本发明专利技术公开了一种背景自适应估计的红外运动目标实时检测方法，包括如下步骤：(1)初始化背景模型BG(0)；(2)输入第k帧原始红外图像Xorg(k)，k＝1，2，...，K；(3)对第k帧原始红外图像Xorg(k)的空间域非均匀性噪声和时域随机噪声进行抑制，输出抑制噪声后的图像Xdeal(k)；(4)配准Xdeal(k)，输出配准后的第k帧红外图像Xreg(k)；(5)背景模型更新：通过自适应遗忘因子法更新第k帧红外图像的背景模型BG(k)；(6)将第k帧原始红外图像Xorg(k)与背景模型BG(k)作差分运算，输出差分运算的结果Xout(k)；(7)根据最大类间方差理论计算Xout(k)中目标和背景的最佳分割阈值Thopt，完成运动目标的检测。本发明专利技术通过图像预处理，有效解决了传统背景差分法对噪声和场景变化过于敏感的问题，提高了目标检测概率。
【技术实现步骤摘要】
本专利技术涉及一种红外图像目标检测方法，特别涉及一种适合硬件实时实现的运动目标检测方法。
技术介绍
运动目标检测技术通过对传感器获得的图像序列进行分析，检测出运动目标，在交通监视、自动导航等方面有着十分重要的实用意义。典型的运动目标检测方法分为三大类背景差分法、差图像法和光流法。背景差分法，将当前图像与一个已知背景进行差分，通过阈值分割来提取运动目标。该方法假设背景是精确可知的，不受目标运动速度的限制，能够较完整地提取运动目标。背景差分法对光照和外部条件引起的场景变化过于敏感，当图像存在噪声，特别是图像和背景都有噪声时，目标的提取效果变得不理想。差图像法通过序列图像中相邻两帧相减，根据差分图像来检测目标，是检测序列图像中运动目标的最简单方法。该方法对环境的适应性强，运算速度快，不足之处是不能精确定位运动目标(检测的目标位置是两帧图像中目标的平均位置)，在目标内部区域容易产生空洞现象，难以检测出有重叠的运动目标。光流法不需要知道任何背景信息，依靠随时间变化的光流特性来计算目标的运动和结构参数，是分析序列图像中运动目标的重要方法。然而，光流中目标的运动与结构参数需要计算图像灰度与光流的一阶或二阶导数，实际图像会受到噪声的污染，而导数的计算过程是一个噪声放大的过程，阶数越高噪声放大作用越明显，且光流法的运算复杂，实时处理能力差。
技术实现思路
专利技术目的针对背景差分法对噪声和场景变化过于敏感的不足，本专利技术的目的是设计一种效果良好、计算简单、适合硬件实时实现的背景自适应估计的红外运动目标实时检测方法。技术方案为实现上述专利技术目的，本专利技术采用的技术方案为，包括如下步骤(1)初始化背景模型BG(O)；(2)输入第1^帧原始红外图像^10，1^= 1，2，···，Κ;(3)对步骤⑵所述第k帧原始红外图像X g(k)的空间域非均勻性噪声和时域随机噪声进行抑制，输出抑制噪声后的图像Xdral (k)；(4)配准步骤(3)所述抑制噪声后的第k帧红外图像XdMl(k)，输出配准后图像 Xreg (k)；(5)背景模型更新通过自适应遗忘因子法更新步骤(4)所述配准后的第k帧红外图像XregGO的背景模型BG (k)；(6)将第k帧原始红外图像x g(k)与背景模型BG(k)作差分运算，输出差分运算的结果Xout (k)；5(7)根据最大类间方差理论计算步骤(6)所述x。ut(k)中目标和背景的最佳分割阈值Th。pt，完成运动目标的检测。所述步骤(1)中，利用初始的N帧原始图像{X g(k) k= 1,2,...，K}计算背景模型BG(O)，坐标(i，j)处的背景值BG (i，j，0)的表达式可如下式所示BG (i，j，0) = median 式中，运算符mediant·]表示求解中值操作，X g(i，j，k)表示第k帧原始红外图像Xorg (k)坐标(i，j)处的像素值。所述步骤(3)中，可使用有限支撑域高频恒定统计非均勻性校正法对第k帧原始红外图像X g(k)的空间域非均勻性噪声进行抑制。抑制的方法可为利用高斯低通滤波器g将第k帧原始红外图像Xorg (k)分为高频分量JT^f (幻和低频分量JT^I (幻两部分权利要求1.，其特征在于，包括如下步骤(1)初始化背景模型BG(O)；(2)输入第k帧原始红外图像X。rg(k),k = 1,2, ... ,K；(3)对步骤(2)所述第k帧原始红外图像X g(k)的空间域非均勻性噪声和时域随机噪声进行抑制，输出第k帧抑制噪声后的图像Xdeal (k)；(4)配准步骤(3)所述抑制噪声后的第k帧红外图像Xdeal(k)，输出配准后的第k帧红外图像XMg (k)；(5)背景模型更新通过自适应遗忘因子法更新步骤(4)所述配准后的第k帧红外图像Xreg (k)的背景模型BG (k)；(6)将第k帧原始红外图像X g(k)与背景模型BG(k)作差分运算，输出差分运算的结果 X0ut (k)；(7)根据最大类间方差理论计算步骤(6)所述X。ut(k)中目标和背景的最佳分割阈值 Th。pt，完成运动目标的检测。2.根据权利要求1所述背景自适应估计的红外运动目标实时检测方法，其特征在于， 所述步骤⑴中，利用初始的N帧原始图像{X g(k) |k= 1，2，...，K}计算背景模型BG(0)， 坐标(i，j)处的背景值BG (i，j，0)的表达式如下式所示BG (i，j，0) = median 式中，运算符mediant ·]表示求解中值操作，Xorg(i, j，k)表示第k帧原始红外图像 Xorg(k)坐标(i，j)处的像素值。3.根据权利要求1所述背景自适应估计的红外运动目标实时检测方法，其特征在于， 所述步骤(3)中，使用有限支撑域高频恒定统计非均勻性校正法对第k帧原始红外图像 Xorg(k)的空间域非均勻性噪声进行抑制。4.根据权利要求3所述背景自适应估计的红外运动目标实时检测方法，其特征在于， 所述抑制的方法为利用高斯低通滤波器g将第k帧原始红外图像Xorg (k)分为高频分量JT^f (幻和低频分量乂冗⑷两部分5.据权利要求4所述背景自适应估计的红外运动目标实时检测方法，其特征在于，对第k帧经非均勻性噪声抑制后的图像幻进行时域随机噪声抑制，输出第k帧经时域随机噪声抑制后的图像Xdeal (k)。6.根据权利要求1所述背景自适应估计的红外运动目标实时检测方法，其特征在于， 所述步骤(4)中，采用模板配准法输出配准后的第k帧红外图像Xreg(k)首先，在第k帧抑制噪声后的图像Xdeal(k)以坐标(i，j)为中心选取大小为PXQ的标准模板；其次，采用均方误差函数MSE作为准则，在第k-l帧抑制噪声后的图像Xdeal (k-l)中以坐标(i，j)为中心大小为MXN的图像区域作匹配，P<M，Q<N，计算最小均方误差MSEmin， 最小均方误差MSEmin对应的坐标( +Δ , j+Δ j)即配准位置； 均方误差函数MSE表达式如下所示7.根据权利要求1所述背景自适应估计的红外运动目标实时检测方法，其特征在于， 所述步骤(5)中，第k帧原始红外图像X g(k)坐标(i，j)处的背景模型BG(i，j，k)表达式如下式所示BG(i，j，k) = (l-α (i，j，k))XXreg(i，j，k) + a (i，j，k) XBG(i，j，k_l) 式中，Xreg(i，j，k)是第k帧原始红外图像X。rg(k)坐标(i，j)处的配准输出，a (i，j， k)是第k帧原始红外图像X_(k)坐标(i，j)处的遗忘因子，表达式如下式所示8.据权利要求1所述背景自适应估计的红外运动目标实时检测方法，其特征在于，所述步骤(6)中，第k帧原始红外图像X g(k)坐标(i，j)处的输出Xout (i，j，k)表达式为Xout (i' h k) = Xorg(i，j，k) -BG(i, j, k)式中，X g(i，j，k)是第k帧原始红外图像X g(k)坐标(i，j)处的像素值，BG(i，j，k) 是背景模型BG(k)坐标(i，j)处的像素值。9.据权利要求1所述背景自适应估计的红外运动目标实时检测方法，其特征在于，所述步骤(7)中，Thopt表达式如下所示全文摘要本专利技术公开了，包括如下步骤(1)初始化本文档来自技高网...
【技术保护点】
１．一种背景自适应估计的红外运动目标实时检测方法，其特征在于，包括如下步骤：（１）初始化背景模型ＢＧ（０）；（２）输入第ｋ帧原始红外图像Ｘｏｒｇ（ｋ），ｋ＝１，２，．．．，Ｋ；（３）对步骤（２）所述第ｋ帧原始红外图像Ｘｏｒｇ（ｋ）的空间域非均匀性噪声和时域随机噪声进行抑制，输出第ｋ帧抑制噪声后的图像Ｘｄｅａｌ（ｋ）；（４）配准步骤（３）所述抑制噪声后的第ｋ帧红外图像Ｘｄｅａｌ（ｋ），输出配准后的第ｋ帧红外图像Ｘｒｅｇ（ｋ）；（５）背景模型更新：通过自适应遗忘因子法更新步骤（４）所述配准后的第ｋ帧红外图像Ｘｒｅｇ（ｋ）的背景模型ＢＧ（ｋ）；（６）将第ｋ帧原始红外图像Ｘｏｒｇ（ｋ）与背景模型ＢＧ（ｋ）作差分运算，输出差分运算的结果Ｘｏｕｔ（ｋ）；（７）根据最大类间方差理论计算步骤（６）所述Ｘｏｕｔ（ｋ）中目标和背景的最佳分割阈值Ｔｈｏｐｔ，完成运动目标的检测。
【技术特征摘要】
【专利技术属性】
技术研发人员：白俊奇，赵春光，翟尚礼，王寿峰，孙宁，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：84
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。