一種改進的高斯混合模型海上紅外圖像運動目標檢測

吳洋 劉孟軻 吳玉枝

摘 要 本文提出一種改進高斯混合模型海上紅外圖像運動目標檢測算法。首先采用幀差法把目標圖像的背景和感興趣區域區分開來。為了保證背景圖像準確快速的更新，其次采用高斯混合模型更新背景圖像。更新過程中對目標在前后兩幀中覆蓋區域采用不同的更新率。通過實驗結果表明，本文算法在保證圖像背景平穩更新的同時，能夠準確快速的提取圖像中感興趣目標區域。

【關鍵詞】目標檢測 幀間差分 高斯混合模型 更新率

1 引言

海上目標自動識別是目前軍事科技領域研究的熱點之一。基于目標特性的檢測方法是指通過檢測算子，分析目標的結構、形狀及紋理信息，實現目標的提取。包括閾值檢測、邊緣檢測等算法。這類檢測算法實質上就是基于圖像分割的檢測算法。目前，紅外圖像中的目標分割方法中引入了遺傳算法、小波變換、紋理分析及對背景建立數學模型進行預測等等。近年來，人們仍然對閾值分割方法投入較多的注意力。閾值法是一種簡單而有效的圖像分割技術，與其它分割方法相比，它的最大特點是計算簡單。要從復雜的景物中分辨出目標并將其形狀完整地提取出來，閾值的選取是灰度閾值分割的關鍵。若閾值選的過高，則過多的目標點將被誤歸為背景。反之，則會出現相反情況，這將影響分割后二值圖像中目標的大小與形狀，甚至會使目標丟失。

本文提出一種改進高斯混合模型海上紅外圖像運動目標檢測算法。首先采用幀差法把目標圖像的背景和感興趣區域區分開來。為了保證背景圖像準確快速的更新，其次采用高斯混合模型更新背景圖像。更新過程中對目標在前后兩幀中覆蓋區域采用不同的更新率。

2 幀間差分法分割圖像背景

幀間差分法基本步驟如圖1所示。其中fn（i，j）表示第n幀，fn+1（i，j）表示第n+1幀輸入圖像。兩幀圖像經過差分運算（公式1所示）得到差分圖像D（n）。

對差分圖像D（n）進行二值化處理，之后通過公式2與設定的閾值T進行比較，以分割圖像中的背景像素和前景像素。

最后在實際中，差分圖像由于受到噪聲干擾，一般還需要進行形態學濾波等去燥處理，進而提取出目標區域。

3 高斯混合模型構建更新背景

一般的單高斯模型的不足在于其不能準確反映描述圖像像素的變化，而海上目標圖像的像素往往隨時間和空間而變。為此，本文采用混合高斯模型來表示并區分目標區域和背景區域。與單高斯模型不同，高斯混合模型把圖像像素的變化表示為一個線性組合。而單個像素的變化在總體變化中的體現是通過其單個像素的權值反映。當像素值與背景圖像的高斯混合模型向匹配時，即判定為背景像素，反之為前景目標像素。

k個高斯函數線性組合成高斯混合模型p，如圖2所示。

k是混合高斯模型中高斯分布的個數，一般取3-5，并且；μk和∑k分別表示時刻t混合高斯模型中第i個高斯分布的均值向量和協方差矩陣。

由于紅外圖像像素灰度值變化差異較彩色圖像變化較小，特別在目標運動過程中背景更新容易存在交叉、漏檢等“空洞”現象。所以本文對幀間差分法分割出的背景和前景在更新率上加以區別對待。更新方法如公式5、6所示。

其中為均值的更新率，為方差的更新率。

具體地，把運動目標在當前幀所覆蓋區域定義為B（i，j），而把運動目標在當前幀前一陣所覆蓋區域定義為B2（i，j）。對于兩種區域采用不同的更新率進行更新，以保證更新的準確性。

4 實驗結果及分析

為了驗證本文提出的對當前幀目標覆蓋區域和前一幀目標覆蓋區域采用不同背景更新率的目標提取準確性，選用海面紅外船只序列圖像（分辨率為320×240）。對比圖3（a）和圖3（b）發現，此序列圖像特征為目標船只緩慢移動，目標檢測易受到“空洞”干擾。實驗具體步驟如下：

（1）用幀間差分法對第92幀和93幀圖像進行幀差操作；

（2）用高斯混合模型對步驟（1）分割出的背景進行更新，兩幀中目標覆蓋區域采用不同的更率。

（3）對最終的圖像差分圖像二值化，并進行形態濾波。

實驗結果如圖3所示。其中，圖3（c）為幀間差分法得到的目標結果；圖3（d）為在幀間差分法基礎上采用本文提出的改進高斯混合模型進行背景更新后的結果。對比圖3（c）和圖3（d）發現，由于目標船只從第92幀到第93幀運動幅度較小，兩幀中的重疊區域面積較大，導致檢測出來的運動目標存在“空洞”現象（圖3（c））。而通過本文提出的改進高斯混合模型更新背景后，目標船只較為完整的被檢測出，“空洞”現象明顯降低。

5 結論

本文針對序列圖像中背景變化不大的情況下，運動目標檢測易出現“空洞”的現象，提出一種改進的高斯混合模型改進算法。在幀間差分法的基礎上，對前后相鄰兩幀中目標覆蓋區域的背景更新采用了不同的更新率。實驗結果表明，該算法能夠準確地提取出運動目標，改善“空洞”現象。

參考文獻

[1]萬纓.運動目標檢測算法的探討[J].計算機仿真，2006，23（10）：221-226 .

[2]賀菁，李慶華，王新賽.基于方向性SUSAN 算子的圖像角點特征提取[J].小型微型計算機系統，2008，29（03）：508-510.

[3]張磊，張志勝，史金飛等.一種快速檢測圖像角點特征的線搜索式方法[J].自動化學報，2010，36（04）：509-521.

[4]鄭偉，劉文耀，王勇天.一種結合遺傳算法和鉆石搜索的多模式快速運動估計方法[J].2006，34（10）：1911-1915.

[5]金星.運動目標檢測和跟蹤及其在視頻監控系統中的應用[D].浙江大學（碩士學位論文），2010：4-28.

[6]徐里東，林行剛.視頻抖動矯正中全局運動參數的估計[J].清華大學學報（自然科學版）.2007，47（01）：92-95.

[7]Zhu S，Ma K K.A new diamond search algorithm for fast block matching motionestimation [J]. IEEE Transactions on Image Processing，2000，9（02）：287-290.

作者簡介

吳洋（1984-），女，四川省成都市人。碩士研究生。主要研究方向為圖像處理、模式識別。

作者單位

四川大學計算機學院 四川省成都市 610064