海洋动态背景下视频小目标快速检测的结构张量方法技术

本发明专利技术公开了一种海洋动态背景下视频小目标快速检测的结构张量方法，在实施时，主要在目标图像Ｉ中提取处可能的特征量Ｈ的基础上，再对目标图像Ｉ进行基于特征量Ｈ的目标检测方法的处理，并分三步优化目标检测的过程，将这个检测结果与目标图像Ｉ相邻图像的检测结果相结合，从而提取出最终的目标检测结果。本发明专利技术的使用，可以很好的实现在海洋动态的背景条件下进行小目标的快速检测方法，且本发明专利技术不单单提高了图像处理时的运行速度，还可以进一步保证目标检测的实时性、有效性和视频图像的流畅性的特点。

Structure tensor method for fast detection of small video objects in marine dynamic background

The invention discloses a structure tensor for rapid detection of small target video method of ocean dynamic background, in practice, mainly in the extraction target image I feature based H may be on the target image processing of I target detection method based on H features, process and three steps optimization the target detection, the detection result and target image detection results of I of adjacent images combined to extract the final target detection result. The use of the invention, a rapid detection method can achieve small target in the ocean dynamic background is in good condition under, and the invention not only improves the speed of image processing, can further ensure real-time, effective and smooth video image target detection feature.

【技术实现步骤摘要】

本专利技术涉及机器视觉领域，特别是涉及一种用于在动态背景视频处理的条件下， 实现目标图像中小目标快速检测的结构张量方法。
技术介绍
在视频处理领域中所涉及的快速目标检测方法，主要是一种根据目标与其所处背 景的特征差异，从而依靠设各种快速检测算法寻找出可能的目标。尤其是现在，在视频处理 中使用的快速目标检测方法常被用于对目标进行实时的跟踪。目前，在使用传统的快速检 测方法来搜索目标时，通常都基于下列前提条件背景相对于目标而言是相对静止的；或 者目标与背景的灰度或颜色有较大差异。但在现实生活中便会出现这样的问题，当目标与 背景的状态呈相对运动时，或者不能完全有效的保持相对的静止状态时，使用传统的快速 检测方法对可能的目标进行检测便会出现效果不太理想的问题；而当目标与背景的灰度或 颜色差异不明显时，也会出现使用传统的快速检测方法无法进行有效检测的问题。为此，目 标特征的有效选择对据此设计出的检测算法之性能具有重大影响。且目前在视频处理领域中还会使用结构张量方法，作为一种高效的目标特征量的 提取方法来补充传统快速检测方法的不足，其基本思想是根据不同的物体其局部的纹理 结构特征的不同，实现通过高效提取目标局部的方向性结构信息的方法，进行目标的有效 区分。这是由于现实中的物体，有些局部的纹理明显、有些局部的纹理隐约、有些局部的纹 理细密、有些局部的纹理粗疏；且纹理分布时的方向性也会有所差异，这些差异虽然也受成 像环境的影响，但相对来说这些特征在区别不同物体时更加有效。这种结构张量方法，从实 际效果看，其在局部方向性结构信息提取方面表现甚佳。该方法具体过程是假设图像(或 视频帧)有η个通道，先对每个通道图像中的每个像素逐点提取梯度，其χ与y方向的两分量值分别为Ix，Iy。然后求出每个像素η个通道的η个结构张量矩阵权利要求1.，其特征在于，所述结构张量 方法是通过以下步骤实现的1)在目标图像I及其所在区域ROI中，通过区域ROI中各通道像素的结构张量的算法， 提取出每个像素的特征量H来，且所述特征量H是在目标图像I区域ROI内各通道中的像 素结构张量矩阵5的主对角线元素之和；2)优化目标图像I中基于特征量H的目标检测的结果，实现目标图像I中小目标的快 速检测，主要包括如下的三个优化步骤(201)选择目标图像I中所有的特征量H中的第ρ-百分位上的特征量Hp充当阈值Hp， 从而提取特征量H大于阈值Hp的像素作为目标像素并构成集合O1 ；(202)假设在集合O1中的特征量H相对应的区间内，出现集合O1的像素 频次为频率F，选取集合O1中所有像素的频率F中的第q-百分位上的频率Ftl为阈值F,，从 而提取满足条件频率F小于阈值Ftl的集合O1构成集合& ；(203)删除得到的集合&中孤立的像素，并对满足8-邻域内有相邻点的像素区域进行 合并构成集合O3 ；3)取与目标图像I中相邻的若干个相邻帧的图像，使用步骤1)与步骤幻计算得到这 些相邻图像的集合03，并在这些集合O3中提取出那些共有的交集0，所述交集0便是小目标 快速检测的最终结果。2.根据权利要求1所述的，其特 征在于，所述目标图像I中特征量H的提取是通过以下步骤来实现的1)、首先先整理好所要处理的目标图像，并在每一单帧目标图像中，确定一幅需要提取 特征量H的图像I，以及该图像I所在的区域ROI ；2)、在特征量H的区域ROI内，对各通道内每个像素求出其梯度χ与y方向的两个像素 分量值Ix、Iy，进而计算出像素ΙΛ Iy2的值；3)、对特征量H的区域ROI内各通道的像素Ix2、Iy2值分别求和，得到像素Ixx、Iyy；4)、对特征量H的区域ROI内每个像素的Ixx、Iyy进行滤波，从而求得像素 χχ、 π，并根 据像素 χχ与Tyy的值来提取出区域ROI内每个像素可能的特征量H。3.根据权利要求1所述的，其特 征在于，所述P值为介于0 100之间的整数。4.根据权利要求1所述的，其特 征在于，所述q值为介于0 100之间的整数。5.根据权利要求1所述的，其特 征在于，所述δ的值为(特征量Hmax-特征量Hmin)/n得到的值。6.根据权利要求5所述的所述δ的值，其特征在于，所述特征量Hmax与特征量Hmin分 别为集合O1中像素的特征量H的最大值与最小值。7.根据权利要求5所述的δ的值，其特征在于，所述η为一个大于10的正整数。全文摘要本专利技术公开了一种，在实施时，主要在目标图像I中提取处可能的特征量H的基础上，再对目标图像I进行基于特征量H的目标检测方法的处理，并分三步优化目标检测的过程，将这个检测结果与目标图像I相邻图像的检测结果相结合，从而提取出最终的目标检测结果。本专利技术的使用，可以很好的实现在海洋动态的背景条件下进行小目标的快速检测方法，且本专利技术不单单提高了图像处理时的运行速度，还可以进一步保证目标检测的实时性、有效性和视频图像的流畅性的特点。文档编号G06T7/00GK102087744SQ20101011382公开日2011年6月8日 申请日期2010年2月25日 优先权日2010年2月25日专利技术者任蕾, 冉鑫, 施朝健, 许开宇, 赵冰洁, 陈建彪 申请人:上海海事大学本文档来自技高网...

【技术保护点】
海洋动态背景下视频小目标快速检测的结构张量方法，其特征在于，所述结构张量方法是通过以下步骤实现的：１）在目标图像Ｉ及其所在区域ＲＯＩ中，通过区域ＲＯＩ中各通道像素的结构张量的算法，提取出每个像素的特征量Ｈ来，且所述特征量Ｈ是在目标图像Ｉ区域ＲＯＩ内各通道中的像素结构张量矩阵Ｓ的主对角线元素之和；２）优化目标图像Ｉ中基于特征量Ｈ的目标检测的结果，实现目标图像Ｉ中小目标的快速检测，主要包括如下的三个优化步骤：（２０１）选择目标图像Ｉ中所有的特征量Ｈ中的第ｐ－百分位上的特征量Ｈ↓［ｐ］充当阈值Ｈ↓［ｐ］，从而提取特征量Ｈ大于阈值Ｈ↓［ｐ］的像素作为目标像素并构成集合Ｏ↓［１］；（２０２）假设在集合Ｏ↓［１］中的特征量Ｈ相对应的区间［Ｈ－δ，Ｈ＋δ］内，出现集合Ｏ↓［１］的像素频次为频率Ｆ，选取集合Ｏ↓［１］中所有像素的频率Ｆ中的第ｑ－百分位上的频率Ｆ↓［ｑ］为阈值Ｆ↓［ｑ］，从而提取满足条件频率Ｆ小于阈值Ｆ↓［ｑ］的集合Ｏ↓［１］构成集合Ｏ↓［２］；（２０３）删除得到的集合Ｏ↓［２］中孤立的像素，并对满足８－邻域内有相邻点的像素区域进行合并构成集合Ｏ↓［３］；３）取与目标图像Ｉ中相邻的若干个相邻帧的图像，使用步骤１）与步骤２）计算得到这些相邻图像的集合Ｏ↓［３］，并在这些集合Ｏ↓［３］中提取出那些共有的交集Ｏ，所述交集Ｏ便是小目标快速检测的最终结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈建彪，施朝健，许开宇，冉鑫，任蕾，赵冰洁，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：31[中国|上海]