空时域联合差分检测可见光图像的运动小目标

空时域联合差分检测可见光图像的运动小目标胡谋法李超王书宏(国防科学技术大学ATR重点实验室,长沙410073)E-mail:hu199709200106@sina.com擴要可见光图像背景常常表现出时城和空域的双重相关特性。针对可见光围像背景下的运动小目标检测,提出了一种空时城联合差分的检测方法。以可见光围像序列模型为基础定性分析了目标、背景和噪声的基本特性和差异;在此基脚上提出了空时城联合差分的背景抑制方法,结合流水线结构给出了一种实时性好的具体实现方案。实验结果证实了该方法的有效性。关镛词目标栓测空时域差分流水线结构可见光背景起伏文章编号1002-8331-(2006)21-0025-03文獻标识码A中图分类号TN9l1.74Spatial-temporal Difference Method for Detecting Small MovingTargets in Visible Image Background Clutter(ATR Key Lab, National University of Defense Technology, Changsha 410073)Abstract: The visible image background clutter is correlative in space and time domain To detect small moving targetsin complex visible image background clutter, the spatial -temporal difference method is presented. Based on the visibleimage sequences model, the characteristic and difference of targets, background and noise are analyzed qualitatively Withthese, the spatial-temporal difference method (STDM)for background suppression is presented and also it's realizationvia assembly line and pipeline scheme is given. Many experiments prove the availability in practiceKeywords: target detection, spatial-temporal difference method, pipeline scheme, visible image, Background clutter1引言相关性是复杂的背景起伏非常重要的特征之一2。由于对目标进行检测成像观测是最直接有效的手段。在光学物理规律的约束,可见光图像的背景常常表现出时域和空域波段,以CCD作为传感器的各种地基系统的应用也越来越广的双重相关特性。基于此,本文提出了一种空时域联合差分泛,以此为研究对象的理论和方法也越来越多越来越深人。空( Spatial- temporal difference method,简记为STDM)的背景抑间目标在CCD像面上成像往往是淹没在复杂的背景中,而且制方法并且利用该方法检测可见光背景下的运动小目标。文目标象素少缺乏形状信息这使得其检测非常困难。人们提出中首先建立了可见光图像序列模型,定性分析目标背景和噪了很多弱小目标的检测方法,可以归纳为三类。第一类,如运动声的特性;然后给出STDM的基本原理和具体实现;最后给出差分、光流法等叫这类方法根据目标运动的连续性和灰度分布了实验结果和结论。的时间相关性抑制图像背景进而检测运动目标,该类方法一般都是利用一组相邻的图像帧进行目标检测。第二类是基于空域2可见光图像模型滤波形态学滤波等技术的弱小目标检测算法。它们都是根可见光图像序列可以表示为据目标和背景在图像灰度上的差异性景抑制来实现目标增强,然后结合阈值分割等技术实现目标的检测。第三类是I(x、、(b(x,y,)+n(x,y,i)(1)基于假设检验的思想,如似然比检验F检验的弱小目标检其中xy,i分别表示每帧图像的空间坐标横、纵轴以及时测方法等。这些方法在实际中的红外小目标检测都得到了广泛间坐标(第i帧);(x,y,)表示第i帧图像(x,y)处的象素灰度的应用t、b、n分别表示目标、背景以及测量噪声的灰度。然而,前两类方法都仅仅应用了图像序列在时域或者空域目标包括运动的空间碎片等。由于目标辐射强度与周围自方面的信息;第三类方法应用了目标时空域的运动信息,但然背景的辐射强度不相关,并且一般都是高于背景的辐射强算法实现的计算量较前两类高很多。因此,本文提出了一种充度,因此对地基观测系统,空间目标距离很远以至于它在像面分利用图像序列空时域信息,实现相对容易的弱小目标检测上只有几个到十几个象素大小灰度级相对较高。目标内部灰算法度分布比较均匀,在图像上表现为小的亮斑,其自身具有相关基金项目:国家863高技术研充发展计划资助项目(编号:2004A731270)作者简介:胡谋法(1979-),男(汉族),博士生,主要研究方向光学信息处理、目标检测与识别等。李超(1977-),男(汉族)博士生,主要研究方向信号处理数据融合等。王书宏(1975-),男(汉族),主要研究方向光电信息处理,目标检测等计算机工程与应用20062125襄1目标、背景和嗓声特征比较目标背景灰度特性大部分低部分恒星灰度高大小随机,服从高斯分布频域成分高频部低频缓变部分高频低频都有,部分1噪声相关特性空间上与背景不相关时间上自身相关空间上和时间上均与自身相关空间上,时间上均与背景不相关直线运动运动没有规律性。目标一般可以认为直线运动。波器,时域差分滤波器的输出为对于地基观测而言,背景由于在形成上受物理规律的约束,它们在空间上往往成大面积的连续分布状态。总是占图像Io(x,, i)=2W(x,y, i-k)的绝大多数象素。大体上有两部分构成;一是众多的恒星它们其中:甲是滤波器系数;N是差分阶数。滤波器系数如表2灰度级比较高所占像元也较少,其空间位置基本上恒定;二是衰21-2阶时域差分滤波器系散天光背景,由宇宙背景辐射等的产生,它们灰度级一般比较低内部分布也比较均匀,往往占图像的绝大多数像元。在CCD像面上背景呈现出一定的起伏特性,由于灰度变化的连续性,幅度不会太大。并且背景自身有较强的相关性。The second order从频域上看,目标表现为小面积的快速变化高频部分;背景总是表现为大面积的缓慢变化的低频部分。33联合目标检测可见光图像平面上的噪声主要包括系统噪声和测量噪声实际上,空域差分和时域差分都是背景抑制,其结果都是一般认为它们是高斯白噪声过程。噪声还包括非平稳的/噪削背景的相关性,而尽可能多地保留目标信息。经过空时域声,主要由CCD读数引起。总体上说像平面上噪声与背景象差分,原始图像序列变成两组仅仅包含目标和白噪声的图像素不相关,在空间上随机分布,而且时间上也没有相关性。表1即(x,y)和L(xy)。联合目标检测可以归结为如下步骤给出了目标、背景和噪声的部分差异。(1)利用式(3)分别对l(x,y,i)和L(x,y,i)进行对比度增强处理得到r(x,y,)和r=(x,y,i):3STDM描述在前面的分析中,我们知道背景不仅在时间上具有相关r(,0=05+4)n≤x,y性,而且在空间上也具有一定的相关性。因此可以利用当前顿的背景去预测下一时刻的背景,也可以利用某一帧内某个象素I(x, y, i)<+ko点邻域内的点灰度去预测其实际值,以消除噪声的影响。以此其中μ和σ分别为I(x,y,i)的均值和标准差,k=3-10为为基础提出一种基于时空域联合的差分检测目标的方法。图调整因子。1给出了STDM的流程图。(2)根据(1)的结果采用一定的准则进行空时域的联合,得到新的图像序列P(x,y,i),本文取(4)式的联合准则空差原始图像目标确认联合检测航迹关联时域差分(3对图像减行连分得到一组二值化图1STDM流程图图像序列r(x,y,i),并认为图像中的亮点都是候选目标点:(x,y,i)=J 1 /(,y,i3.1空域差分背景上某点灰度可以由相关区域内的象素点灰度估计得阈值门限T一般取为图像均值与方差的线性函数,即T=到,前面分析表明背景具有更大的空间相关性,而目标在每一+m,m=2-5帧图像上相关性较小采用大大超过目标大小的模板对图像进34目标确认与航迹关联行滤波将是图像背景的很好估计;同时采用小尺寸的平滑模板经过联合目标检测,原始图像序列转化为包含目标和白噪对图像进行滤波可以消除部分背景噪声,而目标灰度基本上不声的二值图像。这些图像中绝大部分象素为黑点(0),剩下的亮会有损失。两次滤波结果的差就是空间差分的结果,lm=点(1)则分布在图像上,它们有可能是目标也有可能是高亮度、分别表示空域差分、大尺的噪声点。为了区分出真正的目标进一步提高检测概率降低度滤波小尺度滤波结果。空域差分的结果可以大大减弱背景虚警可以根据小目标运动的连续性采用航迹关联方法对目在空域的相关性,目标信息基本不会损失,这也使目标得到了标进行确认3.5STDM实现32时域差分如前所述STDM计算复杂性主要体现在空域差分。小尺背景起伏在时间上也具有相关性。而目标在不同帧上出现度滤波采用n×n的均值模板,大尺度滤波采用5m×5n的均值模的位置不同(相关性较小)。因此对图像序列作时域差分一方面板,n一般取为3-5:可以大大减弱起伏背景,另一方面也可以去除部分相关性,使得处理之后的图像更接近是白噪声背景下的运动目标图像,这(61)样可以大大提高目标的检测概率。时域差分相当于一个FIR滤62006.21计算机工程与应用为了验证本文提出方法的有效性,图2给出了三组图像序Ter(62)列的处理结果。其中A组图像目标比较亮B组目标中等亮度C组目标暗(信噪比为181),图2(a)-2(c)分别给出了其中的上式表明STDM计算复杂性主要体现在大尺度的滤波,本帧,为了方便起见,均做了增强处理目标由白框标示出来。文利用图像自身的灰度特点,采用一种近似的大尺度均值模原始图像大小均为512×512象素。图2(d)-2()给出了目标检板,即只选择5n×5n中两条对角线上的元素的平均作为滤波的测结果,图中直线轨迹上的就是目标。STDM中空域差分模板结果,以n=3为例简化前后大尺度滤波分别需要255次加法、大小取为3x3和15×15;调整因子取为5;图像分割门限7平+次乘法和19次加法一次乘法,大大降低了计算复杂度。在航3;流水线结构参数与文献3]相同。实验结果表明:尽管信噪迹关联部分采用文献3j的流水线结构实验结果证实这种简化比的降低使得最终的检测结果出现了极少的虚警点,但是总实现途径是有效的实时性和检测性能好。体上,该方法对三类数据非常有效适应性强。4实验结果5结论针对可见光背景下的运动小目标检测,在简要分析目标、背景和噪声的基本特性和差异之后提出了一种空时域联合差分的背景抑制方法结合流水线结构给出了一种实时性和检测性能均较好的运动小目标检测方案。与常用的方法相比,本文算法充分利用了图像序列时空域的信息,而且实现简单。实验结果证实了STDM的有效性,同时也表明检测性能与参数的(a)A组第25帧(b)B组第13帧选择有很大关联,因此参数的优化以及进一步的虚警消除是下步的研究方向。(收稿日期:2006年5月)参考文献1. Milan S, Vaclav H, Roger B Image processing, analysis, and Machinevision 2nd [M]New Jersey Thomson Learning and PT Press, 19992. Dimitris G M, Vinay K I, Stephen M KStatistical and adaptive()C组第8帧(d)A组检测结果signal processing [M]Beijing: Publishing House of Electronics Industry3彭嘉雄周文琳红外背景抑制与小目标分割检测J电子学报19994余农,吴常泳汤心溢等红外目标检测的自适应背景感知算法电子学报2005;332):201-2045.Pohlig S CSpatiaHtemporal detection of electro-optic moving targets pF(e)B组检测结果()C组检测结果图2三组图像及其检测结果6李朝晖,张艳玲,余英林一种基于时空联合的视频对象分割方法中国图象图形学报2003;8(A)(11):1341-1345(上接8页)7.E C Park, H Lim, K J Park et al. Analysis and design of the virtual2.s Floyd, V Jacobson. Random Early Detection Gateways for Congestion rate control algorithm for stabilizing queues in TCP networks(J.Com-Avoidance[J]. IEEE/ACM Transactions on Networking, 1993: 1(4): puter Networks,2004:44(1):17-41397-4138. Park P A delay-dependent stability criterion for systems with uncertain3. Ot T J, Lakshman T V, Wong L H SRED: stabilized RED(C)In Doshi time-invariant delays(J.IEEE Transactions on Automatic Control, 1999B ed. Proceedings of the IEEE INFOCOM. New York: IEEE Commun44:876-877cations Society, 1999: 1346-13559V L Kharitonov, A P Zhabko. Lyapunoy-Krasowskii approach for robust4. Athuraliya S, Li V H, Low S H et aLREM:active queue management(J) stability of time delay systems().Automatica, 2003:39: 15-20TEEE Network,2001;15(3):48-5310.$ Mondie, V L Kharitonov Exponential estimates for retarded time-5.HollotC V, Misra V, Towsley D et al.On designing improved controllers delay systems: an LMI approach[J.IEEE Trans Autom Control, 2005:for AQM routers supporting TCP fows( CHIn: Sengupta B ed.Proceedings 50(2):268-273of the IEEE INFOCOM, Anchorage, Alaska: IEEE Communications 11. V Misra, W B Gong, D Towsley Fluid-based analysis of a networkSociety,2001:1726-1734of AQM routers supporting TCP flows with an application to RED[J)6. Kunniyur S, Srikant R Analysis and design of an adaptive virtual Proc ACM/SIGCOMM, 2000queue(avq)algorIthmforactivequeuemanagement[j).acmComputer12.sMecannE,SFloyd.Networksimulator-ns(version2).http://www.isiCommunication Review, 2001:31(4):123-134eu/nsnam/ns. 2003-09计算机工程与应用20062127