一种基于自适应背景划分的点目标检测算法

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

第33卷第1期红外技术Vol.33No.12011年1月InfraredTechnologyJan.201132〈图像处理与仿真〉一种基于自适应背景划分的点目标检测算法李丹1,2,赵佳1,周姗姗1,周伟1,王明阳1,2(1.中国科学院上海技术物理研究所,上海200083;2.中国科学院红外探测与成像技术重点实验室,上海200083)摘要:针对含有部分复杂地面背景的空中点目标跟踪环境提出一种基于自适应背景划分(AdaptiveBackground-Division)的单帧检测算法。先求出图像的行灰度方差,计算表示灰度分布均匀性差异的划分背景方差比(RDBV),自适应地检测出天空背景边界以屏蔽地面背景;再进行基于空域滤波的单帧检测算法。实验结果表明该算法在保证无漏检的情况下大大降低了潜目标数量,而且对于暗背景和亮背景都同样适用。关键词:单帧检测;自适应背景划分;划分背景方差比;空域滤波;自适应阈值分割中图分类号:TN911.73文献标识码:A文章编号:1001-8891(2011)01-0032-05APoint-targetDetectionAlgorithmBasedonAdaptiveBackground-DivisionLIDan1,2,ZHAOJia1,ZHOUShan-shan1,ZHOUWei1,WANGMing-yang1,2(1.ShanghaiInstituteofTechnicalPhysics,CAS,Shanghai200083,China;2.KeyLaboratoryofInfraredSystemDetectionandImagingTechnique,CAS,Shanghai200083,China)Abstract:Anovelsingle-framedetectionalgorithmbasedonAdaptiveBackground-Divisionisproposedforairpoint-targettrackingundertheenvironmentincludingcomplexgroundscene.Firstly,thegrayvarianceofeachrowoftheimageisfound.Andthen,theRatioofDividedBackgroundVariance(RDBV),representingdifferenceofgraydistributionuniformity,iscalculatedtodetecttheboundaryofskybackgroundadaptively.Finally,thesingle-framedetectionalgorithmbasedonspatialfilterisperformed.Experimentresultsindicatethatthismethodcanreducethenumberofpotentialtargetsgreatlywithoutundetectedtargets,anditisapplicableforbothdarkandlightbackground.Keywords:single-framedetection,adaptivebackground-division,RDBV(RatioofDividedBackgroundVariance),spatialfilter,adaptivethresholdsegmentation引言点目标检测的方法可以概括为两类:单帧检测和多帧检测。其中单帧检测通过空域滤波即可实现,但对图像质量要求较高,通常应用在图像信杂比较高的跟踪环境;而多帧检测不仅要进行空域滤波而且还要进行时域滤波,例如文献[1,2]应用的帧间差分算法,文献[3]给出的多帧累加后屏蔽背景的方法,文献[4,5]中基于先跟踪后检测(TBD,Track-before-detect)思想的方法,和文献[6,7]使用的多帧累加累积目标能量的方法。显然,多帧检测可以适应更恶劣的跟踪环境,但算法复杂度高,需存储和处理的数据量非常大,有一定的时间代价,很难应用于实时跟踪系统。所以需要依据实际跟踪要求,找出一种低信杂比环境下实现单帧检测的点目标检测算法。在跟踪低空目标时,由于电视跟踪系统位置与观测角度的变化会引入部分地面背景。点目标由于距离较远,使得它在跟踪系统像面上所成的像灰度特征不明显,也没有形状、纹理等细节特征,相对的地面背景细节特征多、灰度起伏大,这种情况下点目标的检测变得更加困难。文献[6,8]的研究过程也表明,上述情况下虽然目标所在背景比较单一,但是由于地面背景边缘丰富,而致使在单帧检测中会得到大量潜目标,甚至还会因为目标能量较弱而将其当作干扰滤收稿日期:2010-10-01;修订日期:2010-12-27.作者简介:李丹(1983-),女,河南省商丘市人,博士研究生,主要研究方向为光电成像跟踪技术。基金项目:中科院三期知识创新项目(C1-34)第33卷第1期Vol.33No.12011年1月李丹等:一种基于自适应背景划分的点目标检测算法Jan.201133除。过多的潜目标会给后续的跟踪算法带来很大压力,而真实目标被滤除更是不可容忍的缺点。针对上述情况,本文提出了一种基于自适应背景划分(AdaptiveBackground-Detection)的点目标检测算法。该方法通过划分地空背景,直接将地面的杂波干扰滤除,然后再对均匀的天空背景使用基于空域滤波的单帧检测算法,这实质上是一种基于局部阈值的思想。实验仿真结果表明,该方法在保证无漏检的情况下,大大降低了潜目标的数量,并且有很强的自适应性。该方法对于暗背景(亮目标)和亮背景(暗目标)的检测都同样适用。1目标特征分析从信号处理的角度来说,目标检测就是从众多杂波中将目标的信息的提取出来。然而点目标没有形状、纹理等细节特征,所以在单帧检测中提取点目标的依据无非是点目标与背景的灰度差异。然而在许多情况下,点目标由于距离较远而使得灰度特征会湮没在背景的灰度特征范围内,难以辨认。图1是对从可见光图像序列中截取的一帧大小为320×240的图像所进行的直方图分析。图1(a)是原图,目标为10架迎面飞来的飞机,右面图1(b)为它的灰度直方图,图1(c)为只包含均匀天空背景部分图像的直方图。目标的灰度在图1(b,c)箭头所指区域内。从图1可以看出无论有无地面背景的强杂波的干扰,目标的灰度特征都湮没在了背景灰度范围内。所以单纯关心目标的灰度特征是远远不够的。由于点目标在成像时通常不止一个像素,所以还可以从目标与背景的灰度分布特征的差异加以分析。(a)原始图像(b)全帧(c)天空部分图1图像的灰度直方图Fig.1Imagegray-levelhistogram本文定义面积小于3×3的目标都可以被认作是点目标。通过统计图像数据不难发现天空背景与目标灰度分布大不相同,将两者的5×5邻域灰度分布情况通过图2显示。12345S1S2S3S4S5020406080100120灰度列行12345S1S2S3S4S5020406080100120灰度列行(a)背景(b)目标(a)background(b)target图2背景与目标5×5领域灰度特征分布Fig.2Graydistributionofbackgroundandtargetin5×5field由图2可以看出,背景灰度分布均匀,而目标则呈现为局部极值,并且目标灰度中心与背景间不是突变的,这是因为目标邻近像素间存在相关性。利用这个特点,对图像进行空域滤波便可以实现点目标的检测。2基于空域滤波的点目标检测本文基于空域滤波的点目标检测分3个步骤来实现,先对目标图像进行空域滤波突出小目标,然后进行阈值分割,最后对过阈值点进行4邻接连通区域搜索,提取潜目标。2.1空域滤波本文选用带保护带的Robinson滤波器来实现空域滤波,它保留了靠近目标像素的杂波子集,同时保留了更多目标信息。文献[9]的研究成果表明具有保护带的Robinson滤波器,其突出小目标的能力比不带保护带的Robinson滤波器的效果好。图3(a)、(b)分别表示尺寸为5×5与7×7的带保护带的Robinson滤波模板。设输入目标像素灰度为f(x),输出目标像素灰度为f′(x),则Robinson滤波表达式为:()max[()]()max[()]'()min[()]()()min[()]0min[()]()max[()]iiiiiifxfxfxfxfxfxfxfxfxfxfxfx−⎧⎪=−⎨⎪≤≤⎩(1)第33卷第1期红外技术Vol.33No.12011年1月InfraredTechnologyJan.201134(a)5×5模板(b)7×7模板图3带保护带的Robinson滤波模板Fig.3TemplateofRobinsonGuardFilter从式(1)看出Robinson滤波器是一种非线性的不带参数的空域滤波器,它是通过比较中心像素与其邻域像素极值间的差异来消除干扰的,对暗背景(亮目标)与亮背景(暗目标)有同样的抑制作用。另外文献[10]指出,对于最大为3×3的目标,需使用尺寸为7×7,保护带长为2的滤波模板才能使得滤波结果不失真。2.2改进的自适应阈值分割算法由于Robinson滤波对于不感兴趣的像素直接置零,等于做了一次非线型阈值分割。参照文献[11],对于尺寸为M×N大小的图像的全局阈值通常取:T=a⋅µ+b⋅δ+c(2)式中:a、b、c为常数经验值;µ为背景均值,可以用式(3)得出:()11001,NMijfijMNµ−−===×∑∑(3)式中:δ为背景标准差,其平方值为背景方差,可表示成:()1122001,NMijfijMNδµ−−===−⎡⎤⎣⎦×∑∑(4)由于目标像素增强结果未必高于背景,此处阈值分割的目的是寻找与局部背景差异大的像素作为目标,所以本文直接选择Robinson滤波后被增强的目标点即过零点作为阈值分割的样本集,而不使用全局阈值。设Robinson滤波后的目标点数为R,则式(2)~(4)被改写为:TR=a⋅µR+b⋅δR+c(5)()101RRkfkRµ−==∑(6)()12201RRRkfkRδµ−==−⎡⎤⎣⎦∑(7)综上,自适应阈值分割算法可以表述为:()()()()0RRfxfxTgxfxT′′⎧⎪=⎨′≤⎪⎩(8)2.3目标提取对过阈值亮点寻找其最近连通区域,即四邻接连通。遍历过阈值亮点序列,对于目标亮点g(x),如果亮点g(x′)满足:|x′-x|=1(9)那么,将认为g(x′)与g(x)四邻接连通。对于二维图像,x=(i,j),x′=(i′,j′),则上述条件可描述为:[(i′-i)2+(j′-j)2]1/2=|i′-i|+|j′-j|=1(10)找出目标连通区域后,计算出目标的中心坐标,完成了目标提取。3基于背景划分的点目标检测算法目标图像序列中引入的地面背景,带来了很多高频杂波干扰,导致使用上述检测算法会得到大量的潜目标,这会严重降低后续跟踪算法的实时性;更糟糕的是,还会因为过多高频杂波的干扰,误将目标当作背景干扰在阈值分割时滤除。针对这种情况,本文提出了一种基于自适应背景划分(AdaptiveBackground-Division)的点目标检测算法,这种算法先检测出天空背景边界,然后屏蔽地面背景,直接将大量高频杂波一次性滤除,再使用前文所述的单帧目标检测算法。算法具体流程如图4所示。图4基于背景划分的空中点目标检测流程Fig.4Theprocessofaerialpoint-targetdetectionbasedonAdaptiveBackground-Division在跟踪过程中,观测视角不可能一成不变,所以对天空背景边界的检测要有自适应性。方差可以作为衡量样本集均匀性的标准,对第10帧图像求每行的方差,结果见图5。从图5可以清楚的看到地面背景与天空背景的行灰度方差差别显著,如果能检测出图中虚线位置,即可作为天空背景边界。因此,这里提出划分背景方差比(RDBV,Ratio

1 / 6
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功