基于在線稀疏的紅外圖像冗余信息剔除方法與裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及紅外圖像處理領(lǐng)域，具體而言涉及一種基于在線稀疏的紅外圖像冗余 信息剔除方法與裝置，用于在動(dòng)目標(biāo)檢測(cè)中剔除紅外圖像背景的冗余信息。
【背景技術(shù)】
[0002] 紅外動(dòng)目標(biāo)檢測(cè)面臨的環(huán)境復(fù)雜，云層、建筑、樹木、地形起伏等背景呈現(xiàn)明顯的 非線性、非平穩(wěn)分布特性，這些背景的邊緣灰度突變使得傳統(tǒng)的小目標(biāo)檢測(cè)算法的性能大 都嚴(yán)重下降。采用非線性算法能較好的適應(yīng)復(fù)雜背景，但這類算法運(yùn)算量很大，無法滿足實(shí) 時(shí)性的要求。
[0003] 基于機(jī)器學(xué)習(xí)的背景抑制算法，將原始圖像中像素點(diǎn)的灰度值視為樣本，利用機(jī) 器學(xué)習(xí)算法預(yù)測(cè)出圖像的背景，然后用原始圖像減去預(yù)測(cè)出來的背景，得到只有目標(biāo)和少 量背景的殘差圖像，達(dá)到抑制背景、增強(qiáng)目標(biāo)的目的，最后在殘差圖像上進(jìn)行門限檢測(cè)完成 目標(biāo)分割。
[0004] 但現(xiàn)有的文獻(xiàn)中，例如 "Online Sparse IR Background Estimation via KRLS"（朱斌等著，載于IEEE 2010 ICIA，June20-23)，利用KRLS算法進(jìn)行在線稀疏的紅外 背景估計(jì)，其中對(duì)估計(jì)算法前的樣本數(shù)據(jù)進(jìn)行了 ALD測(cè)試，從而降低后續(xù)估計(jì)算法的數(shù)據(jù) 處理量、提高估計(jì)的準(zhǔn)確性，但該估計(jì)方法中針對(duì)每幀圖像的每一個(gè)樣本均進(jìn)行了 ALD測(cè) 試，沒有加以區(qū)分，即對(duì)復(fù)雜背景和不復(fù)雜背景均進(jìn)行ALD測(cè)試，做了很多無用功，這一處 理無形中更增加了樣本數(shù)據(jù)前期處理的負(fù)擔(dān)，影響在線稀疏的運(yùn)行效率，這是目前希望看 到改進(jìn)的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的在于提供一種基于在線稀疏的紅外圖像冗余信息剔除方法與裝置，對(duì) 紅外圖像序列進(jìn)行稀疏表示，剔除背景中大量的冗余信息，高效表示紅外圖像，提高后續(xù)檢 測(cè)算法的運(yùn)算效率與預(yù)測(cè)準(zhǔn)確性。
[0006] 本發(fā)明的上述目的通過獨(dú)立權(quán)利要求的技術(shù)特征實(shí)現(xiàn)，從屬權(quán)利要求以另選或有 利的方式發(fā)展獨(dú)立權(quán)利要求的技術(shù)特征。
[0007] 為達(dá)成上述目的，本發(fā)明所采用的技術(shù)方案如下：
[0008] -種基于在線稀疏的紅外圖像冗余信息剔除方法，包括以下步驟：
[0009] 步驟1、對(duì)連續(xù)輸入的圖像幀構(gòu)造訓(xùn)練樣本；
[0010] 步驟2、判斷輸入圖像是否背景復(fù)雜：如果是，則進(jìn)行冗余信息剔除，如果否，則結(jié) 束冗余信息剔除；
[0011] 步驟3、冗余信息剔除，其包括：
[0012] 步驟3-1、使用構(gòu)造方式創(chuàng)建一個(gè)空字典Dtl，定義所有樣本向量的系數(shù)都為零；
[0013] 步驟3-2、以在線運(yùn)行方式并根據(jù)ALD判斷準(zhǔn)則剔除冗余樣本向量，保留有效樣本 向量。
[0014] 進(jìn)一步的實(shí)施例中，前述步驟1的構(gòu)造訓(xùn)練樣本，其實(shí)現(xiàn)包括：
[0015] 對(duì)于連續(xù)輸入的圖像幀，所構(gòu)造的訓(xùn)練樣本中的第i個(gè)輸入樣本是由第i幀圖像 中像素點(diǎn)（m，η)及其周圍預(yù)測(cè)窗口區(qū)域的灰度值構(gòu)成的（ Xi，yi)，其中Xi是由像素點(diǎn)（m，η) 周圍預(yù)測(cè)窗口區(qū)域內(nèi)的灰度值構(gòu)成的向量A = (?,?;，?，ρ為預(yù)測(cè)窗口內(nèi)的除目標(biāo)以 外的像素點(diǎn)數(shù)目，Yi是像素點(diǎn)（m，η)的原始灰度值。
[0016] 進(jìn)一步的實(shí)施例中，前述預(yù)測(cè)窗口為矩形預(yù)測(cè)窗口，窗口大小為（2q+l) X (2q+l)， q為正整數(shù)。
[0017] 進(jìn)一步的實(shí)施例中，前述預(yù)測(cè)窗口為準(zhǔn)圓形預(yù)測(cè)窗口。
[0018] 進(jìn)一步的實(shí)施例中，前述步驟2中背景復(fù)雜度的判斷包括以下步驟：
[0019] 步驟2-1、定義起伏系數(shù)Θ (m，n)，表示圖像中像素點(diǎn)（m，n)與其右側(cè)和下方兩個(gè) 相鄰的像素點(diǎn)的灰度差值之和，即：
[0020] Θ (m, η) = Δ Dr (m, η) + Δ Dd (m, η) (I)
[0021] 式中，ADr(m, η) = D(m, n)-D(m, n+1), ADd(m, η) = D(m, n)-D(m+l, η)，分別表示 像素點(diǎn)（m，n)與其右側(cè)和下方像素點(diǎn)的灰度差值；
[0022] 對(duì)整幅圖像，利用背景平均起伏系數(shù)以下式來定義：
【主權(quán)項(xiàng)】
1. 一種基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于，包括以下步驟： 步驟1、對(duì)連續(xù)輸入的圖像幀構(gòu)造訓(xùn)練樣本； 步驟2、判斷輸入圖像是否背景復(fù)雜：如果是，則進(jìn)行冗余信息剔除，如果否，則結(jié)束冗 余信息剔除； 步驟3、冗余信息剔除，其實(shí)現(xiàn)包括： 步驟3-1、使用構(gòu)造方式創(chuàng)建一個(gè)空字典Dtl，定義所有樣本向量的系數(shù)都為零； 步驟3-2、以在線運(yùn)行方式并根據(jù)ALD判斷準(zhǔn)則剔除冗余樣本向量，保留有效樣本向 量。
2. 根據(jù)權(quán)利要求1所述的基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于， 前述步驟1的構(gòu)造訓(xùn)練樣本，其實(shí)現(xiàn)包括： 對(duì)于連續(xù)輸入的圖像幀，所構(gòu)造的訓(xùn)練樣本中的第i個(gè)輸入樣本是由第i幀圖像中像 素點(diǎn)（m，η)及其周圍預(yù)測(cè)窗口區(qū)域的灰度值構(gòu)成的（Xi，yi)，其中Xi是由像素點(diǎn)（m，η)周圍 預(yù)測(cè)窗口區(qū)域內(nèi)的灰度值構(gòu)成的向量x,_ =(?,?;，\)『，P為預(yù)測(cè)窗口內(nèi)的除目標(biāo)以外的 像素點(diǎn)數(shù)目，Yi是像素點(diǎn)（m，η)的原始灰度值。
3. 根據(jù)權(quán)利要求1所述的基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于， 前述預(yù)測(cè)窗口為矩形預(yù)測(cè)窗口，窗口大小為（2q+l) X (2q+l) , q為正整數(shù)。
4. 根據(jù)權(quán)利要求1所述的基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于， 前述預(yù)測(cè)窗口為準(zhǔn)圓形預(yù)測(cè)窗口。
5. 根據(jù)權(quán)利要求1所述的基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于， 前述步驟2中背景復(fù)雜度的判斷包括以下步驟： 步驟2-1、定義起伏系數(shù)Θ (m，n)，表示圖像中像素點(diǎn)（m，n)與其右側(cè)和下方兩個(gè)相鄰 的像素點(diǎn)的灰度差值之和，即： Θ (m, η) = Δ Dr (m, η) + Δ Dd (m, η) (I) 式中，ADr(m，n) =D(m，n)-D(m，n+l)，ADd(m，n) =0〇11，11)-〇(111+1，11)，分別表示像素 點(diǎn)（m，n)與其右側(cè)和下方像素點(diǎn)的灰度差值； 對(duì)整幅圖像，利用背景平均起伏系數(shù)以下式來定義：
(2) 式中，Μ，N為圖像的大小； 步驟2-2、將對(duì)空紅外圖像中的背景起伏狀況劃分為以下3個(gè)程度： a. 均勻：0 < Θ彡4 ; b. 稍有起伏：4 < Θ < 5. 5 ; c. 劇烈起伏：Θ > 5. 5 ; 步驟2-3、計(jì)算輸入圖像的第一幀的背景平均起伏系數(shù)Θ，當(dāng)Θ >5. 5時(shí)判斷為背景 復(fù)雜，需要進(jìn)行冗余信息剔除；當(dāng)Θ <5. 5時(shí)判斷為背景不復(fù)雜，不需要剔除冗余信息，結(jié) 束冗余信息剔除。
6. 根據(jù)權(quán)利要求1所述的基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于， 前述步驟3中，如果新到樣本向量與字典中的樣本向量之間不符合ALD準(zhǔn)則，則將該樣本向 量加入到字典中；如果新到樣本向量與字典中的樣本向量之間滿足ALD準(zhǔn)則，則將其剔除， 不加入字典。
7. 根據(jù)權(quán)利要求1所述的基于在線稀疏的紅外圖像冗余信息剔除方法，其特征在于， 前述步驟3中的以在線運(yùn)行方式并根據(jù)預(yù)設(shè)的判斷準(zhǔn)則剔除冗余樣本向量，其實(shí)現(xiàn)包括以 下步驟： 對(duì)于輸入的一個(gè)新樣本向量xt，以在線運(yùn)行的方式進(jìn)行近似線性相關(guān)測(cè)試： (1) 如果Xt的特征值Φ OO與字典中的樣本向量近似線性相關(guān)，則只考慮這個(gè)樣本對(duì) 后續(xù)算法中預(yù)測(cè)函數(shù)中已存在的系數(shù)產(chǎn)生的影響，將其剔除，即t時(shí)刻的字典為D t = Dt+ Dw為t-1時(shí)刻的字典； (2) 如果Xt的特征值Φ (Xt)與字典中的樣本向量不近似線性相關(guān)，則將其添加進(jìn)字典 Dw，與特征值Φ (Xt)對(duì)應(yīng)的系數(shù)a t也被加入到后續(xù)算法的預(yù)測(cè)函數(shù)中，即t時(shí)刻的字典 為Dt = Dh U {xt}，Dh為t-Ι時(shí)刻的字典。
8. -種基于在線稀疏的紅外圖像冗余信息剔除裝置，其特征在于，包括： 訓(xùn)練樣本構(gòu)造模塊，用于對(duì)連續(xù)輸入的圖像幀構(gòu)造訓(xùn)練樣本； 背景復(fù)雜度判斷模塊，用于判斷前述構(gòu)造的訓(xùn)練樣本是否背景復(fù)雜； 冗余剔除模塊，用于剔除冗余樣本向量，保留有效樣本向量； 所述冗余剔除模塊包括空字典創(chuàng)建模塊、ALD測(cè)試與剔除模塊，其中： 空字典創(chuàng)建模塊，用于使用構(gòu)造方式創(chuàng)建一個(gè)空字典Dtl，定義所有樣本向量的系數(shù)都 為零； ALD測(cè)試與剔除模塊，用于以在線方式運(yùn)行并根據(jù)ALD準(zhǔn)則剔除冗余樣本向量，保留有 效樣本向量。
9. 根據(jù)權(quán)利要求8所述的基于在線稀疏的紅外圖像冗余信息剔除裝置，其特征在于， 前述背景復(fù)雜度判斷模塊包括背景平均起伏系數(shù)定義模塊、背景起伏狀況定義模塊以及背 景起伏判斷模塊，其中： 背景平均起伏系數(shù)定義模塊用于根據(jù)某一像素點(diǎn)（m，η)的起伏系數(shù)Θ (m，n)定義整幅 圖像背景平均起伏系數(shù)Θ，起伏系數(shù)Θ (m，η)表示像素點(diǎn)（m，η)與其右側(cè)和下方兩個(gè)相鄰 的像素點(diǎn)的灰度差值之和，即： Θ (m, η) = Δ Dr (m, η) + Δ Dd (m, η) 式中，ADr(m，n) =D(m，n)-D(m，n+l)，ADd(m，n) =0〇11，11)-〇(111+1，11)，分別表示像素 點(diǎn)（m，n)與其右側(cè)和下方像素點(diǎn)的灰度差值； 整幅圖像背景平均起伏系數(shù)Θ表示為：
式中，M，N為圖像的大??； 背景起伏狀況定義模塊用于將對(duì)空紅外圖像中的背景起伏狀況劃分為以下3個(gè)程度： a. 均勻：0 < Θ彡4 ; b. 稍有起伏：4 < Θ < 5. 5 ; c. 劇烈起伏：Θ > 5. 5 ; 背景起伏判斷模塊用于計(jì)算輸入圖像的第一幀的背景平均起伏系數(shù)Θ并根據(jù)前述背 景起伏狀況定義模塊設(shè)定的起伏程度決定是否背景復(fù)雜：當(dāng)θ >5. 5時(shí)判斷為背景復(fù)雜， 需要進(jìn)行冗余信息剔除；當(dāng)Θ <5. 5時(shí)判斷為背景不復(fù)雜，不需要剔除冗余信息。
【專利摘要】本發(fā)明提供一種基于在線稀疏的紅外圖像冗余信息剔除方法，包括以下步驟：步驟1、對(duì)連續(xù)輸入的圖像幀構(gòu)造訓(xùn)練樣本；步驟2、判斷輸入圖像是否背景復(fù)雜：如果是，則進(jìn)行冗余信息剔除，如果否，則結(jié)束冗余信息剔除；步驟3、冗余信息剔除，其實(shí)現(xiàn)包括：步驟3-1、使用構(gòu)造方式創(chuàng)建一個(gè)空字典D0，定義所有樣本向量的系數(shù)都為零；步驟3-2、以在線運(yùn)行方式并根據(jù)ALD判斷準(zhǔn)則剔除冗余樣本向量，保留有效樣本向量。本發(fā)明還涉及一種基于在線稀疏的紅外圖像冗余信息剔除裝置。采用本發(fā)明的上述方案，可剔除雜波背景中的冗余信息，從而高效表示紅外圖像，提高算法的運(yùn)算效率與預(yù)測(cè)準(zhǔn)確性，同時(shí)減小后續(xù)處理量和提高預(yù)測(cè)準(zhǔn)確性。
【IPC分類】G06K9-66, G06T7-00
【公開號(hào)】CN104766298
【申請(qǐng)?zhí)枴緾N201410566420
【發(fā)明人】朱斌, 程正東, 樊祥, 馬東輝, 馮一, 李曉霞, 方義強(qiáng), 施展, 張發(fā)強(qiáng), 郭宇翔, 鄧潘
【申請(qǐng)人】中國人民解放軍電子工程學(xué)院
【公開日】2015年7月8日
【申請(qǐng)日】2014年10月22日