胡禮勇,李 釗,李建軍,郭 剛

(1.第二炮兵青州士官學(xué)校,山東青州262500;2.第二炮兵駐石家莊地區(qū)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(biāo)的檢測跟蹤技術(shù)要求的提高,如何實時快速地檢測出小目標(biāo)成為目前的研究熱點。微弱點狀目標(biāo)不同于大目標(biāo),它沒有大小、形狀和紋理等特征信息可以利用,且目標(biāo)點的輻射強(qiáng)度較弱,通常被背景和雜波所掩蓋,因此,不可能用傳統(tǒng)的單幀檢測技術(shù)來檢測提取目標(biāo),必須采用時空聯(lián)合多幀檢測技術(shù)。為解決此問題,提出了一種結(jié)合投影檢測和軌跡關(guān)聯(lián)搜索的方法,通過投影構(gòu)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(gòu)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(jìn)行軌跡搜索,目標(biāo)檢測。仿真結(jié)果表明,該方法能準(zhǔn)確地檢測出低信噪比條件下點狀運動目標(biāo)。

1 基于最大值投影的目標(biāo)檢測算法

直接對三維圖像序列進(jìn)行處理所需計算量很大,目前很難實時實現(xiàn),為此采用了投影變換的檢測算法?；谕队白儞Q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(biāo)可能軌跡進(jìn)行統(tǒng)計檢測,最后將檢測結(jié)果映射到三維空間上形成最終的檢測結(jié)果。通過將三維時空域上的軌跡檢測問題轉(zhuǎn)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(biāo)檢測和圖像的背景抑制結(jié)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(jīng)過背景抑制后的圖像,后經(jīng)閾值分割,得出候選目標(biāo)點,然后利用軌跡關(guān)聯(lián)算法檢測出作直線運動的目標(biāo)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(gòu)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(biāo)點的灰度值比背景點大,故最大值圖像中必定包含目標(biāo)點,同時幀序號染色圖像包含了目標(biāo)點出現(xiàn)的時間信息。表達(dá)式為:

1.2 時間預(yù)測圖像的獲取

時間預(yù)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(tài)的背景目標(biāo)點,通過差分運算,在消除了靜態(tài)目標(biāo)點的同時抑制了背景。

1.3 候選目標(biāo)點的提取

候選目標(biāo)的提取是通過自適應(yīng)閾值分割算法實現(xiàn)的?；谀繕?biāo)圖像計算出背景噪聲的水平,按照設(shè)定的虛警率和漏警率計算閾值,對軌跡圖像進(jìn)行自適應(yīng)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(fù)進(jìn)行以下操作:

式中,E為區(qū)域象素的平均值。

這種算法基于目標(biāo)窗口圖像的統(tǒng)計數(shù)據(jù)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(biāo)像素面積大則增加 α;否則,候選目標(biāo)像素面積小而導(dǎo)致跟蹤處理器無法鎖定當(dāng)前有效的候選目標(biāo),則減小 α。

1.4 質(zhì)心坐標(biāo)的求取

設(shè)在組合幀圖像中的某個目標(biāo)點由點集T=組成,其中m為構(gòu)成該目標(biāo)點的像素個數(shù),fk(xk,yk)表示位于(xk,yk)像素點的灰度值。根據(jù)灰度值加權(quán)計算質(zhì)心坐標(biāo)的方法可以得到:

經(jīng)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(biāo)灰度值,n(i,j,k)表示噪聲,則質(zhì)心坐標(biāo)公式為:

1.5 目標(biāo)檢測算法的設(shè)計

序列圖像中的微弱點狀目標(biāo),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(tǒng)的成像頻率很高,在短時間內(nèi)點目標(biāo)具有平穩(wěn)特性,主要表現(xiàn)為在短時間內(nèi)目標(biāo)的灰度值可以近似認(rèn)為不變和目標(biāo)可以近似認(rèn)為作勻速直線運動。經(jīng)過最大值投影后,目標(biāo)點在三維時空坐標(biāo)中的運動軌跡被投影到二維組合幀圖像中,利用目標(biāo)可以近似認(rèn)為作勻速直線運動的特性,檢測出作直線運動的目標(biāo)點。常用的方法有軌跡關(guān)聯(lián)算法和哈夫變換算法,這里采用軌跡關(guān)聯(lián)進(jìn)行目標(biāo)檢測,具體步驟為:

①尋找預(yù)測最大值圖像,構(gòu)造幀序號圖像;

②尋找?guī)瑫r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(tài)目標(biāo),得到經(jīng)過背景抑制后的組合幀圖像;

④對組合幀圖像進(jìn)行閾值分割;

⑤利用區(qū)域生長方法求取各個候選目標(biāo)點的質(zhì)心坐標(biāo);

⑥結(jié)合幀序號圖像,在分割后的圖像上進(jìn)行軌跡關(guān)聯(lián),檢測出運動點目標(biāo)。

2 仿真試驗及結(jié)果分析

2.1 一個目標(biāo)點

仿真試驗中所采用的星圖圖像信噪比SNR=2,點目標(biāo)的大小為4個像素,目標(biāo)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(jù)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(jìn)行最大值投影,在組合幀上檢測到目標(biāo)的位置點數(shù)如表1所示。

表1 檢測到的目標(biāo)點數(shù)及檢測百分比(單一目標(biāo))

從表1可以看出,利用本文方法可有效檢測出目標(biāo)點,且選用的圖像幀數(shù)越多檢測效果越好,當(dāng)選用10幀進(jìn)行最大值投影檢測,目標(biāo)點位置都被準(zhǔn)確提取。

2.2 交叉運動的兩個目標(biāo)

仿真試驗中所采用的星圖圖像信噪比SNR=2,目標(biāo)點大為4個像素,目標(biāo)點一的運動速度為vx=6.2 pixel/frame,vy=5.7 pixel/frame,目標(biāo)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(jù)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(jìn)行最大值投影,在組合幀上檢測到目標(biāo)的位置點數(shù)如表2所示。

表2 檢測到的目標(biāo)點數(shù)及檢測百分比(交叉運動目標(biāo))

從表2可以看出,利用本文方法可有效檢測出目標(biāo)點,且選用的圖像幀數(shù)越多檢測效果越好,當(dāng)選用9幀進(jìn)行最大值投影檢測,所有目標(biāo)點位置都被準(zhǔn)確提取。

3 結(jié)束語

上述提出的結(jié)合投影檢測與軌跡關(guān)聯(lián)搜索的序列圖像點狀運動目標(biāo)檢測算法根據(jù)最大值投影后的組合幀以及幀序號的染色圖,利用軌跡關(guān)聯(lián)的方法檢測點狀運動目標(biāo)。在實際運用中,組合幀的數(shù)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(jù)實際性能的需要對有關(guān)參數(shù)進(jìn)行合理設(shè)置。仿真試驗表明,通過合理選擇組合幀數(shù),該方法能在低信噪比條件下檢測出單一和交叉運動目標(biāo),且算法簡明,易于編程實現(xiàn)。

[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(biāo)檢測及跟蹤技術(shù)研究[D].成都:電子科大博士學(xué)位論文,2003:10-13.

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

[4]鐘圣芳,張 兵,盧煥章.一種基于動態(tài)規(guī)劃的點目標(biāo)軌跡該關(guān)聯(lián)算法[J].計算機(jī)測量與控制,2004,12(8):772-774.