專利名稱：一種用于圖像序列中微小目標(biāo)輪廓的降噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的降噪方法，具體地說，涉及的是一種用于圖像序列中微小目標(biāo)輪的輪廓降噪方法。
背景技術(shù)：
光學(xué)系統(tǒng)可以在遠(yuǎn)距離得到目標(biāo)的形態(tài)信息，而且光學(xué)觀測(cè)系統(tǒng)屬于無源系統(tǒng)，功耗低適合長(zhǎng)時(shí)間的觀測(cè)。利用可見光傳感器對(duì)非合作目標(biāo)進(jìn)行形態(tài)測(cè)量與識(shí)別的技術(shù)是空間技術(shù)中的一個(gè)重要分支。這一技術(shù)有著廣泛的應(yīng)前景，例如，可以有效地對(duì)地或?qū)兆R(shí) 別目標(biāo)；測(cè)量目標(biāo)的位置姿態(tài)等。在利用可見光傳感器對(duì)非合作目標(biāo)進(jìn)行形態(tài)測(cè)量與識(shí)別中往往目標(biāo)距離光學(xué)傳感器的距離遙遠(yuǎn)，這造成了目標(biāo)在傳感器中的圖像比較小。若光學(xué)傳感器的角分辨率為5 μ弧度，目標(biāo)距離傳感器距離為100千米時(shí)，空間分辨率為O. 46米，如果目標(biāo)大小為3米χ3米的正方形在這種情況下其在圖像中的大小為7x7個(gè)像素。對(duì)于如此微小的圖像目標(biāo)，再加上空間目標(biāo)的圖像通常對(duì)比強(qiáng)烈因此一些基于輪廓的方法更適用于對(duì)目標(biāo)的形態(tài)進(jìn)行測(cè)量和識(shí)別。然而空間情況下所成圖像會(huì)受到噪聲干擾，對(duì)于微小的圖像輪廓的影響會(huì)很大，這會(huì)極大的限制基于輪廓的形態(tài)測(cè)量與識(shí)別技術(shù)的應(yīng)用，因而對(duì)微小目標(biāo)的輪廓進(jìn)行降噪是基于輪廓的形態(tài)測(cè)量和識(shí)別技術(shù)的重要環(huán)節(jié)。目前對(duì)于微小目標(biāo)輪廓的降噪方法研究較少，而其他可以用以降噪的方法大多不適用于微小目標(biāo)的輪廓降噪。對(duì)于靜態(tài)目標(biāo)一些關(guān)于噪聲的統(tǒng)計(jì)信息可以從圖像序列中得至IJ，利用這些統(tǒng)計(jì)信息可以降噪。但是通常所要測(cè)量和識(shí)別的目標(biāo)是機(jī)動(dòng)的這一類方法不能使用。一些基于主動(dòng)輪廓的跟蹤方法也不適用于該情況，這些方法是設(shè)計(jì)用來在復(fù)雜場(chǎng)景下進(jìn)行跟蹤的，并且對(duì)于較大的圖像輪廓才有效果。頻域中的低通濾波器和時(shí)域中的平滑算子也不適用于該情況，因?yàn)檫@些方法只會(huì)消除圖像的細(xì)節(jié)，低頻中的噪聲依然存在。經(jīng)對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，經(jīng)對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，Niethammer等在2006年于《Automatic Control》(自動(dòng)控制)第 51 卷，第 4 期上發(fā)表了《Dynamic active contoursfor visual tracking》(視覺跟蹤中的主動(dòng)輪廓)。該文提出了基于主動(dòng)輪廓的跟蹤技術(shù)，具體為使用主動(dòng)輪廓逼近所要跟蹤的運(yùn)動(dòng)目標(biāo)，對(duì)于有噪聲的情況該方法也能很好的得到目標(biāo)的輪廓，其不足在于該方法不適用于微小目標(biāo)。

發(fā)明內(nèi)容
針對(duì)上述現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種用于圖像序列中微小目標(biāo)輪廓降噪的方法，解決了在圖像對(duì)比度大、目標(biāo)距離遠(yuǎn)的空間環(huán)境條件下對(duì)機(jī)動(dòng)的微小目標(biāo)輪廓進(jìn)行降噪的問題，且本發(fā)明方法計(jì)算量小，較為魯棒不易發(fā)散，易于進(jìn)行嵌入式移植。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括如下步驟步驟一，從圖像序列中提取當(dāng)前幀中的目標(biāo)輪廓從目標(biāo)的圖像序列中使用輪廓提取方法提取目標(biāo)輪廓，對(duì)輪廓進(jìn)行預(yù)處理，消除輪廓毛刺，并使圖像輪廓閉合。
所述輪廓提取可以使用常用的輪廓提取方法，如，坎尼(Canny)，索貝爾(Sobel)等方法。所述消除輪廓毛刺是采用形態(tài)學(xué)的腐蝕和膨脹操作消除圖像輪廓中的毛刺。步驟二，對(duì)于步驟一中提取的輪廓進(jìn)行轉(zhuǎn)換使用傅立葉描述子(FDs)將步驟一中提取的輪廓從空域中轉(zhuǎn)換為頻域中；步驟三，使用基于常加速模型的卡爾曼濾波器對(duì)步驟二的傅立葉描述子的實(shí)部和虛部分別進(jìn)行濾波。所述的常加速模型的卡爾曼濾波器，是指假設(shè)目標(biāo)的運(yùn)動(dòng)為常加速運(yùn)動(dòng)的卡爾曼濾波。步驟四，對(duì)步驟三濾波后的傅立葉描述子進(jìn)行逆變換，最終得到降噪后的輪廓。對(duì)于其后的圖像幀重復(fù)步驟一至步驟四進(jìn)行處理。 卡爾曼濾波器是常用于目標(biāo)跟蹤領(lǐng)域的技術(shù)，而傅立葉描述子是圖像處理領(lǐng)域常用的一種技術(shù)，本發(fā)明將兩種技術(shù)有機(jī)的結(jié)合用于圖像序列中的微小目標(biāo)輪廓的降噪，通過傅立葉描述子將序列中的目標(biāo)輪廓在頻域里描述，此時(shí)噪聲被轉(zhuǎn)換到所得的傅立葉描述子的每個(gè)頻率點(diǎn)中?；谳喞系脑肼暿歉咚狗植嫉募僭O(shè)，那么在傅立葉描述子中每個(gè)頻率點(diǎn)上的噪聲仍然是高斯分布的，線性高斯濾波器可以用來濾除這些噪聲，使用卡爾曼濾波器對(duì)每個(gè)頻率點(diǎn)的傅立葉描述子進(jìn)行濾波去處噪聲，然后對(duì)濾波后的傅立葉描述子進(jìn)行逆變換得到降噪的輪廓序列。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果本發(fā)明對(duì)于靜態(tài)目標(biāo)和機(jī)動(dòng)目標(biāo)同樣有效，解決了在空間環(huán)境下，所獲取的圖像對(duì)比度強(qiáng)，空間遠(yuǎn)距離目標(biāo)靜止和機(jī)動(dòng)情況下對(duì)微小輪廓降噪的問題。在模擬的目標(biāo)輪廓為50個(gè)像素的情況下，對(duì)所提取輪廓的點(diǎn)加入均值為零、方差為I的高斯噪聲，所獲取的降噪結(jié)果與真實(shí)輪廓間的距離(這里使用傅立葉描述子空間的距離)比加入噪聲的輪廓與真實(shí)輪廓的距離小至少15%。并且該方法也可以用于較大輪廓的降噪。該方法能夠擴(kuò)大基于輪廓的空間光學(xué)識(shí)別和測(cè)量技術(shù)的作用距離。


圖I為本發(fā)明用于圖像序列中微小目標(biāo)輪廓的降噪方法的流程圖。圖2為本發(fā)明實(shí)施例所用視頻序列中的一幀，中央的目標(biāo)為KH-12衛(wèi)星，其輪廓約為50個(gè)像素。圖3A為本發(fā)明實(shí)施例結(jié)果中的第3幀的情況圖；圖3B為本發(fā)明實(shí)施例結(jié)果中的第31幀的情況圖；圖3C為本發(fā)明實(shí)施例結(jié)果中的第100幀的情況圖；圖4為本發(fā)明實(shí)施例各時(shí)刻降噪后的結(jié)果與真實(shí)輪廓在FDs空間的距離(實(shí)線)和帶有噪聲的輪廓與真實(shí)輪廓間的距離(虛線)。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明。實(shí)施例如圖I所示，本實(shí)施例所涉及的用于圖像序列中微小目標(biāo)輪廓降噪的方法，包括如下步驟步驟一，從圖像序列中提取目標(biāo)輪廓從目標(biāo)的圖像序列中使用輪廓提取方法提取目標(biāo)輪廓，對(duì)輪廓進(jìn)行 處理，消除輪廓毛刺，并使輪廓閉合。常用的輪廓提取方法，如，Canny, Sobel等方法。消除輪廓毛刺采用形態(tài)學(xué)的腐蝕和膨脹操作方法。步驟二，對(duì)于步驟一中提取的輪廓進(jìn)行轉(zhuǎn)換使用傅立葉描述子(FDs)將步驟一中提取的輪廓從空域中轉(zhuǎn)換為頻域中。給定t時(shí)刻圖像序列中的一幅圖像，St是其中一個(gè)輪廓,令Xt = {(xtl，ytl)，(xt27yt2)，...，(xtK，ytKM表示從St中按照逆時(shí)針方向抽樣的點(diǎn)序列，那么輪廓St可以表示為復(fù)平面上的點(diǎn)序列ct(u) = xtu+ytuj, u = 1,2,3, ...,K; (I)這里X軸作為實(shí)軸，y軸為虛軸。對(duì)于閉合輪廓，能夠表示為周期信號(hào)，即ct (u+M)= Ct(U)這里M是K的倍數(shù)。因?yàn)镃t(U)是周期信號(hào)那么可以對(duì)其使用離散傅里葉變換(DFT)，
權(quán)利要求
1.一種用于圖像序列中微小目標(biāo)輪廓降噪的方法，該方法包括如下步驟 步驟一，從目標(biāo)的圖像序列中使用輪廓提取方法提取目標(biāo)輪廓，對(duì)輪廓進(jìn)行預(yù)處理，消除輪廓毛刺，并使輪廓閉合； 步驟二，使用傅立葉描述子將步驟一中提取的輪廓從空域中轉(zhuǎn)換為頻域中； 步驟三，使用基于常加速模型的卡爾曼濾波器對(duì)步驟二的傅立葉描述子的實(shí)部和虛部分別進(jìn)行濾波； 步驟四，對(duì)步驟三濾波后的傅立葉描述子進(jìn)行逆變換，最終得到降噪后的輪廓；對(duì)于后續(xù)的圖像幀重復(fù)步驟一至步驟四。
2.根據(jù)權(quán)利要求I所述的用于圖像序列中微小目標(biāo)輪廓降噪的方法，其特征是，所述消除輪廓毛刺是采用形態(tài)學(xué)的腐蝕和膨脹操作消除圖像輪廓中的毛刺。
3.根據(jù)權(quán)利要求I所述的用于圖像序列中微小目標(biāo)輪廓降噪的方法，其特征是，所述輪廓提取方法采用坎尼(Canny)輪廓提取方法或索貝爾(Sobel)輪廓提取方法。
4.根據(jù)權(quán)利要求I所述的用于圖像序列中微小目標(biāo)輪廓降噪的方法，其特征是，所述的卡爾曼濾波器是指利用假設(shè)的運(yùn)動(dòng)模型對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)的濾波器。
全文摘要
本發(fā)明公開了一種用于圖像序列中微小目標(biāo)輪廓降噪的方法，步驟為一，從目標(biāo)的圖像序列中提取目標(biāo)輪廓，對(duì)輪廓進(jìn)行處理，消除輪廓毛刺，并使輪廓閉合；二，使用傅立葉描述子將步驟一中提取的輪廓從空域中轉(zhuǎn)換為頻域中；三，使用基于常加速模型的卡爾曼濾波器對(duì)步驟二的傅立葉描述子的實(shí)部和虛部分別進(jìn)行濾波；四，對(duì)步驟三所得濾波后的傅立葉描述子進(jìn)行逆變換，最終得到降噪后的輪廓。本發(fā)明對(duì)于靜態(tài)目標(biāo)和機(jī)動(dòng)目標(biāo)同樣有效，解決了在空間環(huán)境下，所獲取的圖像對(duì)比度強(qiáng)，空間遠(yuǎn)距離目標(biāo)靜止和機(jī)動(dòng)情況下對(duì)其輪廓降噪的問題，并該方法也可用于較大輪廓的降噪。該方法計(jì)算量小，較為魯棒不易發(fā)散，易于進(jìn)行嵌入式移植。
文檔編號(hào)G06T5/00GK102663699SQ201210102449
公開日2012年9月12日 申請(qǐng)日期2012年4月10日 優(yōu)先權(quán)日2012年4月10日
發(fā)明者劉伯文, 吳建民, 翟鳴 申請(qǐng)人:中國(guó)航空無線電電子研究所