一種基于空時域聯合濾波的運動目標檢測方法技術

本發明專利技術公開了一種基于空時域聯合濾波的運動目標檢測方法，其特征在于方法步驟如下：(1)對原始序列圖像中的每一幀采用基于拉普拉斯的弱小目標檢測方法得到每一幀圖像上的備選目標；(2)對(1)中的備選目標進行基于幀間目標運動相關性的運動弱小目標檢測，剔除虛假目標。(3)對(1)中的備選目標進行基于幀間時域相關性的運動弱小目標檢測，剔除虛假目標。(4)結合(2)和(3)的結果，確定真實目標。本發明專利技術的優點：解決了現有方法復雜度高，實時實現難度高的弊端，通過采用基于拉普拉斯的弱小目標檢測方法，降低了復雜度，提高了實時性。

【技術實現步驟摘要】

本專利技術涉及圖像檢測與跟蹤領域中運動目標檢測方法的實現技術，可用于紅外弱小目標檢測，屬于信息
，具體為一種基于空時域聯合濾波的運動目標檢測方法。
技術介紹
對于弱小目標的檢測，要求有較高的檢測精度和較低的虛警率。但由于目標的信噪比較低，在單幀檢測的情況下很難滿足檢測要求，所以必須結合多幀圖像進行檢測。經過單幀檢測后，除了真實目標外，圖像中可能有虛假目標和一些強噪聲。如在一幀圖像某位置處有目標，則該目標在相鄰的若干幀中必然會出現在該位置的某一個小鄰域內；而噪聲由于分布的隨機性，在連續的多幀圖像中并沒有這種連續性。因此，可以根據序列圖像中目標運動的連續性和軌跡的一致性、虛假目標或噪聲運動的隨機性來確認真實目標。檢測前跟蹤算法先搜索目標所有可能的運動軌跡，并完成目標能量累加，以獲得每條運動軌跡的后驗概率，最后利用閾值判斷真實的目標運動軌跡，適用于從序列圖像中檢測弱小目標。檢測前跟蹤的運動弱小目標檢測方法，需要跟蹤場景中的所有像素點，在一段時間的累積后，進一步根據像素點的時域變化特性對目標進行檢測，由于需要對各個像素點的成像信息進行累計處理，數據量大，實時實現的難度高，是檢測前跟蹤方法的主要缺陷。因此，尋找一種具有較低的復雜度，成為一個亟待解決的問題。
技術實現思路
在上述方法中，能夠根據序列圖像中目標運動的連續性和軌跡的一致性、虛假目標或噪聲運動的隨機性來確認真實目標，但是復雜度高，實時實現難度高，不適用于對運動目標檢測實時性要求高的場合。弱小目標圖像的信噪比很低，目標在圖像中所占的像素非常少，無法利用形狀、尺寸和紋理等信息進行檢測，從單幅圖像中檢測弱小目標虛警率會很高，甚至無法檢測到真實目標。因此，如何快速準確地從序列圖像中提取目標的運動信息是這類方法需要解決的關鍵問題。針對基于時域濾波的運動目標檢測方法的像素跟蹤量大的缺陷，把基于拉普拉斯算子的弱小目標檢測方法應用于基于時空域聯合濾波的運動目標檢測方法中，提出了一種改進的基于空時域聯合濾波的運動目標檢測方法，降低了目標檢測方法的復雜度，提高了目標檢測方法的實時性。本專利技術的技術方案如下：一種基于空時域聯合濾波的運動目標檢測方法，其特征在于方法步驟如下：(1)對原始序列圖像中的每一幀采用基于拉普拉斯的弱小目標檢測方法得到每一幀圖像上的備選目標。(2)對(1)中的備選目標進行基于幀間目標運動相關性的運動弱小目標檢測，剔除虛假目標。(3)對(1)中的備選目標進行基于幀間時域相關性的運動弱小目標檢測，剔除虛假目標。(4)結合(2)和(3)的結果，確定真實目標?；诶绽沟娜跣∧繕藱z測方法步驟如下：①對單幀圖像，先通過一個3×3的拉普拉斯模板遍歷圖像(大小為M×N)中的每一個像素，其中心點為(x,y)；②當該模板在模板中與像素坐標對應位置的點的響應的絕對值大于某個設定的閾值時，那么模板中心點(x,y)位置處對應的像素即為候選目標點；③在輸出圖像中，這樣的點被標注為1，而所有其他點則被標注為0，從而產生一副二值圖像，其中被標注為1的點即為候選目標點?；趲g目標運動相關性的運動弱小目標檢測方法步驟如下：①先通過一個5×5的局域模板遍歷濾波后的圖像(大小為M×N)，計算該局域中各像素的概率(該像素的灰度值除以該區域的灰度值之和)，并保存在一個大小為M-1×N-1的矩陣P中；②找出P中符合某個先驗條件的點的位置，并保存；③遍歷下一幀所有候選點的位置，在這些點的8鄰域內尋找符合某個先驗條件的點，符合這個條件的候選點即為真實目標點?；趲g時域相關性的運動弱小目標檢測方法步驟如下：①計算候選目標點(i,j)與其8鄰域像素時域信號的皮爾遜相關系數，求它們之間的相關性；②設定判斷比較的閾值λ(根據虛警選取合適的閾值λ)，當其8鄰域像素中的兩個點的相關性系數大于λ時，點(i,j)為真實目標點；③遍歷該幀圖像中所有候選點的位置，在這些點的8鄰域內尋找兩個點的相關性系數大于λ的點，符合這個條件的候選點即為真實目標點。本專利技術的優點：解決了現有方法復雜度高，實時實現難度高的弊端，通過采用基于拉普拉斯的弱小目標檢測方法，降低了復雜度，提高了實時性。附圖說明圖1為本專利技術的基于空時域聯合濾波的運動目標檢測方法的原理圖。圖2為本專利技術的3×3濾波模板的示意圖。圖3為本專利技術的拉普拉斯模板的示意圖。圖4為本專利技術的基于幀間運動目標空間相關性的運動弱小目標檢測示意圖。具體實施方式下面用實例具體說明本專利在運動弱小目標檢測中的應用方法。(1)基于拉普拉斯的弱小目標檢測方法通過使用空間濾波器來計算一副圖像中每個像素位置(x,y)處的一階和二階導數。對于如圖2所示的3×3濾波模板，它中心位置處的輸出響應R可以表示為：式中，wk是3×3濾波模板的第k個系數，k的取值為1至9的整數；zk是模板第k個系數wk在圖像中對應位置的像素的灰度值，即f(x,y)?；诳臻g模板的導數的計算是用這些模板對一副圖像進行空間濾波。由此，點的檢測以二階導數為基礎，這意味著可以使用拉普拉斯算子：故拉普拉斯是該表達式可用如圖3所示的拉普拉斯模板實現。對于圖像中的某一像素，當該模板在模板中與像素坐標對應位置的點的響應的絕對值大于某個設定的閾值時，那么模板中心點(x,y)位置處對應的像素即為候選目標點。在輸出圖像中，這樣的點被標注為1，而所有其他點則被標注為0，從而產生一副二值圖像。設模板中點(x,y)處的響應為g(x,y)，則這個判別過程可以表示為：其中g是輸出圖像，T是一個非負的閾值，R由式(1)給出。該式簡單地度量一個像素及其8個相鄰像素間的加權差。從直觀上看，這一概念是一個孤立點的灰度將完全不同于其周圍像素的灰度，因而，使用這種類型的模板可以很容易地檢測出這個孤立點。(2)基于幀間運動目標空間相關性的運動弱小目標檢測基于幀間運動目標空間相關性的運動目標檢測方法利用的是目標在幀間運動的連續性，在一個連續幀上，在某一幀的上一幀所有候選目標坐標位置點的某個尺寸大小的鄰域內搜索灰度值最大或大于某個閾值的像素，符合條件的點即為目標點。對于一個連續幀，每一幀之間的時間間隔非常短，目標在這個非常短的時間間隙內運動的軌跡近似為一條直線，即使有軌跡有彎曲，也是極其輕微的彎曲，所以目標最多以12種已知軌跡(一般情況都是為前4種軌跡)劃過以點(i,j)為中心的3×3的掩模，如圖4所示。該方法的具體算法步驟是：(1)先通過一個5×5的局域模板遍歷濾波后的圖像(大小為M×N)，計算該局域中各像素的概率(該像素的灰度值除以該區域的灰度值之和)，并保存在一個大小為M-1×N-1的矩陣P中；(2)找出P中符合某個先驗條件的點的位置，并保存；(3)遍歷下一幀所有候選點的位置，在這些點的8鄰域內尋找符合某個先驗條件的點，符合這個條件的候選點即為真實目標點。(3)基于幀間時域相關性的運動弱小目標檢測在時域圖像上每個位置的像素都隨時間變化，可以利用皮爾遜相關系數(PearsonCorrelationCoefficient)來檢測兩個像素的時域信號的相關性。我們用ρ(X,Y)(-1≤ρ(X,Y)≤1)表示變量X，Y之間的皮爾遜相關系數。計算ρ(X,Y)的數學公式為：當ρ(X,Y)＝1時，表示X，Y完全正相關；當ρ(X,Y)＝0時，表示X，Y無關；當ρ(X,Y)本文檔來自技高網...

【技術保護點】
一種基于空時域聯合濾波的運動目標檢測方法，其特征在于方法步驟如下：(1)對原始序列圖像中的每一幀采用基于拉普拉斯的弱小目標檢測方法得到每一幀圖像上的備選目標；(2)對(1)中的備選目標進行基于幀間目標運動相關性的運動弱小目標檢測，剔除虛假目標；(3)對(1)中的備選目標進行基于幀間時域相關性的運動弱小目標檢測，剔除虛假目標；(4)結合(2)和(3)的結果，確定真實目標。

【技術特征摘要】
1.一種基于空時域聯合濾波的運動目標檢測方法，其特征在于方法步驟如下：(1)對原始序列圖像中的每一幀采用基于拉普拉斯的弱小目標檢測方法得到每一幀圖像上的備選目標；(2)對(1)中的備選目標進行基于幀間目標運動相關性的運動弱小目標檢測，剔除虛假目標；(3)對(1)中的備選目標進行基于幀間時域相關性的運動弱小目標檢測，剔除虛假目標；(4)結合(2)和(3)的結果，確定真實目標。2.根據權利要求1所述的一種基于空時域聯合濾波的運動目標檢測方法，其特征在于：基于拉普拉斯的弱小目標檢測方法步驟如下：①對單幀圖像，先通過一個3×3的拉普拉斯模板遍歷圖像(大小為M×N)中的每一個像素，其中心點為(x,y)；②當該模板在模板中與像素坐標對應位置的點的響應的絕對值大于某個設定的閾值時，那么模板中心點(x,y)位置處對應的像素即為候選目標點；③在輸出圖像中，這樣的點被標注為1，而所有其他點則被標注為0，從而產生一副二值圖像，其中被標注為1的點即為候選目標點。3.根據權利要求1所述的一種基于空...

【專利技術屬性】
技術研發人員：李忠民，
申請(專利權)人：南昌航空大學，
類型：發明
國別省市：江西;36