亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Harris算法的自適應(yīng)雙極性紅外艦船目標(biāo)檢測

        2014-03-29 02:10:02陳咸志羅鎮(zhèn)寶金代中胡俊杰
        激光與紅外 2014年12期
        關(guān)鍵詞:角點(diǎn)雜波艦船

        徐 倩,陳咸志,羅鎮(zhèn)寶,金代中,胡俊杰,曲 銳

        (西南技術(shù)物理研究所,四川 成都610041)

        1 引言

        海空背景下紅外艦船目標(biāo)檢測技術(shù)是對海偵查、監(jiān)測等應(yīng)用領(lǐng)域研究的重點(diǎn),有效的紅外艦船目標(biāo)檢測為后續(xù)的識別與跟蹤提供了重要基礎(chǔ)。受艦船目標(biāo)輻射特性的影響,紅外艦船目標(biāo)成像表現(xiàn)出多極性,即目標(biāo)灰度高于或低于背景灰度,或部分高于而另一部分低于背景灰度,另一方面受傳感器噪聲、海面輻射、天空熱輻射以及作用距離遠(yuǎn)等因素的影響,艦船目標(biāo)在圖像中表現(xiàn)出對比度低、信噪比低,特別是在背景中存在有非平穩(wěn)雜波干擾的情況時(shí),目標(biāo)可能被雜波淹沒,使得紅外艦船目標(biāo)的有效檢測成為一個(gè)極具挑戰(zhàn)性的問題。

        多年來許多學(xué)者進(jìn)行了相關(guān)研究:文獻(xiàn)[1]建立艦船輪廓模型定位目標(biāo)感興趣區(qū)域,但建立的模型與實(shí)際艦船很難達(dá)到一致,檢測效果較差。文獻(xiàn)[2]首先提取海天線確定目標(biāo)感興趣區(qū)域,再利用行列均值自適應(yīng)閾值分割出艦船目標(biāo)。該算法在不存在海天線的情況下會發(fā)生誤檢,且不適用于目標(biāo)亮度低于背景的場景。文獻(xiàn)[3]對圖像建立區(qū)域連接圖,采用最小生成樹方法得到分類結(jié)果。該算法在目標(biāo)灰度分布不均勻時(shí)不能有效檢測出目標(biāo)。

        已有算法大多基于艦船目標(biāo)灰度高于背景灰度能量(即已知目標(biāo)能量強(qiáng)度高于背景的關(guān)系)或艦船目標(biāo)成像灰度均勻的假設(shè)。實(shí)際應(yīng)用中,艦船目標(biāo)成像不僅可能呈現(xiàn)出目標(biāo)灰度高于或低于背景,即雙極性,還可能呈現(xiàn)出多極性,即目標(biāo)區(qū)域內(nèi)部部分區(qū)域灰度高于背景,而其他部分區(qū)域灰度低于背景。如圖1所示為已有方法對灰度雙極性或多極性艦船目標(biāo)的檢測結(jié)果,可見當(dāng)目標(biāo)灰度低于背景灰度(圖1(a))和灰度呈現(xiàn)多極性(圖1(b),圖1(c))時(shí),已有方法不能準(zhǔn)確檢測出艦船目標(biāo)。

        圖1 傳統(tǒng)算法對某些典型紅外艦船圖像檢測結(jié)果

        針對現(xiàn)有方法在艦船目標(biāo)成像灰度呈現(xiàn)“雙極性”或多極性的情況下適應(yīng)能力不足,本文提出了一種新的紅外艦船目標(biāo)檢測方法。首先對原始紅外圖像進(jìn)行均值漂移濾波去掉一部分雜波干擾;再對濾波后圖像進(jìn)行行垂直方向梯度投影提取感興趣區(qū)域;然后在感興趣區(qū)域提取角點(diǎn),得到艦船目標(biāo)的大致區(qū)域,最后優(yōu)化檢測窗口得到完整目標(biāo)。實(shí)驗(yàn)表明該方法能夠在艦船目標(biāo)呈現(xiàn)雙極性或多級性的情況下獲得較好的檢測結(jié)果。

        2 基于均值漂移的圖像濾波

        均值漂移算法(Mean Shift)在圖像平滑和圖像分割中都得到了很好的應(yīng)用[4]。均值漂移模型可以實(shí)現(xiàn)圖像的不連續(xù)保持性濾波,不僅可以濾除圖像中的噪聲信息,而且能夠自適應(yīng)地減小局部結(jié)構(gòu)中顯著邊緣信息的平滑?;谇笆鰞?yōu)點(diǎn),均值漂移濾波能夠有效濾除海面雜波干擾的同時(shí)不損失艦船目標(biāo)的邊緣信息,有利于后續(xù)目標(biāo)角點(diǎn)的提取。

        均值漂移算法是采用迭代計(jì)算的方式,即先算出當(dāng)前點(diǎn)的偏移均值,移動該點(diǎn)到其偏移均值,然后以此為新的起始點(diǎn),繼續(xù)移動,直到滿足一定條件結(jié)束迭代計(jì)算。該算法自應(yīng)用到圖像處理中以來,針對不同應(yīng)用,出現(xiàn)了多種偏移均值的表達(dá)形式[4-6],文中采用定義形式[5],偏移均值表示為:

        其中,G(x)是一核函數(shù);w(xi)≥0是一個(gè)賦給采樣點(diǎn)xi的權(quán)重;h為一常數(shù)。給定初始點(diǎn)、核函數(shù)和容許誤差均值漂移算法循環(huán)的執(zhí)行下面兩步,直至結(jié)束條件滿足:

        (1)計(jì)算mh(x);

        文中將紅外艦船目標(biāo)的空間信息和灰度信息統(tǒng)一考慮,組成特征向量x=(xs,xr),xs表示坐標(biāo),xr表示該坐標(biāo)上對應(yīng)的灰度特征,并采用高斯核函數(shù)估計(jì)x的分布,其表達(dá)形式如下:

        式中,g(x)為高斯核函數(shù)的剖面函數(shù);hs、hr為控制著圖像濾波平滑度的特定參數(shù);C為一保證Ghs,hr的積分為1的正數(shù);則Ghs,hr為估計(jì)灰度及空間信息分布的兩高斯核函數(shù)的剖面函數(shù)復(fù)合而成的核函數(shù)。

        分別用xi和zi,i=1,…,n表示原始和平滑后的圖像,用yi,j來表示第i點(diǎn)使用核Ghs,hr在均值漂移過程中第j次迭代的位置,由式(1)、(2)可表示為:

        由均值漂移算法原理,用均值漂移算法對每一個(gè)像素點(diǎn)xi=(xis,xir)進(jìn)行如下步驟:

        1)初始化j=1,并且使yi,1=xi;

        2)運(yùn)用均值漂移算法計(jì)算yi,j+1,直到收斂,記收斂后的值為yi,c;

        考慮到處理時(shí)間和處理效果,通過大量試驗(yàn)得到經(jīng)驗(yàn)值hs=4,hr=8,可以獲得比較好的濾波效果,如圖2所示,其中(a)為原始圖像,(b)為運(yùn)用均值濾波算法對圖(a)濾波結(jié)果,可以看出均值濾波在保持艦船目標(biāo)邊緣及內(nèi)部灰度特性時(shí)消除了大量海面雜波及天空云層干擾。

        圖2 均值濾波結(jié)果

        3 基于梯度特征的感興趣區(qū)域提取方法

        本文針對天空云層較少海面無強(qiáng)魚鱗光的場景,對成像面積具有一定大小(大于10×10像素,艦船高度不超過圖像高度的1/4)的雙極性或多級性艦船目標(biāo)進(jìn)行檢測。

        提取艦船目標(biāo)感興趣區(qū)域的傳統(tǒng)做法是提取海天線[7],這在海天線模糊或不存在海天線情況下容易發(fā)生誤檢。當(dāng)存在海天線時(shí),艦船一般出現(xiàn)在海天線附近(如圖1所示),由于天空和海面存在熱輻射差,在海天線過渡區(qū)域圖像垂直方向梯度變化大;當(dāng)不存在海天線時(shí),由于艦船大多呈扁平狀、存在吃水線以及艦船附近水紋多出現(xiàn)水平分布,在艦船附近垂直方向梯度變化也較明顯。因此無論是否存在海天線,艦船附近區(qū)域垂直方向梯度都會有較大變化。

        由于天空背景灰度分布比較均勻而海面雜波干擾比較強(qiáng),可以通過檢測第一個(gè)垂直方向梯度變化較大的行再上下進(jìn)行行擴(kuò)展來初步定位艦船區(qū)域。圖3是圖1(c)行垂直方向梯度均值投影圖。

        圖3 圖1(c)行垂直方向梯度均值投影

        設(shè)圖像尺寸為M×N,(i,j)是二維數(shù)字圖像平面上的點(diǎn),f(i,j)是經(jīng)均值濾波后圖像各點(diǎn)的灰度值,綜合以上分析,可以得出感興趣區(qū)域(ROI)提取方法,步驟如下:

        1)將圖像與垂直向梯度算子[-1;0;0;0;1]相卷,得到垂直向梯度Iy(i,j),并記錄于長度為M×N的數(shù)組中;

        2)垂直向梯度取絕對值,計(jì)算各行行梯度均值,為進(jìn)一步消除雜波干擾,取相鄰三行平均值作為各行行均值,得到行垂直方向梯度均值投影Avg_Iy(j),j=0,1,…,M-1,并記錄于長度為M的數(shù)組中;

        3)設(shè)定行垂直方向梯度均值閾值th1,通過大量實(shí)驗(yàn)得到經(jīng)驗(yàn)值:

        ROI獲取流程圖如圖4所示,圖5給出了存在海天線和不存在海天線兩種場景下ROI提取結(jié)果。

        圖4 ROI獲取流程圖

        圖5 典型場景下提取的艦船ROI(直線為定位行)

        4 基于Harris算法的艦船目標(biāo)檢測

        Harris算法是基于圖像灰度的角點(diǎn)檢測算法,若像素點(diǎn)所在位置的x方向梯度與y方向梯度的絕對值均比較大,則將該像素點(diǎn)判定為角點(diǎn)[8]。根據(jù)前面的分析,雙極性艦船邊緣及內(nèi)部在各個(gè)方向梯度都有明顯變化,因此可以通過檢測ROI中紅外艦船目標(biāo)的Harris角點(diǎn)來實(shí)現(xiàn)艦船目標(biāo)檢測。

        對于圖像I(x,y),在點(diǎn)(x,y)處平移(Δx,Δy)后的自相似性可以通過自相關(guān)函數(shù)來表示,自相關(guān)函數(shù)可以近似為二次項(xiàng)函數(shù):

        ω為高斯加權(quán)系數(shù);Ix,Iy為原圖在x和y兩個(gè)方向的一階梯度。

        當(dāng)二次項(xiàng)函數(shù)兩個(gè)特征值都大且近似相等時(shí)此點(diǎn)為角點(diǎn)。由于求取特征值計(jì)算量較大,故定義響應(yīng)函數(shù):

        式中,det M為矩陣M(x,y)的行列式;trace M為矩陣M(x,y)的跡,α取值一般為0.04~0.06,本文α取0.06。R值與特征值大小有關(guān),當(dāng)R值為局部最大值時(shí),即為角點(diǎn)。

        若直接尋找R值的局部最大值點(diǎn),由于海面雜波的干擾會得到很多角點(diǎn),幾乎占據(jù)整個(gè)窗口,因此考慮先抑制一部分雜波角點(diǎn)響應(yīng)值再尋找R值的局部最大值點(diǎn)。由于雙極性艦船與背景灰度差異大,多級性艦船內(nèi)部部分與部分之間存在灰度差異,因此在艦船邊緣及內(nèi)部區(qū)域會檢測出大量具有大響應(yīng)值的密集角點(diǎn),可以通過去掉弱響應(yīng)值以抑制部分雜波角點(diǎn),通過大量實(shí)驗(yàn)得到,抑制閾值設(shè)置為R最大值的0.008可以消除大部分雜波角點(diǎn)。對抑制后的R值尋找局部最大值即得初步檢測角點(diǎn)。

        在初步檢測角點(diǎn)中仍會存在少量響應(yīng)值很大的雜波角點(diǎn),由于艦船目標(biāo)角點(diǎn)的密集性使得雜波角點(diǎn)表現(xiàn)出奇異性,因此對初步檢測角點(diǎn)x坐標(biāo)值做統(tǒng)計(jì),計(jì)算其均值和方差,去掉距均值2倍方差的奇異角點(diǎn),得到最終檢測角點(diǎn)。圖6給出了角點(diǎn)檢測流程圖。

        根據(jù)最終檢測角點(diǎn)在ROI區(qū)域中畫出矩形框使得其剛好包圍所有的角點(diǎn)。圖7給出了圖1(c)ROI中艦船目標(biāo)檢測過程圖,“+”號為檢測出的角點(diǎn)位置,矩形框?yàn)槌醪綑z測結(jié)果。

        圖6 角點(diǎn)檢測流程圖

        圖7 ROI中艦船目標(biāo)檢測過程

        5 目標(biāo)檢測窗口優(yōu)化

        在檢測角點(diǎn)過程中雖然抑制了雜波,但同時(shí)可能損失一部分目標(biāo)角點(diǎn),使得檢測窗口比真實(shí)目標(biāo)略小;同時(shí)由于艦船煙囪成像一般為一條豎直線,有時(shí)檢測不出角點(diǎn),使得檢測窗口高度比真實(shí)目標(biāo)略低,因此需對檢測窗口進(jìn)一步優(yōu)化。

        由于艦船各個(gè)方向梯度都較大,可以將已有檢測窗口沿各個(gè)方向逐步擴(kuò)展,每擴(kuò)展一次計(jì)算擴(kuò)展后梯度均值與上次窗口梯度均值的比值,與給定閾值作比較,大于閾值則繼續(xù)擴(kuò)展,小于閾值則停止。經(jīng)實(shí)驗(yàn)驗(yàn)證,水平方向閾值設(shè)置為0.95,垂直方向閾值設(shè)置為0.995可以獲得較完整的目標(biāo)窗口。

        6 實(shí)驗(yàn)結(jié)果與分析

        采用文中提出的艦船目標(biāo)檢測方法,對實(shí)際拍攝的雙極性和多級性紅外艦船圖像進(jìn)行了實(shí)驗(yàn),圖像大小為320×254,檢測結(jié)果均用黑色矩形框標(biāo)出如圖8所示。其中(a)和(d)中艦船區(qū)域灰度高于背景,(b)和(e)中艦船區(qū)域灰度低于背景,而(c)和(f)中艦船區(qū)域灰度分布不均勻,從圖中可以看出,本文算法均能大致檢測出紅外艦船目標(biāo)。

        圖8 某些典型場景下雙極性和多級性艦船目標(biāo)檢測結(jié)果

        為了驗(yàn)證算法的魯棒性,對一視頻序列進(jìn)行了實(shí)驗(yàn),限于篇幅的原因,僅從序列中選取第1幀、第173幀以及第450幀圖像進(jìn)行說明,如圖9所示。在視頻序列中,艦船在垂直和水平方向上均有移動,圖9(c)中天空部分多了一個(gè)很大的亮斑干擾,實(shí)驗(yàn)結(jié)果表明,本文算法均能夠比較準(zhǔn)確的提取紅外艦船目標(biāo),算法穩(wěn)定性較好。

        圖9 視頻序列中艦船目標(biāo)檢測結(jié)果

        7 結(jié)語

        針對不同環(huán)境和拍攝角度下紅外圖像中艦船目標(biāo)呈現(xiàn)“雙極性”和“多極性”的問題,本文提出了一種新的基于梯度信息和Harris角點(diǎn)檢測的紅外艦船目標(biāo)檢測算法。首先對圖像進(jìn)行均值漂移濾波以抑制雜波干擾,在此基礎(chǔ)上,利用圖像的梯度特征獲得感興趣區(qū)域(ROI),很好地解決了不存在海天線和海天線模糊時(shí)艦船目標(biāo)檢測的難題,隨后通過自適應(yīng)設(shè)置Harris算法閾值并去掉雜波角點(diǎn),實(shí)現(xiàn)艦船目標(biāo)的自動檢測,為后續(xù)的目標(biāo)識別和跟蹤創(chuàng)造了有利條件。然而需要指出的是,文中算法并不適應(yīng)任何情況,當(dāng)海面有強(qiáng)魚鱗光反射和天空有較多云層時(shí),檢測算法也有發(fā)生誤檢的風(fēng)險(xiǎn),這些都是今后需要進(jìn)一步完善和提高的地方。

        [1] YAN Fabao,ZOU Changwen,WANG Lu,et al.Infrared warship target detection based on SUSAN algorithm and segmentation algorithm using the mean of image rows and colums[J].Laser&Infrared,2011,41(3):324-327.(in Chinese)嚴(yán)發(fā)寶,鄒常文,王璐,等.基于SUSAN算法和行列均值分割的海面艦船檢測[J].激光與紅外,2011,41(3):324-327.

        [2] YANG Mingyue,YANG Weiping.Automatic detection method of IR warship target in the complex sea-sky background[J].Infrared and Laser Engineering,2008,37(4):638-641.(in Chinese)楊明月,楊衛(wèi)平.復(fù)雜海天背景下紅外艦船目標(biāo)的自動檢測方法[J].紅外與激光工程,2008,37(4):638-641.

        [3] TAO Wenbing,JIN Hai.Ship infrared object segmentation based on mean shift filtering and graph spectral clustering[J].J.Infrared Millim.Waves,2007,26(1):61-64.(in Chinese)陶文兵,金海.基于均值漂移濾波及譜分類的海面艦船紅外目標(biāo)分割[J].紅外與毫米波學(xué)報(bào),2007,26(1):61-64.

        [4] Comaniciu D,Meer P.Mean shift:A robust approach toward feature space analysis[J].IEEE Trans.PAMI.2002,24(5):603-619.

        [5] Yizong Cheng.Mean shift,mode seeking,and clustering[J].IEEE Trans.PAMI,1995,17(8):790-799.

        [6] Fashing M,Tomasi C.Mean shift is a bound optimization[J].IEEE Trans Pattern Anal Mach Intell,2005,27(3):471-474.

        [7] GUO Xiaowei,MA Dengwu,DENG Li.Automatic target recognition algorithm for infrared warship under sea-sky background[J].Laser&Infrared,2012,42(12):1398-1402.(in Chinese)郭小威,馬登武,鄧力.海天背景下紅外艦船自動目標(biāo)識 別 算 法[J].激 光 與 紅 外,2012,42(12):1398-1402.

        [8] XU Kehu,WANG Tianzhao,CHEN Jinyu,et al.Harris corner detection algorithm based on self-adapting nonmaximal suppression[J].Science&Technology Review,2013,31(20):35-38.(in Chinese)徐克虎,王天召,陳金玉,等.自適應(yīng)非最大抑制的Harris角點(diǎn)檢測算法[J].科技導(dǎo)報(bào),2013,31(20):35-38.

        猜你喜歡
        角點(diǎn)雜波艦船
        艦船通信中的噪聲消除研究
        STAR2000型空管一次雷達(dá)雜波抑制淺析
        艦船測風(fēng)傳感器安裝位置數(shù)值仿真
        基于FAST角點(diǎn)檢測算法上對Y型與X型角點(diǎn)的檢測
        基于邊緣的角點(diǎn)分類和描述算法
        電子科技(2016年12期)2016-12-26 02:25:49
        基于圓環(huán)模板的改進(jìn)Harris角點(diǎn)檢測算法
        艦船腐蝕預(yù)防與控制系統(tǒng)工程
        密集雜波環(huán)境下確定性退火DA-HPMHT跟蹤算法
        相關(guān)廣義復(fù)合分布雷達(dá)海雜波仿真
        遙測遙控(2015年2期)2015-04-23 08:15:22
        微波雷達(dá)海雜波混沌特性分析
        神马影院午夜dy888| 亚洲AV色欲色欲WWW| 国产精品女人一区二区三区 | 亚洲国产精品毛片av不卡在线| 欧美成人精品第一区二区三区| √天堂资源中文www| 亚洲成av人片一区二区| 亚洲高清无码第一| 亚洲一区二区三区美女av| 中文字幕人妻饥渴浪妇| 国产精品一区二区无线| 青春草国产视频| 少妇高潮呻吟求饶视频网站| 九九九免费观看视频| 日日猛噜噜狠狠扒开双腿小说| av少妇偷窃癖在线观看| 国产精品女丝袜白丝袜美腿| 人妻丰满熟av无码区hd| 亚洲国产精品久久久久秋霞1| 亚洲AV手机专区久久精品| 人妖啪啪综合av一区| 国产亚洲精品美女久久久| 少妇精品无码一区二区三区| 精品蜜桃av一区二区三区| 精品日韩一级免费视频| 无码人妻一区二区三区在线视频| 欧美高清视频一区| 国产成人av区一区二区三| 激情综合色五月丁香六月欧美| 色av综合av综合无码网站| 99久久无色码中文字幕鲁信| 亚洲中文字幕在线综合| 天堂aⅴ无码一区二区三区| 亚洲春色AV无码专区在线播放| 日本女优禁断视频中文字幕| 亚洲av高清在线观看一区二区 | 无码人妻一区二区三区兔费| 亚洲精品无码久久毛片| av中文字幕在线资源网| 东北女人啪啪对白| 中文字幕日本最新乱码视频|