像素X30像 素)得到的流場圖也由于流場較復(fù)雜無法很好的分割出目標位置。 綜上所述，本實施例由于采用了 DAISY這種高效、快速、仿射不變描述子，使得局 部描述不同于傳統(tǒng)光流法，受噪聲影響小并且可以檢測遠小于傳統(tǒng)光流法可檢測目標的圖 像。利用本實施例提出的流場計算方法得到的流場，流場平滑且目標位置明顯，利用本實施 例提出的平臺_階梯特性分割算法可以很容易的確定紅外弱小目標位置。
10
權(quán)利要求
一種紅外弱小目標檢測方法，其特征在于，包括以下步驟第一步、采集原始紅外圖像，并將原始紅外圖像轉(zhuǎn)化為若干幀灰度圖像；第二步、計算每一幀灰度圖像中每一個像素點的稠密DAISY描述子；第三步、根據(jù)相鄰兩幀灰度圖像之間每一個像素的稠密DAISY描述子經(jīng)過DAISY流處理得到混合流場；第四步、消除混合流場中具有平臺特性的區(qū)域，在得到結(jié)果圖像中進行閾值判斷，當閾值判斷成功時即檢測到紅外弱小目標的坐標。
2. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測方法，其特征是，所述的計算每一幀灰度圖像中每一個像素點的稠密DAISY描述子，包括如下步驟2. 1)灰度圖上每一個像素采用高斯濾波器獲得高斯巻積方向圖；2. 2)將每一個像素的高斯巻積方向圖及其標準方差的高斯核求巻積，獲得該像素對應(yīng)的標準差下的描述向量；2. 3)將描述向量歸一化后替換為每一個像素的對應(yīng)數(shù)值，稠密DAISY描述子。
3. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測方法，其特征是，所述的所述的DAISY流處理是指首先提取灰度圖像中的點特征，然后對每一個提取的點特征計算DAISY描述子及其對應(yīng)相鄰兩幀間像素點的匹配，從而生成混合流場。
4. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測方法，其特征是，所述的混合流場包括背景水平混合流場、背景垂直混合流場、弱小目標水平混合流場和弱小目標垂直混合流場。
5. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測方法，其特征是，所述的消除混合流場中具有平臺特性的區(qū)域是指對檢測到的塊狀區(qū)域灰度值減去其平均值，即消除混合流場中的具有平臺特性的區(qū)域。
6. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測方法，其特征是，所述的閾值判斷是指對經(jīng)過消除平臺特性的圖像，進行閾值分割，得到包含小目標和干擾背景區(qū)域的二值圖像，通過檢測其灰度值為1的且滿足弱小目標面積條件的區(qū)域，即為弱小目標的位置。
全文摘要
一種視頻圖像處理技術(shù)領(lǐng)域的紅外弱小目標檢測方法，包括采集原始紅外圖像，并將原始紅外圖像轉(zhuǎn)化為若干幀灰度圖像；計算每一幀灰度圖像中每一個像素點的稠密DAISY描述子；根據(jù)相鄰兩幀灰度圖像之間每一個像素的稠密DAISY描述子經(jīng)過DAISY流處理得到混合流場；消除混合流場中具有平臺特性的區(qū)域，在得到結(jié)果圖像中進行閾值判斷，當閾值判斷成功時即檢測到紅外弱小目標的坐標。
文檔編號G06T7/20GK101719280SQ20101030027
公開日2010年6月2日 申請日期2010年1月14日 優(yōu)先權(quán)日2010年1月14日
發(fā)明者周越, 李寅, 牛志彬 申請人:上海交通大學