一种红外序列图像的可跟踪性判别方法
【技术领域】
[0001] 本发明设及一种红外序列图像的可跟踪性判别方法，属于红外目标探测识别领 域。
【背景技术】
[0002] 可跟踪性分析是为跟踪算法服务的，用来判断目标区域是否适用于某种跟踪算 法。不同的跟踪算法在计算量、跟踪精度等性能指标上有很大的差异，同时，由于在成像跟 踪系统中的目标尺寸、形状、灰度及其分布、图像的分辨率等都可因为环境条件的不同而有 较大的差异，因此当选择的跟踪算法不合适时，跟踪结果往往效果很差。同时较差的环境条 件和相机抖动等因素造成成像质量较差，进而影响跟踪性能的情况也屡见不鲜。
[0003] 为了提高序列图像的跟踪性能，文献《从移动背景红外序列图像中检测运动目标》 (曹炬等，电子与信息学报，2005年01期）论述了使用Ξ对图像进行差分，每对图像之间相 差两帖，差分获得跟踪目标的方法。文献《红外图像序列的目标增强和检测》（张风超等，红 外与激光工程，2004年04期）论述了利用红外图像目标和背景区域局部纹理特征的差异来 增强目标和背景区域的对比度。文献《基于独立成分分析的遥感影像可匹配性度量》（巨西 诺等，光子学报，2014年07期）论述了使用尺度不同的基准图和实时影像度量遥感影像的 可匹配性问题。文献《基于特征匹配的影像可匹配性研究》（安如等，红外与激光工程，2005 年04期）论述了使用信息赌和累加梯度值度量影响可匹配性问题。专利《红外图像序列 中弱小目标的检测和跟踪方法》（敬忠良等）公开了一种红外图像序列中弱小目标的检测 和跟踪方法。专利《一种实时红外图像目标跟踪方法》（孙宁等）公开了一种实时红外图像 目标跟踪方法，根据相关性分析，对红外图像目标进行实时跟踪。专利《一种复杂背景下红 夕F弱小目标检测和跟踪方法》（李映等）公开了一种复杂背景下红外弱小目标检测与跟踪 方法，使用多特征跟踪解决复杂背景条件下的跟踪不稳定问题。专利《基于多特征图像和 均值漂移的红外目标跟踪方法》（杨杰等）公开了一种基于多特征图像和均值漂移的红外 目标跟踪方法，主要是通过提取多种特征对目标进行跟踪。文献《Match油ility-oriented feature selection for recognition structure learning》（比Yamakawa，Proceedings of the 13th International Conference on Pattern Recognition，1996)定义目标可匹 配性是针对匹配选取特征，并提出了可匹配性特征提取方法。
[0004] W上文献使用多种角度来提高跟踪性能，然而，国内外已公开发表的非专利文献 和专利文献中，均未发现有从红外图像的角度计算红外序列图像可跟踪性置信度，进而为 红外序列图像预处理和红外序列图像跟踪算法选择提供依据的方法。
【发明内容】
[0005] 本发明解决的技术问题是：较差的环境条件和相机抖动等因素造成红外序列图像 的成像质量较差，进而影响跟踪性能的情况屡见不鲜。同时，红外成像跟踪系统中的目标尺 寸、形状、灰度及其分布、图像的分辨率等都可因为环境条件的不同而有较大的差异，从而 造成同一组红外序列图像使用不同的跟踪算法在计算量、跟踪精度等性能指标上有很大的 差异。为了判别红外序列图像的成像质量对跟踪性能的影响，解决判别红外图像是否需要 预处理的问题；同时为了针对红外序列图像选择合适的跟踪算法，解决跟踪算法选择问题， 本发明提出了红外序列图像的目标可跟踪性判别方法。
[0006] 本发明的技术方案是：一种红外序列图像的可跟踪性判别方法，包括单帖图像 特征提取模块、单帖图像可检测性分析模块、序列图像可跟踪性分析模块和置信度判别模 块；
[0007] 单帖图像特征提取模块：对待跟踪视频中的每幅图像提取特征，包括图像质量特 征提取模块、目标特征提取模块、背景特征提取模块；
[0008] 单帖图像可检测性分析模块：根据单帖图像特征提取模块提取到的单帖图像特 征，使用基于随机森林的分类器对图像特征进行分类，根据分类结果获得单帖图像可检测 置信度；
[0009] 序列图像可跟踪性分析模块：提取序列图像相邻帖之间的图像赌、目标特征W及 目标和背景的差异特征，获得红外序列图像可跟踪置信度；或根据单帖图像可检测置信度 的输出结果，获得红外序列图像可跟踪性的置信度；
[0010] 置信度判别模块：对得到的红外序列图像可跟踪性的置信度进行判断，大于50% 表示可对红外序列图像进行跟踪，小于等于50 %表示不可对红外序列图像进行跟踪。
[0011] 所述的图像质量特征提取模块计算获得有参照图像质量特征和无参照图像质量 特征，其中有参照图像质量特征包括归一化均方差、信噪比、平均绝对误差、均方误差、峰值 信噪比；无参照图像质量特征包括视在对比度、固有对比度和调制对比度，图像功率谱峰 值、次峰值，基于Sobel算子、Laplace算子和Robert算子清晰度；
[0012] 目标特征提取模块：计算获得纹理特征、亮度特征、梯度特征；其中纹理特征包括 目标区域角二阶矩差值、灰度自相关差值、反差分矩阵差值；亮度特征包括目标区域平均亮 度，目标区域亮度均匀性；梯度特征包括目标区域一阶梯度直方图赌值、一阶梯度方向直方 图赌值、二阶梯度直方图赌值、二阶梯度方向直方图赌值；
[0013] 背景特征提取模块：计算获得纹理特征、亮度特征、梯度特征；其中纹理特征包括 背景区域角二阶矩差值、灰度自相关差值、反差分矩阵差值；亮度特征包括背景区域平均亮 度，背景区域亮度均匀性；梯度特征包括背景区域一阶梯度直方图赌值、一阶梯度方向直方 图赌值、二阶梯度直方图赌值、二阶梯度方向直方图赌值。
[0014] 所述单帖图像可检测性分析模块包括算法库制备单元、样本库制备单元、分类器 更新单元；
[0015] 算法库制备单元：算法库获得现有典型单帖红外目标检测算法的可执行程序，并 将典型单帖红外目标检测算法按照特征类型分为=类，即基于亮度特征的红外目标检测算 法，基于纹理特征的红外目标检测算法、基于梯度特征的红外目标检测算法；
[0016] 样本库制备单元：获取图像质量不同的红外目标图像和加噪红外目标图像，建立 样本库，同时按照不同的单帖红外目标检测算法对样本库中的图像进行检测，获得对应每 个算法的正样本和负样本，其中正样本表示能检测到目标的图像，负样本表示检测错误或 者无法检测的图像；对于某类算法中任一算法都可W检测到的正样本作为该类算法的普遍 正样本，其余作为普遍负样本，建立对应不同类别的普遍样本库；普遍样本库分为：亮度特 征普遍样本库、梯度特征普遍样本库、纹理特征普遍样本库；对所有普遍样本库中的正样本 取交集，获得通用样本库正样本，其余为通用样本库负样本；
[0017] 分类器更新单元：接受样本库输出的正负样本，获取正负样本特征，采用随机森林 分类算法对正负样本进行训练并更新随机森林分类器，将分类器更新信息输出给目标特征 可检测性模块，将使用分类器分类结果获得的目标特征可检测性置信度输出给红外序列图 像可跟踪性置信度计算模块；接受普遍样本库输出的正负普遍样本，获取正负普遍样本特 征，采用随机森林分类算法对正负普遍样本进行训练并更新随机森林分类器，将分类器更 新信息输出给目标特征可检测性模块，将使用分类器分类结果获得的目标特征可检测性置 信度输出给红外序列图像可跟踪性置信度计算模块；接受通用样本库输出的正负通用样 本，获取正负通用样本特征，采用随机森林分类算法对正负通用样本进行训练并更新随机 森林分类器，将分类器更新信息输出给目标特征可检测性模块，将使用分类器分类结果获 得的目标特征可检测性置信度输出给红外序列图像可跟踪性置信度计算模块。
[001引所述序列图像可跟踪性分析模块，根据T抓跟踪算法中使用的检测算法，调用对 应检测算法样本库，将序列图像中的每帖图像输入到单帖图像可检测性分析模块的分类器 中，获得该序列图像中的正样本个数和负样本个数，获得对应T抓跟踪算法的可跟踪置信 度；根据T抓跟踪算法中使用的目标特征类型，调用对应目标特征普遍样本库，将序列图像 中的每帖图像输入到单帖图像可检测性分析模块的分类器中，获得该序列图像中的正样本 个数和负样本个数，获得对应目标特征的可跟踪置信度；调用通用样本库，将序列图