基于投影變換與軌跡關聯的目標檢測算法

胡禮勇,李 釗,李建軍,郭 剛

(1.第二炮兵青州士官學校,山東青州262500;2.第二炮兵駐石家莊地區軍事代表室,河北石家莊050081)

0 引言

近年來,隨著人們對運距離、低信噪比條件下的點狀微弱運動目標的檢測跟蹤技術要求的提高,如何實時快速地檢測出小目標成為目前的研究熱點。微弱點狀目標不同于大目標,它沒有大小、形狀和紋理等特征信息可以利用,且目標點的輻射強度較弱,通常被背景和雜波所掩蓋,因此,不可能用傳統的單幀檢測技術來檢測提取目標,必須采用時空聯合多幀檢測技術。為解決此問題,提出了一種結合投影檢測和軌跡關聯搜索的方法,通過投影構造組合幀,將三維時空上的軌跡映射到二維平面圖像上,同時構造幀信息的染色圖,然后在組合幀圖像上按照先跟蹤后檢測的思路進行軌跡搜索,目標檢測。仿真結果表明,該方法能準確地檢測出低信噪比條件下點狀運動目標。

1 基于最大值投影的目標檢測算法

直接對三維圖像序列進行處理所需計算量很大,目前很難實時實現,為此采用了投影變換的檢測算法。基于投影變換的檢測算法主要是將三維空間的圖像沿時間軸投影到二維圖像空間,再在二維空間上對目標可能軌跡進行統計檢測,最后將檢測結果映射到三維空間上形成最終的檢測結果。通過將三維時空域上的軌跡檢測問題轉化為二維平面上的軌跡檢測問題,從而使軌跡搜索的運算量大大減少。該算法將目標檢測和圖像的背景抑制結合在一起,通過求最大值圖像和平均值圖像,然后將2幅圖像做差分運算,獲得經過背景抑制后的圖像,后經閾值分割,得出候選目標點,然后利用軌跡關聯算法檢測出作直線運動的目標點。

1.1 序列圖像的投影變換

將送入處理單元的N幅原始圖像通過投影變換求取最大值圖像、平均值圖像以及幀序號染色圖像。其主要思想是求該N幅圖像各個像素點灰度的最大值,將該灰度值作為最大值圖像在該像素點的灰度值,同時將該像素點所在的幀序號按照一定的灰度變換方法構造幀序號染色圖像在該點的灰度值。將N幅圖像在同一像素點的灰度值之和作為和值圖像在該點的灰度值。然后將和值圖像減去最大值圖像除以N-1作為平均值圖像。由于目標點的灰度值比背景點大,故最大值圖像中必定包含目標點,同時幀序號染色圖像包含了目標點出現的時間信息。表達式為:

1.2 時間預測圖像的獲取

時間預測圖像為最大值圖像減平均值圖像。平均值圖像中包含了靜態的背景目標點,通過差分運算,在消除了靜態目標點的同時抑制了背景。

1.3 候選目標點的提取

候選目標的提取是通過自適應閾值分割算法實現的?；谀繕藞D像計算出背景噪聲的水平,按照設定的虛警率和漏警率計算閾值,對軌跡圖像進行自適應閾值濾波。把圖像分割成k1×k2個大小相同的子圖,對每個子圖,重復進行以下操作:

式中,E為區域象素的平均值。

這種算法基于目標窗口圖像的統計數據計算出一個閾值。超過閾值的像素被賦予一個常值,或保持源值(非零)。閾值通常定義為:

候選目標像素面積大則增加 α;否則,候選目標像素面積小而導致跟蹤處理器無法鎖定當前有效的候選目標,則減小 α。

1.4 質心坐標的求取

設在組合幀圖像中的某個目標點由點集T=組成,其中m為構成該目標點的像素個數,fk(xk,yk)表示位于(xk,yk)像素點的灰度值。根據灰度值加權計算質心坐標的方法可以得到:

經過背景抑制等前端處理后的圖像的場景模型為:I(i,j,k)=s(i,j,k)+n(i,j,k),其中s(i,j,k)表示目標灰度值,n(i,j,k)表示噪聲,則質心坐標公式為:

1.5 目標檢測算法的設計

序列圖像中的微弱點狀目標,雖然從長時間來看存在較多的不確定因素,但由于成像系統的成像頻率很高,在短時間內點目標具有平穩特性,主要表現為在短時間內目標的灰度值可以近似認為不變和目標可以近似認為作勻速直線運動。經過最大值投影后,目標點在三維時空坐標中的運動軌跡被投影到二維組合幀圖像中,利用目標可以近似認為作勻速直線運動的特性,檢測出作直線運動的目標點。常用的方法有軌跡關聯算法和哈夫變換算法,這里采用軌跡關聯進行目標檢測,具體步驟為:

①尋找預測最大值圖像,構造幀序號圖像;

②尋找幀時間序列中除最大值圖像外的平均值圖像;

③將最大值圖像和平均值圖像做差分運算,消除整個圖像序列中的靜態目標,得到經過背景抑制后的組合幀圖像;

④對組合幀圖像進行閾值分割;

⑤利用區域生長方法求取各個候選目標點的質心坐標;

⑥結合幀序號圖像,在分割后的圖像上進行軌跡關聯,檢測出運動點目標。

2 仿真試驗及結果分析

2.1 一個目標點

仿真試驗中所采用的星圖圖像信噪比SNR=2,點目標的大小為4個像素,目標的運動速度為vx=5.8 pixel/frame,vy=-6.2 pixel/frame,圖像尺寸為128×128像素。根據該圖像序列的信噪比,從計算量和檢測性能綜合考慮,分別選用了3～10幀進行最大值投影,在組合幀上檢測到目標的位置點數如表1所示。

表1 檢測到的目標點數及檢測百分比(單一目標)

從表1可以看出,利用本文方法可有效檢測出目標點,且選用的圖像幀數越多檢測效果越好,當選用10幀進行最大值投影檢測,目標點位置都被準確提取。

2.2 交叉運動的兩個目標

仿真試驗中所采用的星圖圖像信噪比SNR=2,目標點大為4個像素,目標點一的運動速度為vx=6.2 pixel/frame,vy=5.7 pixel/frame,目標點二的運動速度為vx=-4.7 pixel/frame,vy=6.8 pixel/frame圖像尺寸為128×128像素。根據該圖像序列的信噪比,從計算量和檢測性能綜合考慮,分別選用3～10幀進行最大值投影,在組合幀上檢測到目標的位置點數如表2所示。

表2 檢測到的目標點數及檢測百分比(交叉運動目標)

從表2可以看出,利用本文方法可有效檢測出目標點,且選用的圖像幀數越多檢測效果越好,當選用9幀進行最大值投影檢測,所有目標點位置都被準確提取。

3 結束語

上述提出的結合投影檢測與軌跡關聯搜索的序列圖像點狀運動目標檢測算法根據最大值投影后的組合幀以及幀序號的染色圖,利用軌跡關聯的方法檢測點狀運動目標。在實際運用中,組合幀的數目的增加對提高檢測率是有利的,但同時也增加了計算量和虛警率,必須根據實際性能的需要對有關參數進行合理設置。仿真試驗表明,通過合理選擇組合幀數,該方法能在低信噪比條件下檢測出單一和交叉運動目標,且算法簡明,易于編程實現。

[1]REED S,R OBERT M.A Recursive Moving-Target-Indication Algorithm for Optical Image Sequences[J].IEEE Trans.on Aero.And Elect.Sys,1990,26(3):434-440.

[2]陳 穎.序列圖像中微弱點狀運動目標檢測及跟蹤技術研究[D].成都:電子科大博士學位論文,2003:10-13.

[3]崔常嵬,林 英,陳景春.信噪比緩動點目標的序貫檢測算法的分析與改進[J].電子學報,2001,29(6):820-823.

[4]鐘圣芳,張 兵,盧煥章.一種基于動態規劃的點目標軌跡該關聯算法[J].計算機測量與控制,2004,12(8):772-774.