一种基于高阶累积量的运动目标检测新方法

作者:叶中付;李厚强;邢大地;王劲松;鄂跃鹏;卢汉清;胡占义 刊名:计算机工程与应用 上传者:王诗琪

【摘要】文章提出一种基于高阶累积量的序列图象运动目标检测方法。该方法对传统方法进行改进,引入高阶累积量作为运动目标边界的判据,能有效抑制高斯噪声影响,较好地检测出运动目标的边界。大量实验验证了文中方法的有效性和实用性。

全文阅读

引言运动目标检测是模式识别和计算机视觉等研究的重点和难点,在军事和工业等领域有着广泛的应用前景。序列图象的运动目标检测既可直接利用时空图象的灰度和梯度信息进行,如差图象法,也可采用在两帧运动图象间估计光流场,然后基于光流场进行目标检测,这称为光流法犤犦犤犦。一般来说,光流法的时间开销很大,其实时性和实用性较差。相反,差图象法比较简单,易于实时,因而成为目前应用最广泛、最成功的运动目标检测方法。差图象法是通过逐象素比较,直接求取前后两帧图象之间的差别,进而提取运动信息。假设照明条件在多帧图象间基本不变化,那么差图象的不为零处表明该处的象素发生了移动犤犦。换句话说,对时间上相邻的两幅图象求差可以将图象中目标的位置和形状变化突出出来。在实际情况中,由于随机噪声的影响,没有发生象素移动的地方也会出现图象间差别不为零的情况。为把噪声的影响与象素的移动区别开来,可对差图象取较大的阈值,即当差值大于特定的阈值时才认为是象素发生了移动。另外在差图象中由于噪声影响而误判为运动目标点的象素一般比较孤立,所以也可根据连通性分析将它们除去。但这样做有时也会将慢运动和尺寸较小的目标除去。文章在传统差图象法的基础上对其进行改进:采用一阶和二阶象素灰度差相结合并对阈值进行部分归一化,提出一种改进的差图象法。为克服高斯噪声的影响,尝试将高阶累积量引入差图象法。高阶累积量具有的一个重要性质为:对于高斯过程,所有大于阶的累积量均为零。因此,对于伴随有加性高斯噪声的非高斯信号,变换到高阶累积量域在理论上可消除高斯噪声。在上述工作的基础上,文章提出一种基于高阶累积量的运动目标检测方法,以下详细介绍文中所提方法。差图象法差图象法通过连续两幅图象作差来检测运动目标。假设照明条件基本不变,如果在图象采集装置和被摄场景间有相对运动的情况下采集一系列图象,则其中存在的运动信息将可以帮助对图象的分割。设在时刻ti和tj采集到两幅图象f(x,y,ti)和f(x,y,tj),则据此可得到差图象:dij(x,y)如f(x,y,ti)f(x,y,tj)T其()其中T为阈值。差图象中为的象素对应在前后两时刻间没有发生(由于运动而产生的)变化的地方。差图象中为的象素对应两图象间发生变化的地方,这常是由于目标运动而产生的。也可以采用连续三帧图象提取运动目标,这时判断一个象素点是否属于运动物体的原则如下:d(x,y),如f(x,y,t)f(x,y,t)T且f(x,y,t)f(x,y,t)T其()为了在一定程度上降低噪声的干扰,文章提出采用象素灰度值的二阶差,即用相邻帧象素邻域灰度差值的平方和作为判据来提取运动目标:d(x,y),如yx(f(xx,yy,t)f(xx,yy,t))T且yx(f(xx,yy,t)f(xx,yy,t))T,其()T和T由经验确定,而它们对结果的影响至关重要。为避免阈值的选取成为障碍,文章提出一种部分归一化的方法。这种改进修正了非此即彼的二元判断,从而为后期处理创造了比较好的前提条件。而且,由于小于阈值的部分是线性变化的,所以对阈值的要求也就降低了。相对于直接阈值法而言,效果比较好。部分归一化的方法是:设mf(x,y,t)f(x,y,t)mf(x,y,t)f(x,y,t)yx(f(xx,yy,t)f(xx,yy,t))yx(f(xx,yy,t)f(xx,yy,t))()设P(x,y)为图象f在(x,y)处为运动点的概率,令P(x,y)F(m,T)F(m,T)F(,T)F(,T)()其中F定义为F(a,b)ababab()如果P(x,y),那么对应的点就被认为是运动物体上的点;否则对应点为运

参考文献

引证文献

问答

我要提问