一种基于红外图像的弱小运动目标检测方法技术

本发明专利技术公开了一种基于红外图像的弱小运动目标检测方法。本发明专利技术所述方法分为中值背景差图像生成、累积差图像生成、差图像分割、周期性运动区域的消除以及虚假目标剔除几个步骤。具体为：为每个象素建立灰度直方图统计其在最近一段时间内，在各灰度级上出现的频数，并计算中值，得到中值背景，与检测帧作绝对值帧差得到中值背景差图像；对相邻两帧图像连续作帧差，累积相加差图像得到累积差图像；消除周期性运动区域干扰，突出真实运动目标；利用目标运动、灰度一致性寻找合理目标轨迹。本发明专利技术所述方法能远距离、准确地、昼夜不间断地进行弱小运动目标检测，具有高实时性、高鲁棒性，且易于推广到诸如军用机器人战场侦察、视频监控等应用领域。

【技术实现步骤摘要】

本专利技术属于计算机视觉、图像分析领域，特别是一种基于红外图像的弱小运动目 标检测方法。
技术介绍
基于红外图像的弱小运动目标检测是航天、军事领域上重要检测技术。目前已渗 透到了一些民用领域，如视频监控，航空、海上安防等。近年来，索马里海盗劫船事件屡屡发 生，我国去年开始相继派遣数艘战舰为各国商务船只护航。但由于海域辽阔，发挥的实际 作用较为有限，更多的只是威慑作用，大多数船只需要自身发现周边的可疑船只，提前作好 防范准备，红外图像的弱小运动目标检测为尽早发现和防范海盗的侵袭提供了一条有效途 径。由上分析，近年来，弱小目标检测技术成为信息处理的一个热门课题，国内外学者围绕 这一问题进行了广泛而深入的研究，提出了许多检测算法，如基于三维匹配滤波算法，基于 投影变换算法，基于全局搜索算法，基于多级假设检验算法，基于动态规划算法，基于神经 网络算法，基于概率统计最大似然比算法，给予相位信息算法，基于马尔科夫变换算法，给 予高阶相关算法，基于遗传算法以及基于管道滤波、图像流方法。但是上述方法不能准确 的、昼夜不间断的对弱小目标进行检测，时间复杂度比较高，不能进行实时处理，且系统配 置复杂，硬件成本比较高，不易于大规模推广。
技术实现思路
本专利技术所解决的技术问题在于提供。实现本专利技术目的的技术解决方案为一种基于红外图像的弱小运动目标检测方 法，包括以下步骤步骤1、对接收到的红外图像进行中值背景差处理，得到中值背景，之后将中值背 景与检测帧作绝对值帧差；步骤2、生成累积差图像，对相邻两帧图像连续作绝对值帧差，并将差图像累积相 加得到累积差图像；步骤3、对差图像进行分割，选取阈值分割中值背景差图像和累积差图像；步骤4、对中值背景差图像和累积差图像进行二值化处理，得到二值化图像，之 后利用周期性约束对两二值化图像进行处理，消除周期性运动区域干扰，突出真实运动目 标；步骤5、利用目标运动轨迹的连续性和灰度一致性对得到的运动目标进行检测，消 除虚假目标，得到合理目标运动轨迹。本专利技术与现有技术相比，其显著优点1)使用中值背景和累积帧差两种统计技术 能较鲁棒的突出微弱运动区域；幻使用图像异或思想能有效剔除树木、旗帜等周期性晃动 物体，；3)利用目标灰度、运动的一致性能进一步有效剔除噪声区域；4)算法能准确检测3 个象素面积的目标，为远距离目标的检测提供了可靠保障力)适用于红外图像，可昼夜不间断地进行弱小运动目标检测；6)时间复杂度低，能实时处理；7)系统配置简单、易于大规 模推广到诸如军用机器人战场侦察、视频监控等应用领域。下面结合附图对本专利技术作进一步详细描述。附图说明图1是本专利技术的算法结构图。图2是周期性区域消除，其中图(a)是ItlI1I2…1 周期累积差图像二值化图，图(b) 是InIn+1In+2…12 周期累积差图像二值化图，图(C)是图(a)和图(b)的异或图像。图3是轨迹筛选图，其中图(a)是全轨迹图，图(b)是按角度和灰度变化约束删减 后的轨迹图，图(c)是按目标最大速度约束进一步删减后的轨迹图。图4是几种典型天气条件下的小目标检测结果图，其中图(a)是白天序列，图(b) 晚上序列，图(c)阴雨天序列。具体实施例方式结合图1，本专利技术的，包括以下步骤步骤1、对接收到的红外图像进行中值背景差处理，得到中值背景，之后将中值背 景与检测帧作绝对值帧差；对接收到的红外图像进行中值背景差处理具体包括以下步骤步骤11、采用灰度直方图计算历史N帧象素点中灰度值的中值，象素灰度级为0到 255，从直方图中得到中值方法是灰度级从低到高的累加，所有经过的灰度级的频数f，当f >=N/2,累计停止，当前对应的灰度级即为中值；步骤12、用循环队列保存N帧图像，用以动态更新每个象素的灰度直方图；对每个 象素的灰度直方图进行动态更新时，即当处理第K帧时，将第K-I帧对应的直方图作如下更 新根据第K-N帧各象素灰度值将灰度直方图上的对应灰度级的频数减1，根据第K帧各象 素灰度值将灰度直方图上的对应灰度级的频数加1，上述K > N步骤13、建立一幅与原图等宽高的图像，每个象素取对应象素直方图的中值，得到 中值背景，将检测帧与中值背景作绝对值帧差，得到中值背景差图像。步骤2、生成累积差图像，对相邻两帧图像连续作绝对值帧差，并将差图像累积相 加得到累积差图像；生成累积差图像具体包括以下步骤步骤21、对保存的N帧图像相邻两帧图像两两作平方差，并将平方差值累积到一 幅空图像中；步骤22、对累计图像进行更新处理从累积图像中减去时间最久两帧的平方差 值，再加上新图像与前一帧的平方差值，从而完成累积图像的更新；步骤23、求取累积差图像，即将N个差图像累积相加求均值。步骤3、对差图像进行分割，选取阈值分割中值背景差图像和累积差图像；对差图 像进行分割具体包括以下步骤步骤31、对中值背景差图像和累加差图像均采用阈值Th = u+3 σ进行二值化，其 中1 是采用的阈值，u是各自差图像的均值，σ是各自差图像的标准差；步骤32、使用3X3空域中值滤波去除噪声。步骤4、对中值背景差图像和累积差图像进行二值化处理，得到二值化图像，之后利用周期性约束对两二值化图像进行处理，消除周期性运动区域干扰，突出真实运动目标; 利用周期性约束对两二值化图像进行处理具体为步骤41、设定周期性运动区域的周期T，所述周期T为持续的图像帧数，之后对两 段累积图像分别进行二值分割；上述周期T根据具体应用情况而定。步骤42、对上述两幅二值化图像进行“异或”运算，得到异或图像，即两图像对应象 素灰度值相同则异或图像对应象素为0，否则为255 ；步骤43、使用中值背景差图像与异或图像进行“与”运算，得到与图像，“与”运算 时，即两图像对应象素灰度值都为255则与图像对应象素为255，否则为0 ；步骤44 使用wXw空域中值滤波去除噪声，w为模板参数。步骤5、利用目标运动轨迹的连续性和灰度一致性对得到的运动目标进行检测，消 除虚假目标，得到合理目标运动轨迹。利用目标运动轨迹的连续性和灰度一致性对得到的 运动目标进行检测包括以下步骤步骤51、保存运动目标检测的前k帧检测结果，将前k帧中每个区域都作为真实目 标上报；步骤52、从第k+Ι帧开始，对每个区域进行判定，判定其是否可以作为真实目标上 报，即将每个区域与前k帧中的区域进行轨迹关联，使用灰度约束、角度约束、速度约束找 出合理的运动轨迹，所述合理的运动轨迹为满足目标灰度一致性和运动轨迹的连续性要求 的轨迹，当且仅当存在至少一条合理的轨迹时，该区域才允许作为目标上报。下面结合附图对本专利技术作进一步详细描述第一步中值背景差图像生成差图像基本原理是将相邻的两图像做差分(减法)运算，则在得到的图像(称为 差图像)中，不变的部分被消除了，留下的仅仅是变化的部分，此变化即是由运动或噪声引 起的，通过分析该变化的部分可发现运动目标。差图像主要有3种方法，它们分别是与序列 中的第一幅作差，与背景图像作差和与前一幅图像作差。与第一幅图像作差，在时间相隔较 长时不易消除光线和噪声的干扰。与背景图像作差，需要时时生成背景图像，有时难以得到 稳定的背景图像；与前一幅图像作差，能很好地避免光照变化等的影响；但在目标移动速 度较慢时，容易得到残破的目标区域。实本文档来自技高网...

【技术保护点】
一种基于红外图像的弱小运动目标检测方法，其特征在于，包括以下步骤：步骤１、对接收到的红外图像进行中值背景差处理，得到中值背景，之后将中值背景与检测帧作绝对值帧差；步骤２、生成累积差图像，对相邻两帧图像连续作绝对值帧差，并将差图像累积相加得到累积差图像；步骤３、对差图像进行分割，选取阈值分割中值背景差图像和累积差图像；步骤４、对中值背景差图像和累积差图像进行二值化处理，得到二值化图像，之后利用周期性约束对两二值化图像进行处理，消除周期性运动区域干扰，突出真实运动目标；步骤５、利用目标运动轨迹的连续性和灰度一致性对得到的运动目标进行检测，消除虚假目标，得到合理目标运动轨迹。

【技术特征摘要】

【专利技术属性】
技术研发人员：王欢，任明武，唐振民，赵春霞，陆建峰，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：84