本发明涉及一种光学探测方法,具体是采用多特征耦合模型抑制光学噪声成分及背景信息,实现对目标的探测,所得结果描绘出目标所在的空间位置及所覆盖的空间区域。
背景技术:
在自然场景中,场景的光学信息的组成成分常较为复杂,除了背景及目标信息外还混叠着诸多光学噪声成分,给目标探测造成严重困难。自然场景中,光学噪声成分主要包括天空光成分及人工光成分。天空光成分主要来自太阳光,未经目标反射直射入相机中。人工光成分主要指人工光直射目标表面后经过反射及散射,形成局部区域散射噪声成分。这些成分通常强度较高,累积在自然背景光和目标光上会对目标信息形成强干扰。一方面,强噪声信息会抑制目标信息,并形成完全虚假的目标信息;另一方面,这些信息会使得目标信息发生畸变,即使在确定目标区域的情况下,也无法准确判断目标的状态。这些噪声成分复杂,多变,无稳定的变化规律,难以采用以数据统计的方式对其进行准确的建模。造成现有的光学探测方法(如目标检测、跟踪及识别)均存在明显的局限性,无法普遍适用于复杂的自然场景。为了解决这一问题,本发明根据光学理论的指导提取场景光学特征并采用多特征耦合模型(用于噪声抑制特征耦合模型)对噪声光学成分进行抑制,进而采用多特征耦合模型(用于目标提取特征耦合模型)对背景信息进行抑制,最终实现对目标的探测。
技术实现要素:
发明目的:针对光学噪声成分对目标信息的干扰及对目标探测所造成的困难,并且考虑到现有数据统计方法难以对光学噪声成分准确、稳定的建模,本发明根据光学理论,提取多种光学特征,并建立特征耦合模型,分别抑制噪声成分和背景信息。模型输出结果描绘出目标所在的空间位置及所覆盖的空间区域,实现目标探测。
技术方案:一种基于多特征耦合模型的目标探测方法,包括如下步骤:
(1)提取光学特征,主要包括:绿蓝信道方差,光强度-位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度-位置关系。
绿蓝信道方差特征计算为:
其中,vgb(x)为x点处光学信息中绿蓝信道的方差,ir(x)为红色信道的强度,ig(x)为绿色信道的强度,ib(x)为蓝色信道的强度。
光强度-位置关系特征计算为:
其中,d(x)为x点处光强度-位置关系特征,(x1,x2)为x点处坐标,(x1,x2)为光强度最大的点的坐标:
全局光强度对比度特征计算为:
其中,c(x)为x点处全局光强度对比度特征,
i(x)为x点处光强度:
i(y)为环境中任意一点处光强度:
红色信道全局对比度特征计算为:
其中,cr(x)为x点处红色信道全局对比度特征,ir(x)为x点处红色信道光强度,ir(y)为环境中任意一点处红色信道光强度,ir为环境光学信息红色信道信息。
红色信道强度-位置关系特征计算为:
其中,dr(x)为x点处红色信道强度-位置关系特征,(x1,x2)为x点处坐标,
(2)对所提取的特征进行耦合正/反相关性计算:
lairlight=cor(1-c,vgb)×cor(1-c,d)×cor(vgb,d)(6)
laritificaillight=cor(cr,1-vgb)(7)
其中,cor()为两矩阵间相似性计算,c、vgb、d分别为由全局光强度对比度特征、绿蓝信道方差特征及光强度-位置关系特征所组成的矩阵,cr为红色信道全局对比度特征所组成的矩阵。
(3)根据特征耦合模型的输出结果判断场景光学信息的噪声成分并抑制。如果,用于噪声抑制的特征耦合模型的输出lairlight>t1(t1典型值t1=0.1)环境中存在天空光成分,空间位置x点处天空光强度计算为w(x)=exp(c(x)-d(x)-vgb(x));否则环境中不存在天空光成分;如果,laritificaillight<t2(t2典型值t2=0.5)环境中存在人工光成分,空间位置x点处人工光强度计算为wa(x)=exp(cr(x)-dr(x));否则环境中不存在人工光成分。
对于天空光成分及人工光成分的抑制为:
其中,b为自然背景光成分,本发明由暗信道模型估计得到。
(4)采用目标提取特征耦合模型将强度对比度特征和颜色对比度特征累积求和:
s′(x)=ci′(x)+cc′(x)(10)
其中,ci′(x)为强度对比度特征,cc′(x)为颜色对比度特征,分别计算为:
其中,i′(x)和i′(y)分别为噪声成分抑制后x和y点处强度信息,il′(x)、ia′(x)、ib′(x)和il′(y)、ia′(y)、ib′(y)分别为噪声成分抑制后x和y点处在l*a*b空间颜色信息。
s′(x)能够抑制大部分的背景噪声并突出目标信息,为了抑制残存的部分噪声,对其进一步进行阈值滤波:
其中,t3为阈值滤波器的阈值,本发明采用otsu方法计算得到,典型值t3=0.35。
最终,o(x)为目标探测结果,描绘出目标所在的空间位置及所覆盖的空间区域,实现准确的目标探测。其中o(x)>1的区域为所探测到的目标区域,o(x)=0的区域为背景区域。
附图说明
图1为本发明方法总体的流程图;
图2为本发明方法运行的实例,(a)为原始场景光学信息,(b)为绿蓝信道方差特征,(c)为全局光强度对比度特征,(d)为光强度-位置关系特征,(e)为红色信道全局对比度特征,(f)为红色信道强度-位置关系特征,(g)为人工光强度(wa),(h)为天空光轻度(w),(i)自然背景光,(j)目标探测结果。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
在目标探测的设计研究和应用中,对于一些较为单一的光学场景,现有目标探测方法均有着较高的性能,能够在以很高的正确率抑制背景噪声、非兴趣目标以及运动噪声,从而实现较为准确的目标探测。然而在光学成分混叠的场景中,由于多种光学成分相互累积,形成了非常严重的光学累积噪声成分,给目标探测造成严重困难。为了解决这一问题,如图1所示,本发明根据光学理论的指导提取场景光学特征并采用多特征耦合模型(用于噪声抑制特征耦合模型)对噪声光学成分进行抑制,进而采用多特征耦合模型(用于目标提取特征耦合模型)对背景信息进行抑制,最终实现对目标的探测。
一、不同光学成分特性的光学理论分析
在理论上不同光学成分在某些光学特征上会表征出不同的特性,本发明将其定义为不同光学成分特性。
首先,对于天空光,该部分光线来自于天阳并直射入接收器,没有经过目标物的反射,因此该部分光学成分通常表现为较高的强度及较为均衡的色彩信道强度分布。
鉴于此,对于天空光其光学成分的特性表现为以下三个方面:
(1)在信道上,尤其是绿蓝信道上(红色信道强度在长距离传输过程中衰减较强)强度分布较为均匀,因此天空光在蓝绿信道上的强度方差值较低。
(2)由于天空光没有经过目标物的反射,光强度较高。因此在场景光学信息上局部的光学信息会表现出较高的强度值且显著有别于周围光学信息,全局对比度较高。
(3)天空光在传播通过大气时会展现出较为明显的散射效应。不同空间位置处的光强度分布应同其距最亮点距离成反比关系,形成了明显的光强度-位置关系,距离最亮点越近光强度越大。
其次,对于人工光,该部分光线通常以相对较短的距离传输到目标表面,并经过反射射入到接收器。该部分光线通常表现为较高的强度,尤其是在红色信道上(人工光传输距离短,红色信道强度的衰减相对较小)会展示出较为明显的全局对比度。同样,由于人工光强度较高,信道选择性衰减率较低,经过反射后在绿蓝信道方差值较小。
鉴于此,对于人工光其光学成分的特性表现为以下两个方面:
(1)在红色信道上,红色信道的全局对比度上,人工光成分会表现出较高的对比度值。
(2)在信道方差上,绿蓝信道方差值较小。
二、基于光学理论分析结果提取场景光学特征
基于上述光学理论分析,本发明所设计的五种光学特征,包括:绿蓝信道方差,光强度-位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度-位置关系。
绿蓝信道方差特征计算为:
其中,vgb(x)为x点处光学信息中绿蓝信道的方差,ir(x)为红色信道的强度,ig(x)为绿色信道的强度,ib(x)为蓝色信道的强度,绿蓝信道方差特征所提取的结果如图2(b)所示。
光强度-位置关系特征计算为:
其中,d(x)为x点处光强度-位置关系特征,(x1,x2)为x点处坐标,(x1,x2)为光强度最大的点的坐标:
全局光强度对比度特征计算为:
其中,c(x)为x点处全局光强度对比度特征,
i(x)为x点处光强度:
i(y)为环境中任意一点处光强度:
红色信道全局对比度特征计算为:
其中,cr(x)为x点处红色信道全局对比度特征,ir(x)为x点处红色信道光强度,ir(y)为环境中任意一点处红色信道光强度,ir为环境光学信息红色信道信息,红色信道全局对比度特征所提取的结果如图2(e)所示。。
红色信道强度-位置关系特征计算为:
其中,dr(x)为x点处红色信道强度-位置关系特征,(x1,x2)为x点处坐标,
三、用于噪声成分抑制的光学特征耦合模型
基于光学理论分析,只有同时满足上述三方面天空光光学成分特性及两方面人工光光学成分特性才能够充分的判断天空光及人工光成分。因此需要对多种光学特性所对应的光学特征进行耦合相关性分析:
lairlight=cor(1-c,vgb)×cor(1-c,d)×cor(vgb,d)(6)
laritificaillight=cor(cr,1-vgb)(7)
其中,cor()为两矩阵间相似性计算,c、vgb、d分别为由全局光强度对比度特征、绿蓝信道方差特征及光强度-位置关系特征所组成的矩阵,cr为红色信道全局对比度特征所组成的矩阵。全局光强度对比度特征所对应的矩阵可以表示为:
其中,m,n为环境光照区域的大小,c(x)x=[x1,x2],x1=1,2,…,m,x2=1,2,…,n。同理,绿蓝信道方差特征所对应的矩阵vgb,光强度-位置关系特征所对应的矩阵d,红色信道全局对比度特征所对应的矩阵cr,红色信道强度-位置关系特征所对应的矩阵dr为:
cor(1-c,vgb)为全局光强度对比度特征矩阵同绿蓝信道方差特征矩阵的反相关性,cor(1-c,d)为全局光强度对比度特征矩阵同光强度-位置关系特征矩阵的反相关性,cor(vgb,d)为绿蓝信道方差特征矩阵同光强度-位置关系特征矩阵的正相关性,cor(cr,1-vgb)为红色信道对比度特征矩阵同绿蓝信道方差特征矩阵的反相关性。以cor(vgb,d)为例,计算为
四、基于特征耦合模型的噪声成分判断及抑制
如果,lairlight>t1(t1典型值t1=0.1)环境中存在天空光成分,空间位置x点处天空光强度计算为w(x)=exp(c(x)-d(x)-vgb(x)),天空光强度提取的结果如图2(h)所示;否则环境中不存在天空光成分;
如果,laritificaillight<t2(t2典型值t2=0.5)环境中存在人工光成分,空间位置x点处人工光强度计算为wa(x)=exp(cr(x)-dr(x)),人工光强度提取的结果如图2(g)所示;否则环境中不存在人工光成分。
对于天空光成分及人工光成分的抑制为:
其中,b为自然背景光成分,本发明由暗信道模型估计得到。
五、目标提取
用于目标提取的耦合模型将噪声成分抑制后的强度对比度特征和颜色对比度特征累积求和:
s′(x)=ci′(x)+cc′(x)(10)
其中,ci′(x)为强度对比度特征,cc′(x)为颜色对比度特征,分别计算为:
其中,i′(x)和i′(y)分别为噪声成分抑制后x和y点处强度信息,il′(x)、ia′(x)、ib′(x)和il′(y)、ia′(y)、ib′(y)分别为噪声成分抑制后x和y点处在l*a*b空间颜色信息。
s′(x)能够抑制大部分的背景噪声并突出目标信息,为了抑制残存的部分噪声,对其进一步进行阈值滤波:
其中,t3为阈值滤波器的阈值,本发明采用otsu方法计算得到,典型值t3=0.35。
最终,o(x)为目标探测结果,描绘出目标所在的空间位置及所覆盖的空间区域,实现准确的目标探测。其中o(x)=1的区域为所探测到的目标区域,o(x)=0的区域为背景区域,目标探测的结果如图2(j)所示。