運(yùn)動(dòng)小目標(biāo)檢測(cè)方法的研究

運(yùn)動(dòng)小目標(biāo)檢測(cè)方法的研究

序列圖像檢測(cè)在紅外圖像數(shù)據(jù)中，檢測(cè)到的目標(biāo)往往被噪聲和雜波淹沒(méi)。噪波和噪聲充滿整個(gè)圖像，強(qiáng)度非常高，因此檢測(cè)到的目標(biāo)很少。檢測(cè)這些小目標(biāo)是非常困難的。傳統(tǒng)的單幀圖像檢測(cè)很難得到滿意的效果,利用序列圖像來(lái)確認(rèn)真實(shí)的目標(biāo)是解決這一問(wèn)題不可缺少的手段。在紅外成像系統(tǒng)中,尤其是軍事上使用的系統(tǒng)中,圖像的幀頻是比較高的,一般為25~300Hz之間,這意味著在規(guī)定的時(shí)間內(nèi)可以提供一定數(shù)目的序列圖像進(jìn)行檢測(cè),這無(wú)疑會(huì)提高檢測(cè)概率并降低虛警概率。移動(dòng)式管道濾波方法,實(shí)際上就是一種基于序貫處理的多極假設(shè)檢驗(yàn)方法,該算法能有效的從眾多的候選目標(biāo)點(diǎn)中成功的篩選出真實(shí)目標(biāo),可見(jiàn)該檢測(cè)方法是可行的、有效的。1管道固定濾波方法1.1圖像的鄰域長(zhǎng)度移動(dòng)式管道濾波法的基本原理就是根據(jù)目標(biāo)運(yùn)動(dòng)的連續(xù)性,它是在序列圖像的空間位置上以目標(biāo)為中心建立的一個(gè)空間管道,管道的直徑(如果管道是圓形的)代表目標(biāo)周?chē)泥徲虺叽?管道的長(zhǎng)度代表檢測(cè)時(shí)所需的圖像幀數(shù),如圖1所示。例如在第1幀圖像的(x,y)處有目標(biāo),則該目標(biāo)在第n+1幀中必然會(huì)出現(xiàn)在該位置的某一個(gè)小鄰域內(nèi);而噪聲由于分布的隨機(jī)性,在連續(xù)的多幀圖像中并沒(méi)有這種連續(xù)性。1.2總體法上的理論經(jīng)過(guò)預(yù)處理后的圖像,其信噪比得到很大的提高,但最終目的是從被背景噪聲中區(qū)別出目標(biāo)像元。因此可以設(shè)定一個(gè)固定門(mén)限值L,像元值大于L的像元被判定為目標(biāo)像元。這樣的處理方法的關(guān)鍵在于L值的選擇。若L選擇過(guò)低,則可能有較大干擾值未經(jīng)濾波處理衰減到足夠小,且其值超過(guò)L。這樣,此像元?jiǎng)t被誤認(rèn)定為目標(biāo),即成為虛警。相反,若L選擇過(guò)高,則可能有較弱的真目標(biāo)值小于L,被作為非目標(biāo)像元處理掉,因此造成探測(cè)率下降。最佳的選擇是使L隨著背景干擾的參數(shù)而變化,從而保證虛警率為一恒定值,這種L的選擇就是恒虛警率(CFAR)門(mén)限值。一般情況下,紅外圖像背景噪聲的強(qiáng)度分布服從正態(tài)分布律,其概率密度函數(shù)為:式中:X為表示背景噪聲強(qiáng)度的隨機(jī)變量。構(gòu)造一個(gè)新的隨機(jī)變量X1,其數(shù)學(xué)表達(dá)式為:其概率密度函數(shù)為:從式(3)可以看出,X1的概率密度函數(shù)與μ和σ無(wú)關(guān)。σ接近于1,忽略式(2)中的2ln(1/σ),則簡(jiǎn)化為:接下來(lái)的處理方法是選定一個(gè)門(mén)限值L1(也即選定一個(gè)門(mén)限L=L1?σ+μ),若像元值f(i,j)>L,則判定f(i,j)為目標(biāo)像元,并保留該像元值;若f(i,j)≤L,則認(rèn)為f(i,j)為非目標(biāo)像元,并令該像元值為零?，F(xiàn)在的問(wèn)題是如何選定L1,或L=L1?σ+μ,使虛警率為一恒定值。設(shè)虛警率為pf,則根據(jù)Neyman-Pearson準(zhǔn)則可求出pf:在選定虛警率pf之后,由式(5)可求出L1,進(jìn)而得到所需求的門(mén)限值L。例如,若選定pf分別為10-1,10-2,10-3,10-4時(shí),通過(guò)查表我們可以求出L1的值相應(yīng)為:1.29,2.33,3.07,4。待檢測(cè)圖像f的統(tǒng)計(jì)特征(均值μ和標(biāo)準(zhǔn)差σ)的計(jì)算式分別如下:式中:N1,N2分別是待檢測(cè)圖像的行列數(shù)。進(jìn)行以上處理后,能有效的篩選出眾多的候選目標(biāo),但是其真實(shí)性還需要利用移動(dòng)式管道濾波的方法進(jìn)行驗(yàn)證。1.3標(biāo)化一:每一個(gè)像素的目標(biāo)點(diǎn)圖像序列中的候選目標(biāo)除了占幾個(gè)像素的小目標(biāo)外,還有可能存在占像素?cái)?shù)比較多的面目標(biāo)。這在鄰域判決過(guò)程中不僅會(huì)導(dǎo)致計(jì)算量的增加,還可能引起誤檢。如果在序列檢測(cè)之前,先依據(jù)某個(gè)準(zhǔn)則將每一幀圖像中的候選目標(biāo)化為只占一個(gè)像素的目標(biāo)點(diǎn),則可以避免上述問(wèn)題。這個(gè)過(guò)程通常被稱為質(zhì)心選取。所謂質(zhì)心,是指目標(biāo)圖像的灰度中心,它并不是目標(biāo)的形心(幾何中心)。假設(shè)目標(biāo)在二維圖像中的尺寸為M×N,目標(biāo)在位置(i,j)的灰度值為Iij,則該目標(biāo)的質(zhì)心(xc,yc)定義為:式中:xij和yij分別表示目標(biāo)在(i,j)的橫坐標(biāo)和縱坐標(biāo)?？梢?jiàn),質(zhì)心的確定是以目標(biāo)中各個(gè)位置的灰度值為依據(jù)的,它實(shí)際上相當(dāng)于對(duì)目標(biāo)的坐標(biāo)位置進(jìn)行了加權(quán)平均處理,而各個(gè)位置對(duì)應(yīng)的加權(quán)值即為該點(diǎn)的像素灰度值。另外,由于坐標(biāo)位置只能為整數(shù),處理過(guò)程中需要根據(jù)具體情況,對(duì)加權(quán)求和的結(jié)果或者進(jìn)行四舍五入,或者進(jìn)行截?cái)?以得到實(shí)際存在的坐標(biāo)值。1.4序列檢測(cè)算法描述對(duì)圖像中的候選目標(biāo)進(jìn)行了質(zhì)心選取之后,下面將以其質(zhì)心位置代表目標(biāo)的位置,并采用移動(dòng)式管道濾波算法,對(duì)圖像序列中的目標(biāo)進(jìn)行檢測(cè)。一般情況下,對(duì)于機(jī)動(dòng)目標(biāo)可以采用管道濾波的方法,但要預(yù)先知道目標(biāo)的最大運(yùn)動(dòng)速度,以便設(shè)置合理的管徑?；谝苿?dòng)式管道濾波的序列檢測(cè)方法,概括的說(shuō),就是對(duì)于當(dāng)前幀圖像中某個(gè)候選點(diǎn),如果在接下來(lái)的連續(xù)N幀圖像中對(duì)應(yīng)的某個(gè)小鄰域內(nèi)出現(xiàn)可疑點(diǎn)的次數(shù)在K(K<N)次以上,則判定該點(diǎn)為真正的目標(biāo)點(diǎn)。檢測(cè)之前,先做如下假設(shè):1)目標(biāo)的運(yùn)動(dòng)速度在1piexl/frame左右;2)目標(biāo)軌跡的幀間最大弧度為(π/3)radian/s;3)由于傳感器或單幀檢測(cè)時(shí)漏檢等原因,目標(biāo)最大丟失率為5幀中有一幀丟失?；谏鲜黾僭O(shè)條件,本文序列檢測(cè)算法的步驟具體描述如下:(1)對(duì)各參數(shù)進(jìn)行初始化:假定管道所能容納的圖像幀數(shù)為N,以及管道的直徑(鄰域)的大小與形狀等。(2)從序列圖像的第一幀開(kāi)始,連續(xù)輸入N幀。(3)將管道中的第一幀圖像作為當(dāng)前幀,找出該圖像中的所有候選目標(biāo)點(diǎn)Pi(i=1,2,3,…),并記錄它們的坐標(biāo)位置。(4)對(duì)所有的候選目標(biāo)點(diǎn)Pi,到下一幀中觀察其對(duì)應(yīng)的小鄰域內(nèi)是否有可疑目標(biāo)點(diǎn)存在,如果有,則其相應(yīng)的關(guān)于目標(biāo)出現(xiàn)次數(shù)的計(jì)數(shù)器加1,同時(shí)對(duì)目標(biāo)點(diǎn)和可疑目標(biāo)點(diǎn)的位置進(jìn)行比較,判斷位置是否發(fā)生變化,如果有,則其相應(yīng)的關(guān)于目標(biāo)位置變化的計(jì)數(shù)器加1;記錄該幀中的可疑目標(biāo)點(diǎn)的位置,并將其設(shè)為候選目標(biāo)點(diǎn)的當(dāng)前位置;如果沒(méi)有,則跳過(guò)該幀,并轉(zhuǎn)到它的下一幀繼續(xù)搜索,直到管道中的N幀圖像全部搜索完畢。(5)處理完N幀圖像后,判斷每個(gè)計(jì)數(shù)器的輸出值;如果關(guān)于目標(biāo)出現(xiàn)次數(shù)的計(jì)數(shù)器的值大于等于K1和關(guān)于目標(biāo)位置變化的計(jì)數(shù)器的值大于K2同時(shí)成立,則判定計(jì)數(shù)器對(duì)應(yīng)的候選點(diǎn)為目標(biāo),并標(biāo)記其位置;否則將其剔除。(6)更新管道中的圖像:先移出管道中的第一幀圖像,然后將管道中的其余圖像順序前移一幀,最后將進(jìn)入管道中的新一幀圖像放置在管道的末尾處;轉(zhuǎn)置步驟(3)繼續(xù)執(zhí)行判決過(guò)程,直至處理完整個(gè)圖像序列。(7)最后輸出目標(biāo)在圖像中的運(yùn)動(dòng)軌跡。2目標(biāo)運(yùn)動(dòng)軌跡檢測(cè)本文采用了一組序列紅外圖像對(duì)該檢測(cè)算法進(jìn)行了仿真,實(shí)驗(yàn)結(jié)果如圖2。(a)為原始序列圖圖像中的一幀,圖像用矩形框標(biāo)出了真實(shí)的目標(biāo)位置。(b)為對(duì)其先進(jìn)行平滑濾波和雜波抑制后再利用恒虛警門(mén)限進(jìn)行預(yù)檢測(cè)后的結(jié)果,圖像中用矩形框標(biāo)出了候選目標(biāo)點(diǎn)的位置。(c)為利用移動(dòng)式管道濾波算法進(jìn)行目標(biāo)檢測(cè)后最終形成的目標(biāo)運(yùn)動(dòng)軌跡。從實(shí)驗(yàn)結(jié)果可以看到,移動(dòng)式管道濾波算法能有效從眾多的候選目標(biāo)點(diǎn)中成功的篩選出真實(shí)目標(biāo),可見(jiàn)該檢測(cè)方法是可行的,有效的。3目標(biāo)檢測(cè)風(fēng)險(xiǎn)分析移動(dòng)式管道濾波算法是基于目標(biāo)運(yùn)動(dòng)特性的多級(jí)假設(shè)檢驗(yàn)方法,實(shí)驗(yàn)證明此算法能有效