改進(jìn)的幀差法在空間運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用*1

王恩旺，王恩達(dá)

(1. 中國(guó)科學(xué)院紫金山天文臺(tái)，江蘇 南京　210008；2. 楚雄師范學(xué)院信息科學(xué)與技術(shù)學(xué)院，云南 楚雄　675000)

?

改進(jìn)的幀差法在空間運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用*1

王恩旺1，王恩達(dá)2

(1. 中國(guó)科學(xué)院紫金山天文臺(tái)，江蘇 南京210008；2. 楚雄師范學(xué)院信息科學(xué)與技術(shù)學(xué)院，云南 楚雄675000)

摘要：針對(duì)空間運(yùn)動(dòng)目標(biāo)檢測(cè)易受光照、云層等因素的干擾, 導(dǎo)致在沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)的情況下，錯(cuò)誤地判斷為檢測(cè)到運(yùn)動(dòng)目標(biāo)，設(shè)計(jì)了一種改進(jìn)的幀差算法，把幀差法和背景減除法相結(jié)合，周期性地把當(dāng)前幀更新為背景幀。先對(duì)待檢測(cè)圖像進(jìn)行二值化處理，有效消除了光照、云層等噪聲因素，并且強(qiáng)化了空間目標(biāo)的圖像，然后通過(guò)幀差法檢測(cè)出空間目標(biāo)。實(shí)驗(yàn)表明，該方法有效降低了空間運(yùn)動(dòng)目標(biāo)的誤判率，改進(jìn)的算法不需要把每一幀圖像作為背景幀，提高了運(yùn)行速度，也不需要對(duì)背景進(jìn)行統(tǒng)計(jì)建模，簡(jiǎn)化了背景的建立過(guò)程，算法易于實(shí)現(xiàn)，操作簡(jiǎn)單，資金投入少，靈敏度高，具有較高的實(shí)用價(jià)值。

關(guān)鍵詞：幀差法；空間目標(biāo)；運(yùn)動(dòng)目標(biāo)檢測(cè)；二值圖； 背景減除法

光學(xué)觀測(cè)是空間目標(biāo)觀測(cè)的重要手段，空間目標(biāo)的自動(dòng)檢測(cè)和跟蹤是空間目標(biāo)檢測(cè)的關(guān)鍵技術(shù)。運(yùn)動(dòng)目標(biāo)檢測(cè)的正確性直接關(guān)系到空間目標(biāo)的自動(dòng)識(shí)別、定位和編目精度以及望遠(yuǎn)鏡的運(yùn)行效率，通過(guò)自動(dòng)檢測(cè)，可以有效提高空間目標(biāo)檢測(cè)的效率，對(duì)空間目標(biāo)檢測(cè)和空間科學(xué)研究具有重大意義。幀差法可以用于空間運(yùn)動(dòng)目標(biāo)的檢測(cè)，是一種簡(jiǎn)單、易于實(shí)現(xiàn)的算法[1]，通過(guò)視頻序列中前后兩幀圖像的像素值做差運(yùn)算來(lái)判斷是否出現(xiàn)運(yùn)動(dòng)物體。首先對(duì)第k幀及第k-1幀圖片進(jìn)行平滑去噪，再做幀差法處理，用第k幀圖片減去第k-1幀圖片，得到一個(gè)值，用這個(gè)值和預(yù)先設(shè)定的閾值t進(jìn)行比較，若該值大于t，表示檢測(cè)到運(yùn)動(dòng)目標(biāo)，若該值小于t，表示沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)[2]。但幀差法受光照、云層等因素變化的影響，雖然沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)，由于光照、云層等因素的變化，導(dǎo)致幀序列中圖像像素值發(fā)生巨大變化，從而使得幀差值大于t，這樣會(huì)誤判為出現(xiàn)了空間運(yùn)動(dòng)物體。

為了在一定程度上降低光照、云層等噪聲因素對(duì)算法的影響，提高空間目標(biāo)檢測(cè)的精確度，研究結(jié)合opencv技術(shù)、幀差法和背景減除法，設(shè)計(jì)了一種改進(jìn)的幀差算法，在幀差運(yùn)算前先把前景幀和背景幀二值化，然后再做幀差運(yùn)算，降低噪聲因素的影響，提高算法的正確性和可靠性，在此基礎(chǔ)上，還實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)檢測(cè)的自動(dòng)報(bào)警和提示功能。

1運(yùn)動(dòng)目標(biāo)檢測(cè)

運(yùn)動(dòng)目標(biāo)檢測(cè)通常有3種方法：光流法、背景減除法和幀差法，它們各有優(yōu)缺點(diǎn)。

光流法的主要任務(wù)是計(jì)算光流場(chǎng)，即在適應(yīng)的平滑約束性條件下，根據(jù)圖像序列的時(shí)空梯度估算運(yùn)動(dòng)物體場(chǎng)，通過(guò)分析運(yùn)動(dòng)物體的變化對(duì)運(yùn)動(dòng)目標(biāo)和場(chǎng)景進(jìn)行分割。光流法的優(yōu)點(diǎn)在于光流不僅攜帶了物體的運(yùn)動(dòng)信息，而且還攜帶了有關(guān)景物三維結(jié)構(gòu)的豐富信息，它能夠在不知道場(chǎng)景的任何信息的情況下，檢測(cè)出運(yùn)動(dòng)對(duì)象。光流法的缺點(diǎn)是計(jì)算方法相當(dāng)復(fù)雜，計(jì)算量巨大，不能滿(mǎn)足實(shí)時(shí)的要求[3]。

背景減除法是在檢測(cè)場(chǎng)景確定后，建立一張場(chǎng)景的圖片作為背景圖，接下來(lái)使用當(dāng)前所獲得的圖像和背景圖對(duì)比，也就是用當(dāng)前圖像和背景圖做減法運(yùn)算，相減后結(jié)果接近0，說(shuō)明當(dāng)前圖像和背景圖像幾乎一致，也就是沒(méi)有運(yùn)動(dòng)目標(biāo)進(jìn)入；相減后結(jié)果很大，說(shuō)明當(dāng)前圖和背景圖差異很大，也就是有運(yùn)動(dòng)目標(biāo)進(jìn)入。背景減除法的優(yōu)點(diǎn)是算法簡(jiǎn)單，易于實(shí)現(xiàn)，在背景已知的情況下，檢測(cè)出的運(yùn)動(dòng)目標(biāo)的位置精確，速度快，實(shí)時(shí)性好。背景減除法的缺點(diǎn)是容易受環(huán)境、光線、天氣變化等影響，一旦實(shí)際背景有變化就會(huì)影響檢測(cè)結(jié)果[4]。

幀差法是對(duì)相鄰兩幀的圖像進(jìn)行差分，并設(shè)定一個(gè)閾值，認(rèn)為差分結(jié)果大于閾值的像素點(diǎn)就是運(yùn)動(dòng)目標(biāo)。幀差法的缺點(diǎn)是對(duì)環(huán)境噪聲較為敏感，閾值的選擇相當(dāng)關(guān)鍵，選擇過(guò)低不足以抑制圖像中的噪聲，過(guò)高則忽略了圖像中有用的變化。幀差法的優(yōu)點(diǎn)在于算法簡(jiǎn)單、計(jì)算量小、實(shí)時(shí)性高，在目標(biāo)檢測(cè)中比較常用[5-9]。

1.1圖像二值化

幀差法雖然容易實(shí)現(xiàn)，但容易受到光照、噪聲等因素的干擾，使得在沒(méi)有運(yùn)動(dòng)目標(biāo)的情況下誤判為出現(xiàn)運(yùn)動(dòng)目標(biāo)，若將圖像二值化，則能有效削弱噪聲干擾，從而提高空間運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確度。

圖像二值化就是把彩色圖像、灰度圖像等轉(zhuǎn)換為只有兩種像素值的黑白圖像，即為二值圖。這樣有利于對(duì)圖像做進(jìn)一步處理，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255，否則這些像素點(diǎn)被排除在物體區(qū)域以外，若灰度值為0，表示背景或者例外的物體區(qū)域[10-13]。

二值化方法如下：設(shè)y(i,j)為原圖的像素值，二值化后的像素值為x(i,j),t為給定的閾值。

(1)

當(dāng)原圖像中像素點(diǎn)的值大于給定的閾值t時(shí)，把這點(diǎn)的像素值設(shè)為255，若原圖像中像素點(diǎn)的像素值小于給定的閾值t，則把這點(diǎn)的像素值設(shè)為0。當(dāng)點(diǎn)的像素值為255時(shí)，二值圖中該點(diǎn)處的圖像顯示為白色，當(dāng)點(diǎn)的像素值為0時(shí)，對(duì)應(yīng)的二值圖顯示為黑色。相應(yīng)地，在二值圖中白色部分主要對(duì)應(yīng)著圖像的物體、形狀、輪廓等，而黑色部分對(duì)應(yīng)背景。

空間觀測(cè)圖像大部分為黑白圖，主要體現(xiàn)為黑色的背景和白色的發(fā)光目標(biāo)，針對(duì)這一特點(diǎn)，把觀測(cè)圖像二值化，可有效地增強(qiáng)圖像的清晰度，閾值t的選取比較關(guān)鍵。在不同的場(chǎng)景中，圖像的像素值變化比較大，就需要使用不同的閾值，才能更加準(zhǔn)確地分割出運(yùn)動(dòng)目標(biāo)，比較理想的方式是采用自適應(yīng)閾值法來(lái)滿(mǎn)足不同的場(chǎng)景需求?？紤]到空間運(yùn)動(dòng)目標(biāo)的特性，也可以采用固定的閾值，經(jīng)過(guò)試驗(yàn)，在空間運(yùn)動(dòng)目標(biāo)檢測(cè)中，二值化的閾值可以設(shè)置為128。

1.2算法實(shí)現(xiàn)

幀差法與背景減除法類(lèi)似，事實(shí)上它們是同一種運(yùn)動(dòng)目標(biāo)檢測(cè)算法的兩種不同的變體，它們的原理都是通過(guò)前景圖像與背景圖像作差運(yùn)算，從而檢測(cè)出運(yùn)動(dòng)目標(biāo)。它們的優(yōu)點(diǎn)是算法簡(jiǎn)單，易于實(shí)現(xiàn)，這個(gè)優(yōu)點(diǎn)也使得它們具有較大的應(yīng)用空間和較高的應(yīng)用價(jià)值。

研究結(jié)合幀差法和背景減除法做了一點(diǎn)改變，沒(méi)有把每一幀圖像都設(shè)置為背景，而是間隔一段時(shí)間周期，把當(dāng)前幀更新為背景幀，這樣做的好處是提高了算法的運(yùn)行速度，而且可以把進(jìn)入場(chǎng)景后靜止的物體快速降級(jí)為背景。同時(shí)，也沒(méi)有對(duì)背景模型進(jìn)行統(tǒng)計(jì)建模，更新周期到達(dá)時(shí)直接把當(dāng)前幀更新為背景，大大簡(jiǎn)化了背景建模過(guò)程，其中背景更新周期選取是一個(gè)關(guān)鍵的技術(shù)問(wèn)題，它決定著檢測(cè)結(jié)果是否理想，如果背景更新過(guò)快，前后兩次檢測(cè)結(jié)果會(huì)疊加在一起，得到錯(cuò)誤的運(yùn)動(dòng)目標(biāo)輪廓圖，背景更新太慢，檢測(cè)結(jié)果會(huì)出現(xiàn)大量空洞，把背景更新周期設(shè)置為0.3 s，可以得到理想的檢測(cè)結(jié)果，以下是實(shí)現(xiàn)原理。

設(shè)q(i,j)為前景幀中第k個(gè)像素點(diǎn)的像素值，b(i,j)為背景幀中第k個(gè)像素點(diǎn)的像素值，o(i,j)為運(yùn)動(dòng)目標(biāo)第k個(gè)像素點(diǎn)的像素值，width表示圖像寬度，height表示圖像高度，sum為差的絕對(duì)值之和。

(3)

(2)式表示把前景圖像第k個(gè)像素點(diǎn)的值與背景圖像中第k個(gè)像素點(diǎn)的值作差，然后取絕對(duì)值。(3)式中sum表示各對(duì)像素點(diǎn)求差后的絕對(duì)值之和。

接下來(lái)用sum和給定的閾值t進(jìn)行比較，有兩種情況：

sum≥t，

(4)

(5)

當(dāng)sum的值大于或等于t，表示檢測(cè)到了運(yùn)動(dòng)目標(biāo)；當(dāng)sum的值小于t，表示沒(méi)有檢測(cè)到運(yùn)動(dòng)目標(biāo)。sum值的選取取決于當(dāng)前的觀測(cè)場(chǎng)景，sum是圖像檢測(cè)結(jié)果中的像素值總和，不同的運(yùn)動(dòng)目標(biāo)檢測(cè)場(chǎng)景，對(duì)應(yīng)著不同的圖像，它們的像素值分布差異較大，檢測(cè)結(jié)果中圖像的像素值大小也就各不相同，所以要能準(zhǔn)確地判斷是否檢測(cè)到運(yùn)動(dòng)目標(biāo)，就需要選取一個(gè)恰當(dāng)?shù)拈撝祎。

如果閾值t選取過(guò)小，噪聲或背景的像素值之和大于t，這時(shí)即使沒(méi)有運(yùn)動(dòng)目標(biāo)出現(xiàn)，也錯(cuò)誤地判斷為檢測(cè)到了運(yùn)動(dòng)目標(biāo)；如果閾值t選取過(guò)大，當(dāng)出現(xiàn)運(yùn)動(dòng)目標(biāo)時(shí)，sum仍然小于t，結(jié)果一直判斷為沒(méi)有檢測(cè)到運(yùn)動(dòng)目標(biāo)。觀測(cè)的背景改變，前景發(fā)生較大變化，光照等發(fā)生變化，都需要調(diào)整閾值t，才能得到正確的判斷結(jié)果。閾值的選取在不同設(shè)備、不同圖像通道、不同噪聲等情況下是不一樣的，只能根據(jù)當(dāng)前情況下的場(chǎng)景選取，所選取的閾值只能根據(jù)當(dāng)前的場(chǎng)景進(jìn)行多次試驗(yàn)獲得。針對(duì)空間運(yùn)動(dòng)目標(biāo)檢測(cè)背景主要是天空，前景多為發(fā)光目標(biāo)，空間運(yùn)動(dòng)目標(biāo)的場(chǎng)景基本固定，所以閾值t可以選取一個(gè)固定的值，空間運(yùn)動(dòng)目標(biāo)多為星體，閾值選取t=5 000為宜，當(dāng)觀測(cè)場(chǎng)景中出現(xiàn)的運(yùn)動(dòng)目標(biāo)較少時(shí)選取一個(gè)恰當(dāng)?shù)拈撝祎，如果觀測(cè)視野中出現(xiàn)了較多運(yùn)動(dòng)目標(biāo)，檢測(cè)結(jié)果中圖像的像素值必然大于t，這時(shí)能夠正確判斷已經(jīng)檢測(cè)到運(yùn)動(dòng)目標(biāo)。

算法的實(shí)現(xiàn)過(guò)程描述如下：

(1)從CCD像機(jī)中取得第1幀圖像作為背景幀，把該幀圖像二值化；

(2)從CCD像機(jī)中取得第2幀圖像作為前景圖像，把該幀圖像二值化；

(3)依次取出前景圖中第k個(gè)像素點(diǎn)的像素值q(i,j)，背景圖中的第k個(gè)像素點(diǎn)的像素值b(i,j)，把這兩個(gè)像素值相減后取絕對(duì)值,然后計(jì)算所有絕對(duì)值之和。如果絕對(duì)值之和大于閾值t，則說(shuō)明前兩張圖像差別較大，判斷為出現(xiàn)了空間運(yùn)動(dòng)目標(biāo),同時(shí)給出報(bào)警信息；如果絕對(duì)值之和小于閾值t，說(shuō)明前后兩張圖像無(wú)顯著變化，可判斷為場(chǎng)景中沒(méi)有出現(xiàn)運(yùn)動(dòng)物體；

(4)周期到達(dá)時(shí)，把當(dāng)前幀更新為背景幀，取得下一幀圖像作為前景幀，返回(3)。

2結(jié)果與分析

以中國(guó)科學(xué)院紫金山天文臺(tái)姚安觀測(cè)站籬笆2號(hào)500 mm口徑的大視場(chǎng)(2.1°× 2.1°)望遠(yuǎn)鏡作為實(shí)驗(yàn)儀器,采用數(shù)據(jù)引導(dǎo)捕獲的方式對(duì)500 mm口徑望遠(yuǎn)鏡拍攝的視頻素材做實(shí)驗(yàn)。CCD圖像尺寸是1 024 × 2 024，像素值為16位，空間運(yùn)動(dòng)目標(biāo)的大小一般為8像素左右?？臻g運(yùn)動(dòng)目標(biāo)大，所占的像素值就大，空間運(yùn)動(dòng)目標(biāo)小，所占的像素值就小。

2.1光照變化對(duì)比實(shí)驗(yàn)

首先，檢測(cè)前待檢測(cè)圖像不進(jìn)行二值化，結(jié)合opencv技術(shù)，直接使用幀差算法，進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。實(shí)驗(yàn)結(jié)果如圖1、圖2，兩圖是連續(xù)兩幀圖像，因?yàn)閳D1和圖2中都沒(méi)有運(yùn)動(dòng)目標(biāo)進(jìn)入，所以它們的背景完全相同，但是圖1中的光照較弱一些，圖2中的光照相對(duì)較強(qiáng)。

從實(shí)驗(yàn)結(jié)果可以看出，圖1和圖2表示光照變化檢測(cè)結(jié)果。圖1光照較弱，圖2光照較強(qiáng)，兩幀圖像之間光照發(fā)生了變化，雖然圖1和圖2中都沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)，但光照變化引起了前后兩幀圖像的像素值發(fā)生變化，造成前后兩幀圖像差別較大，結(jié)果顯示為檢測(cè)到了運(yùn)動(dòng)目標(biāo)。

圖2　光照強(qiáng)

接下來(lái)，仍然使用圖1和圖2連續(xù)的兩幀圖像，背景完全相同，沒(méi)有運(yùn)動(dòng)目標(biāo)進(jìn)入。采用本文算法，在檢測(cè)前，對(duì)圖1和圖2的檢測(cè)圖像做二值化處理，再使用改進(jìn)的幀差算法檢測(cè)運(yùn)動(dòng)目標(biāo)，實(shí)驗(yàn)結(jié)果如圖3和圖4。

圖3　光照弱 (算法改進(jìn)后)

圖4　光照強(qiáng) (算法改進(jìn)后)

圖3和圖4的實(shí)驗(yàn)為改進(jìn)后的光照變化檢測(cè)結(jié)果，在沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)的情況下，雖然在原圖中光照變化很強(qiáng)，檢測(cè)結(jié)果提示沒(méi)有發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)，說(shuō)明檢測(cè)結(jié)果準(zhǔn)確。

2.2云層變化對(duì)比實(shí)驗(yàn)

首先， 待檢測(cè)圖像不做二值化處理，結(jié)合opencv技術(shù)，直接使用改進(jìn)的幀差算法，進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，實(shí)驗(yàn)結(jié)果如圖5～8。圖5和圖6是連續(xù)兩幀圖像，因?yàn)閳D5和圖6中都沒(méi)有運(yùn)動(dòng)目標(biāo)進(jìn)入，所以它們的背景完全相同，但是圖5中的云層相對(duì)厚一些，圖6中的云層相對(duì)較薄。

通過(guò)實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)：在圖5和圖6中雖然沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)，但由于受到云層變化的影響，卻錯(cuò)誤地判斷為檢測(cè)到了運(yùn)動(dòng)目標(biāo)。

接下來(lái)，仍然使用圖5和圖6連續(xù)的兩幀圖像，它們的背景完全相同，沒(méi)有運(yùn)動(dòng)目標(biāo)進(jìn)入。采用本文算法，在檢測(cè)前對(duì)圖5和圖6的圖像做二值化處理，再使用改進(jìn)的幀差算法檢測(cè)運(yùn)動(dòng)目標(biāo)，實(shí)驗(yàn)結(jié)果如圖7和圖8。由圖7、圖8可以看出，算法改進(jìn)以后，在沒(méi)有出現(xiàn)運(yùn)動(dòng)目標(biāo)的情況下，雖然云層變化很大，但沒(méi)有檢測(cè)到運(yùn)動(dòng)目標(biāo)，達(dá)到了預(yù)期的效果。

2.3運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)驗(yàn)

從2.1節(jié)和2.2節(jié)實(shí)驗(yàn)可以看出，幀差算法相對(duì)容易，但幀差法在空間運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中容易受到光照、云層變化的影響，會(huì)得到錯(cuò)誤的檢測(cè)結(jié)果，在沒(méi)有運(yùn)動(dòng)目標(biāo)出現(xiàn)的情況下，也判斷為檢測(cè)到運(yùn)動(dòng)目標(biāo)。研究結(jié)果表明：在檢測(cè)之前，對(duì)待檢測(cè)圖像進(jìn)行二值化處理，能有效地降低光照、云層等噪聲因素的干擾，更準(zhǔn)確可靠地檢測(cè)出空間運(yùn)動(dòng)目標(biāo)。

圖5　云層較厚

圖6　云層較薄

圖7　云層較厚 (算法改進(jìn)后)

圖8　云層較薄 (算法改進(jìn)后)

接下來(lái)使用本文的算法對(duì)空間運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，圖9是原視頻中連續(xù)的3幀圖像， 在原視頻中，有空間運(yùn)動(dòng)目標(biāo)從右下角往左上角方向運(yùn)動(dòng)，圖10是檢測(cè)前先對(duì)圖9做二值化，然后再使用幀差算法對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的結(jié)果。

實(shí)驗(yàn)結(jié)果表明，采用改進(jìn)算法后，有效降低了光照、云層等噪聲的影響，使用了恰當(dāng)?shù)拈撝岛竽軌蛲旰玫貦z測(cè)出空間運(yùn)動(dòng)目標(biāo)，檢測(cè)結(jié)果更加準(zhǔn)確可靠。

圖9原視頻中的圖像

Fig.9The original Images

圖10二值化后的圖像

Fig.10Images after binarization processing

3結(jié)論

本文提出的方法有效可行，將二值化和新的幀差算法相結(jié)合，在一定程度上避免了光照和薄云層對(duì)空間運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)的干擾，從而減少運(yùn)動(dòng)目標(biāo)的誤判，能夠精確、靈敏地檢測(cè)到空間運(yùn)動(dòng)目標(biāo)，而且檢測(cè)到運(yùn)動(dòng)目標(biāo)時(shí)可以自動(dòng)發(fā)出報(bào)警提示用戶(hù)，為空間運(yùn)動(dòng)目標(biāo)的跟蹤提供了一種新的思路，為實(shí)現(xiàn)空間運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤提供了一種新的依據(jù)。

研究表明, 通過(guò)二值化和新的幀差算法相結(jié)合，提高了望遠(yuǎn)鏡對(duì)光照和云層干擾等方面的處理能力，為適用不同望遠(yuǎn)鏡的自動(dòng)跟蹤、自動(dòng)搜索、自動(dòng)捕獲提供更加有效可行的方法，特別是對(duì)定點(diǎn)捕獲的光學(xué)望遠(yuǎn)鏡陣和籬笆望遠(yuǎn)鏡陣，在空間運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)能夠發(fā)揮其優(yōu)越性，實(shí)驗(yàn)驗(yàn)證效果明顯。

參考文獻(xiàn)：

[1]余啟明. 基于背景減法和幀差法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D]. 南昌: 江西理工大學(xué), 2013.

[2]馬馳, 張紅云, 苗奪謙, 等. 改進(jìn)的多閾值動(dòng)態(tài)二值化算法[J]. 計(jì)算機(jī)工程, 2006, 32(6): 203-205+208.Ma Chi, Zhang Hongyun, Miao Duoqian, et al. Improved multi-threshold and dynamic binarization algorithm[J]. Computer Engineering, 2006, 32(6): 203-205+208.

[3]于春雨. 基于光流法火災(zāi)煙霧視頻圖像識(shí)別及多信息融合探測(cè)算法研究[D]. 合肥: 中國(guó)科學(xué)技術(shù)大學(xué), 2010.

[4]張小駿, 劉志鏡, 陳昆. 一種基于曝光補(bǔ)償與顏色信息融合的背景減除法[J]. 電子技術(shù)與軟件工程, 2014(21): 115-118.

[5]趙建. 基于三幀差法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D]. 西安: 西安電子科技大學(xué), 2013.

[6]Lin H H, Chuang J H, Liu T L. Regularized background adaptation: a novel learning rate control scheme for Gaussian Mixture Modeling[J]. IEEE Transactions on Image Processing, 2011, 20(3): 822-857.

[7]劉忠, 仇樸章, 邱耀輝, 等. 差分像運(yùn)動(dòng)視寧度測(cè)量實(shí)驗(yàn)[J]. 云南天文臺(tái)臺(tái)刊, 1993(4): 22-30.

Liu Zhong, Qiu Puzhang, Qiu Yaohui, et al. Experiments of the differential image motion method for measuring the seeing[J]. Publications of Yunnan Observatory, 1993(4): 22-30.

[8]鄭聯(lián)慧, 金振宇, 向永源. 絕對(duì)差分算法誤差對(duì)測(cè)大氣視寧度的影響分析[J]. 天文研究與技術(shù)——國(guó)家天文臺(tái)臺(tái)刊, 2012, 9(2): 157-161.Zheng Lianhui, Jin Zhenyu, Xiang Yongyuan. Analysis of effects of errors of the absolute difference algorithm on day-time seeing measurement[J]. Astronomical Research & Technology——Publications of National Astronomical Observatories of China, 2012, 9(2): 157-161.

[9]周丹, 金振宇, 盧汝為, 等. 像運(yùn)動(dòng)法測(cè)量視寧度參數(shù)中曝光時(shí)間的重要性及其測(cè)定[J]. 云南天文臺(tái)臺(tái)刊, 2002(1): 14-20.

Zhou Dan, Jin Zhenyu, Lu Ruwei, et al. The importance of the exposure-time and its measurement in the image motion method to measure the seeing parameter[J]. Publications of Yunnan Observatory, 2002(1): 14-20.

[10]吳銳, 黃劍華, 唐降龍, 等. 基于灰度直方圖和譜聚類(lèi)的文本圖像二值化方法[J]. 電子與信息學(xué)報(bào), 2009, 31(10): 2460-2464.

Wu Rui, Huang Jianhua, Tang Jianglong, et al. Method of text image binarization processing using histogram and spectral clustering[J]. Journal of Electronic & Information Technology, 2009, 31(10): 2460-2464.

[11]孫少林, 馬志強(qiáng), 湯偉. 灰度圖像二值化算法研究[J]. 價(jià)值工程, 2010(5): 142-143.

Sun Shaolin, Ma Zhiqiang, Tang Wei. Research on gray-level image binarization algorithms[J]. Value Engineering, 2010(5): 142-143.

[13]張引. 基于空間分布的最大類(lèi)間方差牌照?qǐng)D像二值化算法[J]. 浙江大學(xué)學(xué)報(bào): 工學(xué)版, 2001, 35(3): 272-275+280.

Zhang Yin. License plate binarization algorithm based on analysis of the spatial distribution and maximum variance between clusters[J]. Journal of Zhejiang University: Engineering Science, 2001, 35(3): 272-275+280.

*基金項(xiàng)目：中國(guó)科學(xué)院國(guó)防科技創(chuàng)新基金 (CXJJ-14-S106) 資助.

收稿日期：2015-11-04；

修訂日期：2015-11-21

作者簡(jiǎn)介：王恩旺，男，本科. 研究方向：天體測(cè)量與天體力學(xué). Email: ewwang@pmo.ac.cn

中圖分類(lèi)號(hào)：P123

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào):1672-7673(2016)03-0333-07

Application of an Improved Frame Difference Method in Space Moving Target Detection

Wang Enwang1, Wang Enda2

(1. Purple Mountain Observatory, Chinese Academy of Sciences, Nanjing 210008, China, Email: ewwang@pmo.ac.cn; 2. School of Information and Science Technology, Chuxiong Normal University, Chuxiong 675000, China)

Abstract:Space moving targets are often mistakenly detected even when they do not appear because the detection process is easily interfered by light, clouds and other factors. In order to solve this problem, we propose an improved frame difference algorithm, which combines the frame difference method with the background subtraction method and updates the current frame as the background frame periodically, namely, it makes the binarization processing to the images to be detected at the first step. This process can effectively eliminate such noise factors as light and clouds, and intensify the images of space targets, and then help the frame difference algorithm to detect space targets. According to the experiments, this method can effectively decrease the false detection rate of space moving targets. There is no need for the improved algorithm to put each updated frame as a background or make a statistical model of the background, so it improves the operating speed and simplifies the process of establishing the background. This algorithm is easy to implement and simple to operate. With low investment and high sensitivity it has great practical value.

Key words:The frame difference method; Space target; Moving target detection; Binarization; Background subtraction method

CN 53-1189/PISSN 1672-7673