基于运动分析的小弱运动目标探测.pdfVIP

基于运动分析的小弱运动目标探测 董能力 金钢 亓波马佳光 (中国科学院光电技术研究所 冀要：目标小而弱时，其探剥问题十分困难，本文发展了用数学形态学技术对圈慷进行潞渡，保 留点目标和噪声信号，然后根据目标运动曲连续性和一致性特点定义目标轨迹关联函教对滤波田像进行 运动学分析，进而提取目标．实验结果显示该方法具有探测效率高，速度快的特点，对噪声及目标的运 动没有特殊的要求． 关犍词：非线性图像处理，数学形态学、目标探测，小目标、运动分析 一、引 言 小弱运动目标的探测研究是国际上信号和图像处理领域的前沿研究热点课题，成为各 种先进探测系统的关键性技术。在许多领域诸如机器人视觉、遥感、交通、医学成像、图 像视频分析等都有着广泛的应用。当小目标信号很强时，其探测较为容易，但当小目标信 号相对丁』背景图像很弱时．其探测变得十分困难。由于小弱目标本身的特性，使该问题也 成为了目标探测领域的难点问题。对该问题的研究对于图像处理、信号分析、光电工程技 术都将起着推动作用，在理论和实际应用中都有巨大的价值。 二、小运动目标探测 点状小运动目标由于其在监视图像上仅占几个像素甚至是一个像素以F，没有一般面 目标的尺寸、形状和纹理等特征，信号的强度也通常较弱．容易淹没在噪声和杂波中，因 此大多数针对面目标探测的技术和方法不再适宜于点目标的探测问题。目前对于点状目标 滤波、投影变换、序贯假设检验、动态规划)、高阶相关技术、神经网络技术和小波变换 技术等】。匹配滤波技术具有较高的探测性能，甚至不用Nf]限技术，但存在计算量庞 大的问题，不利于实时探测的需要。高阶相关技术利用目标点信号的时空相关性检测目标， 当阶数较高时，计算量和存储量较大，探_；!舅I率较低，当阶数太低时，虚警率变大。神经网 络技术将可能的轨迹作为神经元，通过不断的学习机制检测出目标的运动轨迹，它具有速 度快的优点。但需要专用电路和硬件来实现．并且只有目标在整个图像序列中的轨迹显示， 没有目标在各当前帧中的位置，要给出目标的当前位置还需要进行专门的处理。小波变换 技术有许多优点，但由于连续小波变换的计算速度问题使该技术在目标探测的快速实时要 求上难匕上实现，尚待进～步研究。 一195— 本文充分利用目标的运动这—特性，用灰值形态学滤波技术首先对图像进行滤波，滤 出图像中的背景物体，保留下的图像中包含噪声和目标点的信息。目标的运动具有一致性 和关联性．而噪声则是随机涨落的。据此可以寻找目标运动的关联函数，根据关联函数对 潜在目标图像点进行运动分析，从而提取出目标。 1，灰值形态学 数学形态学以集合论为基础睁1，后来在图像滤波应用中逐渐发展出灰值形态学技术。 灰值形态学最基本的运算就是灰值腐蚀、灰值膨胀、灰值开以及灰值闭。用形态学对图像 进行滤波的最大特点之一就是其滤波结果的保形状性。我们感兴趣的点状运动目标可以用 这种滤波方式去除背景物体而保留下来做进一步分析。 利用灰值开和灰值闭运算可以进行图像的滤波，综合利用开和闭的混合滤波器为： 细M门=(q(力+cl(门)／2 (1) 其中0(，)、C(，)分别称为用结构元g对图像f进行的开和闭运算。 或者利用开闭和闭开混合运算 hyb(f)=(q(c，(，))+c(0f∽))／2 (2) 滤波后的剩余图像，为： ，=，一枷(，) (3) 结构元的形状通常有方块、圆状、菱形、八角形等，结构元函数的取值有平面和二次型等： 平面型：g(z)={一：，x7。x_，pp2， (4) 二次型：删=一五1，x。 (5) 上式中的P为结构兀的尺寸大小。 用形态学滤波的结果