空時(shí)域聯(lián)合差分檢測(cè)可見光圖像的運(yùn)動(dòng)小目標(biāo)胡謀法李超王書宏(國(guó)防科學(xué)技術(shù)大學(xué)ATR重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙410073)E-mail:hu199709200106@sina.com擴(kuò)要可見光圖像背景常常表現(xiàn)出時(shí)城和空域的雙重相關(guān)特性。針對(duì)可見光圍像背景下的運(yùn)動(dòng)小目標(biāo)檢測(cè),提出了一種空時(shí)城聯(lián)合差分的檢測(cè)方法。以可見光圍像序列模型為基礎(chǔ)定性分析了目標(biāo)、背景和噪聲的基本特性和差異;在此基腳上提出了空時(shí)城聯(lián)合差分的背景抑制方法,結(jié)合流水線結(jié)構(gòu)給出了一種實(shí)時(shí)性好的具體實(shí)現(xiàn)方案。實(shí)驗(yàn)結(jié)果證實(shí)了該方法的有效性。關(guān)鏞詞目標(biāo)栓測(cè)空時(shí)域差分流水線結(jié)構(gòu)可見光背景起伏文章編號(hào)1002-8331-(2006)21-0025-03文獻(xiàn)標(biāo)識(shí)碼A中圖分類號(hào)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引言相關(guān)性是復(fù)雜的背景起伏非常重要的特征之一2。由于對(duì)目標(biāo)進(jìn)行檢測(cè)成像觀測(cè)是最直接有效的手段。在光學(xué)物理規(guī)律的約束,可見光圖像的背景常常表現(xiàn)出時(shí)域和空域波段,以CCD作為傳感器的各種地基系統(tǒng)的應(yīng)用也越來(lái)越廣的雙重相關(guān)特性?；诖?本文提出了一種空時(shí)域聯(lián)合差分泛,以此為研究對(duì)象的理論和方法也越來(lái)越多越來(lái)越深人?？? Spatial- temporal difference method,簡(jiǎn)記為STDM)的背景抑間目標(biāo)在CCD像面上成像往往是淹沒在復(fù)雜的背景中,而且制方法并且利用該方法檢測(cè)可見光背景下的運(yùn)動(dòng)小目標(biāo)。文目標(biāo)象素少缺乏形狀信息這使得其檢測(cè)非常困難。人們提出中首先建立了可見光圖像序列模型,定性分析目標(biāo)背景和噪了很多弱小目標(biāo)的檢測(cè)方法,可以歸納為三類。第一類,如運(yùn)動(dòng)聲的特性;然后給出STDM的基本原理和具體實(shí)現(xiàn);最后給出差分、光流法等叫這類方法根據(jù)目標(biāo)運(yùn)動(dòng)的連續(xù)性和灰度分布了實(shí)驗(yàn)結(jié)果和結(jié)論。的時(shí)間相關(guān)性抑制圖像背景進(jìn)而檢測(cè)運(yùn)動(dòng)目標(biāo),該類方法一般都是利用一組相鄰的圖像幀進(jìn)行目標(biāo)檢測(cè)。第二類是基于空域2可見光圖像模型濾波形態(tài)學(xué)濾波等技術(shù)的弱小目標(biāo)檢測(cè)算法。它們都是根可見光圖像序列可以表示為據(jù)目標(biāo)和背景在圖像灰度上的差異性景抑制來(lái)實(shí)現(xiàn)目標(biāo)增強(qiáng),然后結(jié)合閾值分割等技術(shù)實(shí)現(xiàn)目標(biāo)的檢測(cè)。第三類是I(x、、(b(x,y,)+n(x,y,i)(1)基于假設(shè)檢驗(yàn)的思想,如似然比檢驗(yàn)F檢驗(yàn)的弱小目標(biāo)檢其中xy,i分別表示每幀圖像的空間坐標(biāo)橫、縱軸以及時(shí)測(cè)方法等。這些方法在實(shí)際中的紅外小目標(biāo)檢測(cè)都得到了廣泛間坐標(biāo)(第i幀);(x,y,)表示第i幀圖像(x,y)處的象素灰度的應(yīng)用t、b、n分別表示目標(biāo)、背景以及測(cè)量噪聲的灰度。然而,前兩類方法都僅僅應(yīng)用了圖像序列在時(shí)域或者空域目標(biāo)包括運(yùn)動(dòng)的空間碎片等。由于目標(biāo)輻射強(qiáng)度與周圍自方面的信息;第三類方法應(yīng)用了目標(biāo)時(shí)空域的運(yùn)動(dòng)信息,但然背景的輻射強(qiáng)度不相關(guān),并且一般都是高于背景的輻射強(qiáng)算法實(shí)現(xiàn)的計(jì)算量較前兩類高很多。因此,本文提出了一種充度,因此對(duì)地基觀測(cè)系統(tǒng),空間目標(biāo)距離很遠(yuǎn)以至于它在像面分利用圖像序列空時(shí)域信息,實(shí)現(xiàn)相對(duì)容易的弱小目標(biāo)檢測(cè)上只有幾個(gè)到十幾個(gè)象素大小灰度級(jí)相對(duì)較高。目標(biāo)內(nèi)部灰算法度分布比較均勻,在圖像上表現(xiàn)為小的亮斑,其自身具有相關(guān)基金項(xiàng)目:國(guó)家863高技術(shù)研充發(fā)展計(jì)劃資助項(xiàng)目(編號(hào):2004A731270)作者簡(jiǎn)介:胡謀法(1979-),男(漢族),博士生,主要研究方向光學(xué)信息處理、目標(biāo)檢測(cè)與識(shí)別等。李超(1977-),男(漢族)博士生,主要研究方向信號(hào)處理數(shù)據(jù)融合等。王書宏(1975-),男(漢族),主要研究方向光電信息處理,目標(biāo)檢測(cè)等計(jì)算機(jī)工程與應(yīng)用20062125襄1目標(biāo)、背景和嗓聲特征比較目標(biāo)背景灰度特性大部分低部分恒星灰度高大小隨機(jī),服從高斯分布頻域成分高頻部低頻緩變部分高頻低頻都有,部分1噪聲相關(guān)特性空間上與背景不相關(guān)時(shí)間上自身相關(guān)空間上和時(shí)間上均與自身相關(guān)空間上,時(shí)間上均與背景不相關(guān)直線運(yùn)動(dòng)運(yùn)動(dòng)沒有規(guī)律性。目標(biāo)一般可以認(rèn)為直線運(yùn)動(dòng)。波器,時(shí)域差分濾波器的輸出為對(duì)于地基觀測(cè)而言,背景由于在形成上受物理規(guī)律的約束,它們?cè)诳臻g上往往成大面積的連續(xù)分布狀態(tài)?？偸钦紙D像Io(x,, i)=2W(x,y, i-k)的絕大多數(shù)象素。大體上有兩部分構(gòu)成;一是眾多的恒星它們其中:甲是濾波器系數(shù);N是差分階數(shù)。濾波器系數(shù)如表2灰度級(jí)比較高所占像元也較少,其空間位置基本上恒定;二是衰21-2階時(shí)域差分濾波器系散天光背景,由宇宙背景輻射等的產(chǎn)生,它們灰度級(jí)一般比較低內(nèi)部分布也比較均勻,往往占圖像的絕大多數(shù)像元。在CCD像面上背景呈現(xiàn)出一定的起伏特性,由于灰度變化的連續(xù)性,幅度不會(huì)太大。并且背景自身有較強(qiáng)的相關(guān)性。The second order從頻域上看,目標(biāo)表現(xiàn)為小面積的快速變化高頻部分;背景總是表現(xiàn)為大面積的緩慢變化的低頻部分。33聯(lián)合目標(biāo)檢測(cè)可見光圖像平面上的噪聲主要包括系統(tǒng)噪聲和測(cè)量噪聲實(shí)際上,空域差分和時(shí)域差分都是背景抑制,其結(jié)果都是一般認(rèn)為它們是高斯白噪聲過(guò)程。噪聲還包括非平穩(wěn)的/噪削背景的相關(guān)性,而盡可能多地保留目標(biāo)信息。經(jīng)過(guò)空時(shí)域聲,主要由CCD讀數(shù)引起?？傮w上說(shuō)像平面上噪聲與背景象差分,原始圖像序列變成兩組僅僅包含目標(biāo)和白噪聲的圖像素不相關(guān),在空間上隨機(jī)分布,而且時(shí)間上也沒有相關(guān)性。表1即(x,y)和L(xy)。聯(lián)合目標(biāo)檢測(cè)可以歸結(jié)為如下步驟給出了目標(biāo)、背景和噪聲的部分差異。(1)利用式(3)分別對(duì)l(x,y,i)和L(x,y,i)進(jìn)行對(duì)比度增強(qiáng)處理得到r(x,y,)和r=(x,y,i):3STDM描述在前面的分析中,我們知道背景不僅在時(shí)間上具有相關(guān)r(,0=05+4)n≤x,y性,而且在空間上也具有一定的相關(guān)性。因此可以利用當(dāng)前頓的背景去預(yù)測(cè)下一時(shí)刻的背景,也可以利用某一幀內(nèi)某個(gè)象素I(x, y, i)<+ko點(diǎn)鄰域內(nèi)的點(diǎn)灰度去預(yù)測(cè)其實(shí)際值,以消除噪聲的影響。以此其中μ和σ分別為I(x,y,i)的均值和標(biāo)準(zhǔn)差,k=3-10為為基礎(chǔ)提出一種基于時(shí)空域聯(lián)合的差分檢測(cè)目標(biāo)的方法。圖調(diào)整因子。1給出了STDM的流程圖。(2)根據(jù)(1)的結(jié)果采用一定的準(zhǔn)則進(jìn)行空時(shí)域的聯(lián)合,得到新的圖像序列P(x,y,i),本文取(4)式的聯(lián)合準(zhǔn)則空差原始圖像目標(biāo)確認(rèn)聯(lián)合檢測(cè)航跡關(guān)聯(lián)時(shí)域差分(3對(duì)圖像減行連分得到一組二值化圖1STDM流程圖圖像序列r(x,y,i),并認(rèn)為圖像中的亮點(diǎn)都是候選目標(biāo)點(diǎn):(x,y,i)=J 1 /(,y,i3.1空域差分背景上某點(diǎn)灰度可以由相關(guān)區(qū)域內(nèi)的象素點(diǎn)灰度估計(jì)得閾值門限T一般取為圖像均值與方差的線性函數(shù),即T=到,前面分析表明背景具有更大的空間相關(guān)性,而目標(biāo)在每一+m,m=2-5幀圖像上相關(guān)性較小采用大大超過(guò)目標(biāo)大小的模板對(duì)圖像進(jìn)34目標(biāo)確認(rèn)與航跡關(guān)聯(lián)行濾波將是圖像背景的很好估計(jì);同時(shí)采用小尺寸的平滑模板經(jīng)過(guò)聯(lián)合目標(biāo)檢測(cè),原始圖像序列轉(zhuǎn)化為包含目標(biāo)和白噪對(duì)圖像進(jìn)行濾波可以消除部分背景噪聲,而目標(biāo)灰度基本上不聲的二值圖像。這些圖像中絕大部分象素為黑點(diǎn)(0),剩下的亮?xí)袚p失。兩次濾波結(jié)果的差就是空間差分的結(jié)果,lm=點(diǎn)(1)則分布在圖像上,它們有可能是目標(biāo)也有可能是高亮度、分別表示空域差分、大尺的噪聲點(diǎn)。為了區(qū)分出真正的目標(biāo)進(jìn)一步提高檢測(cè)概率降低度濾波小尺度濾波結(jié)果?？沼虿罘值慕Y(jié)果可以大大減弱背景虛警可以根據(jù)小目標(biāo)運(yùn)動(dòng)的連續(xù)性采用航跡關(guān)聯(lián)方法對(duì)目在空域的相關(guān)性,目標(biāo)信息基本不會(huì)損失,這也使目標(biāo)得到了標(biāo)進(jìn)行確認(rèn)3.5STDM實(shí)現(xiàn)32時(shí)域差分如前所述STDM計(jì)算復(fù)雜性主要體現(xiàn)在空域差分。小尺背景起伏在時(shí)間上也具有相關(guān)性。而目標(biāo)在不同幀上出現(xiàn)度濾波采用n×n的均值模板,大尺度濾波采用5m×5n的均值模的位置不同(相關(guān)性較小)。因此對(duì)圖像序列作時(shí)域差分一方面板,n一般取為3-5:可以大大減弱起伏背景,另一方面也可以去除部分相關(guān)性,使得處理之后的圖像更接近是白噪聲背景下的運(yùn)動(dòng)目標(biāo)圖像,這(61)樣可以大大提高目標(biāo)的檢測(cè)概率。時(shí)域差分相當(dāng)于一個(gè)FIR濾62006.21計(jì)算機(jī)工程與應(yīng)用為了驗(yàn)證本文提出方法的有效性,圖2給出了三組圖像序Ter(62)列的處理結(jié)果。其中A組圖像目標(biāo)比較亮B組目標(biāo)中等亮度C組目標(biāo)暗(信噪比為181),圖2(a)-2(c)分別給出了其中的上式表明STDM計(jì)算復(fù)雜性主要體現(xiàn)在大尺度的濾波,本幀,為了方便起見,均做了增強(qiáng)處理目標(biāo)由白框標(biāo)示出來(lái)。文利用圖像自身的灰度特點(diǎn),采用一種近似的大尺度均值模原始圖像大小均為512×512象素。圖2(d)-2()給出了目標(biāo)檢板,即只選擇5n×5n中兩條對(duì)角線上的元素的平均作為濾波的測(cè)結(jié)果,圖中直線軌跡上的就是目標(biāo)。STDM中空域差分模板結(jié)果,以n=3為例簡(jiǎn)化前后大尺度濾波分別需要255次加法、大小取為3x3和15×15;調(diào)整因子取為5;圖像分割門限7平+次乘法和19次加法一次乘法,大大降低了計(jì)算復(fù)雜度。在航3;流水線結(jié)構(gòu)參數(shù)與文獻(xiàn)3]相同。實(shí)驗(yàn)結(jié)果表明:盡管信噪跡關(guān)聯(lián)部分采用文獻(xiàn)3j的流水線結(jié)構(gòu)實(shí)驗(yàn)結(jié)果證實(shí)這種簡(jiǎn)化比的降低使得最終的檢測(cè)結(jié)果出現(xiàn)了極少的虛警點(diǎn),但是總實(shí)現(xiàn)途徑是有效的實(shí)時(shí)性和檢測(cè)性能好。體上,該方法對(duì)三類數(shù)據(jù)非常有效適應(yīng)性強(qiáng)。4實(shí)驗(yàn)結(jié)果5結(jié)論針對(duì)可見光背景下的運(yùn)動(dòng)小目標(biāo)檢測(cè),在簡(jiǎn)要分析目標(biāo)、背景和噪聲的基本特性和差異之后提出了一種空時(shí)域聯(lián)合差分的背景抑制方法結(jié)合流水線結(jié)構(gòu)給出了一種實(shí)時(shí)性和檢測(cè)性能均較好的運(yùn)動(dòng)小目標(biāo)檢測(cè)方案。與常用的方法相比,本文算法充分利用了圖像序列時(shí)空域的信息,而且實(shí)現(xiàn)簡(jiǎn)單。實(shí)驗(yàn)結(jié)果證實(shí)了STDM的有效性,同時(shí)也表明檢測(cè)性能與參數(shù)的(a)A組第25幀(b)B組第13幀選擇有很大關(guān)聯(lián),因此參數(shù)的優(yōu)化以及進(jìn)一步的虛警消除是下步的研究方向。(收稿日期:2006年5月)參考文獻(xiàn)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組第8幀(d)A組檢測(cè)結(jié)果signal processing [M]Beijing: Publishing House of Electronics Industry3彭嘉雄周文琳紅外背景抑制與小目標(biāo)分割檢測(cè)J電子學(xué)報(bào)19994余農(nóng),吳常泳湯心溢等紅外目標(biāo)檢測(cè)的自適應(yīng)背景感知算法電子學(xué)報(bào)2005;332):201-2045.Pohlig S CSpatiaHtemporal detection of electro-optic moving targets pF(e)B組檢測(cè)結(jié)果()C組檢測(cè)結(jié)果圖2三組圖像及其檢測(cè)結(jié)果6李朝暉,張艷玲,余英林一種基于時(shí)空聯(lián)合的視頻對(duì)象分割方法中國(guó)圖象圖形學(xué)報(bào)2003;8(A)(11):1341-1345(上接8頁(yè))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計(jì)算機(jī)工程與應(yīng)用20062127