專利名稱：一種基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺(jué)、圖像分析領(lǐng)域，特別是一種基于紅外圖像的弱小運(yùn)動(dòng)目 標(biāo)檢測(cè)方法。
背景技術(shù)：
基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)是航天、軍事領(lǐng)域上重要檢測(cè)技術(shù)。目前已滲 透到了一些民用領(lǐng)域，如視頻監(jiān)控，航空、海上安防等。近年來(lái)，索馬里海盜劫船事件屢屢發(fā) 生，我國(guó)去年開(kāi)始相繼派遣數(shù)艘戰(zhàn)艦為各國(guó)商務(wù)船只護(hù)航。但由于海域遼闊，發(fā)揮的實(shí)際 作用較為有限，更多的只是威懾作用，大多數(shù)船只需要自身發(fā)現(xiàn)周邊的可疑船只，提前作好 防范準(zhǔn)備，紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)為盡早發(fā)現(xiàn)和防范海盜的侵襲提供了一條有效途 徑。由上分析，近年來(lái)，弱小目標(biāo)檢測(cè)技術(shù)成為信息處理的一個(gè)熱門課題，國(guó)內(nèi)外學(xué)者圍繞 這一問(wèn)題進(jìn)行了廣泛而深入的研究，提出了許多檢測(cè)算法，如基于三維匹配濾波算法，基于 投影變換算法，基于全局搜索算法，基于多級(jí)假設(shè)檢驗(yàn)算法，基于動(dòng)態(tài)規(guī)劃算法，基于神經(jīng) 網(wǎng)絡(luò)算法，基于概率統(tǒng)計(jì)最大似然比算法，給予相位信息算法，基于馬爾科夫變換算法，給 予高階相關(guān)算法，基于遺傳算法以及基于管道濾波、圖像流方法。但是上述方法不能準(zhǔn)確 的、晝夜不間斷的對(duì)弱小目標(biāo)進(jìn)行檢測(cè)，時(shí)間復(fù)雜度比較高，不能進(jìn)行實(shí)時(shí)處理，且系統(tǒng)配 置復(fù)雜，硬件成本比較高，不易于大規(guī)模推廣。

發(fā)明內(nèi)容
本發(fā)明所解決的技術(shù)問(wèn)題在于提供一種基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為一種基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方 法，包括以下步驟步驟1、對(duì)接收到的紅外圖像進(jìn)行中值背景差處理，得到中值背景，之后將中值背 景與檢測(cè)幀作絕對(duì)值幀差；步驟2、生成累積差圖像，對(duì)相鄰兩幀圖像連續(xù)作絕對(duì)值幀差，并將差圖像累積相 加得到累積差圖像；步驟3、對(duì)差圖像進(jìn)行分割，選取閾值分割中值背景差圖像和累積差圖像；步驟4、對(duì)中值背景差圖像和累積差圖像進(jìn)行二值化處理，得到二值化圖像，之 后利用周期性約束對(duì)兩二值化圖像進(jìn)行處理，消除周期性運(yùn)動(dòng)區(qū)域干擾，突出真實(shí)運(yùn)動(dòng)目 標(biāo)；步驟5、利用目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性和灰度一致性對(duì)得到的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，消 除虛假目標(biāo)，得到合理目標(biāo)運(yùn)動(dòng)軌跡。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)1)使用中值背景和累積幀差兩種統(tǒng)計(jì)技術(shù) 能較魯棒的突出微弱運(yùn)動(dòng)區(qū)域；幻使用圖像異或思想能有效剔除樹(shù)木、旗幟等周期性晃動(dòng) 物體，；3)利用目標(biāo)灰度、運(yùn)動(dòng)的一致性能進(jìn)一步有效剔除噪聲區(qū)域；4)算法能準(zhǔn)確檢測(cè)3 個(gè)象素面積的目標(biāo)，為遠(yuǎn)距離目標(biāo)的檢測(cè)提供了可靠保障力)適用于紅外圖像，可晝夜不間斷地進(jìn)行弱小運(yùn)動(dòng)目標(biāo)檢測(cè)；6)時(shí)間復(fù)雜度低，能實(shí)時(shí)處理；7)系統(tǒng)配置簡(jiǎn)單、易于大規(guī) 模推廣到諸如軍用機(jī)器人戰(zhàn)場(chǎng)偵察、視頻監(jiān)控等應(yīng)用領(lǐng)域。下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。


圖1是本發(fā)明的算法結(jié)構(gòu)圖。圖2是周期性區(qū)域消除，其中圖(a)是ItlI1I2…1 周期累積差圖像二值化圖，圖(b) 是InIn+1In+2…12 周期累積差圖像二值化圖，圖(C)是圖(a)和圖(b)的異或圖像。圖3是軌跡篩選圖，其中圖(a)是全軌跡圖，圖(b)是按角度和灰度變化約束刪減 后的軌跡圖，圖(c)是按目標(biāo)最大速度約束進(jìn)一步刪減后的軌跡圖。圖4是幾種典型天氣條件下的小目標(biāo)檢測(cè)結(jié)果圖，其中圖(a)是白天序列，圖(b) 晚上序列，圖(c)陰雨天序列。
具體實(shí)施例方式結(jié)合圖1，本發(fā)明的一種基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，包括以下步驟步驟1、對(duì)接收到的紅外圖像進(jìn)行中值背景差處理，得到中值背景，之后將中值背 景與檢測(cè)幀作絕對(duì)值幀差；對(duì)接收到的紅外圖像進(jìn)行中值背景差處理具體包括以下步驟步驟11、采用灰度直方圖計(jì)算歷史N幀象素點(diǎn)中灰度值的中值，象素灰度級(jí)為0到 255，從直方圖中得到中值方法是灰度級(jí)從低到高的累加，所有經(jīng)過(guò)的灰度級(jí)的頻數(shù)f，當(dāng)f >=N/2,累計(jì)停止，當(dāng)前對(duì)應(yīng)的灰度級(jí)即為中值；步驟12、用循環(huán)隊(duì)列保存N幀圖像，用以動(dòng)態(tài)更新每個(gè)象素的灰度直方圖；對(duì)每個(gè) 象素的灰度直方圖進(jìn)行動(dòng)態(tài)更新時(shí)，即當(dāng)處理第K幀時(shí)，將第K-I幀對(duì)應(yīng)的直方圖作如下更 新根據(jù)第K-N幀各象素灰度值將灰度直方圖上的對(duì)應(yīng)灰度級(jí)的頻數(shù)減1，根據(jù)第K幀各象 素灰度值將灰度直方圖上的對(duì)應(yīng)灰度級(jí)的頻數(shù)加1，上述K > N步驟13、建立一幅與原圖等寬高的圖像，每個(gè)象素取對(duì)應(yīng)象素直方圖的中值，得到 中值背景，將檢測(cè)幀與中值背景作絕對(duì)值幀差，得到中值背景差圖像。步驟2、生成累積差圖像，對(duì)相鄰兩幀圖像連續(xù)作絕對(duì)值幀差，并將差圖像累積相 加得到累積差圖像；生成累積差圖像具體包括以下步驟步驟21、對(duì)保存的N幀圖像相鄰兩幀圖像兩兩作平方差，并將平方差值累積到一 幅空?qǐng)D像中；步驟22、對(duì)累計(jì)圖像進(jìn)行更新處理從累積圖像中減去時(shí)間最久兩幀的平方差 值，再加上新圖像與前一幀的平方差值，從而完成累積圖像的更新；步驟23、求取累積差圖像，即將N個(gè)差圖像累積相加求均值。步驟3、對(duì)差圖像進(jìn)行分割，選取閾值分割中值背景差圖像和累積差圖像；對(duì)差圖 像進(jìn)行分割具體包括以下步驟步驟31、對(duì)中值背景差圖像和累加差圖像均采用閾值Th = u+3 σ進(jìn)行二值化，其 中1 是采用的閾值，u是各自差圖像的均值，σ是各自差圖像的標(biāo)準(zhǔn)差；步驟32、使用3X3空域中值濾波去除噪聲。步驟4、對(duì)中值背景差圖像和累積差圖像進(jìn)行二值化處理，得到二值化圖像，之后利用周期性約束對(duì)兩二值化圖像進(jìn)行處理，消除周期性運(yùn)動(dòng)區(qū)域干擾，突出真實(shí)運(yùn)動(dòng)目標(biāo); 利用周期性約束對(duì)兩二值化圖像進(jìn)行處理具體為步驟41、設(shè)定周期性運(yùn)動(dòng)區(qū)域的周期T，所述周期T為持續(xù)的圖像幀數(shù)，之后對(duì)兩 段累積圖像分別進(jìn)行二值分割；上述周期T根據(jù)具體應(yīng)用情況而定。步驟42、對(duì)上述兩幅二值化圖像進(jìn)行“異或”運(yùn)算，得到異或圖像，即兩圖像對(duì)應(yīng)象 素灰度值相同則異或圖像對(duì)應(yīng)象素為0，否則為255 ；步驟43、使用中值背景差圖像與異或圖像進(jìn)行“與”運(yùn)算，得到與圖像，“與”運(yùn)算 時(shí)，即兩圖像對(duì)應(yīng)象素灰度值都為255則與圖像對(duì)應(yīng)象素為255，否則為0 ；步驟44 使用wXw空域中值濾波去除噪聲，w為模板參數(shù)。步驟5、利用目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性和灰度一致性對(duì)得到的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，消 除虛假目標(biāo)，得到合理目標(biāo)運(yùn)動(dòng)軌跡。利用目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性和灰度一致性對(duì)得到的 運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)包括以下步驟步驟51、保存運(yùn)動(dòng)目標(biāo)檢測(cè)的前k幀檢測(cè)結(jié)果，將前k幀中每個(gè)區(qū)域都作為真實(shí)目 標(biāo)上報(bào)；步驟52、從第k+Ι幀開(kāi)始，對(duì)每個(gè)區(qū)域進(jìn)行判定，判定其是否可以作為真實(shí)目標(biāo)上 報(bào)，即將每個(gè)區(qū)域與前k幀中的區(qū)域進(jìn)行軌跡關(guān)聯(lián)，使用灰度約束、角度約束、速度約束找 出合理的運(yùn)動(dòng)軌跡，所述合理的運(yùn)動(dòng)軌跡為滿足目標(biāo)灰度一致性和運(yùn)動(dòng)軌跡的連續(xù)性要求 的軌跡，當(dāng)且僅當(dāng)存在至少一條合理的軌跡時(shí)，該區(qū)域才允許作為目標(biāo)上報(bào)。下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述第一步中值背景差圖像生成差圖像基本原理是將相鄰的兩圖像做差分(減法)運(yùn)算，則在得到的圖像(稱為 差圖像)中，不變的部分被消除了，留下的僅僅是變化的部分，此變化即是由運(yùn)動(dòng)或噪聲引 起的，通過(guò)分析該變化的部分可發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)。差圖像主要有3種方法，它們分別是與序列 中的第一幅作差，與背景圖像作差和與前一幅圖像作差。與第一幅圖像作差，在時(shí)間相隔較 長(zhǎng)時(shí)不易消除光線和噪聲的干擾。與背景圖像作差，需要時(shí)時(shí)生成背景圖像，有時(shí)難以得到 穩(wěn)定的背景圖像；與前一幅圖像作差，能很好地避免光照變化等的影響；但在目標(biāo)移動(dòng)速 度較慢時(shí)，容易得到殘破的目標(biāo)區(qū)域。實(shí)際上，差圖像函數(shù)的選擇，還要兼顧其后續(xù)的二值 化操作，便于自動(dòng)選取閾值。在考慮上述因素的基礎(chǔ)上，本發(fā)明結(jié)合兩種差圖像，即中值背 景差圖像和累積差圖像。由于計(jì)算機(jī)內(nèi)存容量的不斷提升，可以為每個(gè)象素建立一個(gè)256維的灰度直方圖 HQ 255，同時(shí)保存若干幀歷史圖像，用來(lái)實(shí)時(shí)更新直方圖，這樣每個(gè)象素都可以從Hc^ 255中計(jì) 算出的中值而得到該象素點(diǎn)的最新的背景象素灰度，由于直方圖已經(jīng)將灰度值排列成序， 因此第N/2個(gè)象素對(duì)應(yīng)的灰度級(jí)即為中值，其中N為Hc^ 255中的象素點(diǎn)個(gè)數(shù)。所有背景象 素構(gòu)成了中值背景M，由于中值具有魯棒的統(tǒng)計(jì)特性，只要一段時(shí)間內(nèi)背景象素出現(xiàn)的占空 比大于50%，背景將被準(zhǔn)確的估計(jì)。將待檢測(cè)幀Ik與中值背景M作絕對(duì)值差Dm= Ik-M|, 即得到中值背景差圖像Dm。第二步累積差圖像生成本發(fā)明中將k時(shí)刻的兩鄰幀差圖像Dk定義為Dk = I Ik-Ilri 12，其中，Ik表示在k時(shí) 刻得到的圖像，Ik-!表示在k-Ι時(shí)刻得到的圖像，因?yàn)檫\(yùn)動(dòng)目標(biāo)的灰度分布不均勻，場(chǎng)景在不同位置的灰度也可能不相同，因此Dk中取Ik和Ilri的差分的絕對(duì)值以保全運(yùn)動(dòng)目標(biāo)信息。為了突出灰度值的變化，因此Dk中取Ik和Ilri的差分的平方，來(lái)加強(qiáng)運(yùn)動(dòng)象素和 未運(yùn)動(dòng)象素的灰度反差。取平方運(yùn)算的另外一個(gè)原因是對(duì)差分圖像求均值時(shí)，不至于減弱 運(yùn)動(dòng)帶來(lái)的灰度差異。差圖像實(shí)質(zhì)上是不同時(shí)刻的相同位置的象素的灰度值的差分，而噪聲往往表現(xiàn)為 同一個(gè)位置在不同的時(shí)刻灰度值的明顯變化，因而差分在突出運(yùn)動(dòng)象素的同時(shí)也突出了受 到噪聲干擾的象素，因而在差圖像中灰度值較大的象素可能是真實(shí)的運(yùn)動(dòng)區(qū)域的象素，也 可能是受到干擾的象素。根據(jù)平均去噪理論，如果將η個(gè)差圖像累積相加作平均，萬(wàn)比Dk
的平均信噪比提高了 η倍。本發(fā)明中，稱萬(wàn)為累積差圖像。第三步差圖像分割通過(guò)當(dāng)前幀與中值背景作差得到中值背景差圖像，通過(guò)圖像序列中相鄰圖像的兩 兩差分和結(jié)果累加，得到了累積差圖像。在兩種差圖像中，灰度值大的象素是由運(yùn)動(dòng)或噪聲 導(dǎo)致的，灰度化的差圖像并沒(méi)有真正地標(biāo)識(shí)出運(yùn)動(dòng)區(qū)域和非運(yùn)動(dòng)區(qū)域，因此需要圖像的二 值化操作，將差圖像劃分為運(yùn)動(dòng)和非運(yùn)動(dòng)區(qū)域。選擇合理的二值化方法，必須分析待處理對(duì) 象的特點(diǎn)。紅外圖像的差圖像有以下特點(diǎn)(1)直方圖沒(méi)有明顯的峰谷分布。因?yàn)樘幚淼膶?duì) 象實(shí)質(zhì)是差分圖像，在沒(méi)有目標(biāo)時(shí)，其直方圖函數(shù)近似是一個(gè)正態(tài)分布函數(shù)(其均值為零) 的平方函數(shù)。(2)背景和目標(biāo)的占空比嚴(yán)重不均。因?yàn)楸O(jiān)控系統(tǒng)一般要求監(jiān)控盡可能大的 場(chǎng)景，目標(biāo)距離又遠(yuǎn)，因而運(yùn)動(dòng)目標(biāo)的占空比一般不大，有時(shí)甚至非常小。(3)目標(biāo)區(qū)域的灰 度不具有一致性，即相等或近似相等。因?yàn)閳?chǎng)景和目標(biāo)中可能同時(shí)存在灰度的多樣性，所以 差圖像中象素的灰度值不反映目標(biāo)的灰度值。差圖像的這些特點(diǎn)，決定了對(duì)它必須采用特別的二值化方法。傳統(tǒng)的圖像二值化 手段雖然是很多的，但特點(diǎn)(1)和(2)使得它難以使用閾值選取法，特點(diǎn)(3)使得它難以使 用基于灰度一致性的區(qū)域增長(zhǎng)等方法。在實(shí)際應(yīng)用中，當(dāng)存在運(yùn)動(dòng)目標(biāo)時(shí)，因?yàn)槟繕?biāo)的占空 比一般很小，所以可近似認(rèn)為差圖像的均值和方差變化不大。本文假設(shè)差圖像受到的噪聲 為高斯噪聲，根據(jù)統(tǒng)計(jì)學(xué)原理可知，僅有非常少量的象素的灰度值落在3倍的標(biāo)準(zhǔn)差之外， 因此，采用如下的二值化閾值Th = u+3o，其中U、σ分別是差圖像的均值和標(biāo)準(zhǔn)差。由于 隨機(jī)噪聲的影響一般在圖像中成零散分布，即在不會(huì)造成大面積的具有較大灰度的區(qū)域， 依此可以對(duì)得到的二值圖像作形態(tài)學(xué)閉運(yùn)算預(yù)處理，以消除噪聲點(diǎn)。第四步周期性運(yùn)動(dòng)的消除，突出運(yùn)動(dòng)目標(biāo)。場(chǎng)景往往是復(fù)雜的，尤其是在室外時(shí)，會(huì)存在一些景物(比如樹(shù))的周期性運(yùn)動(dòng)， 因此運(yùn)動(dòng)區(qū)域圖像(B)中，灰度值為255區(qū)域(白色所示)大致可分為3種類型(1)真實(shí) 感興趣的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡。( 場(chǎng)景中晃動(dòng)的樹(shù)木的軌跡。( 噪聲。分析可知，類型(2)和(3)可以看作是周期性運(yùn)動(dòng)，比如樹(shù)會(huì)在一個(gè)地方來(lái)回晃 動(dòng)，攝像機(jī)也是在架設(shè)的位置上作左右上下的振動(dòng)。類型(3)是噪聲引起的，因此它們的面 積相對(duì)類型(1)真實(shí)的運(yùn)動(dòng)區(qū)域顯得很小，可以通過(guò)設(shè)定面積門限消除。因此，通過(guò)消除周 期性運(yùn)動(dòng)的區(qū)域，來(lái)消除運(yùn)動(dòng)區(qū)域圖像(B)中的運(yùn)動(dòng)區(qū)域類型O)，通過(guò)設(shè)定面積門限消除 類型(3)，從而得到真實(shí)感興趣的運(yùn)動(dòng)目標(biāo)區(qū)域類型(1)。假設(shè)樹(shù)木的晃動(dòng)周期為T，T可用圖像幀數(shù)表示，若連續(xù)采集兩段圖像序列 IclI1IfIn禾口 InIn+1U…I2n，每段的持續(xù)時(shí)間n+1均大于T，假設(shè)該兩個(gè)序列的累積圖像二值化得到的運(yùn)動(dòng)區(qū)域圖像分別為B1和4，令C是B1和4的異或圖像?？梢园l(fā)現(xiàn)，晃動(dòng)區(qū)域 在兩段序列的差圖像中都在同一個(gè)位置存在，異或圖像中他們被消除了，而真實(shí)感興趣的 運(yùn)動(dòng)目標(biāo)區(qū)域類型(1)由于兩段序列的差圖像中沒(méi)有交集而在異或圖像中依然存在。異或圖像更好地突出了運(yùn)動(dòng)軌跡，消除了周期性運(yùn)動(dòng)等的干擾。通過(guò)在C中選擇 最大面積的連通區(qū)域(設(shè)此二值圖像為R)；便可以發(fā)現(xiàn)該區(qū)域?qū)?yīng)于運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌 跡，由于可能存在多個(gè)真實(shí)目標(biāo)，異或圖像中可能存在多個(gè)C，需要對(duì)每個(gè)C單獨(dú)處理。通過(guò)上述運(yùn)算過(guò)程，我們得到了目標(biāo)真實(shí)的運(yùn)動(dòng)軌跡，但并沒(méi)有得到目標(biāo)的位置， 但目標(biāo)的位置已經(jīng)包含在了運(yùn)動(dòng)的軌跡之中，因此令 = I I2n-I012，設(shè)Btl是Dtl的二值化結(jié) 果圖像，令=Etl = B0 η札則&中的兩個(gè)面積最大的區(qū)域分別對(duì)應(yīng)著目標(biāo)在圖像IjP 1&中 的位置，用候選運(yùn)動(dòng)目標(biāo)圖像0。進(jìn)行與運(yùn)算，即可得檢測(cè)幀中的運(yùn)動(dòng)目標(biāo)0。圖2給出了一 個(gè)消除周期性晃動(dòng)的示意圖，圖2(a)、(b)為一個(gè)晃動(dòng)物體一個(gè)周期內(nèi)的圖像序列的累積 差圖像二值化結(jié)果，(c)為圖像2(a)與(b)的異或圖像。第五步虛假軌跡的消除由于分割的誤差的原因，目標(biāo)會(huì)存在斷裂現(xiàn)象，此外晃動(dòng)區(qū)域消除有時(shí)也并不完 全，這些因素的存在，導(dǎo)致0中仍有可能存在虛假目標(biāo)區(qū)域。因此，本步驟利用虛假軌跡的 消除技術(shù)來(lái)消除虛假目標(biāo)區(qū)域。虛假軌跡的消除利用的是目標(biāo)灰度一致性和運(yùn)動(dòng)軌跡的連 續(xù)性。因?yàn)槎虝r(shí)間內(nèi)目標(biāo)灰度是不會(huì)有較大變化的，而且如果知道目標(biāo)在圖像上的運(yùn)動(dòng)速 度范圍，便可以通過(guò)軌跡點(diǎn)的連續(xù)性分析獲得真實(shí)目標(biāo)的軌跡。即每一幀可能檢測(cè)到若干 個(gè)目標(biāo)區(qū)域，為了簡(jiǎn)單，使用目標(biāo)的外接矩形進(jìn)行描述，對(duì)于某一幀，從這一幀檢測(cè)出的后 選目標(biāo)區(qū)域都須利用前N個(gè)時(shí)刻圖像中所有檢測(cè)到的候選目標(biāo)區(qū)域來(lái)驗(yàn)證軌跡的連續(xù)性。 這一連續(xù)性主要依靠的是目標(biāo)的運(yùn)動(dòng)方向一致性、根據(jù)目標(biāo)運(yùn)動(dòng)速度得出的目標(biāo)運(yùn)動(dòng)位置 的合理性兩個(gè)方面，以及目標(biāo)灰度特性的一致性。目標(biāo)大小則由于分割結(jié)果誤差較大而不 太適用于連續(xù)性的判別。具體方法是對(duì)于當(dāng)前幀檢測(cè)出來(lái)的每個(gè)目標(biāo)區(qū)域，使用前幾幀進(jìn)行關(guān)聯(lián)。如圖3 給出了一個(gè)利用前兩幀進(jìn)行關(guān)聯(lián)的示意圖，圖中k-1，k，k+1三幀的目標(biāo)為結(jié)點(diǎn)，結(jié)點(diǎn)間的 關(guān)系為路徑，(a)將畫(huà)出了所有的路徑；接下來(lái)，采用如下兩個(gè)條件進(jìn)行路徑刪減(1)角度 約束，即連續(xù)兩條兩鄰路徑間的夾角θ >15° ； (2)灰度約束，即連續(xù)兩個(gè)結(jié)點(diǎn)平均灰度差 異g > 15 ；只要滿足以上條件中的一個(gè)，相應(yīng)的路徑就被刪除，(b)為按以上約束條件刪除 后的路徑圖；最后設(shè)定兩鄰兩幀之間目標(biāo)在X和Y方向的最大移動(dòng)速度Vx和Vy，對(duì)于所有 剩余軌跡圖中的每一路徑，利用Vj^PVy進(jìn)一步剔出不合理的路徑。如果最終至少存在一條 完整路徑，則關(guān)聯(lián)正確，該目標(biāo)就被作為真實(shí)目標(biāo)輸出；否則認(rèn)為是虛假目標(biāo)，予以濾除。圖4給出了幾種利用本發(fā)明的方法在典型條件下對(duì)弱小目標(biāo)進(jìn)行檢測(cè)的結(jié)果，其 中圖(a)是白天序列圖，圖(b)晚上序列圖，圖(c)陰雨天序列圖。
權(quán)利要求
1.一種基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟步驟1、對(duì)接收到的紅外圖像進(jìn)行中值背景差處理，得到中值背景，之后將中值背景與 檢測(cè)幀作絕對(duì)值幀差；步驟2、生成累積差圖像，對(duì)相鄰兩幀圖像連續(xù)作絕對(duì)值幀差，并將差圖像累積相加得 到累積差圖像；步驟3、對(duì)差圖像進(jìn)行分割，選取閾值分割中值背景差圖像和累積差圖像； 步驟4、對(duì)中值背景差圖像和累積差圖像進(jìn)行二值化處理，得到二值化圖像，之后利用 周期性約束對(duì)兩二值化圖像進(jìn)行處理，消除周期性運(yùn)動(dòng)區(qū)域干擾，突出真實(shí)運(yùn)動(dòng)目標(biāo)；步驟5、利用目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性和灰度一致性對(duì)得到的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，消除虛 假目標(biāo)，得到合理目標(biāo)運(yùn)動(dòng)軌跡。
2.根據(jù)權(quán)利要求1所述的基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，步驟1 對(duì)接收到的紅外圖像進(jìn)行中值背景差處理具體包括以下步驟步驟11、采用灰度直方圖計(jì)算歷史N幀象素點(diǎn)中灰度值的中值，象素灰度級(jí)為0到 255，從直方圖中得到中值方法是灰度級(jí)從低到高的累加所有經(jīng)過(guò)的灰度級(jí)的頻數(shù)f，當(dāng)f >=N/2，累計(jì)停止，當(dāng)前對(duì)應(yīng)的灰度級(jí)即為中值；步驟12、用循環(huán)隊(duì)列保存N幀圖像，用以動(dòng)態(tài)更新每個(gè)象素的灰度直方圖；對(duì)每個(gè)象素 的灰度直方圖進(jìn)行動(dòng)態(tài)更新時(shí)，即當(dāng)處理第K幀時(shí)，將第K-I幀對(duì)應(yīng)的直方圖作如下更新 根據(jù)第K-N幀各象素灰度值將灰度直方圖上的對(duì)應(yīng)灰度級(jí)的頻數(shù)減1，根據(jù)第K幀各象素灰 度值將灰度直方圖上的對(duì)應(yīng)灰度級(jí)的頻數(shù)加1，上述K > N ；步驟13、建立一幅與原圖等寬高的圖像，每個(gè)象素取對(duì)應(yīng)象素直方圖的中值，得到中值 背景，將檢測(cè)幀與中值背景作絕對(duì)值幀差，得到中值背景差圖像。
3.根據(jù)權(quán)利要求1所述的基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，步驟2 生成累積差圖像具體包括以下步驟步驟21、對(duì)保存的N幀圖像相鄰兩幀圖像兩兩作平方差，并將平方差值累積到一幅空 圖像中；步驟22、對(duì)累計(jì)圖像進(jìn)行更新處理從累積圖像中減去時(shí)間最久兩幀的平方差值，再 加上新圖像與前一幀的平方差值，從而完成累積圖像的更新； 步驟23、求取累積差圖像，即將N個(gè)差圖像累積相加求均值。
4.根據(jù)權(quán)利要求1所述的基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，步驟3 對(duì)差圖像進(jìn)行分割具體包括以下步驟步驟31、對(duì)中值背景差圖像和累加差圖像均采用閾值Th = u+3 σ進(jìn)行二值化，其中Th 是采用的閾值，u是各自差圖像的均值，σ是各自差圖像的標(biāo)準(zhǔn)差； 步驟32、使用3X3空域中值濾波去除噪聲。
5.根據(jù)權(quán)利要求1所述的基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，步驟4 利用周期性約束對(duì)兩二值化圖像進(jìn)行處理具體為步驟41、設(shè)定周期性運(yùn)動(dòng)區(qū)域的周期Τ，所述周期T為持續(xù)的圖像幀數(shù)，之后對(duì)兩段累 積圖像分別進(jìn)行二值分割；步驟42、對(duì)上述兩幅二值化圖像進(jìn)行“異或”運(yùn)算，得到異或圖像，即兩圖像對(duì)應(yīng)象素灰 度值相同則異或圖像對(duì)應(yīng)象素為0，否則為255 ；步驟43、使用中值背景差二值化圖像與異或圖像進(jìn)行“與”運(yùn)算，得到與圖像，“與”運(yùn) 算是指兩圖像對(duì)應(yīng)象素灰度值都為255則與圖像對(duì)應(yīng)象素為255，否則為0 ； 步驟44 使用wXw空域中值濾波去除噪聲，w為模板參數(shù)。
6.根據(jù)權(quán)利要求1所述的基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，步驟5 利用目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性和灰度一致性對(duì)得到的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)包括以下步驟 步驟51、保存運(yùn)動(dòng)目標(biāo)檢測(cè)的前k幀檢測(cè)結(jié)果，將前k幀中每個(gè)區(qū)域都作為真實(shí)目標(biāo)上報(bào)；步驟52、從第k+Ι幀開(kāi)始，對(duì)每個(gè)區(qū)域進(jìn)行判定，判定其是否可以作為真實(shí)目標(biāo)上報(bào)， 即將每個(gè)區(qū)域與前k幀中的區(qū)域進(jìn)行軌跡關(guān)聯(lián)，使用灰度約束、角度約束、速度約束找出合 理的運(yùn)動(dòng)軌跡，所述合理的運(yùn)動(dòng)軌跡為滿足目標(biāo)灰度一致性和運(yùn)動(dòng)軌跡的連續(xù)性要求的軌 跡，當(dāng)且僅當(dāng)存在至少一條合理的軌跡時(shí)，該區(qū)域才允許作為目標(biāo)上報(bào)。
全文摘要
本發(fā)明公開(kāi)了一種基于紅外圖像的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法。本發(fā)明所述方法分為中值背景差圖像生成、累積差圖像生成、差圖像分割、周期性運(yùn)動(dòng)區(qū)域的消除以及虛假目標(biāo)剔除幾個(gè)步驟。具體為為每個(gè)象素建立灰度直方圖統(tǒng)計(jì)其在最近一段時(shí)間內(nèi)，在各灰度級(jí)上出現(xiàn)的頻數(shù)，并計(jì)算中值，得到中值背景，與檢測(cè)幀作絕對(duì)值幀差得到中值背景差圖像；對(duì)相鄰兩幀圖像連續(xù)作幀差，累積相加差圖像得到累積差圖像；消除周期性運(yùn)動(dòng)區(qū)域干擾，突出真實(shí)運(yùn)動(dòng)目標(biāo)；利用目標(biāo)運(yùn)動(dòng)、灰度一致性尋找合理目標(biāo)軌跡。本發(fā)明所述方法能遠(yuǎn)距離、準(zhǔn)確地、晝夜不間斷地進(jìn)行弱小運(yùn)動(dòng)目標(biāo)檢測(cè)，具有高實(shí)時(shí)性、高魯棒性，且易于推廣到諸如軍用機(jī)器人戰(zhàn)場(chǎng)偵察、視頻監(jiān)控等應(yīng)用領(lǐng)域。
文檔編號(hào)G06T7/20GK102074022SQ20111000359
公開(kāi)日2011年5月25日 申請(qǐng)日期2011年1月10日 優(yōu)先權(quán)日2011年1月10日
發(fā)明者任明武, 唐振民, 王歡, 趙春霞, 陸建峰 申請(qǐng)人:南京理工大學(xué)