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

        ?

        無人機紅外遙感影像人體目標識別方法研究

        2022-07-20 01:16:50董少敏馬永政
        經(jīng)緯天地 2022年3期
        關(guān)鍵詞:形態(tài)學(xué)灰度預(yù)處理

        董少敏 馬永政 郭 麗 付 浩

        (1.某部隊,浙江 舟山 316000;2.集美大學(xué)計算機學(xué)院,福建 廈門 361021)

        0.引言

        在野外救援中,利用無人機對周邊環(huán)境進行偵查監(jiān)視,對于救援環(huán)境實時感知具有重要的意義。利用無人機搭載可見光、紅外傳感器可以遠距離快速發(fā)現(xiàn)人體目標,并依據(jù)相應(yīng)算法對數(shù)據(jù)進行秒級預(yù)處理,然后把預(yù)處理數(shù)據(jù)通過通訊單元快速傳輸給后方專家系統(tǒng),形成科學(xué)的救援方案,輔助救援決策,以提高救援速度,爭取黃金救援時間減少人員的傷亡。

        紅外成像(特別是遠紅外成像)相較于可見光成像具有顯著的優(yōu)勢。由于紅外圖像是熱成像,不依賴于外界光線條件,即使在黑暗和煙霧環(huán)境,也可以探測到人體發(fā)射的紅外信息并成像。同時紅外線圖像還具有良好的切割特性。但是紅外線圖像自身存在的特性,如低反差、低信噪比、無法校驗的黑白極性顛倒及其身體周邊易產(chǎn)生的光暈效果等,導(dǎo)致紅外線圖像中身體目標的測量、跟蹤和行為識別依然是一個極具挑戰(zhàn)性的課題[4]。特別是對于人體這種非剛體目標,運動的主觀隨意性強、無固定規(guī)律、姿態(tài)和形狀變化大,增加了目標提取的難度。

        趙君欽[1]提出了一種改進的Haar-like特征提取算法,在Haar-like特征中融合了HOG特征,較好地對目標邊緣的特征進行了Haar-like增強,對目標的外形特征能夠有效地進行分析,充分利用了所提出的特征提取算法,并彌補了樣本空間不足的缺點,能夠?qū)⒎指畛龅腞OI準確地分為人體目標、汽車和其他目標等三類。范峻銘[2]提出了一種深度學(xué)習(xí)和場景標定的頭部檢測算法,選擇深入學(xué)習(xí)實現(xiàn)行人的檢測;多目標跟蹤匹配是經(jīng)過多個跟蹤目標關(guān)系的相似性和目標特征確定與檢測結(jié)果的匹配關(guān)系。李建福提出了復(fù)合分類特征的序列紅外人體實時檢測方法,目的是較快檢測到序列紅外圖像中的人體目標。為了提高描繪人體目標候選地域特點的準確度,融入了形體特點、亮度分布慣性特征和方向梯度直方圖特點,最后通過使用支持向量機對候選地域做出劃分以測試[3,4]。

        以上方法在人體目標提取中都取得了一定的研究成果,但針對無人機紅外影像人體目標提取方法尚存在不足。針對以上現(xiàn)狀,本文研究了利用形態(tài)學(xué)方法識別無人機紅外影像中的人體目標,為野外醫(yī)療救援提供技術(shù)支撐。

        1.基本原理

        數(shù)學(xué)形態(tài)學(xué)是具有嚴格理論基礎(chǔ)的學(xué)科,最基本的理論是利用集合論作為數(shù)學(xué)語言和基礎(chǔ),用集合論對一定的形態(tài)構(gòu)建起結(jié)構(gòu)元素,對元素進行度量與解析,從而對圖像進行分析與解譯,達到識別的目的。具體應(yīng)用方法如下:在保持圖像基本特征的前提下,簡化圖像數(shù)據(jù),去除圖像數(shù)據(jù)之間的無關(guān)結(jié)構(gòu),盡量保留圖像數(shù)據(jù)之間并行實現(xiàn)的結(jié)構(gòu),移動圖像數(shù)據(jù)集中的一個結(jié)構(gòu)元素,在結(jié)構(gòu)元素和圖像數(shù)據(jù)集之間執(zhí)行集合運算。利用形態(tài)學(xué)識別紅外影像中人體目標的主要步驟是:對原始影像進行去噪、增強等處理后,對影像進行分割,將不同目標分割為不同的基元,最后根據(jù)人體的形態(tài)學(xué)特點對人體目標進行識別。主要流程(如圖1所示):

        1.1 紅外影像預(yù)處理

        紅外傳感器成像的特點導(dǎo)致紅外影像上噪聲點較多,對于后期的目標識別有一定影響,因此要對影像進行去噪處理。紅外影像是灰度圖像,它的噪聲分布與椒鹽噪聲(saltand-pepper noise)非常相似。椒鹽噪聲也稱為脈沖噪聲,可以隨機改變一些像素值。在二值圖像上,它將一些像素變?yōu)榘咨?,一些像素變?yōu)楹谏D像處理和解碼是由明暗通道產(chǎn)生的。因此,要想更好地消除圖像上的噪聲點,可以用低通濾波法。常用的低通濾波方法有中值濾波、高斯濾波和均值濾波等。對于紅外圖像中類似椒鹽噪聲的點,中值濾波或均值濾波可以有效地消除。其中,高斯濾波算法計算復(fù)雜,圖像中會出現(xiàn)影像模糊現(xiàn)象,所以紅外影像濾波中一般不采用。中值濾波是一種基于統(tǒng)計理論的非線性信號處理技術(shù),抑制噪聲效果明顯。

        圖1 紅外影像人體目標識別流程

        由于紅外影像反映的是目標的熱輻射特征,因此圖像的對比度通常較低。在后期處理過程中,為了提高目標解譯的成功率,需要進行影像的增強處理?;叶扔跋竦脑鰪娡ǔ2捎弥狈綀D均衡化或線性拉伸的方法。直方圖均衡化計算相對復(fù)雜,而線性拉伸比較簡單,且線性拉伸后得到的影像更適合后期的分割處理。所以紅外影像的對比度采用線性拉伸法去增強。

        直方圖線性拉伸也稱為對比度拉伸,其基本數(shù)學(xué)基礎(chǔ)是采用分段線性變換函數(shù),這也是一種較為簡便的數(shù)學(xué)工具,主要通過提高圖像處理時灰度級的動態(tài)范圍,來實現(xiàn)影像的增強處理。具體實現(xiàn)過程是,對一定的灰度區(qū)間進行有意選擇,并對其拉伸,從而改善輸出圖像。這個過程主要目的有兩個:(1)處理圖像偏暗(圖像的灰度集中在較暗的區(qū)域所致),用灰度拉伸功能來拉伸目標灰度區(qū)間以改善圖像;(2)處理圖像偏亮(圖像灰度集中在較亮的區(qū)域所致),用灰度拉伸功能來壓縮目標灰度區(qū)間以改善圖像質(zhì)量。

        1.2 紅外影像分割

        在計算機視覺和圖像解譯的技術(shù)體系里,圖像分割是具有底層支撐性質(zhì)的基本技術(shù),它把圖像按某種技術(shù)標準進行分割,得到若干個特定的、具有獨特性質(zhì)的區(qū)域,并對這些區(qū)域解算,從而獲取感興趣的目標。從圖像處理到圖像分析,這個技術(shù)點是至關(guān)重要的一環(huán),從具體算法技術(shù)層面來說,它是用特定技術(shù)標準把數(shù)字圖像劃分,即圖像分割,得到不相交區(qū)域,這個過程也可以理解為一個標記過程,也就是把具有同一區(qū)域特征的像素賦予相同的編號。

        紅外圖像分割最主要方法是依據(jù)圖像的某些特征或者特征集合相似性準則,對圖像像素進行分類與聚類,把圖像特征劃分為一系列具有特性意義的區(qū)域。經(jīng)過1.1 步驟噪聲去除和對比度增強處理后的紅外影像質(zhì)量得到明顯提升,利用影像分割方法可以將影像中不同的目標與背景分割開來,作為目標識別的先驗知識。按照總體分割策略,可分為基于模型的分割和基于圖像數(shù)據(jù)的分割?;谀P偷姆指钍侵冈诜指顣r根據(jù)被分割對象的先驗?zāi)P图爸R規(guī)則指導(dǎo)分割過程[5]?;趫D像數(shù)據(jù)的分割是一種直接分割法,首先確立圖像的基本特征,并根據(jù)這些特征對高分辨率空間圖像數(shù)據(jù)進行分割。

        鑒于紅外圖像對比度低、邊緣模糊、信噪比低,且需達到實現(xiàn)簡單、實時性好、復(fù)雜度低、分割精度高的要求,同時考慮救援無人機紅外影像及實際應(yīng)用場景,綜合考慮上述紅外圖像分割方法優(yōu)缺點,決定采用多尺度分割和光譜差異分割相結(jié)合的方法為人體目標識別做準備工作?;緦崿F(xiàn)方法為:

        (1)基于先驗知識確定包含目標的感興趣區(qū)域;

        (2)根據(jù)多尺度算法求取直方圖;

        (3)根據(jù)光譜差異性算法求取相應(yīng)分割參數(shù);

        (4)對(2)與(3)進行最優(yōu)化迭代;

        (5)確定最佳的分割參數(shù)并結(jié)合邊緣信息獲得最終的分割結(jié)果。

        1.3 基于形態(tài)學(xué)的人體目標識別

        經(jīng)過紅外影像預(yù)處理和紅外影像分割的圖像,可看作是一個二值數(shù)學(xué)形態(tài)學(xué)問題。二值數(shù)學(xué)形態(tài)學(xué)的基本運算有4個:膨脹、腐蝕、開啟和關(guān)閉?;谶@些運算可以組合和推導(dǎo)出不同的數(shù)學(xué)形態(tài)學(xué)算法。

        在紅外遙感影像上,車輛、建筑物、背景等大多數(shù)目標屬于剛體目標,有比較規(guī)則的形狀特征,可以建立模板庫對此類目標進行識別。而人體目標形狀特征不是十分明顯,且人體是非剛體,形態(tài)變化多樣,難以用固定的模板進行描述。需要針對人體目標形態(tài)多變的特點設(shè)計更加科學(xué)的模板,提高人體目標識別的成功率。

        人體目標雖然形態(tài)變化多樣,但是主體骨架特點也比較明顯,軀干、四肢、頭幾個主體部分在紅外影像上有代表性特點。因此,利用形態(tài)學(xué)的方法,提取目標的骨架,并對骨架特征進行分析,與人體骨架特征模板庫相比較,可以識別出人體目標。人體骨架集的特征主要有尺度(Scale)、形狀(Shape)、互相比例關(guān)系(Ratio)、鄰接關(guān)系(Neighbourhood),利用以上4 個特征信息能夠比較客觀有效描述出人體的形態(tài)學(xué)特點,且對于人體的不同運動姿態(tài)具有魯棒性(如圖2所示):

        圖2 人體形態(tài)學(xué)描述符

        根據(jù)人體常見的運動姿態(tài),對紅外影像人體目標運動姿態(tài)建立模板庫,并利用上述描述符(形狀、尺度、方向、鄰接關(guān)系)對模板庫中的目標進行描述,作為人體識別時的匹配模板(如圖3所示)。

        圖3 人體運動模板庫

        2.實驗及分析

        為了驗證提出方法的有效性,使用紅外相機拍攝的影像進行了測試實驗。實驗數(shù)據(jù)的具體情況(如表1所示),實驗環(huán)境為Dell臺式計算機,處理器為Intel i7處理器,內(nèi)存16GB,硬盤2000G,操作系統(tǒng)Windows7 64位,開發(fā)環(huán)境為MATLAB 2012。實驗中共采取具有代表性的4組數(shù)據(jù),其中A組包含單個人體目標,B組包含多個人體目標,C組為低對比度影像,D組不包含人體目標,作為干擾項測試算法的魯棒性。利用提出的方法分別對4組數(shù)據(jù)進行測試,以此驗證方法的有效性。實驗結(jié)果(如圖4—圖7所示):

        表1 實驗數(shù)據(jù)情況

        圖4A組原始影像a經(jīng)過預(yù)處理,進行圖像分割得到b圖,其中藍色區(qū)域為具有關(guān)聯(lián)性特征區(qū),經(jīng)形態(tài)學(xué)人體目標識別得到圖c,其中紅色區(qū)為識別到的1個人體。

        圖5B組原始影像a經(jīng)過預(yù)處理,進行圖像分割得到b圖,其中藍色區(qū)域為具有關(guān)聯(lián)性特征區(qū),經(jīng)形態(tài)學(xué)人體目標識別得到圖c,其中紅色區(qū)為識別到的5個人體。

        圖4 A 組數(shù)據(jù)實驗結(jié)果

        圖5 B 組數(shù)據(jù)實驗結(jié)果

        圖6 C 組數(shù)據(jù)實驗結(jié)果

        圖6C組原始影像a經(jīng)過預(yù)處理,進行圖像分割得到b圖,其中藍色區(qū)域為具有關(guān)聯(lián)性特征區(qū),經(jīng)形態(tài)學(xué)人體目標識別得到圖c,其中紅色區(qū)為識別到的2個人體。

        圖7 D 組數(shù)據(jù)實驗結(jié)果

        圖7D組原始影像a經(jīng)過預(yù)處理,進行圖像分割得到b圖,其中藍色區(qū)域為具有關(guān)聯(lián)性特征區(qū),經(jīng)形態(tài)學(xué)人體目標識別無人體,故不再輸出結(jié)果。

        從A、B、C組實驗的結(jié)果來看,不論是單個人體目標還是多個人體目標,所提出的方法均能夠有效地識別出紅外影像中的人體目標,特別是對于C組影像的亮度較低,對比度較差的惡劣條件仍然能夠正確識別人體目標。而對于D組數(shù)據(jù),影像分割后將與人體形態(tài)模板庫進行匹配沒有識別出人體目標,說明算法具有一定的魯棒性。

        3.結(jié)束語

        識別紅外無人機遙感影像中的人體目標對于野外醫(yī)療救援具有重要的意義。本文在充分分析紅外遙感影像特點的基礎(chǔ)上,提出了一種紅外影像人體目標識別算法,主要流程包括影像預(yù)處理、影像分割、基于形態(tài)學(xué)的人體識別。利用具有代表性的紅外影像對所提出的方法進行了實驗驗證,實驗結(jié)果表明,無論是單個人體目標,還是多個人體目標,甚至在亮度較低、對比度較小的紅外影像中,均可以識別出人體目標。

        猜你喜歡
        形態(tài)學(xué)灰度預(yù)處理
        采用改進導(dǎo)重法的拓撲結(jié)構(gòu)灰度單元過濾技術(shù)
        基于灰度拉伸的圖像水位識別方法研究
        基于預(yù)處理MUSIC算法的分布式陣列DOA估計
        基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
        基于灰度線性建模的亞像素圖像抖動量計算
        淺談PLC在預(yù)處理生產(chǎn)線自動化改造中的應(yīng)用
        醫(yī)學(xué)微觀形態(tài)學(xué)在教學(xué)改革中的應(yīng)用分析
        絡(luò)合萃取法預(yù)處理H酸廢水
        基于自適應(yīng)預(yù)處理的改進CPF-GMRES算法
        數(shù)學(xué)形態(tài)學(xué)濾波器在轉(zhuǎn)子失衡識別中的應(yīng)用
        四虎在线中文字幕一区| 午夜福利啪啪片| 2020无码专区人妻系列日韩| 真人无码作爱免费视频禁hnn | 蜜桃噜噜一区二区三区| 中出人妻希奇杰卡西av| 日本肥老妇色xxxxx日本老妇| 久久精品女人天堂av| 国产一级黄色录像| 国产亚洲一区二区三区三州| 国产丝袜美腿中文字幕| 国产成人无码一区二区三区| 亚洲国产精品ⅴa在线观看| 99久热re在线精品99 6热视频| 欧美成人a视频免费专区| 久久偷拍国内亚洲青青草| 国产精品狼人久久影院软件介绍| 扒开腿狂躁女人爽出白浆| 又湿又黄裸乳漫画无遮挡网站 | 国产精品久久国产精品99| 亚洲免费人成在线视频观看| 亚洲大尺度动作在线观看一区| 国产一区二区亚洲一区| 日本精品一区二区三区福利视频| 精品人妻午夜一区二区三区四区 | 青青草成人免费在线视频| 日本一道综合久久aⅴ免费| 日本做受高潮好舒服视频| 妞干网中文字幕| 一区二区三区av资源网| 国产日本精品一二三四区| 免费无码毛片一区二区app| 欧美午夜精品久久久久久浪潮| 网红极品女神精品视频在线| 久久中文字幕暴力一区| 日韩精品真人荷官无码| 久久人人爽人人爽人人片亞洲| 噜噜噜色97| 久久亚洲乱码中文字幕熟女 | 亚洲情久久久精品黄色| 亚洲成av人片女在线观看|