一種結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法
【專(zhuān)利摘要】本發(fā)明提供一種結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法，首先采用高斯平滑濾波對(duì)待處理圖像進(jìn)行預(yù)處理以去除噪聲對(duì)后續(xù)算法的影響，其次采用模糊C均值聚類(lèi)算法FCM對(duì)上述平滑后的圖像進(jìn)行分割，獲得二值圖像，對(duì)分割后獲得的二值圖像進(jìn)行Hough變換，檢測(cè)出目標(biāo)上直線(xiàn)特征明顯的部分，而對(duì)于目標(biāo)上線(xiàn)特征不明顯的部分采用骨架提取獲得特征點(diǎn)，再對(duì)骨架上的特征點(diǎn)進(jìn)行直線(xiàn)擬合，獲得目標(biāo)軸線(xiàn)，將上述獲得的軸線(xiàn)所在直線(xiàn)的交點(diǎn)作為初始跟蹤點(diǎn)，隨后在該點(diǎn)一定鄰域內(nèi)計(jì)算分布場(chǎng)，當(dāng)下一幀來(lái)臨時(shí)搜索該鄰域內(nèi)的最佳位置，從而獲得當(dāng)前最佳的跟蹤點(diǎn)。本發(fā)明解決了模糊性問(wèn)題，實(shí)現(xiàn)了對(duì)姿態(tài)變化較大情況下的擴(kuò)展目標(biāo)進(jìn)行穩(wěn)定跟蹤。
【專(zhuān)利說(shuō)明】一種結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種機(jī)動(dòng)擴(kuò)展目標(biāo)跟蹤方法，特別是一種利用Hough變換、骨架提取特征點(diǎn)和分布場(chǎng)來(lái)跟蹤機(jī)動(dòng)擴(kuò)展目標(biāo)的方法，主要用于圖像處理、計(jì)算機(jī)視覺(jué)。屬于光電測(cè)量系統(tǒng)中目標(biāo)探測(cè)跟蹤【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]在光電測(cè)量系統(tǒng)中，為了提高跟蹤精度，探測(cè)器的視場(chǎng)都比較小，目標(biāo)尺寸又偏大。因此在探測(cè)器中，目標(biāo)呈現(xiàn)擴(kuò)展的形態(tài)。遠(yuǎn)距離目標(biāo)成像，由于大氣湍流、系統(tǒng)抖動(dòng)和光學(xué)系統(tǒng)的像差等降質(zhì)因素導(dǎo)致目標(biāo)在系統(tǒng)的成像非常模糊，對(duì)比度差；此外，目標(biāo)無(wú)紋理信息，形狀各異，無(wú)表征和識(shí)別目標(biāo)的特征信息。目標(biāo)還存在姿態(tài)變化明顯的特點(diǎn)，隨著目標(biāo)姿態(tài)的變化，跟蹤點(diǎn)也會(huì)隨之發(fā)生漂移。選取穩(wěn)定的特征點(diǎn)進(jìn)行鎖定跟蹤，是擴(kuò)展目標(biāo)跟蹤面臨的一大難題。
[0003]目前，常用的針對(duì)擴(kuò)展目標(biāo)的算法是匹配，包括灰度、特征等方面的匹配。由于目標(biāo)的運(yùn)動(dòng)，目標(biāo)可能出現(xiàn)大小、形狀、姿態(tài)等變化，加上背景、光照等各種干擾，以及圖像處理最小計(jì)量單位的精度問(wèn)題，匹配跟蹤得不到絕對(duì)最佳的匹配位置，這會(huì)帶來(lái)跟蹤點(diǎn)的漂移。由于目標(biāo)無(wú)紋理和顯著特征，姿態(tài)變化較大，而傳統(tǒng)的基于灰度特征的跟蹤方法當(dāng)目標(biāo)出現(xiàn)較大姿態(tài)變化時(shí)容易跟丟目標(biāo)，不能滿(mǎn)足實(shí)際應(yīng)用的要求，因此迫切需要研究新的方法以適應(yīng)跟蹤的工程應(yīng)用需求。

【發(fā)明內(nèi)容】

[0004]本發(fā)明技術(shù)解決問(wèn)題:針對(duì)現(xiàn)有技術(shù)的不足，提供一種利用Hough變換、骨架提取特征點(diǎn)，同時(shí)結(jié)合分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法，從本質(zhì)上將機(jī)動(dòng)擴(kuò)展目標(biāo)的幾何結(jié)構(gòu)信息抽象出來(lái)，同時(shí)與局部特征相結(jié)合，實(shí)現(xiàn)目標(biāo)在較大姿態(tài)變化下的穩(wěn)定跟蹤。
[0005]為實(shí)現(xiàn)這樣的目的，本發(fā)明的技術(shù)方案:一種利用Hough變換、骨架提取特征點(diǎn)和分布場(chǎng)的擴(kuò)展目標(biāo)跟蹤方法，包括如下步驟:
[0006]步驟一、圖像預(yù)處理:采用高斯平滑濾波對(duì)待處理圖像進(jìn)行處理，去除噪聲的影響，得到濾波后的平滑圖像；
[0007]步驟二、使用模糊C均值聚類(lèi)算法FCM(Fuzzy C-Means Cluster)對(duì)步驟一得到的平滑后的圖像進(jìn)行分割，獲得二值圖像；
[0008]步驟三、利用Hough變換對(duì)步驟二得到的二值圖像進(jìn)行處理，檢測(cè)出飛機(jī)上直線(xiàn)特征明顯部分的直線(xiàn)作為該部分的軸線(xiàn)；
[0009]步驟四、利用骨架提取的方法對(duì)步驟二得到的圖像進(jìn)行處理，提取飛機(jī)上的骨架點(diǎn)后，選取一些特征骨架點(diǎn)進(jìn)行直線(xiàn)擬合，得到的直線(xiàn)作為飛機(jī)上該部分的軸線(xiàn)；
[0010]步驟五、求出步驟三和步驟四得到的軸線(xiàn)方程，計(jì)算這兩條軸線(xiàn)所在直線(xiàn)的交點(diǎn)，將其作為粗跟蹤點(diǎn)；
[0011]步驟六、在步驟五得到的粗跟蹤點(diǎn)周?chē)x取一定鄰域，計(jì)算該區(qū)域的分布場(chǎng)描述子。然后在不同尺度下平滑分布場(chǎng)圖像，獲得目標(biāo)模型。
[0012]步驟七、當(dāng)下一幀來(lái)臨時(shí)，根據(jù)上一幀得到的目標(biāo)模型搜索當(dāng)前幀中跟蹤框的最佳位置，將跟蹤框位置中心作為當(dāng)前幀的最佳跟蹤點(diǎn)。
[0013]其中，所述步驟二中，使用模糊C均值聚類(lèi)算法FCM(Fuzzy C-Means Cluster)對(duì)步驟一得到的平滑后的圖像進(jìn)行分割，獲得二值圖像的方法為:
[0014]步驟(21)、初始化:給定聚類(lèi)類(lèi)別數(shù)C (本發(fā)明中C=2)，設(shè)定迭代停止閾值ε，初始化模糊劃分矩陣u(°),迭代次數(shù)1=0，模糊加權(quán)指數(shù)m (本發(fā)明中m=2);
[0015]步驟(22)、將U(1)代入式(5)，計(jì)算聚類(lèi)中心矩陣V(1):
[0016]
【權(quán)利要求】
1.一種結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法，其特征在于包括如下步驟: 步驟一、圖像預(yù)處理:采用高斯平滑濾波對(duì)待處理的圖像進(jìn)行處理，去除噪聲的影響，得到濾波后的平滑圖像； 步驟二、使用模糊C均值聚類(lèi)算法FCM(Fuzzy C-Means Cluster)對(duì)步驟一得到的平滑后的圖像進(jìn)行分割，獲得二值圖像； 步驟三、利用Hough變換對(duì)步驟二得到的二值圖像進(jìn)行處理，檢測(cè)出飛機(jī)上直線(xiàn)特征明顯部分的直線(xiàn)作為該部分的軸線(xiàn)，即機(jī)翼軸線(xiàn)； 步驟四、利用骨架提取的方法對(duì)步驟二得到的圖像進(jìn)行處理，提取飛機(jī)上的骨架點(diǎn)后，選取一些特征骨架點(diǎn)進(jìn)行直線(xiàn)擬合，得到的直線(xiàn)作為飛機(jī)上該部分的軸線(xiàn)，即機(jī)身軸線(xiàn)；步驟五、求出步驟三和步驟四得到的軸線(xiàn)方程，計(jì)算機(jī)身軸線(xiàn)和機(jī)翼軸線(xiàn)這兩條軸線(xiàn)所在直線(xiàn)的交點(diǎn)，將該交點(diǎn)作為粗跟蹤點(diǎn)； 步驟六、在步驟五得到的粗跟蹤點(diǎn)周?chē)x取一定鄰域，計(jì)算該區(qū)域的分布場(chǎng)描述子，然后在不同尺度下平滑分布場(chǎng)圖像，獲得目標(biāo)模型； 步驟七、當(dāng)下一幀來(lái)臨時(shí)，根據(jù)上一幀得到的目標(biāo)模型搜索當(dāng)前幀中跟蹤框的最佳位置，將跟蹤框位置中心作為當(dāng)前幀最佳跟蹤點(diǎn)。
2.根據(jù)權(quán)利要求1所述的結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法，其特征在于:所述步驟五中，計(jì)算機(jī)身軸線(xiàn)和機(jī)翼軸線(xiàn)這兩條軸線(xiàn)所在直線(xiàn)的交點(diǎn)的過(guò)程為: 經(jīng)過(guò)步驟三和步驟四計(jì)算分別得到的機(jī)身和機(jī)翼軸線(xiàn)所在直線(xiàn)方程為: yl = kl*xl+bl (I)· y2 = k2*x2+b2 (2) 其中kl、bl分別為機(jī)身軸線(xiàn)所在直線(xiàn)的斜率和截距，k2、b2分別為機(jī)翼軸線(xiàn)所在直線(xiàn)的斜率和截距，解上述線(xiàn)性方程組得其交點(diǎn)坐標(biāo)為:
3.根據(jù)權(quán)利要求1所述的結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法，其特征在于:所述步驟六中的一定鄰域是大小為60*60的區(qū)域。
4.根據(jù)權(quán)利要求1所述的結(jié)合骨架特征點(diǎn)和分布場(chǎng)描述子的擴(kuò)展目標(biāo)跟蹤方法，其特征在于:步驟七所述的當(dāng)下一幀來(lái)臨時(shí)，根據(jù)上一幀得到的目標(biāo)模型搜索當(dāng)前幀中跟蹤框的最佳位置，將跟蹤框位置中心作為當(dāng)前幀的最佳跟蹤點(diǎn)的具體過(guò)程為: (41)當(dāng)下一幀來(lái)臨時(shí)，根據(jù)上一幀目標(biāo)位置重現(xiàn)估算當(dāng)前幀中跟蹤框起始點(diǎn)，然后在起點(diǎn)周?chē)泥徲騼?nèi)搜索與上一幀的分布場(chǎng)圖像的歐式距離，將最小距離對(duì)應(yīng)的起點(diǎn)作為當(dāng)前幀中跟蹤框的起始點(diǎn)，繼續(xù)搜索，直到找不到最小的點(diǎn)為止，該點(diǎn)作為當(dāng)前幀的最終跟蹤框的起始點(diǎn)； (42)更新目標(biāo)模型。
【文檔編號(hào)】G06T7/20GK103854290SQ201410115395
【公開(kāi)日】2014年6月11日 申請(qǐng)日期:2014年3月25日 優(yōu)先權(quán)日:2014年3月25日
【發(fā)明者】胡錦龍, 彭先蓉, 李紅川, 魏宇星, 祁小平 申請(qǐng)人:中國(guó)科學(xué)院光電技術(shù)研究所