專利名稱：一種多尺度空中運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理與航天航空技術(shù)的交叉領(lǐng)域，具體涉及一種多尺度空中運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法可以解決動(dòng)平臺(tái)與復(fù)雜天空背景下未知大小的點(diǎn)狀、斑狀或面狀的飛行器目標(biāo)自動(dòng)檢測(cè)定位難題。
背景技術(shù)：
低信噪比的點(diǎn)目標(biāo)或小目標(biāo)的檢測(cè)與識(shí)別是目標(biāo)自動(dòng)識(shí)別(Automatic Target Recognition，簡(jiǎn)稱ATR)中的一個(gè)難題。其中一個(gè)重要的困難在于目標(biāo)成像面積小，往往只有一個(gè)或十幾個(gè)像素，缺乏足夠信息(無(wú)形狀、尺寸、紋理特征可利用)。
傳統(tǒng)的弱小目標(biāo)檢測(cè)一般有兩類算法從不同角度來(lái)實(shí)現(xiàn)小目標(biāo)檢測(cè)。一種是抑制背景，增強(qiáng)目標(biāo)。對(duì)圖像進(jìn)行預(yù)處理，濾除背景噪聲，突出目標(biāo)，從而為檢測(cè)出目標(biāo)或?yàn)楹罄m(xù)檢測(cè)提供了較好的基礎(chǔ)。常用的背景抑制方法有線性白化濾波器、統(tǒng)計(jì)濾波器、峰值檢測(cè)法、形態(tài)濾波器、神經(jīng)網(wǎng)絡(luò)法等。通常目標(biāo)檢測(cè)算法決定每幀圖像中目標(biāo)存在或不存在，而目標(biāo)跟蹤算法決定與跟蹤相關(guān)聯(lián)的目標(biāo)觀測(cè)。另外一種是當(dāng)目標(biāo)能量很低，檢測(cè)錯(cuò)誤概率非常高時(shí)，需要對(duì)多幀圖像進(jìn)行處理。這時(shí)，利用目標(biāo)的速度、運(yùn)動(dòng)方向等先驗(yàn)信息，通過(guò)積累目標(biāo)能量來(lái)提高檢測(cè)概率。常用的小目標(biāo)多幀檢測(cè)方法有三維匹配濾波器法、多級(jí)假設(shè)檢驗(yàn)法、最優(yōu)原理的動(dòng)態(tài)規(guī)劃法、高階相關(guān)檢測(cè)法、投影變換法、時(shí)間差分法、空間差分法、 多級(jí)門限檢測(cè)法、細(xì)胞神經(jīng)網(wǎng)絡(luò)法等等。
王岳環(huán)、程圣蓮、周曉瑋、張?zhí)煨蛱岢龅幕诙嗉?jí)濾波的復(fù)雜背景下多尺度小目標(biāo)檢測(cè)方法(見(jiàn)文獻(xiàn)王岳環(huán)，程圣蓮，周曉瑋，張?zhí)煨?基于多級(jí)濾波的復(fù)雜背景下多尺度小目標(biāo)檢測(cè).紅外與激光工程INFRARED AND LASER ENGINEERING, 2006，第03期)，雖然也能夠在沒(méi)有目標(biāo)尺度先驗(yàn)知識(shí)信息的情況下自適應(yīng)地檢測(cè)多個(gè)小目標(biāo)，但其檢測(cè)的尺度范圍有限，局限在9*9大小以下的小目標(biāo)，當(dāng)目標(biāo)尺度變化超過(guò)該范圍時(shí)，其檢測(cè)就會(huì)失效。另外，該文獻(xiàn)提到的方法，無(wú)法判斷有無(wú)特定尺度范圍目標(biāo)的情況。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種多尺度空中運(yùn)動(dòng)目標(biāo)檢測(cè)方法，該方法能在目標(biāo)大小未知或者連續(xù)變化的條件下，以單幀圖像為基礎(chǔ)，自適應(yīng)判斷目標(biāo)尺寸大小，進(jìn)而快速有效地檢測(cè)識(shí)別圖像序列中的運(yùn)動(dòng)目標(biāo)，還可判斷有無(wú)特定尺度范圍目標(biāo)。
本發(fā)明提供的多尺度空中運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其步驟包括 (1)讀入待處理的原始圖像；如果沒(méi)有圖像輸入，則轉(zhuǎn)步驟(9)； (2)建立目標(biāo)鏈表，初始化值為全零； (3)對(duì)原始圖像降η倍(η為正整數(shù))采樣率，分別對(duì)降采樣率后的圖像進(jìn)行模板大小為7Χ7、5Χ5和3X3的三個(gè)濾波模板進(jìn)行多級(jí)濾波，其模板元素都為1 ； (4)對(duì)濾波后的圖像從最大尺寸，即最大的濾波模板7X7結(jié)果圖進(jìn)行目標(biāo)特征檢測(cè)，如果檢測(cè)到目標(biāo)，則將目標(biāo)相關(guān)信息添加到目標(biāo)鏈表中；具體的特征檢測(cè)過(guò)程為在對(duì)濾波結(jié)果進(jìn)行二值分割和標(biāo)記，得到全部的疑似目標(biāo)。接著在標(biāo)記圖中疑似目標(biāo)進(jìn)行特征提取，即計(jì)算各標(biāo)記區(qū)域的平均灰度、長(zhǎng)寬比、面積與模板大小比。再結(jié)合以上特征，通過(guò)判斷疑似目標(biāo)與該模板是否有響應(yīng)，來(lái)決定該尺度空間下是否存在真實(shí)目標(biāo)； (5)對(duì)5X5濾波模板的濾波結(jié)果進(jìn)行特征檢測(cè)，檢測(cè)目標(biāo)鏈中所保存的目標(biāo)區(qū)域外是否還存在目標(biāo)，若有則將目標(biāo)相關(guān)信息添加到目標(biāo)鏈中； (6)對(duì)3X3濾波模板的濾波結(jié)果進(jìn)行特征檢測(cè)，檢測(cè)目標(biāo)鏈中所保存的目標(biāo)區(qū)域外是否還存在目標(biāo)，若有則將目標(biāo)相關(guān)信息添加到目標(biāo)鏈中； (7)令η = n-l，Sn < 0，則轉(zhuǎn)步驟(8)，否則轉(zhuǎn)步驟(3)； (8)根據(jù)目標(biāo)鏈中的目標(biāo)位置信息，在原圖中進(jìn)行標(biāo)記并顯示。再清空目標(biāo)鏈，轉(zhuǎn)步驟(1)進(jìn)行下一幅待處理圖像； (9)結(jié)束。
本發(fā)明的核心思想為通過(guò)對(duì)原圖像進(jìn)行降采樣率以及模板變化的多級(jí)濾波，使得僅僅通過(guò)三個(gè)尺寸的濾波模板就能處理3η個(gè)尺度變化范圍內(nèi)的目標(biāo)大小，從而使得算法能夠?qū)Ω蟪叨茸兓秶鷥?nèi)的目標(biāo)進(jìn)行檢測(cè)。算法從最大尺度開始進(jìn)行目標(biāo)檢測(cè)，逐級(jí)定位目標(biāo)所在的確切尺度，以精確定位不同大小的目標(biāo)。
為了提高目標(biāo)檢測(cè)的穩(wěn)定性和魯棒性，本發(fā)明在目標(biāo)尺度范圍的選取以及目標(biāo)特征提取做出了考慮。
首先，通過(guò)對(duì)原圖像進(jìn)行降η倍采樣率，并結(jié)合3Χ3、5Χ5和7X7三級(jí)多級(jí)濾波模板，可以檢測(cè)原圖中目標(biāo)尺度為(3 ·2η) X (3 ·2η)、(5 ·2η) X (5 ·2η)以及(7 ·2η) X (7 ·2η) 的大尺度目標(biāo)，其中η = 0,1,2,3,…，η，η為正整數(shù)。
其次，在目標(biāo)尺度選擇方面，算法通過(guò)從大尺度到小尺度的順序，逐級(jí)定位目標(biāo)的確切尺度大小。優(yōu)先在大尺度范圍內(nèi)查找目標(biāo)，可以有效的去除干擾，并能夠防止由于模板小而目標(biāo)大，從而導(dǎo)致目標(biāo)被模板割裂的情況。
另外，通過(guò)遍歷整個(gè)采樣及濾波級(jí)別，能夠?qū)⒚恳患?jí)中的符合該級(jí)尺度大小的目標(biāo)檢測(cè)出來(lái)，從而達(dá)到多目標(biāo)檢測(cè)的目的。
最后，在目標(biāo)特征判決方面，通過(guò)比較目標(biāo)大小與不同尺度模板之間的響應(yīng)關(guān)系， 來(lái)確定目標(biāo)的實(shí)際尺度。同時(shí)結(jié)合目標(biāo)的位置、長(zhǎng)寬比、平均灰度等信息，以及目標(biāo)形狀和其他特性等先驗(yàn)知識(shí)來(lái)確定最終的檢測(cè)目標(biāo)。


圖1是本發(fā)明基于多級(jí)濾波的多尺度目標(biāo)檢測(cè)方法的流程圖； 圖2是圖1中目標(biāo)檢測(cè)模塊的詳細(xì)流程圖； 圖(3a)是序列圖中某一幀圖像； 圖(3b)是圖(3a)進(jìn)行量化后而成的圖像； 圖Ga)是圖(3b)的降0倍采樣率后的成像圖，也就是圖(3b)本身； 圖(4b)、圖(4c)和圖(4d)分別是對(duì)圖(4a)進(jìn)行模塊大小為3X3、5X5和7X7 的多級(jí)濾波結(jié)果圖； 圖Ge)是圖(3b)的降1倍采樣率后的成像圖； 圖(4f)、圖(4g)和圖(4h)分別是對(duì)圖(4e)進(jìn)行模塊大小為3X3、5X5和7X7的多級(jí)濾波結(jié)果圖； 圖Gi)是圖(3b)的降2倍采樣率后的成像圖； 圖⑷)、圖(4k)和圖(41)分別是對(duì)圖(4i)進(jìn)行模塊大小為3X3、5X5和7X7 的多級(jí)濾波結(jié)果圖； 圖(5a) 圖(5c)分別是圖Gb) 圖Gd)的二值分割圖，該尺度下目標(biāo)模板響應(yīng)過(guò)大，模板尺度過(guò)小，導(dǎo)致目標(biāo)被分裂，不可取； 圖(6a) 圖(6c)分別是圖Gf) 圖Gh)的二值分割圖，該尺度下目標(biāo)模板響應(yīng)強(qiáng)烈，模板尺度合適，結(jié)果可?。? 圖(7a) 圖(7c)分別是圖Gj) 圖的二值分割圖，該尺度下目標(biāo)模板響應(yīng)很小，模板尺度過(guò)大，不可取； 圖(8a)即(6b)，為最后定位目標(biāo)所在的尺度空間； 圖(8b)是最后的輸出結(jié)果，在目標(biāo)上進(jìn)行標(biāo)記；
具體實(shí)施例方式下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。本例中η = 2。
(1)讀入待處理的原始圖像；如果沒(méi)有圖像輸入，則轉(zhuǎn)步驟(9)； 如序列圖(3a)為讀入的待處理原圖像。在本試驗(yàn)中為處理方便，我們對(duì)其進(jìn)行量化處理，圖(3b)即為量化后的成像圖。
(2)建立目標(biāo)鏈表，初始化值為全零； (3)對(duì)原始圖像降η倍(η為正整數(shù))采樣率，分別對(duì)降采樣率后的圖像進(jìn)行模板大小為7Χ7、5Χ5和3X3的三個(gè)濾波模板進(jìn)行多級(jí)濾波，其模板元素都為1 ； 圖(4i)為原圖降2倍采樣率后的圖像，而圖⑷)、圖(4k)和圖(41)則分別為圖 (4i)用大小為7X7、5X5和3X3的3個(gè)濾波模板進(jìn)行多級(jí)濾波的結(jié)果圖。
(4)對(duì)濾波后的圖像從最大尺寸，即最大的濾波模板7X7結(jié)果圖進(jìn)行目標(biāo)特征檢測(cè)，如果檢測(cè)到目標(biāo)，則將目標(biāo)相關(guān)信息添加到目標(biāo)鏈中；具體的特征檢測(cè)過(guò)程為在對(duì)濾波結(jié)果進(jìn)行二值分割和標(biāo)記，得到全部的疑似目標(biāo)。接著在標(biāo)記圖中對(duì)疑似目標(biāo)進(jìn)行特征提取，即計(jì)算各標(biāo)記區(qū)域的平均灰度、長(zhǎng)寬比、面積與模板大小比。再結(jié)合以上特征，通過(guò)判斷疑似目標(biāo)與該模板是否有響應(yīng)，來(lái)決定該尺度空間下是否存在真實(shí)目標(biāo)； 圖(7c)即為濾波模板7X7結(jié)果圖的二值分割圖，算法對(duì)圖(7c)進(jìn)行特征檢測(cè)，判斷該尺度內(nèi)沒(méi)有符合要求的目標(biāo)。
(5)對(duì)5X5濾波模板的濾波結(jié)果進(jìn)行特征檢測(cè)，檢測(cè)目標(biāo)鏈中所保存的目標(biāo)區(qū)域外是否還存在目標(biāo)，若有則將目標(biāo)相關(guān)信息添加到目標(biāo)鏈中； 圖(7b)即為濾波模板5X5結(jié)果圖Gk)的二值分割圖。算法對(duì)圖(7b)進(jìn)行特征檢測(cè)，判斷該尺度內(nèi)沒(méi)有符合要求的目標(biāo)。
(6)對(duì)3X3濾波模板的濾波結(jié)果進(jìn)行特征檢測(cè)，檢測(cè)目標(biāo)鏈中所保存的目標(biāo)區(qū)域外是否還存在目標(biāo)，若有則將目標(biāo)相關(guān)信息添加到目標(biāo)鏈中； 圖(7a)即為濾波模板3X3結(jié)果圖Gj)的二值分割圖。算法對(duì)圖(7a)進(jìn)行特征檢測(cè)，判斷該尺度內(nèi)沒(méi)有符合要求的目標(biāo)。
(7)令η = 1!-1，若η < 0，則轉(zhuǎn)步驟(8)；否則轉(zhuǎn)步驟(3)； (8)根據(jù)目標(biāo)鏈中的目標(biāo)位置信息，在原圖中進(jìn)行標(biāo)記并顯示。再清空目標(biāo)鏈，轉(zhuǎn)步驟(1)； (9)算法結(jié)束。
在分割圖中，圖(5a) 圖(5c)都為降2倍采樣率后的二值分割圖，該尺度下目標(biāo)模板響應(yīng)過(guò)大，模板尺度過(guò)小，導(dǎo)致目標(biāo)被分裂，不可??；圖(6a) 圖(6c)都為降一倍采樣率后的二值分割圖，該尺度下目標(biāo)模板響應(yīng)強(qiáng)烈，模板尺度合適，結(jié)果可?。粓D(7a) 圖 (7c)都為不降采樣率后的二值分割圖，該尺度下目標(biāo)模板響應(yīng)很小，模板尺度過(guò)大，不可取。
綜合以上結(jié)果，定位目標(biāo)尺度范圍為降一倍采樣率。并綜合該采樣率下個(gè)不同大小模板的濾波結(jié)果，確定5X5濾波模板大小下目標(biāo)響應(yīng)最大，故目標(biāo)最后所在尺度范圍為 10X10。
圖(8b)即為圖(3a)的檢測(cè)結(jié)果圖，而圖(8a)即為目標(biāo)所在的尺度范圍，圖(6a) 為圖(3a)進(jìn)行降1倍采樣率且用5X5濾波模板濾波后的二值分割圖，故圖(3a)中目標(biāo)所在的尺度空間為10X10。
附圖3 6所示的內(nèi)容反映了本發(fā)明在典型實(shí)施例中使用上述方法的有效性，通過(guò)對(duì)檢測(cè)圖進(jìn)行降采樣率以及模板變化的多級(jí)濾波，形成連續(xù)變化的尺度空間，通過(guò)這種類似金字塔的空間結(jié)構(gòu)，來(lái)實(shí)現(xiàn)對(duì)未知尺度或者尺度連續(xù)變化的目標(biāo)進(jìn)行檢測(cè)和定位。對(duì)相較于普通的基于知識(shí)和形狀特征的小目標(biāo)檢測(cè)算法，本發(fā)明的適用范圍更加廣泛。降采樣率并在相應(yīng)尺度空間對(duì)多級(jí)濾波后的響應(yīng)進(jìn)行判斷，以決定目標(biāo)尺寸的范圍與有無(wú)，這是本發(fā)明的重要組成部分。多級(jí)濾波和降采樣率，這兩者分別扮演著不同的作用。指定模板大小的多級(jí)濾波，可以將圖像中與該模板大小類似的目標(biāo)進(jìn)行增強(qiáng)，同時(shí)抑制背景噪聲。 通過(guò)多級(jí)濾波響應(yīng)特性的判斷，達(dá)到定位未知目標(biāo)的所在尺度的目的；而通過(guò)對(duì)濾波前的圖像進(jìn)行降采樣率，可以變相的增加算法檢測(cè)的尺度范圍。雖然通過(guò)增加多級(jí)濾波模板大小的種類也可以達(dá)到增加尺度范圍的目標(biāo)，但降采樣率效率更高，更精確。
本發(fā)明不僅局限于上述具體實(shí)施方式
，本領(lǐng)域一般技術(shù)人員根據(jù)本發(fā)明公開的內(nèi)容，可以采用其它多種具體實(shí)施方式
實(shí)施本發(fā)明，因此，凡是采用本發(fā)明的設(shè)計(jì)結(jié)構(gòu)和思路，做一些簡(jiǎn)單的變化或更改的設(shè)計(jì)，都落入本發(fā)明保護(hù)的范圍。
權(quán)利要求
1.一種多尺度空中運(yùn)動(dòng)目標(biāo)檢測(cè)方法，通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)的圖像序列進(jìn)行檢測(cè)處理，從而識(shí)別出目標(biāo)，該方法具體步驟包括(1)讀入待處理的圖像序列中的任一幀圖像；(2)建立目標(biāo)鏈表，初始化值為全零；(3)對(duì)讀入的圖像降η倍采樣率，分別對(duì)降采樣率后的圖像利用三個(gè)不同尺寸的濾波模板進(jìn)行多級(jí)濾波，其中η為正整數(shù)；(4)對(duì)其中最大尺寸的濾波模板的濾波結(jié)果進(jìn)行目標(biāo)特征檢測(cè)，如果檢測(cè)到目標(biāo)，則將目標(biāo)信息添加到目標(biāo)鏈表中；(5)對(duì)第二大尺寸的濾波模板的濾波結(jié)果進(jìn)行特征檢測(cè)，檢測(cè)目標(biāo)鏈中所保存的目標(biāo)區(qū)域外是否還存在目標(biāo)，若有則將目標(biāo)信息添加到目標(biāo)鏈表中；(6)對(duì)最小尺寸的濾波模板的濾波結(jié)果進(jìn)行特征檢測(cè)，檢測(cè)目標(biāo)鏈中所保存的目標(biāo)區(qū)域外是否還存在目標(biāo)，若有則將目標(biāo)信息添加到目標(biāo)鏈表中；(7)令η= η-1，若η<0，則轉(zhuǎn)步驟(8)，否則轉(zhuǎn)步驟(3)；(8)根據(jù)目標(biāo)鏈中的目標(biāo)位置信息，在原始圖像中進(jìn)行標(biāo)記并顯示，再清空目標(biāo)鏈，轉(zhuǎn)步驟(1)進(jìn)行下一幅待處理圖像，直至完成所有圖像處理，即完成目標(biāo)識(shí)別。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的三個(gè)不同尺寸的濾波模板大小分別為7Χ7、5Χ5和3X3，模板元素均為1。
3.根據(jù)權(quán)利要求1和2所述的方法，其特征在于，所述的目標(biāo)特征檢測(cè)的具體過(guò)程為 首先，對(duì)濾波結(jié)果進(jìn)行二值分割和標(biāo)記；再對(duì)標(biāo)記圖進(jìn)行特征提取，即計(jì)算各標(biāo)記區(qū)域的平均灰度、長(zhǎng)寬比、面積與模板大小比；最后，結(jié)合目標(biāo)特征判斷標(biāo)記區(qū)域在該模板下是否有響應(yīng)，從而確定出該尺度下是否存在目標(biāo)。
全文摘要
本發(fā)明公開了一種多尺度空中運(yùn)動(dòng)目標(biāo)檢測(cè)方法，包括(1)讀入待處理的圖像序列中的任一幀圖像(2)建立目標(biāo)鏈表，初始化值為全零(3)對(duì)讀入的圖像降n倍采樣率，再利用三個(gè)不同尺寸的濾波模板進(jìn)行多級(jí)濾波(4)依次對(duì)三個(gè)尺寸的濾波模板的濾波結(jié)果進(jìn)行目標(biāo)特征檢測(cè)，則將檢測(cè)到的目標(biāo)信息添加到目標(biāo)鏈表中(5)令n＝n-1，若n＜0，則轉(zhuǎn)步驟(6)，否則轉(zhuǎn)步驟(3)；(6)根據(jù)目標(biāo)鏈中的目標(biāo)位置信息，在原始圖像中進(jìn)行標(biāo)記并顯示。本發(fā)明通過(guò)對(duì)原圖像進(jìn)行降采樣率以及模板變化的多級(jí)濾波，從而使得算法能夠?qū)Ω蟪叨茸兓秶鷥?nèi)的目標(biāo)進(jìn)行檢測(cè)，算法從最大尺度開始進(jìn)行目標(biāo)檢測(cè)，逐級(jí)定位目標(biāo)所在的確切尺度，以精確定位不同大小的目標(biāo)。
文檔編號(hào)G06K9/00GK102201057SQ20111011456
公開日2011年9月28日 申請(qǐng)日期2011年5月4日 優(yōu)先權(quán)日2011年5月4日
發(fā)明者張?zhí)煨? 李 浩, 李高飛, 王功澤, 詹麗娟, 張橋, 李姣 申請(qǐng)人:華中科技大學(xué)