[發明專利]基于目標顯著性的衛星圖像對地面弱小運動目標檢測方法

有效

• 申請號: 201610091741.4
• 申請日: 2016-02-18
• 公開（公告）號: CN105654516B
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 楊濤;張艷寧;姚博偉;賀戰男
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

本發明公開了一種基于目標顯著性的衛星圖像對地面弱小運動目標檢測方法，用于解決現有方法對弱小運動目標檢測率低的技術問題。技術方案是首先對顯著性圖像進行背景建模，對灰度圖像進行顯著性分析，強化圖像中的運動目標。通過對顯著性圖像進行高斯混合背景建模，解決了弱小運動目標檢測難題，利用分級產生軌跡，利用軌跡信息濾除虛警，相對于背景技術方法，檢測率提升了10％，虛警率降低了5％。

技術領域

本發明涉及一種衛星圖像對地面弱小運動目標檢測方法，特別是涉及一種基于目標顯著性的衛星圖像對地面弱小運動目標檢測方法。

背景技術

衛星圖像對地運動目標檢測是計算機視覺領域中的重要研究課題?，F有的衛星圖像對地弱小運動目標檢測算法檢測率較低。文獻“Vehicle Detection and Roadside TreeShadow Removal in High Resolution Satellite Images,2010”公開了一種衛星圖像對地面弱小運動目標檢測方法。該方法利用衛星圖像中車輛的幾何特征，采用改進的尺度圓斑匹配算法，對衛星圖像中的橢圓形運動車輛進行檢測。對于道路中行使的車輛，高斯橢圓拉普拉斯濾波，使圖像中道路方向與橢圓運動目標幾何的方向一致，當濾波方程解析式達到局部極值，可得到圖像中的候選運動目標。但是該方法檢測結果好壞依賴于運動目標幾何方向的特征，對于弱小的運動目標無法得到運動目標的幾何方向，弱小運動目標檢測率極低，虛警率較高。

發明內容

為了克服現有方法對弱小運動目標檢測率低的不足，本發明提供一種基于目標顯著性的衛星圖像對地面弱小運動目標檢測方法。該方法首先對顯著性圖像進行背景建模，對灰度圖像進行顯著性分析，強化圖像中的運動目標。通過對顯著性圖像進行高斯混合背景建模，解決了弱小運動目標檢測難題，利用分級產生軌跡，利用軌跡信息濾除虛警，相對于背景技術方法，檢測率提升了10％，虛警率降低了5％。

本發明解決其技術問題所采用的技術方案是：一種基于目標顯著性的衛星圖像對地面弱小運動目標檢測方法，其特點是包括以下步驟：

步驟一、對于當前輸入的圖像計算顯著性圖像。記圖像中某像素值為I_k，其中k表示圖像中第k個像素。記w為以像素I_k為中心的滑動窗口。||·||表示像素間灰度距離矩陣，d_i表示像素k到像素i的距離。則圖像像素I_k的局部顯著性值表示為

其中，f(·)是關于d_i的線性遞減函數。

當某像素與其鄰近像素灰度差越大，其為運動目標的可能性越大，因此隨著距離的增加其顯著性倍數越小。對于輸入的灰度圖像中通過式(1)得到每個像素I_k局部區域顯著性，最終形成局部顯著性圖像。

步驟二、對顯著性圖像利用自適應混合高斯背景建模獲得輸入圖像的背景圖，根據背景圖像與輸入的顯著性圖像做背景減法，得到候選運動目標集合。

步驟三、對候選運動目標集合的虛警采用基于時空信息進行濾除，利用目標連續性信息抑制虛警。基于運動、軌跡和時空信息分層產生軌跡片段的關聯。將軌跡關聯分為初級tracklets關聯和高級tracklets關聯。

初級軌跡關聯：假設第t幀存在m個目標，第t+1幀存在n個目標，t幀中的目標與第t+1中的目標是一對一的關系。將當前幀中的目標與下一幀每個目標之間的歐式距離作為輸入矩陣，利用匈牙利算法計算第t幀與第t+1幀的目標關聯信息。若m<n，即第t+1幀中的運動目標較多，則將未關聯上的運動目標做為新的運動目標。若m≥n，即第t幀中目標較多，則將目標保留兩幀，然后根據后續的關聯判斷是否為虛警。

高級tracklets關聯：利用匈牙利算法從每幀提取的檢測點，形成短軌跡集合。利用運動相似性約束、軌跡相似性約束和時空約束來保證長軌跡的準確度。