一種背景特征空間相關(guān)的跟蹤算法研究

張志明，周建軍，劉志雄

(1.華中光電技術(shù)研究所武漢光電國(guó)家實(shí)驗(yàn)室，湖北 武漢 430073;2.海軍無(wú)線電研究所，北京 102249)

天空背景紅外圖像弱小目標(biāo)的信息主要集中在位置和灰度特征上，無(wú)明顯的幾何形狀、紋理等特征，且遠(yuǎn)距離紅外圖像受噪聲的干擾，目標(biāo)與背景的對(duì)比度較差，可檢測(cè)的信號(hào)相對(duì)較弱，特別是在非平穩(wěn)起伏背景干擾下，目標(biāo)甚至被噪聲淹沒(méi)，時(shí)有時(shí)無(wú)，這些都增加了紅外視頻流圖像跟蹤的難度[1]。本文根據(jù)紅外圖像背景特征的空間相關(guān)性以及連續(xù)圖像幀中目標(biāo)灰度特征和運(yùn)動(dòng)特征的時(shí)域相關(guān)性，提出了一種“預(yù)處理+目標(biāo)檢測(cè)+目標(biāo)特征提取+目標(biāo)特征后處理”的弱小目標(biāo)跟蹤算法。

1 天空背景紅外弱小目標(biāo)圖像特征

受天空結(jié)構(gòu)化強(qiáng)云的影響，天空背景紅外圖像背景起伏較大，灰度變化劇烈，目標(biāo)的灰度值可能比亮云背景灰度值低，從圖像局部對(duì)比度觀察，云背景變化緩慢，目標(biāo)在局部范圍內(nèi)灰度值突出，具有較高的局部對(duì)比度。圖1、圖2分別為天空背景原圖及其直方圖。

弱小目標(biāo)包含目標(biāo)“弱”和“小”兩個(gè)屬性?！叭酢睂傩杂脤?duì)比度和信噪比描述;“小”屬性為目標(biāo)在圖像中占有的像素?cái)?shù);紅外弱小目標(biāo)一般是指對(duì)比度小于15%、信噪比小于1.5、成像尺寸小于3 ×3 的目標(biāo)[2]。

2 跟蹤算法

基于后處理的紅外圖像弱小目標(biāo)檢測(cè)跟蹤主要包括圖像預(yù)處理、目標(biāo)檢測(cè)和目標(biāo)跟蹤等過(guò)程，其算法流程如圖3所示。圖像預(yù)處理通過(guò)背景抑制處理提高圖像信噪比，目標(biāo)檢測(cè)以低虛警率從復(fù)雜背景中檢測(cè)出目標(biāo)點(diǎn)并提取目標(biāo)特征，目標(biāo)跟蹤是應(yīng)用目標(biāo)檢測(cè)輸出的特征實(shí)現(xiàn)目標(biāo)穩(wěn)定可靠跟蹤。

圖3 紅外圖像弱小目標(biāo)跟蹤流程框圖

紅外圖像弱小目標(biāo)可利用的特征信息少，檢測(cè)跟蹤處理是利用背景特征的空間相關(guān)性實(shí)現(xiàn)弱小目標(biāo)的檢測(cè)，并利用目標(biāo)特征的時(shí)域相關(guān)性實(shí)現(xiàn)目標(biāo)精確跟蹤和短時(shí)慣性跟蹤處理。

2.1 圖像預(yù)處理

通過(guò)圖像預(yù)處理提高圖像信噪比、抑制背景雜波和噪聲，增強(qiáng)弱小目標(biāo)特征，降低檢測(cè)虛警率。紅外弱小目標(biāo)圖像預(yù)處理按照3×3窗口的快速中值濾波算法，3×3中值濾波算法是一種通用的圖像預(yù)處理算法，濾除噪聲點(diǎn)的同時(shí)能很好地保持圖像中的細(xì)節(jié)部分，作用是濾除圖像中的單像素噪聲。3×3快速中值濾波算法實(shí)現(xiàn)過(guò)程如下:

將3×3窗口內(nèi)的9個(gè)像素定義如圖4所示。

首先對(duì)窗口內(nèi)的每一列分別計(jì)算最大值、中值和最小值，由各列的最大值、中值和最小值組成最大組、中值組和最小組3組數(shù)據(jù)，然后分別求取最大值組中的最小值Maxmin，中值組中的中值Medmed，最小值組中的最大值Minmax，最后濾波輸出的結(jié)果為Maxmin，Medmed和Minmax這3個(gè)值的中值。快速中值算法僅需作17次比較，與傳統(tǒng)算法相比較，比較次數(shù)減少了近2倍。

圖4 3×3快速中值濾波窗口定義

2.2 目標(biāo)檢測(cè)

目標(biāo)的紅外輻射與周?chē)尘暗妮椛鋸?qiáng)度無(wú)關(guān)，目標(biāo)信號(hào)強(qiáng)于局部背景的輻射強(qiáng)度，目標(biāo)在圖像中的灰度分布與其領(lǐng)域圖像灰度分布不相關(guān)。天空背景圖像灰度一般是大面積且變化緩慢，具有強(qiáng)相關(guān)性，背景邊緣兩側(cè)灰度也是緩變的。圖像噪聲的灰度特征與目標(biāo)類(lèi)似，均為圖像中局部灰度奇異點(diǎn)，但目標(biāo)運(yùn)動(dòng)軌跡具有連續(xù)性，噪聲位置是隨機(jī)的，可在后續(xù)處理中濾除。紅外圖像弱小目標(biāo)檢測(cè)采用一種基于圖像區(qū)域相關(guān)性的梯度檢測(cè)算法[3]。

定義圖像(x，y)位置處沿任意方向的梯度為

式中:Δx，Δy為水平和垂直方向的梯度步長(zhǎng)。疑似目標(biāo)點(diǎn)提取判斷準(zhǔn)則如下

式中:∑G(i，j)Δx，Δy＞ T0表示圖像點(diǎn) (x，y)處的各向梯度值全都大于梯度閾值T0。為了降低虛警概率，設(shè)計(jì)中選用Δx=16，Δy=12的全向梯度檢測(cè)。同時(shí)為了提高處理效率，在梯度比較過(guò)程中，如存在一點(diǎn)梯度小于給定閾值T0，則判斷該點(diǎn)不是目標(biāo)點(diǎn)，直接進(jìn)入下一點(diǎn)的梯度檢測(cè)。梯度閾值T0通過(guò)人工判斷輸入，一般取值為3～8。若T(x，y)為I則表示該點(diǎn)為目標(biāo)點(diǎn)，否則即為背景點(diǎn)。

2.3 目標(biāo)特征提取

目標(biāo)特征提取以目標(biāo)檢測(cè)輸出的目標(biāo)點(diǎn)為輸入，對(duì)目標(biāo)點(diǎn)進(jìn)行歸類(lèi)，生成疑似目標(biāo)和各目標(biāo)的特征。為便于后續(xù)幀弱小目標(biāo)的跟蹤處理，提取的目標(biāo)特征需具有:1)目標(biāo)特征與非目標(biāo)物體差異明顯;2)同類(lèi)目標(biāo)特征相同或相近;3)構(gòu)建目標(biāo)特征空間的特征互不相關(guān);4)目標(biāo)特征簡(jiǎn)約無(wú)冗余。目標(biāo)特征提取采用一種基于最短歐氏距離的提取算法，根據(jù)最短歐氏距離準(zhǔn)則，距離小于一定閾值的目標(biāo)點(diǎn)歸并為同一個(gè)目標(biāo)點(diǎn)集，計(jì)算各目標(biāo)點(diǎn)集的特征信息，生成目標(biāo)特征空間矢量。針對(duì)天空紅外圖像弱小目標(biāo)所具有的特征，設(shè)計(jì)中提取的目標(biāo)特征包括:目標(biāo)平均灰度值、目標(biāo)邊緣的上下邊緣(ymax，ymin)和左右邊緣(xmax，xmin)、目標(biāo)有效點(diǎn)數(shù)等信息，可能目標(biāo)形心位置為

為減少噪聲對(duì)確定真實(shí)目標(biāo)的影響，根據(jù)紅外圖像弱小目標(biāo)具有的特征，濾除以下3類(lèi)目標(biāo):1)像素?cái)?shù)為1的目標(biāo):由于紅外成像暗噪聲多的特點(diǎn)，以及為減少目標(biāo)后處理的計(jì)算量，提高目標(biāo)跟蹤的實(shí)時(shí)性，認(rèn)為單像素目標(biāo)為噪聲點(diǎn)。2)對(duì)于長(zhǎng)寬比大于3的目標(biāo)，根據(jù)弱小目標(biāo)成像尺寸小于3×3以及天空背景云雜波復(fù)雜的特點(diǎn)，長(zhǎng)寬比大于3的目標(biāo)多為云雜波。3)如跟蹤的目標(biāo)為亮目標(biāo)，則濾除目標(biāo)灰度均值小于圖像灰度均值的目標(biāo);如跟蹤的目標(biāo)為暗目標(biāo)，則濾除目標(biāo)灰度均值大于圖像灰度均值的目標(biāo)。

2.4 目標(biāo)跟蹤處理

目標(biāo)跟蹤處理的作用是確定要跟蹤的目標(biāo)并對(duì)外輸出目標(biāo)位置參數(shù)。根據(jù)前后圖像幀中目標(biāo)灰度特征和運(yùn)動(dòng)特征的一致性，目標(biāo)跟蹤處理采用一種結(jié)合目標(biāo)灰度特征計(jì)算的慣性跟蹤策略。目標(biāo)跟蹤處理的步驟如下。

1)目標(biāo)位置預(yù)測(cè)

在短期內(nèi)，目標(biāo)運(yùn)動(dòng)距離小，連續(xù)圖像幀中目標(biāo)位置具有運(yùn)動(dòng)一致性，可通過(guò)適當(dāng)?shù)念A(yù)測(cè)處理得到目標(biāo)的可能位置。實(shí)際應(yīng)用中，目標(biāo)運(yùn)動(dòng)可看作是直線運(yùn)動(dòng)和二次曲線運(yùn)動(dòng)的組合，采用線性逼近和平方逼近的組合可預(yù)測(cè)目標(biāo)中心位置坐標(biāo)f(t)。設(shè)計(jì)中采用5點(diǎn)線性逼近和平方逼近的組合預(yù)測(cè)算法[4]，組合預(yù)測(cè)算法表達(dá)式為

上式中權(quán)函數(shù)ω根據(jù)實(shí)時(shí)測(cè)得的平方預(yù)測(cè)器誤差確定，當(dāng)平方預(yù)測(cè)器誤差較大時(shí)則增大權(quán)值，否則減少權(quán)值，權(quán)函數(shù)與平方預(yù)測(cè)器誤差的函數(shù)關(guān)系應(yīng)滿足0≤ω≤1。采用對(duì)以前的預(yù)測(cè)值進(jìn)行誤差分析來(lái)確定當(dāng)前使用的權(quán)值，權(quán)值確定方式為

2)目標(biāo)確認(rèn)

紅外弱小目標(biāo)存在閃爍現(xiàn)象，目標(biāo)會(huì)時(shí)有時(shí)無(wú)，目標(biāo)確認(rèn)處理分為預(yù)測(cè)位置附近“存在目標(biāo)”或“不存在目標(biāo)”兩種情況。

預(yù)測(cè)位置附近存在目標(biāo)，根據(jù)連續(xù)圖像中弱小目標(biāo)灰度特征的一致性，運(yùn)用目標(biāo)特征提取算法獲取的目標(biāo)灰度均值、目標(biāo)像素?cái)?shù)、長(zhǎng)寬比等信息構(gòu)成特征空間，進(jìn)行目標(biāo)特征匹配計(jì)算，以相似度最高的目標(biāo)作為跟蹤目標(biāo)。同時(shí)為提高對(duì)目標(biāo)特征信息變化的敏感程度，采用一種簡(jiǎn)單的模板自適應(yīng)更新策略，具體表達(dá)為

式中:Mnext為更新后的模板;Mmatch為最佳匹配目標(biāo)特征空間;Mcur為當(dāng)前模板;α為最佳匹配值。

預(yù)測(cè)位置附近不存在目標(biāo)，無(wú)跟蹤目標(biāo)，則根據(jù)目標(biāo)運(yùn)動(dòng)的一致性，以預(yù)測(cè)位置作為目標(biāo)位置，目標(biāo)特征模板不變。

3 算法實(shí)現(xiàn)及試驗(yàn)結(jié)果

天空背景紅外圖像弱小目標(biāo)檢測(cè)跟蹤算法在以TI公司TMS320C6414芯片為核心處理器的硬件平臺(tái)進(jìn)行了驗(yàn)證。TMS320C6414工作頻率720 MHz，指令執(zhí)行速度為5760 MIPS(Million Instructions Per Second)，片內(nèi)存儲(chǔ)器1 Mbyte，具有獨(dú)立的數(shù)據(jù)總線和地址總線，支持并行的程序和操作尋址。試驗(yàn)采用紅外熱像儀實(shí)際獲取的圖像為處理對(duì)象，圖像大小384×288，目標(biāo)為天空背景下的遠(yuǎn)距離飛機(jī)，見(jiàn)圖5和圖6。為提高算法處理的實(shí)時(shí)性，圖像數(shù)據(jù)直接采集到DSP芯片的片內(nèi)存儲(chǔ)器。

圖5 目標(biāo)檢測(cè)結(jié)果

實(shí)驗(yàn)結(jié)果表明:天空背景紅外圖像弱小目標(biāo)檢測(cè)跟蹤算法可穩(wěn)定地檢測(cè)跟蹤信噪比1.5、目標(biāo)尺寸3×3的目標(biāo);程序經(jīng)優(yōu)化后單幀圖像“預(yù)處理+全圖像目標(biāo)檢測(cè)+后處理”處理速度平均可達(dá)58 ms/f(毫秒每幀)，“預(yù)處理+波門(mén)圖像目標(biāo)檢測(cè)+后處理”處理速度不超過(guò)15 ms/f;目標(biāo)短暫丟失0.4 s后可自動(dòng)重新跟蹤目標(biāo)。

圖6 目標(biāo)跟蹤結(jié)果

4 結(jié)論

利用圖像背景灰度緩變特征的空間相關(guān)性，結(jié)合圖像前后幀中目標(biāo)灰度特征和運(yùn)動(dòng)特征時(shí)域相關(guān)性的紅外圖像弱小目標(biāo)檢測(cè)跟蹤算法能夠?qū)崿F(xiàn)弱小目標(biāo)的穩(wěn)定可靠跟蹤，跟蹤過(guò)程具有較好的自適應(yīng)性和穩(wěn)健性，算法實(shí)時(shí)性好，具有良好的使用價(jià)值。本算法對(duì)電視視頻圖像的目標(biāo)跟蹤同樣具有借鑒作用。

[1]宗思光，王江安，陳啟水.?？諒?fù)雜背景下紅外弱點(diǎn)目標(biāo)檢測(cè)算法研究[J].光電工程，2005，32(4):9－12.

[2]WU Bin，JI Hongbing.A novle algorithm for point－target detection based on third－ order cumulant in infrared image[C]//Proc.ICSP 2006.[S.l.]:IEEE Press，2006:16－20.

[3]THAYAPARAN T，KENNEDY S.Detection of a maneuvering air target in sea－clutter using joint time－frequency analysis techniques[EB/OL].[2012－06－28].http://wenku.baidu.com/view/857a2d3410661ed9ad51f352.html.

[4]王鑫.復(fù)雜背景下紅外目標(biāo)檢測(cè)與跟蹤算法研究[D].南京:南京理工大學(xué)，2010.