席二輝，劉衛(wèi)光

（中原工學(xué)院，鄭州 450007）

隨著紅外技術(shù)的發(fā)展和應(yīng)用，提取紅外視頻目標(biāo)引起了高度關(guān)注，但由于紅外成像器件及熱輻射環(huán)境的影響，獲取的圖像質(zhì)量差，導(dǎo)致供提取目標(biāo)所用的信息少.因而，如何對紅外視頻目標(biāo)進(jìn)行提取，就變成了一個(gè)重要問題.

傳統(tǒng)的圖像提取算法有差分法[1]、光流法[2]和混合高斯建模算法[3].其中，差分法對時(shí)間控制要求嚴(yán)格，難以有效地提取目標(biāo);光流法極大地增加了計(jì)算復(fù)雜度;高斯建模法得到了廣泛應(yīng)用，但隨著定義高斯個(gè)數(shù)的增多，復(fù)雜度也隨之增大，并要預(yù)先估計(jì)分布.近幾年，關(guān)于紅外分割的方法有不少人研究，例如：李欣，趙亦工等人提出了基于復(fù)雜度的自適應(yīng)門限弱小目標(biāo)檢測方法[4];代中華，孫韶媛等人提出了一種車載紅外視頻彩色化算法[5].針對傳統(tǒng)算法不能在紅外環(huán)境下有效地分割出運(yùn)動目標(biāo)的問題，本文提出了基于時(shí)間域的紅外視頻運(yùn)動目標(biāo)提取算法，實(shí)現(xiàn)了紅外視頻運(yùn)動目標(biāo)的分割.

1 傳統(tǒng)目標(biāo)提取算法存在的問題

傳統(tǒng)的圖像分割算法，廣泛地采用高斯建模方法.單高斯背景建模[6]適用于簡單的背景，用單高斯p（xt，ut，∑t）表示每個(gè)像素點(diǎn)的顏色分布，算法復(fù)雜度不高、易實(shí)現(xiàn)，但不適合用于復(fù)雜多變的場景.

混合高斯算法的出現(xiàn)克服了單高斯算法的不足，給視頻圖像中每個(gè)像素定義k個(gè)狀態(tài)，隨著k值的增大，應(yīng)對復(fù)雜背景的能力增強(qiáng)，由此增大了時(shí)間復(fù)雜度和算法復(fù)雜度.混合高斯公式表示為：

不論單高斯建模還是多高斯建模，均要提前估計(jì)分布，這也給高斯建模的應(yīng)用帶來了局限性.

2 基于時(shí)間域的目標(biāo)提取算法

2.1 基本原理

首先讀取視頻文件，獲取每幀圖像的灰度值;然后根據(jù)紅外視頻運(yùn)動目標(biāo)的軌跡，合理地對視頻序列按時(shí)間域進(jìn)行劃分，并對每幀圖像的灰度值以對數(shù)形式重置，即log10（image），其中image代表每幀圖像的灰度值，用于降低算法的計(jì)算量;求出每個(gè)時(shí)間域圖像的均值和方差并進(jìn)行組合;最后根據(jù)組合的均值和方差對原始圖像進(jìn)行極大似然估計(jì)，生成紅外視頻分割結(jié)果.

2.2 各個(gè)時(shí)間域均值和方差的求取

在實(shí)驗(yàn)中，紅外視頻目標(biāo)的運(yùn)動軌跡是一個(gè)不規(guī)則的橢圓，以 x軸的正方向?yàn)槠瘘c(diǎn)，經(jīng)過第4、3、2、1象限重新回到了起始位置，如圖1和圖2所示.根據(jù)目標(biāo)的運(yùn)動軌跡把視頻序列劃分為4個(gè)象限即4個(gè)時(shí)間域，在圖1中有2個(gè)坐標(biāo)系：o-xy和o-mnt.o-mnt坐標(biāo)系表示視頻中的序列圖像，o-mn表示視頻中的一幅圖像，m表示圖像的行，n表示圖像的列，t表示時(shí)間軸;o-xy坐標(biāo)系表示一個(gè)空的圖像框，但經(jīng)過對均值和方差求取組合后，就成為一幅不含運(yùn)動目標(biāo)的背景圖像.在求取均值和方差時(shí)，o-mnt坐標(biāo)系中的圖像映射到o-xy坐標(biāo)系，可以認(rèn)為在o-xy坐標(biāo)系的每個(gè)時(shí)間域內(nèi)都有部分序列圖像，如圖3所示（省略號代表沒有展現(xiàn)出的序列圖像）.由于目標(biāo)的不規(guī)則運(yùn)動軌跡，各個(gè)區(qū)域劃分的幀數(shù)也有所不同，在實(shí)驗(yàn)過程中，以第4、3、2、1區(qū)域?yàn)轫樞虬膸瑪?shù)分別為20幀、30幀、30幀、40幀，占用的時(shí)間域依次為t0-t1，t1-t2，t2-t3，t3-t4.

幀數(shù)劃分完成以后，求取各個(gè)時(shí)間域的均值和方差，如在圖1中，第4區(qū)域的均值和方差求取范圍是第1幀至第20幀.均值和方差的數(shù)學(xué)表達(dá)式為：

式中：i代表區(qū)域序號;Vi代表第i區(qū)域某個(gè)像素的每幀序列和;Fi代表劃分到第i區(qū)域的幀數(shù)，或第i區(qū)域的幀數(shù)和;SQi代表每個(gè)區(qū)域內(nèi)各個(gè)幀數(shù)相應(yīng)像素的平方和.

經(jīng)過對每個(gè)時(shí)間域均值和方差的求取，構(gòu)造一個(gè)與視頻中每幀圖像尺寸等同的背景圖像框，原始視頻尺寸為：m=512，n=640.合并均值和方差時(shí)，如在圖1中，是把第4區(qū)域從第1幀到第20幀圖像的均值和方差組合到生成的背景圖像框中的第2區(qū)域.由于在第4象限中目標(biāo)的運(yùn)動軌跡基本在第4區(qū)域，在 t0、t1、t2、t3時(shí)刻以及間隔較小的時(shí)間內(nèi)，即區(qū)域的交界處，存在運(yùn)動目標(biāo)占2個(gè)區(qū)域的位置，即第20、50、80、120幀以及附近幀數(shù)目標(biāo)都會占2個(gè)區(qū)域的位置;隨著時(shí)間的變化，目標(biāo)移入一個(gè)區(qū)域，但每隔一個(gè)區(qū)域，在此時(shí)間域是沒有目標(biāo)存在的，只有背景，如圖1中間隔線箭頭指向所示;第3、2、1區(qū)域中的均值和方差依次被組合到第1、4、3區(qū)域中，生成的背景圖像如圖4所示，背景里面的不規(guī)則帶狀橢圓就是目標(biāo)的運(yùn)動軌跡.

圖4 背景圖像

對算法作進(jìn)一步改進(jìn)，如圖2所示，在o-xy坐標(biāo)系上添加了直線h1和h2.h1是第1、3象限的角平分線，將第1 、3象限依次分為第1 、2、5、6區(qū)域;h2是第2、4象限的角平分線，將第2、4象限依次分為第3、4、7、8區(qū)域.每個(gè)區(qū)域在圖2中的相應(yīng)時(shí)間域都包含有部分序列圖像，第 8、7、6、5、4、3、2、1 區(qū)域依次包含的幀數(shù)為10 幀 、10 幀 、15 幀 、15 幀 、15 幀 、15 幀 、20 幀 、20幀 .分別求取每個(gè)區(qū)域的均值和方差，組合均值和方差時(shí)，如圖 2 中虛線箭頭指向所示 ，第 6 、5、4 、3、2 、1、8 、7 區(qū)域的均值和方差依次被隔一個(gè)區(qū)域調(diào)到第 8、7、6、5、4、3、2、1區(qū)域，這些區(qū)域的序列圖像所占用的時(shí)間域分別為t0-t01，t01-t1，t1-t12，t12-t2，t2-t23，t23-t3，t3-t34，t34-t4，組合后便可生成一幅沒有目標(biāo)的背景圖像.

紅外技術(shù)是通過場景的熱輻射獲取圖像的.只要溫度大于絕對零度的物體，都可以成為輻射源.受熱輻射以及紅外探測器的影響，視頻中圖像對比度差別較大，在部分圖像（如圖3所示）中基本上看不到目標(biāo)物，這也是造成紅外圖像不易分割的原因.

2.3 依據(jù)時(shí)間域的提取步驟

獲取視頻背景圖像后，便可運(yùn)用組合后的均值和方差提取視頻.在此用到極大似然估計(jì)[7]，設(shè)i1，i2，…，in是總體i的一個(gè)樣本，那么樣本的聯(lián)合密度為f（i1，i2，…，in;θ），當(dāng)給出樣本 i1 ，i2 ，…，in時(shí) ，定義似然函數(shù)：

式中：L（θ）是θ的函數(shù)，表示參數(shù)θ將以多大可能產(chǎn)生樣本值i1，i2，…，in.極大似然估計(jì)是用使L（θ）達(dá)到最大的值?θ估計(jì)θ，表達(dá)式為：

視頻提取步驟如下：

第一步：導(dǎo)入某一幀的每個(gè)像素的灰度值，并對其灰度值進(jìn)行極大似然運(yùn)算，以及似然運(yùn)算后的二值操作.

第二步：對二值變換后的圖像進(jìn)行開運(yùn)算[8].開運(yùn)算可以使圖像的輪廓變得光滑.開運(yùn)算表達(dá)式為：

式中：A表示經(jīng)過似然運(yùn)算后的二值圖像;B表示對A進(jìn)行腐蝕及膨脹操作的結(jié)構(gòu)元素.可以看出，開運(yùn)算就是先用B對A進(jìn)行腐蝕操作，再用B對腐蝕后的結(jié)果進(jìn)行膨脹操作.

第三步：對開運(yùn)算后的二值圖像進(jìn)行填充以及去除較小區(qū)域的修正操作，然后，轉(zhuǎn)到第一步，讀取下一幀圖像的數(shù)據(jù).

3 實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)是通過MATLAB編程實(shí)現(xiàn)的.圖5所示的圖像是視頻中的部分原始圖像.圖6、圖7顯示了和圖5部分原始圖像相對應(yīng)的利用4區(qū)域提取算法、8區(qū)域提取算法獲取的結(jié)果.定義似然運(yùn)算后像素值的門限值T為8×10-10，如果T＜8×10-10，就認(rèn)為此像素點(diǎn)是前景點(diǎn)，否則認(rèn)為它是背景點(diǎn)，由此獲得一幅二值圖像.然后用結(jié)構(gòu)元素[1]對二值圖像進(jìn)行開運(yùn)算，并對開運(yùn)算后的二值圖像進(jìn)行標(biāo)記，求取圖像中每個(gè)白色區(qū)域的面積.如果白色區(qū)域的面積小于400，就認(rèn)為這個(gè)白色區(qū)域是背景，那么白色區(qū)域的面積等于0，否則白色區(qū)域?yàn)榍熬?，由此提取每幀圖像的運(yùn)動目標(biāo).

經(jīng)過原始圖像與提取圖像的比較，說明本算法能夠較好地應(yīng)用于紅外視頻的分割;4區(qū)域提取算法生成的結(jié)果有目標(biāo)信息缺失及誤分割現(xiàn)象，8區(qū)域提取算法可以較好地消除這種現(xiàn)象.

圖7 視頻中部分幀的8區(qū)域提取算法提取結(jié)果

4 結(jié) 語

本文提出了基于時(shí)間域的紅外視頻目標(biāo)提取算法，根據(jù)紅外目標(biāo)的運(yùn)動軌跡，合理地進(jìn)行區(qū)域劃分，并將所求的均值、方差合并生成背景圖像，然后利用極大似然估計(jì)，在紅外環(huán)境下可以有效地提取出目標(biāo).經(jīng)過比較，利用8區(qū)域算法可以更好地提取目標(biāo)，消除4區(qū)域算法所產(chǎn)生的信息缺失以及誤分割現(xiàn)象.

[1]朱明旱，羅大庸，曹倩霞.幀間差分與背景差分相融合的運(yùn)動目標(biāo)檢測算法[J].計(jì)算機(jī)測量與控制，2005，13（3）：215-217.

[2]李金宗，原磊，李冬冬.一種基于特征光流檢測的運(yùn)動目標(biāo)跟蹤方法[J].系統(tǒng)工程與電子技術(shù)，2004，27（3）：422-426.

[3]李新仕，王天江，劉芳.基于高斯混合模型的視頻運(yùn)動對象自動分割算法[J].計(jì)算機(jī)科學(xué)，2009，36（1）：205-207.

[4]李欣，趙亦工，郭偉，基于復(fù)雜度的自適應(yīng)門限弱小目標(biāo)檢測方法[J].光子學(xué)報(bào)，2009，38（8）：2145-2149.

[5]代中華，孫韶媛，許真，等.一種車載紅外視頻彩色化算法[J].紅外技術(shù)，2010，32（10）：595-599.

[6]羅小蘭.視頻跟蹤中的背景建模[D].長沙：國防科學(xué)技術(shù)大學(xué)，2007：6-8.

[7]李念偉，王鳳英.概率論與數(shù)理統(tǒng)計(jì)[M].北京：化學(xué)工業(yè)出版社，2010：116-119.

[8]岡薩雷斯.數(shù)字圖像處理[M].阮秋琦，阮宇智譯.北京：電子工業(yè)出版社，2008：423-431.