基于复杂背景估计的红外运动小目标检测方法
【专利摘要】一种基于复杂背景估计的红外运动小目标检测方法，利用模板匹配方法估计两帧图像之间的背景运动矢量参数，将第一帧图像加上背景运动矢量参数，得到运动补偿图像，将下一帧图像减去运动补偿图像，得到去掉背景后的前景图像，对前景图像做显著性检测，得到显著性置信图，对显著性置信图做阈值化处理提取运动小目标。本发明实现了从复杂红外场景和无任何先验知识条件下检测运动小目标，能快速准确的自动检测红外运动小目标。
【专利说明】基于复杂背景估计的红外运动小目标检测方法
【技术领域】
[0001] 本发明涉及一种基于复杂背景估计的红外运动小目标检测方法，属于计算机视 觉、模式识别、图像处理等交叉应用【技术领域】。
【背景技术】
[0002] 作为红外成像检测系统中的一项关键技术，红外小目标检测的研究一直受到国内 外学者的关注。出现一个目标，从红外成像器上形成的过程来看，从远距离上的一个微弱的 点状小目标，发展到一个比较明亮、稳定的斑点，最后形成一个较大的面目标。显然，在远距 离上发现目标，对赢得主动性，具有决定意义。当目标距离红外探测器太远时，红外目标的 尺寸很小、对比度很低，没有明显的纹理、结构等特征，使目标的识别相当困难。而且红外成 像图像是灰度图像，因此一般红外图像中目标与背景的边缘会比较模糊，目标纹理不明显， 并且信噪比低。此外，由于通常情况下，目标所处的背景极其复杂，目标被大量出现的杂波 和噪声所污染，使红外目标的处理更加困难。但目标距离越远，其亮度越弱，面积越小，特征 越不明显，检测的难度就越大。因此，红外目标检测的关键是红外小目标的检测。
[0003] 对于红外运动目标的检测，其任务是从图像序列的每一帧中检测到运动对象存在 的位置及分割其占据的区域，尽可能完整地将其从背景中提取出来。在对静止背景下运动 目标进行检测的研究中，差分法是一种较常用的运动目标检测方法，人们往往将其作为处 理各类目标跟踪问题的工具之一。其思想是通过相邻帧的差分，利用图像序列相邻帧间的 强相关性进行变化检测，并从背景中提取出运动目标。复杂红外背景中不仅存在红外探测 器本身的内部噪声，而且更严重的是存在由云层等造成的起伏背景杂波。为了有效地从上 述背景中检测弱信号的小目标，人们提出了背景抑制技术。经典方法是基于图像序列设法 求出背景的估计参数，然后从输入图像中减去背景估计，便得到一幅信号增强图像。最后， 利用门限或序贯门限方法，将小目标正确的检测出来。由于红外导引头的运动，在红外成像 技术中背景和目标可能都处在一个运动的状态，基于传统的背景估计和检测方法将会受到 背景的运动而受影响。
[0004] 在实际应用中，对于某些红外图像和运动小目标无法获得它们的先验知识，首先 是不能获得目标的特性，也就是无法通过建模的方法进行检测；其次，由于红外图像成像条 件以及低信噪比的限制，使得小目标没有明显的纹理、结构等特征，这给目标的检测较大困 难；最后，背景的随动给目标带来较大的干扰。
【发明内容】
[0005] 本发明提供一种基于复杂背景估计的红外运动小目标检测方法，实现了从复杂红 外场景和无任何先验知识条件下检测运动小目标，能快速准确的自动检测红外运动小目 标。
[0006] 为了达到上述目的，本发明提供一种基于复杂背景估计的红外运动小目标检测方 法，包含以下步骤： 步骤S1、利用模板匹配方法估计两帧图像之间的背景运动矢量参数； 步骤S2、将第一帧图像加上背景运动矢量参数，得到运动补偿图像，将下一帧图像减去 运动补偿图像，得到去掉背景后的前景图像； 步骤S3、对前景图像做显著性检测，得到显著性置信图，对显著性置信图做阈值化处理 提取运动小目标。
[0007] 所述的步骤Sl包含以下步骤： 步骤SI. 1、从任意连续两帧图像开始，先从第一帧图像中选取N个图像块； 步骤SI. 2、以第一帧中的任意一个图像块作为模板图像块，采用基于差值平方和的模 板匹配方法，搜索该模板图像块在下一帧图像中的准确位置； 步骤SI. 3、通过图像块匹配计算得到该模板图像块在两帧图像间的运动矢量，该运动 矢量包含运动方向和位移值； 步骤SI. 4、对第一帧图像中的所有图像块进行步骤SI. 2和步骤SI. 3的操作，获得所有 图像块在两帧图像间的运动方向和位移值； 步骤SI. 5、将运动位移值从大到小排序，去掉最大运动位移值对应的图像块，对剩余图 像块的运动方向和位移值进行统计分析，获得背景运动的主运动方向和主运动位移值，构 成背景运动矢量参数。
[0008] 所述的步骤SI. 1中，选取的N个图像块能够覆盖图像的所有区域。
[0009] 如权利要求2所述的基于复杂背景估计的红外运动小目标检测方法，其特征在 于，所述的步骤SI. 2中，采用基于差值平方和的模板匹配方法，搜索第一帧图像中的模板 图像块在下一帧图像中的准确位置的方法包含： 采用差值的平方和来表示两帧图像之间的相似度：
【权利要求】
1. 一种基于复杂背景估计的红外运动小目标检测方法，其特征在于，包含以下步骤： 步骤S1、利用模板匹配方法估计两帧图像之间的背景运动矢量参数； 步骤S2、将第一帧图像加上背景运动矢量参数，得到运动补偿图像，将下一帧图像减去 运动补偿图像，得到去掉背景后的前景图像； 步骤S3、对前景图像做显著性检测，得到显著性置信图，对显著性置信图做阈值化处理 提取运动小目标。
2. 如权利要求1所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的步骤Sl包含以下步骤： 步骤SI. 1、从任意连续两帧图像开始，先从第一帧图像中选取N个图像块； 步骤SI. 2、以第一帧中的任意一个图像块作为模板图像块，采用基于差值平方和的模 板匹配方法，搜索该模板图像块在下一帧图像中的准确位置； 步骤SI. 3、通过图像块匹配计算得到该模板图像块在两帧图像间的运动矢量，该运动 矢量包含运动方向和运动位移值； 步骤SI. 4、对第一帧图像中的所有图像块进行步骤SI. 2和步骤SI. 3的操作，获得所有 图像块在两帧图像间的运动方向和运动位移值； 步骤SI. 5、将运动位移值从大到小排序，去掉最大运动位移值对应的图像块，对剩余图 像块的运动方向和位移值进行统计分析，获得背景运动的主运动方向和主运动位移值，构 成背景运动矢量参数。
3. 如权利要求2所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的步骤SI. 1中，选取的N个图像块能够覆盖图像的所有区域。
4. 如权利要求2所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的步骤SI. 2中，采用基于差值平方和的模板匹配方法，搜索第一帧图像中的模板图像 块在下一帧图像中的准确位置的方法包含： 采用差值的平方和来表示两帧图像之间的相似度：
对上式进行展开，得到：
化简后，得到： T^·s'm ^ > ?ββ? \ 'fIp - J、-Λ，*VTr S' _ \ * -ΓΙ~*-?γ \ 1 , f有1·ψ ψ ^寒\ · ? ^ I rψ ψ. t?Z O = Iζ 主 ^"λ 十λ 其中，模板图像块与待匹配图像中的每个图像块的相关性为：
其中代表模板图像块，是模板图像的坐标位置；κI^ q是 待匹配图像中的采样图像块，是搜索步长，是指在模板图像的邻域位置进行搜索，在 X方向和Y方向分别移动X和y个像素得到新的图像块(X +X、y+y，）； 待匹配图像中相关性数值最大的图像块就是模板图像块在下一帧图像中的准确位置。
5. 如权利要求2所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的步骤SI. 5中，所述的对剩余图像块的运动方向和位移值进行统计分析包含：建立二 维坐标系，把图像块的运动方向分为四个方向，第一个方向上的图像块的X方向运动位移 量大于〇,Y方向运动位移量大于〇 ;第二方向上的图像块的X方向运动位移量小于〇,Y方 向运动位移量大于0 ;第三个方向上的图像块的X方向运动位移量小于0,Y方向运动位移 量小于0 ;第四个方向上的图像块的X方向运动位移量大于0,Y方向运动位移量小于0 ;统 计每个方向上图像块的总个数，将图像块个数最多的方向确定为运动主方向，将主运动方 向上所有图像块的运动偏移量的平均值作为主运动位移值。
6. 如权利要求1所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的步骤S3中，对前景图像做显著性检测，得到显著性置信图的方法包含： 对图像1(?y)进行傅里叶变换，求出其振幅谱纟①为：
其中，Fp(X]是求图像I(X,y)的傅里叶变换； 进一步求出图像的相位谱：
求基于对数的振幅谱为：
计算图像的谱残差R(f)为：
对谱残差R〇)进行傅里叶反变换，再进行一个高斯模糊滤波器就得到显著性区域，最 终获得的显著性置信图为：
其中，是高斯模糊函数，F-1为傅里叶逆变换。
7. 如权利要求6所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的步骤S3中，对显著性置信图做阈值化处理提取运动小目标的方法包含： 对显著性置信图S〇i,yM故阈值分割，得到真实的小目标区域：
其中，τ为分割阈值； 小目标区域中取值为1的区域认为是目标所在的区域，在此区域内判定目标的真实位 置，完成运动小目标的提取。
8.如权利要求7所述的基于复杂背景估计的红外运动小目标检测方法，其特征在于， 所述的分割阈值T的取值范围为0. 3彡T彡0. 6。
【文档编号】G06T7/20GK104463911SQ201410744338
【公开日】2015年3月25日 申请日期:2014年12月9日 优先权日:2014年12月9日
【发明者】吴建东, 周涛, 杨杰, 杨俊彦, 刘明娜, 杨景景, 曹耀心, 杨大伟 申请人:上海新跃仪表厂