一種序列圖像變化檢測(cè)的偽變化目標(biāo)去除方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于序列圖像變化檢測(cè)技術(shù)領(lǐng)域，具體涉及一種序列圖像變化檢測(cè)的偽變 化目標(biāo)去除方法。
【背景技術(shù)】
[0002] 常規(guī)的圖像變化檢測(cè)是利用同一地區(qū)在不同時(shí)刻拍攝的兩幅圖像，采用圖像處理 和模式識(shí)別等手段，檢測(cè)出該地區(qū)的地物變化信息的過程;然而實(shí)際拍攝時(shí)，所獲取的圖像 并不只有一幅靜態(tài)圖像，而是圖像序列，僅對(duì)靜態(tài)圖像進(jìn)行變化目標(biāo)檢測(cè)將無法利用圖像 序列間的幀間信息；序列圖像目標(biāo)變化檢測(cè)主要針對(duì)兩組圖像序列間變化目標(biāo)的檢測(cè)，兩 組圖像序列各幀一一對(duì)應(yīng)，并進(jìn)行圖像配準(zhǔn)。在進(jìn)行圖像目標(biāo)變化檢測(cè)時(shí)，受陰影等因素的 影響圖像中可能出現(xiàn)大量偽目標(biāo)，目標(biāo)誤檢率高。
[0003]目前，目標(biāo)變化檢測(cè)方法分為靜態(tài)圖像和序列圖像兩類。其中靜態(tài)圖像目標(biāo)變化 檢測(cè)法主要包括增強(qiáng)真實(shí)目標(biāo)區(qū)分度和減弱偽目標(biāo)影響兩方面;靜態(tài)圖像的目標(biāo)變化檢測(cè) 未能有效利用幀間關(guān)聯(lián)信息，誤檢測(cè)率沒有得到有效控制。序列圖像目標(biāo)變化檢測(cè)法主要 有基于圖像鑲嵌的方法和基于目標(biāo)訓(xùn)練的檢測(cè)方法，基于鑲嵌的方式將序列圖像進(jìn)行鑲 嵌，然后對(duì)鑲嵌后的區(qū)域圖像進(jìn)行配準(zhǔn)，并在此基礎(chǔ)上分析配準(zhǔn)誤差完成變化檢測(cè)，該類方 法僅將序列圖像進(jìn)行了拼接，未能有效的利用該序列間的幀間信息;基于目標(biāo)訓(xùn)練的方法 通過對(duì)樣本圖像的訓(xùn)練得到目標(biāo)的變化類型的決策規(guī)則，并用規(guī)則檢測(cè)出同類型的變化目 標(biāo)，當(dāng)實(shí)際拍攝時(shí)所獲取的圖像，待檢測(cè)目標(biāo)并不一定出現(xiàn)在每幀圖像中且可能屬于不同 類別，其變化特征可能具有較大差異；而偽變化目標(biāo)在各幀圖像中都會(huì)出現(xiàn)，類別較為固 定。例如在用于作戰(zhàn)檢測(cè)時(shí)，船只、車輛、飛機(jī)、駐扎的帳篷等都可能是待檢測(cè)目標(biāo)，他們?cè)?圖像中表現(xiàn)出的變化特征并不相同，而影響檢測(cè)的偽變化目標(biāo)可能同樣是由陰影引起的圖 像灰度變化，基于目標(biāo)訓(xùn)練的方法難以準(zhǔn)確的處理該類型的目標(biāo)變化。
[0004] 綜合考慮以上方法可以看出，需要有一種新方法來解決現(xiàn)有序列圖像目標(biāo)變化檢 測(cè)方法，不適用于目標(biāo)較少或目標(biāo)類型不統(tǒng)一甚至類型未知的情況，并且該方法需要有效 的排除偽變化目標(biāo)，保證準(zhǔn)確的檢測(cè)出真實(shí)變化目標(biāo)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是解決現(xiàn)有的圖像變化檢測(cè)方法未能有效的利用序列圖像間的幀 間信息且偽變化目標(biāo)排除率低的技術(shù)問題，提供一種序列圖像變化檢測(cè)的偽變化目標(biāo)去除 方法。
[0006] 為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為:首先將序列圖像中具有偽變化 目標(biāo)的第一幀作為樣本進(jìn)行分塊并計(jì)算各塊的特征;然后對(duì)各特征進(jìn)行矢量分析，訓(xùn)練出 用于偽目標(biāo)去除的雙向圓錐形決策規(guī)則進(jìn)行決策，最后利用幀間變化對(duì)該規(guī)則進(jìn)行自適應(yīng) 遞推。
[0007] 為解決上述技術(shù)問題，本發(fā)明采用具體的技術(shù)方案為：
[0008] -種序列圖像變化檢測(cè)的偽變化目標(biāo)去除方法，其中：它包含以下步驟：
[0009] S1:將同一地區(qū)不同時(shí)間拍攝的兩組圖像序列輸入，并進(jìn)行配準(zhǔn)，使得序列各幀一 一對(duì)應(yīng)；
[0010] S2:選取每組圖像序列的第一幀圖像，利用模糊C均值聚類的方法進(jìn)行變化檢測(cè)， 并通過人工判讀的方法標(biāo)記出模糊C均值聚類檢測(cè)結(jié)果中的偽變化目標(biāo)；
[0011] S3:將每組圖像序列的第一幀圖像分塊處理獲得圖像塊；
[0012] S4:計(jì)算各個(gè)圖像塊的三種鑒別特征值，所述鑒別特征用以鑒別真實(shí)與偽變化目 標(biāo)；
[0013] S5:利用S4步驟中選取的鑒別特征構(gòu)建直角坐標(biāo)系，將各圖像塊按其鑒別特征值 構(gòu)建三維坐標(biāo)，將其對(duì)應(yīng)的三維點(diǎn)標(biāo)記在直角坐標(biāo)中；
[0014] S6:根據(jù)S2步驟中標(biāo)記出的偽變化目標(biāo)，選出S5步驟中存在偽變化目標(biāo)的圖像塊 的三維點(diǎn)；
[0015] S7:利用S6步驟中獲得的存在偽變化目標(biāo)的圖像塊的三維點(diǎn)訓(xùn)練出存在偽變化目 標(biāo)的圖像塊的決策規(guī)則；
[0016] S8:將S7步驟中獲得的決策規(guī)則對(duì)應(yīng)的圖像進(jìn)行自適應(yīng)遞推，使其用于序列中后 續(xù)圖像中；
[0017] S9:去除符合S8步驟中決策規(guī)則的偽變化目標(biāo)圖像塊，輸出剩余變化目標(biāo)圖像塊。
[0018] 所述S4步驟中的三種鑒別特征為邊緣變化特征、圖像紋理復(fù)雜度變化特征和圖像 視覺對(duì)比度變化特征，按以下步驟確定三種鑒別特征值：
[0019] S41:確定邊緣變化特征值：
[0020] 首先，采用如下整體變分算法模型提取圖像塊的結(jié)構(gòu)圖，求解能量泛函最小值得 到結(jié)構(gòu)圖S，提取得到的結(jié)構(gòu)圖S的邊緣特征，并利用Sobel算子得到圖像塊的圖像邊緣；
[0022]上式中:E表示能量泛函，I為輸入圖像，S為結(jié)構(gòu)圖，p為像素位置，λ為正則化參數(shù)， 取值范圍為[0，1]，
I表示梯度，用來抑制噪聲；（SP-I P)2為正則 項(xiàng)，用來保護(hù)邊緣；
[0023]然后，提取每組圖像序列的第一幀圖像的圖像塊邊緣的長寬特征，并將第一組圖 像序列的第一幀圖像中的圖像塊邊緣的長寬特征與另一組圖像序列的第一幀圖像中對(duì)應(yīng) 圖像塊邊緣的長寬特征作差，得到的差值作為邊緣變化特征值；
[0024] S42:確定圖像紋理復(fù)雜度變化特征值：
[0025]采用如下公式提取兩組圖像序列的第一幀圖像中相應(yīng)圖像塊的圖像紋理復(fù)雜度 變化特征值XD2;
[0027]1Φ為X的概率密度函數(shù)，X為像素點(diǎn)的 灰度值；
[0028] S43:確定圖像視覺對(duì)比度變化特征值：
[0029] 采用如下公式提取兩組圖像序列的第一幀圖像中相應(yīng)圖像塊的圖像視覺對(duì)比度 變化特征值Xm;
[0032]上式中：C為圖像對(duì)比度特征，μι(ηι，η)為圖像塊的平均灰度，μ2(ηι，η)為整幅圖像的 平均灰度，L為圖像塊灰度的量程，λ為加權(quán)參數(shù)
[0034]上式中：S為整幅面積，St為圖像塊的面積，μτ為圖像塊邊界像素灰度均值，μτο為圖 像塊邊界像素領(lǐng)域像素均值。
[0035] 所述長寬特征為該圖像塊各個(gè)邊緣外接矩形長寬的和。
[0036] 所述的決策規(guī)則為雙向圓錐形的決策規(guī)則，決策規(guī)則量按以下步驟確定：
[0037] S71:求偽變化目標(biāo)圖像塊決策規(guī)則的正向中心方向與逆向中心方向：
[0038]選取各正向或逆向存在偽變化目標(biāo)的圖像塊的三維點(diǎn)的鑒別特征值的均值點(diǎn)作 為正向或逆向中心點(diǎn)，零點(diǎn)到正向或逆向中心點(diǎn)的連線即為偽變化變化類的正向或逆向中 心方向；
[0039] S72:求偽變化目標(biāo)圖像塊決策規(guī)則的正向中心角與逆向中心角：
[0040]首先求各存在偽變化目標(biāo)的圖像塊的三維點(diǎn)到正向或逆向中心方向的距離，然后 通過反三角函數(shù)求得各存在偽變化目標(biāo)的圖像塊的三維點(diǎn)的點(diǎn)方向與正向或逆向中心方 向的夾角，
[0042]上式中：0(i，j)表示存在偽變化目標(biāo)的圖像塊的三維點(diǎn)的中心角，cU(i，j)表示該 存在偽變化目標(biāo)的圖像塊的三維點(diǎn)到中心方向的距離，d2(i，j)表示該存在偽變化目標(biāo)的 圖像塊的三維點(diǎn)到零點(diǎn)的距離；
[0043]將0°到90°劃分為90個(gè)等級(jí)，統(tǒng)計(jì)各等級(jí)中的存在偽變化目標(biāo)的圖像塊的三維點(diǎn) 的個(gè)數(shù)，從89°~90°開始進(jìn)行判定，如果該等級(jí)中存在偽變化目標(biāo)的圖像塊的三維點(diǎn)的數(shù) 目大于等級(jí)中最大數(shù)目的0.1倍，則選取該角度作為閾值，并將其作為決策規(guī)則的正向中心 角與逆向中心角。
[0044] 所述自適應(yīng)遞推的步驟如下：
[0045] S81:確定最終種決策規(guī)則中心點(diǎn)：
[0046] 將前一幀得到的檢測(cè)結(jié)果作為下一幀圖像的訓(xùn)練樣本，并在訓(xùn)練樣本中加入第一 幀圖像進(jìn)行指導(dǎo)，根據(jù)下式確定最終種決策規(guī)則中心點(diǎn)；
[0048]上式中：pi(x，y，z)為第一幀圖像的中心點(diǎn)，pn-i(x，y，z)為該幀圖像前一幀圖像偽 目標(biāo)結(jié)果的中心位置，η為圖像幀數(shù)，v為飛行器移動(dòng)速度，單位為m/幀；
[0049] S82:確定決策規(guī)則的中心角：
[0050] 正向或逆向變化中心點(diǎn)與零點(diǎn)作為正向或逆向中心方向，并利用下式求取決策規(guī) 則的中心角，
[0052]上式中：ω ^為前一幀圖像規(guī)則中求得的中心角，mean((i，j))為前一幀圖像 中各點(diǎn)到中心方向角度的均值，mean(ΘΚi，j))為第一幀圖像中各點(diǎn)到中心方向角度的均 值，mean (Θn(i，j))為待檢測(cè)圖像中各點(diǎn)到中心方向角度的均值。
[0053]由于本發(fā)明采用了上述技術(shù)方案，解決了現(xiàn)有的圖像變化檢測(cè)方法未能有效的利 用序列圖像間的幀間信息且偽變化目標(biāo)排除率低的技術(shù)問題，提出了一種雙向圓錐三維矢 量分析的偽目標(biāo)去除方法。
[0054]本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：
[