張書真

（吉首大學(xué)信息科學(xué)與工程學(xué)院，湖南吉首 416000）

基于幀差和Otsu的紅外行人分割算法＊

張書真

（吉首大學(xué)信息科學(xué)與工程學(xué)院，湖南吉首 416000）

針對(duì)紅外圖像中行人與環(huán)境對(duì)比度較低，直接進(jìn)行分割易產(chǎn)生誤分割問(wèn)題，提出一種基于幀差和Otsu的紅外行人分割算法.首先選取紅外視頻序列中時(shí)間間隔較短的2幀圖像求其幀差圖像，對(duì)幀差圖像采用Otsu分割得到運(yùn)動(dòng)目標(biāo)的部分區(qū)域；然后對(duì)基準(zhǔn)幀也采用Otsu方法分割，并將幀差圖像分割結(jié)果與基準(zhǔn)幀分割結(jié)果相乘，得到目標(biāo)區(qū)域的種子像素；最后在基準(zhǔn)幀分割圖像上，通過(guò)連通性判斷得到最終的行人分割區(qū)域.實(shí)驗(yàn)結(jié)果表明，該算法很好地克服了環(huán)境帶來(lái)的干擾，魯棒性強(qiáng)，能有效實(shí)現(xiàn)紅外行人目標(biāo)的分割.

基準(zhǔn)幀；幀差；Otsu法；修正的阿爾法均值濾波；連通性

紅外熱成像技術(shù)是根據(jù)成像物體的熱輻射情況得到圖像的灰度分布，因此不受煙霧、黑暗等因素的影響.目前基于紅外圖像的目標(biāo)提取與識(shí)別技術(shù)是模式識(shí)別研究領(lǐng)域的熱點(diǎn)［1－2］.紅外行人目標(biāo)成像幾乎不受膚色、紋理和陰影的影響，在智能交通系統(tǒng)、安全監(jiān)控系統(tǒng)等領(lǐng)域都有著廣泛的應(yīng)用.但是，紅外圖像是灰度圖像，存在對(duì)比度低、噪聲大、目標(biāo)邊緣模糊等問(wèn)題，直接對(duì)紅外圖像進(jìn)行分割一般難以取得好的分割結(jié)果.而行人是一種非剛體目標(biāo)，行人目標(biāo)較小，因此精確地實(shí)現(xiàn)紅外行人分割仍然是一個(gè)難題.

筆者提出一種基于幀差和Otsu的紅外行人分割算法，在采用幀差法去除了絕大部分背景后，通過(guò)Otsu分割得到行人目標(biāo)區(qū)域部分像素，然后對(duì)基準(zhǔn)幀進(jìn)行Otsu分割，2次分割結(jié)果相乘得到行人區(qū)域的種子像素，利用種子像素在基準(zhǔn)幀分割基礎(chǔ)上找到對(duì)應(yīng)連通區(qū)域即為行人目標(biāo)區(qū)域.實(shí)驗(yàn)證明該算法能有效地實(shí)現(xiàn)紅外圖像行人目標(biāo)的分割.

1 幀差圖像的選取

幀差圖像常用于運(yùn)動(dòng)目標(biāo)的檢測(cè)［3］，由于相鄰的幾幀時(shí)間間隔較短，做差分后圖像受光線變化影響較小，檢測(cè)有效而穩(wěn)定，只對(duì)圖像的運(yùn)動(dòng)信息敏感，但該方法檢測(cè)出的目標(biāo)位置精確度不高.

設(shè)同一視頻序列的2幀紅外圖像分別為f（x，y，t1）和f（x，y，t2），則這2幅圖像在時(shí)間t1和t2時(shí)的幀差圖像可表示為D12（x，y）＝f（x，y，t1）－f（x，y，t2）.若設(shè)f（x，y，t1）為基準(zhǔn)幀，為找到基準(zhǔn)幀中運(yùn)動(dòng)目標(biāo)的位置，限定約束條件為

通過(guò)（1）式計(jì)算后，2幅圖像的差異將體現(xiàn)出運(yùn)動(dòng)目標(biāo)的大致所在區(qū)域.

為比較完整地提取到基準(zhǔn)幀的運(yùn)動(dòng)目標(biāo)，做幀差的2幅圖像的時(shí)間差可稍微大點(diǎn)，文中選擇采集序列的相隔3幀的2幅圖像做差分.如圖1所示，選取紅外視頻序列中2幅圖像做差分得到含運(yùn)動(dòng)信息的像素.

圖1 獲取幀差圖像的示例

2 Otsu閾值法

幀差圖像中運(yùn)動(dòng)目標(biāo)為高亮度區(qū)域，要分割出這些運(yùn)動(dòng)目標(biāo)，常采用閾值法，Otsu法是一種適用廣泛、經(jīng)典易行的方法［4－5］.Otsu法（又稱為最大類間方差法）的原理：若圖像分割為目標(biāo)類和背景類，則最佳閾值為使這2個(gè)類的類間方差最大時(shí)對(duì)應(yīng)的灰度值.

設(shè)圖像的灰度值級(jí)為L(zhǎng)，圖像直方圖歸一化為Pi＝，其中ni為灰度值為i的像素?cái)?shù)目，N為圖像總的像素?cái)?shù)目.若用閾值t將圖像劃分為背景類Cb：｛0，1，...，t｝和目標(biāo)類Co：｛t＋1，...，L－1｝，則Co和Cb類的概率圖像總的均值

對(duì)圖1c）的幀差圖像進(jìn)行Otsu分割，分割效果如圖2所示.

3 紅外行人目標(biāo)分割

通過(guò)Otsu分割后，可大致得到行人所在位置，但是由于是對(duì)幀差圖像做分割，行人的部分區(qū)域在做差值時(shí)被減掉了.采用（1）式計(jì)算的絕對(duì)幀差還會(huì)增加非基準(zhǔn)幀的運(yùn)動(dòng)信息，因此準(zhǔn)確的行人分割需要恢復(fù)被減掉的區(qū)域，去掉多余的非基準(zhǔn)幀的運(yùn)動(dòng)信息.

雖然直接對(duì)原始紅外行人圖像進(jìn)行分割會(huì)提取出較完整的行人區(qū)域，但同時(shí)也會(huì)有高亮度背景的干擾出現(xiàn).幀差圖像分割能有效去除背景的干擾，因此考慮將幀差圖像分割結(jié)果和原始圖像分割結(jié)果相乘，可得到必然屬于行人的部分目標(biāo)區(qū)域，并將該區(qū)域作為種子像素，找到在原圖像分割的對(duì)應(yīng)連通區(qū)域，即為最終行人目標(biāo)的分割結(jié)果.

目標(biāo)分割過(guò)程見(jiàn)圖3.對(duì)圖1a）混合濾波后，利用Otsu方法分割得到的結(jié)果如圖3a）所示，將3a）圖像與圖2相乘，得到種子像素的區(qū)域如圖3b）所示，通過(guò)連通性判斷得到最終行人目標(biāo)分割結(jié)果如圖3c）所示.

圖3 目標(biāo)分割過(guò)程

4 實(shí)驗(yàn)結(jié)果與討論

仿真實(shí)驗(yàn)是在AMD AthlonⅡX4 640、3.01GHz CPU和內(nèi)存為3.25GB的微處理器上進(jìn)行的，編程環(huán)境為Matlab7.9.實(shí)驗(yàn)對(duì)OTCBVS數(shù)據(jù)庫(kù)中的紅外圖像序列進(jìn)行測(cè)試，現(xiàn)取其中2幅代表性圖像加以說(shuō)明.

強(qiáng)背景下分割結(jié)果如圖4所示.原圖像背景中存在大量的高亮度灰度區(qū)，直接分割會(huì)出現(xiàn)極大干擾，經(jīng)幀差處理后，高亮背景得到有效抑制，最終提取出的行人區(qū)域非常理想.

圖4 強(qiáng)背景下分割結(jié)果

行人目標(biāo)較小時(shí)分割結(jié)果如圖5所示.圖像中行人目標(biāo)相對(duì)較小，幀差圖像對(duì)運(yùn)動(dòng)信息敏感，即使當(dāng)目標(biāo)較小時(shí)，也能很好地實(shí)現(xiàn)目標(biāo)的有效分割.

圖5 行人目標(biāo)較小時(shí)分割結(jié)果

5 結(jié)語(yǔ)

提出一種基于幀差和Otsu的紅外行人分割算法.因?yàn)橹苯訉?duì)基準(zhǔn)幀進(jìn)行Otsu分割會(huì)產(chǎn)生大量的背景干擾，而幀差圖像僅對(duì)運(yùn)動(dòng)信息敏感，能有效去除圖像背景，但幀差圖像提取的行人目標(biāo)不完整，所以利用幀差圖像分割結(jié)果與原圖分割結(jié)果相乘，得到種子像素，并利用原圖分割的目標(biāo)區(qū)域連通性，判斷得到行人目標(biāo)分割結(jié)果.實(shí)驗(yàn)結(jié)果表明，該算法抗噪性能良好，能快速有效地實(shí)現(xiàn)紅外行人目標(biāo)的分割.

［1］ 王春華，馬國(guó)超，馬 苗.基于目標(biāo)提取的紅外與可見(jiàn)光圖像融合算法［J］.計(jì)算機(jī)工程，2010，36（2）：197－200.

［2］ 梁英宏.紅外視頻圖像中的人體目標(biāo)檢測(cè)方法［J］.紅外與激光工程，2009，38（5）：931－935.

［3］ 蔣艷軍，譚佐軍，余貞貞，等.紅外圖像閾值分割算法的研究［J］.紅外，2008，29（13）：33－35.

［4］ 李佐勇，劉傳才，程 勇，等.紅外圖像統(tǒng)計(jì)閾值分割方法［J］.計(jì)算機(jī)科學(xué)，2010，37（1）：282－286；298.

［5］ 陳 崢，石勇鵬，吉書鵬.一種改進(jìn)的Otsu圖像閾值分割算法［J］.激光與紅外，2012，42（5）：584－588.

［6］ GONZALEZ R C，WOODS R E.Digital Image Processing［M］.Second Edition.Beijing：Publishing House of Electronics Industry，2008.

（責(zé)任編輯 陳炳權(quán)）

Pedestrian Segmentation Algorithm in Infrared Images Based on Frame Difference and Otsu

ZHANG Shu－zhen
（School of Information Science and Engineering，Jishou University，Jishou 416000，Hunan China）

The contrast between pedestrians and environment is low in infrared images，which will result in the problem of faulty segmentation.This paper puts forward a pedestrian segmentation algorithm in infrared images based on frame difference and Otsu.Firstly，two frames with a short time interval of an infrared video sequence are used to obtain a frame difference image，and Otsu method is applied to get some moving target regions in the frame difference image.Then，the reference frame is also segmented by Otsu method，and the seed pixels of target regions can be gained by multiplying the result of the frame difference image segmentation with the result of the reference frame segmentation.Finally，according to region connectivity of the segmentation image of the reference frame，pedestrian areas are determined.Experimental results show that the proposed algorithm can overcome the interference of the environment，has strong robustness，and can effectively realize pedestrian segmentation in the infrared image.

reference frame；frame difference；Otsu method；alpha－trimmed mean filter；connectivity

TP391.41

A

10.3969／j.issn.1007－2985.2013.03.013

1007－2985（2013）03－0059－04

2013－04－25

湖南省教育廳科學(xué)研究資助項(xiàng)目（12C0314）

張書真（1977－），女（白族），湖南桑植人，吉首大學(xué)信息科學(xué)與工程學(xué)院講師，碩士，主要從事圖像處理、模式識(shí)別研究.