基于紅外圖像的運(yùn)動(dòng)成像平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法及系統(tǒng)技術(shù)方案

本發(fā)明專(zhuān)利技術(shù)公開(kāi)了一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，屬于計(jì)算機(jī)視覺(jué)領(lǐng)域；該方法提取紅外序列圖像的SURF特征點(diǎn)，對(duì)特征點(diǎn)進(jìn)行匹配，計(jì)算仿射矩陣，獲得配準(zhǔn)圖像；之后采用線性回歸修正配準(zhǔn)圖像的像素灰度值，進(jìn)行幀間差分，獲得可疑運(yùn)動(dòng)目標(biāo)二值圖像；再進(jìn)行形態(tài)學(xué)濾波；最后對(duì)可疑目標(biāo)邊緣像素利用區(qū)域梯度統(tǒng)計(jì)直方圖校正，獲得當(dāng)前幀檢測(cè)結(jié)果圖；本發(fā)明專(zhuān)利技術(shù)還實(shí)現(xiàn)了一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)；本發(fā)明專(zhuān)利技術(shù)技術(shù)方案法在運(yùn)動(dòng)成像平臺(tái)下的紅外序列圖像運(yùn)動(dòng)目標(biāo)檢測(cè)中具有很好的實(shí)時(shí)性和魯棒性，適用于存在非均勻性亮度變化的紅外運(yùn)動(dòng)序列圖像。

Moving platform moving target detection method and system based on infrared image

The invention discloses a movable platform moving target detection method based on infrared image, belongs to the field of computer vision; the method of extracting SURF feature points in infrared image sequence, matching feature points, calculating the affine matrix, obtain image registration; after using the linear regression of pixel gray value of image registration correction, frame difference get suspicious, moving target two value image; then morphological filtering; finally the suspicious target edge pixels using gradient histogram correction, to obtain the current frame detection results; the invention also implements a dynamic platform for moving target detection system based on infrared image; has good real-time performance and robustness of the infrared sequence the image of moving object in motion imaging platform under the technical scheme of the invention is suitable for detection, heterogeneity of brightness red Exterior motion sequence image.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法及系統(tǒng)
本專(zhuān)利技術(shù)屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，更具體地，涉及一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法和系統(tǒng)。
技術(shù)介紹
運(yùn)動(dòng)目標(biāo)檢測(cè)是從序列圖像中提取出運(yùn)動(dòng)物體，是計(jì)算機(jī)視覺(jué)中目標(biāo)識(shí)別、跟蹤和行為分析等后續(xù)處理的基礎(chǔ)。運(yùn)動(dòng)成像平臺(tái)下的紅外圖像運(yùn)動(dòng)目標(biāo)檢測(cè)，由于成像平臺(tái)和目標(biāo)都在運(yùn)動(dòng)，增加了運(yùn)動(dòng)目標(biāo)檢測(cè)的難度。另外，紅外成像存在非均勻性亮度變化問(wèn)題，在運(yùn)動(dòng)成像平臺(tái)下，相同位置對(duì)應(yīng)像素在序列圖像中表現(xiàn)的灰度強(qiáng)度存在較大差異。因此，“平臺(tái)動(dòng)、目標(biāo)動(dòng)、背景動(dòng)”條件下的目標(biāo)檢測(cè)問(wèn)題更加困難。目前動(dòng)平臺(tái)下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要是在背景運(yùn)動(dòng)補(bǔ)償下進(jìn)行，通過(guò)背景運(yùn)動(dòng)參數(shù)和變換模型對(duì)連續(xù)幀進(jìn)行配準(zhǔn)，將動(dòng)平臺(tái)成像轉(zhuǎn)化成靜平臺(tái)成像。賴(lài)作鎂等提出了基于魯棒背景運(yùn)動(dòng)補(bǔ)償?shù)膭?dòng)目標(biāo)檢測(cè)算法，該算法在進(jìn)行運(yùn)動(dòng)補(bǔ)償后的前一幀和當(dāng)前幀之間做光流，用光流的大小判斷前景和背景。由于光流法計(jì)算復(fù)雜，對(duì)噪聲敏感，要求亮度恒常性，難以適應(yīng)存在非均勻性亮度變化的紅外圖像。張?zhí)煨蛟谄渖暾?qǐng)的專(zhuān)利“一種動(dòng)平臺(tái)地面運(yùn)動(dòng)目標(biāo)檢測(cè)方法”(專(zhuān)利申請(qǐng)?zhí)?01110114555.5，公開(kāi)號(hào)CN102184550B)中公開(kāi)了一種基于SIFT特征快速配準(zhǔn)、利用多尺度運(yùn)動(dòng)顯著性檢驗(yàn)和多幀差分進(jìn)行動(dòng)平臺(tái)地面運(yùn)動(dòng)目標(biāo)檢測(cè)的方法。此方法能很好的解決動(dòng)平臺(tái)情況下的背景補(bǔ)償問(wèn)題，對(duì)場(chǎng)景中的光學(xué)變化和背景干擾有很好的魯棒性。然而由于SIFT特征的復(fù)雜性以及多尺度運(yùn)動(dòng)顯著性的檢驗(yàn)需要花費(fèi)比較多的時(shí)間，而且在配準(zhǔn)存在偏差時(shí)，對(duì)檢測(cè)結(jié)果影響較大。運(yùn)動(dòng)補(bǔ)償后幀間背景相對(duì)靜止，用幀差法檢測(cè)得到的幀間差異像素主要為待檢測(cè)的運(yùn)動(dòng)目標(biāo)。幀差法雖然運(yùn)算簡(jiǎn)單，但是也容易受紅外成像的非均勻性干擾，使得檢測(cè)結(jié)果產(chǎn)生虛警。又由于運(yùn)動(dòng)補(bǔ)償還存在誤差，也會(huì)使得幀差法產(chǎn)生虛警。
技術(shù)實(shí)現(xiàn)思路
針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本專(zhuān)利技術(shù)提供了一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法及系統(tǒng)，其目的在于利用紅外圖像的SURF特征點(diǎn)對(duì)運(yùn)動(dòng)圖像序列幀間進(jìn)行配準(zhǔn)，采用線性回歸對(duì)紅外圖像灰度值進(jìn)行修正，最后采用區(qū)域梯度直方圖校正，由此抑制了紅外成像的非均勻性問(wèn)題，提高了本專(zhuān)利技術(shù)方法估測(cè)可疑運(yùn)動(dòng)目標(biāo)的準(zhǔn)確性，減少了對(duì)配準(zhǔn)精度的要求，提高對(duì)配準(zhǔn)的魯棒性，又由于只對(duì)邊緣像素點(diǎn)進(jìn)行區(qū)域梯度直方圖統(tǒng)計(jì)，極大的減少了計(jì)算量。為實(shí)現(xiàn)上述目的，按照本專(zhuān)利技術(shù)的一個(gè)方面，提供了一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，該方法包括以下步驟：(1)對(duì)當(dāng)前幀紅外圖像構(gòu)造尺度空間，采用非極大值抑制確定特征點(diǎn)；構(gòu)造SURF特征點(diǎn)描述子并保存；(2)使用SURF特征點(diǎn)和單應(yīng)性變化模型快速、準(zhǔn)確地對(duì)運(yùn)動(dòng)圖像序列幀間進(jìn)行配準(zhǔn)，從而補(bǔ)償因?yàn)閯?dòng)平臺(tái)成像造成的幀間背景的平移、旋轉(zhuǎn)和縮放量；以當(dāng)前幀為基準(zhǔn)幀，與其前第K幀圖像和前第2K幀圖像進(jìn)行SURF特征點(diǎn)匹配，計(jì)算仿射矩陣，獲得前第K幀圖像和前第2K幀圖像的仿射變換圖像；(3)經(jīng)過(guò)步驟(2)對(duì)運(yùn)動(dòng)圖像序列幀間配準(zhǔn)后，獲得的配準(zhǔn)幀與當(dāng)前幀之間背景是相對(duì)靜止的，消除了由于成像平臺(tái)運(yùn)動(dòng)引起的場(chǎng)景中背景的平移、旋轉(zhuǎn)、縮放等變化，但由于紅外成像的非均勻性，導(dǎo)致場(chǎng)景中背景幀間對(duì)應(yīng)位置的像素灰度值存在差異，采用線性回歸修正配準(zhǔn)圖像對(duì)應(yīng)位置的像素灰度值；本專(zhuān)利技術(shù)利用配準(zhǔn)后的幀間相同位置對(duì)應(yīng)像素點(diǎn)灰度值受紅外成像非均勻性影響，存在線性關(guān)系，通過(guò)利用線性回歸對(duì)當(dāng)前幀和配準(zhǔn)幀進(jìn)行隨機(jī)采樣得到的相同位置的灰度值點(diǎn)對(duì)進(jìn)行擬合，獲得線性關(guān)系參數(shù)截距a和斜率b，通過(guò)線性關(guān)系參數(shù)修正配準(zhǔn)幀像素的灰度值，分別計(jì)算獲得前第K幀修正圖像和前第2K幀修正圖像；分別以前第K幀仿射變換圖像和前第2K幀仿射變換圖像為參考幀，對(duì)當(dāng)前幀和參考幀進(jìn)行隨機(jī)采樣N個(gè)點(diǎn)，采用最小化χ2(a,b)線性回歸方法進(jìn)行擬合：其中，yi和xi分別是當(dāng)前幀和參考值圖像灰度值，a是截距，b是斜率；通過(guò)擬合函數(shù)對(duì)參考幀所有像素的灰度值進(jìn)行修正，獲得前第K幀修正圖像和前第2K幀修正圖像；(4)當(dāng)前幀分別與前第K幀修正圖像和前第2K幀修正圖像相減，獲得差分圖像1和差分圖像2；取作為二值化閾值，其中，c是常數(shù)項(xiàng)，分別對(duì)差分圖像1和差分圖像2進(jìn)行二值化，大于二值化閾值的像素標(biāo)記為可疑目標(biāo)；對(duì)二值化后的差分圖像1和差分圖像2取交集，獲得可疑運(yùn)動(dòng)目標(biāo)二值圖像；(5)對(duì)可疑運(yùn)動(dòng)目標(biāo)二值圖像進(jìn)行形態(tài)學(xué)閉操作濾波；(6)以濾波后可疑運(yùn)動(dòng)目標(biāo)二值圖像的邊緣像素點(diǎn)為中心劃分一個(gè)區(qū)域，利用當(dāng)前幀和前第2K幀修正圖像內(nèi)相應(yīng)區(qū)域內(nèi)像素點(diǎn)的區(qū)域梯度統(tǒng)計(jì)直方圖進(jìn)行校正，獲得運(yùn)動(dòng)目標(biāo)二值圖像。進(jìn)一步地，所述步驟(6)具體分為以下子步驟：(21)遍歷可疑運(yùn)動(dòng)目標(biāo)二值圖像，尋找本身標(biāo)記為運(yùn)動(dòng)目標(biāo)但八鄰域不全為運(yùn)動(dòng)目標(biāo)的像素點(diǎn)，即為邊緣像素點(diǎn)；(22)以邊緣像素點(diǎn)為中心，取m×m的區(qū)域，計(jì)算區(qū)域位置對(duì)應(yīng)的當(dāng)前幀和前第2K幀修正圖像內(nèi)每個(gè)像素點(diǎn)的梯度幅值和方向；所述m根據(jù)目標(biāo)大小尺寸調(diào)整，優(yōu)選m取值為7；(23)將360度根據(jù)需求分割為x個(gè)區(qū)間，根據(jù)每個(gè)像素點(diǎn)的梯度方向，利用雙線性?xún)?nèi)插值法將幅值累加到直方圖中，分別獲得基于當(dāng)前幀和基于前第2K幀修正圖像的區(qū)域梯度統(tǒng)計(jì)直方圖；所述x的取值范圍為8到36之間，優(yōu)選x等于18；(24)分別對(duì)基于當(dāng)前幀和基于前第2K幀修正圖像的區(qū)域梯度統(tǒng)計(jì)直方圖進(jìn)行歸一化；(25)計(jì)算基于當(dāng)前幀和基于前第2K幀修正圖像的區(qū)域梯度統(tǒng)計(jì)直方圖的差值，差值的絕對(duì)值之和小于目標(biāo)閾值則重新標(biāo)記為背景，大于目標(biāo)閾值則標(biāo)記為已校正可疑目標(biāo)邊緣像素點(diǎn)；所述目標(biāo)閾值取值范圍為0.4到0.6，優(yōu)選0.5；(26)返回步驟(21)，直到當(dāng)前幀中所有邊緣像素點(diǎn)都進(jìn)行過(guò)校正，獲得最終運(yùn)動(dòng)目標(biāo)檢查結(jié)果圖。按照本專(zhuān)利技術(shù)的另一方面，提供了一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)，該系統(tǒng)包括以下部分：特征確定模塊，用于對(duì)當(dāng)前幀紅外圖像構(gòu)造尺度空間，采用非極大值抑制確定特征點(diǎn)；構(gòu)造SURF特征點(diǎn)描述子并保存；特征配準(zhǔn)模塊，用于以當(dāng)前幀為基準(zhǔn)幀，與其前第K幀圖像和前第2K幀圖像進(jìn)行SURF特征點(diǎn)匹配，計(jì)算仿射矩陣，獲得前第K幀圖像和前第2K幀圖像的仿射變換圖像；灰度修正模塊，用于分別以前第K幀仿射變換圖像和前第2K幀仿射變換圖像為參考幀，對(duì)當(dāng)前幀和參考幀進(jìn)行隨機(jī)采樣N個(gè)點(diǎn)，采用最小化χ2(a,b)線性回歸方法進(jìn)行擬合：其中，yi和xi分別是當(dāng)前幀和參考值圖像灰度值，a是截距，b是斜率；通過(guò)擬合函數(shù)對(duì)參考幀所有像素的灰度值進(jìn)行修正，獲得前第K幀修正圖像和前第2K幀修正圖像；二值化模塊，用于當(dāng)前幀分別與前第K幀修正圖像和前第2K幀修正圖像相減，獲得差分圖像1和差分圖像2；取作為二值化閾值，其中，c是常數(shù)項(xiàng)；分別對(duì)差分圖像1和差分圖像2進(jìn)行二值化，大于二值化閾值的像素標(biāo)記為可疑目標(biāo)；對(duì)二值化后的差分圖像1和差分圖像2取交集，獲得可疑運(yùn)動(dòng)目標(biāo)二值圖像；濾波模塊，用于對(duì)可疑運(yùn)動(dòng)目標(biāo)二值圖像進(jìn)行形態(tài)學(xué)閉操作濾波；目標(biāo)獲取模塊，以濾波后可疑運(yùn)動(dòng)目標(biāo)二值圖像的邊緣像素點(diǎn)為中心劃分一個(gè)區(qū)域，利用當(dāng)前幀和前第2K幀修正圖像內(nèi)相應(yīng)區(qū)域內(nèi)像素點(diǎn)的區(qū)域梯度統(tǒng)計(jì)直方圖進(jìn)行校正，獲得運(yùn)動(dòng)目標(biāo)二值圖像。進(jìn)一步地，所述目標(biāo)獲取模塊具體包括以下單元：邊緣獲取單元，用于遍歷可疑運(yùn)動(dòng)目標(biāo)二值圖像，尋找本身標(biāo)記為運(yùn)動(dòng)目標(biāo)但八鄰域不全為運(yùn)動(dòng)目標(biāo)的像素點(diǎn)，即為邊本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，該方法包括以下步驟：(1)對(duì)當(dāng)前幀紅外圖像構(gòu)造尺度空間，采用非極大值抑制確定特征點(diǎn)；構(gòu)造SURF特征點(diǎn)描述子并保存；(2)以當(dāng)前幀為基準(zhǔn)幀，與其前第K幀圖像和前第2K幀圖像進(jìn)行SURF特征點(diǎn)匹配，計(jì)算仿射矩陣，獲得前第K幀圖像和前第2K幀圖像的仿射變換圖像；(3)分別以前第K幀仿射變換圖像和前第2K幀仿射變換圖像為參考幀，對(duì)當(dāng)前幀和參考幀進(jìn)行隨機(jī)采樣N個(gè)點(diǎn)，采用最小化χ

【技術(shù)特征摘要】
1.一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，該方法包括以下步驟：(1)對(duì)當(dāng)前幀紅外圖像構(gòu)造尺度空間，采用非極大值抑制確定特征點(diǎn)；構(gòu)造SURF特征點(diǎn)描述子并保存；(2)以當(dāng)前幀為基準(zhǔn)幀，與其前第K幀圖像和前第2K幀圖像進(jìn)行SURF特征點(diǎn)匹配，計(jì)算仿射矩陣，獲得前第K幀圖像和前第2K幀圖像的仿射變換圖像；(3)分別以前第K幀仿射變換圖像和前第2K幀仿射變換圖像為參考幀，對(duì)當(dāng)前幀和參考幀進(jìn)行隨機(jī)采樣N個(gè)點(diǎn)，采用最小化χ2(a,b)線性回歸方法進(jìn)行擬合：其中，yi和xi分別是當(dāng)前幀和參考值圖像灰度值，a是截距，b是斜率；通過(guò)擬合函數(shù)對(duì)參考幀所有像素的灰度值進(jìn)行修正，獲得前第K幀修正圖像和前第2K幀修正圖像；(4)當(dāng)前幀分別與前第K幀修正圖像和前第2K幀修正圖像相減，獲得差分圖像1和差分圖像2；取作為二值化閾值，其中，c是常數(shù)項(xiàng)，分別對(duì)差分圖像1和差分圖像2進(jìn)行二值化，大于二值化閾值的像素標(biāo)記為可疑目標(biāo)；對(duì)二值化后的差分圖像1和差分圖像2取交集，獲得可疑運(yùn)動(dòng)目標(biāo)二值圖像；(5)對(duì)可疑運(yùn)動(dòng)目標(biāo)二值圖像進(jìn)行形態(tài)學(xué)閉操作濾波；(6)以濾波后可疑運(yùn)動(dòng)目標(biāo)二值圖像的邊緣像素點(diǎn)為中心劃分一個(gè)區(qū)域，利用當(dāng)前幀和前第2K幀修正圖像內(nèi)相應(yīng)區(qū)域內(nèi)像素點(diǎn)的區(qū)域梯度統(tǒng)計(jì)直方圖進(jìn)行校正，獲得運(yùn)動(dòng)目標(biāo)二值圖像。2.根據(jù)權(quán)利要求1所述的一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，所述步驟(6)具體分為以下子步驟：(21)遍歷可疑運(yùn)動(dòng)目標(biāo)二值圖像，尋找本身標(biāo)記為運(yùn)動(dòng)目標(biāo)但八鄰域不全為運(yùn)動(dòng)目標(biāo)的像素點(diǎn)，即為邊緣像素點(diǎn)；(22)以邊緣像素點(diǎn)為中心，取m×m的區(qū)域，計(jì)算區(qū)域位置對(duì)應(yīng)的當(dāng)前幀和前第2K幀修正圖像內(nèi)每個(gè)像素點(diǎn)的梯度幅值和方向；(23)將360度根據(jù)需求分割為x個(gè)區(qū)間，根據(jù)每個(gè)像素點(diǎn)的梯度方向，利用雙線性?xún)?nèi)插值法將幅值累加到直方圖中，分別獲得基于當(dāng)前幀和基于前第2K幀修正圖像的區(qū)域梯度統(tǒng)計(jì)直方圖；(24)分別對(duì)基于當(dāng)前幀和基于前第2K幀修正圖像的區(qū)域梯度統(tǒng)計(jì)直方圖進(jìn)行歸一化；(25)計(jì)算基于當(dāng)前幀和基于前第2K幀修正圖像的區(qū)域梯度統(tǒng)計(jì)直方圖的差值，差值的絕對(duì)值之和小于目標(biāo)閾值則重新標(biāo)記為背景，大于目標(biāo)閾值則標(biāo)記為已校正可疑目標(biāo)邊緣像素點(diǎn)；(26)返回步驟(21)，直到當(dāng)前幀中所有邊緣像素點(diǎn)都進(jìn)行過(guò)校正，獲得最終運(yùn)動(dòng)目標(biāo)檢查結(jié)果圖。3.一種基于紅外圖像的動(dòng)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)，其特征在于，該...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：顏露新，李俊，鐘勝，王果慶，李軍，
申請(qǐng)(專(zhuān)利權(quán))人：華中科技大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：湖北,42