[發明專利]基于分塊表征和可變鄰域聚類的弱小運動目標檢測方法

有效

• 申請號: 201911094502.4
• 申請日: 2019-11-11
• 公開（公告）號: CN110910421B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 王靖宇;張國俊;王霰禹;趙越;蘇雨;張科;王震;譚明虎
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06V10/762;G06V10/77;G06V10/44;G06V10/56
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 王鮮凱

本發明公開了一種基于分塊表征和可變鄰域聚類的弱小運動目標檢測方法，用于解決現有弱小運動目標檢測方法檢測精度低的技術問題。技術方案是在運用圖像分塊化處理的基礎上，獲得各分塊的類Haar特征向量和前后幀各分塊的移動方向，提取潛在運動分塊。以潛在運動分塊中心像素作為聚類中心，計算可變鄰域內各像素與聚類中心的特征距離，結合RANSAC算法自適應確定距離閾值，將特征距離低于閾值的像素進行聚類，從而得到完整運動目標，最終實現序列圖像中弱小運動目標的精確檢測。本發明通過判斷前后幀分塊移動方向，對剩余分塊運用可變鄰域特征聚類，獲得所屬分塊的完整目標形態表征，抑制背景噪聲，提高了準確捕獲弱小運動目標的檢測精度。

技術領域

本發明涉及一種弱小運動目標檢測方法，特別涉及一種基于分塊表征和可變鄰域聚類的弱小運動目標檢測方法。

背景技術

弱小運動目標檢測是圖像處理和機器視覺領域的重要研究課題，其在軍事和民用領域中的應用得到了研究人員的廣泛關注，也是低空目標安全與防護任務的關鍵技術之一。運動目標檢測多是基于底層視頻信息的檢測，是指從圖像序列中將前景變化區域從背景圖像中提取出來。伴隨著小型無人機技術的快速發展，無人機在軍用、民用方面都展現了巨大價值，隨之而來的針對小型無人機的監控技術也具有十分重大的實際意義，因此如何實現弱小動目標檢測成為研究熱點之一。

文獻“Liu Jing,et al.(《Small target detection combining regionalstability and saliency in a color image》，Multimedia Tools and Applications,2017,76(13):14781-14798.)”公開了一種基于顯著性和穩定性的特征提取的算法。該算法首先提出將小目標檢測作為一個穩定的區域提取問題，應用了幾個穩定性準則來生成一個由順序布爾圖派生的局部穩定區域的穩定性圖。其次，考慮小目標與其周圍環境的局部對比度，通過將每個像素的顏色向量與其高斯模糊后的顏色向量進行比較，得到顯著性圖。最后，將穩定性和顯著性映射以像素乘的方式集成，以消除虛警率。該方法雖然能消除大部分背景噪聲的干擾，但是在存在兩個及以上弱小運動目標的數據集中，僅能完成一個目標的較完整檢測，漏檢率極高。同時，在相機抖動及背景光線變化的圖像序列中，該方法檢測到背景噪聲很大，誤檢率很高，檢測小目標的精度較低。

發明內容

為了克服現有弱小運動目標檢測方法檢測精度低的不足，本發明提供一種基于分塊表征和可變鄰域聚類的弱小運動目標檢測方法。該方法在運用圖像分塊化處理的基礎上，獲得各分塊的類Haar特征向量和前后幀各分塊的移動方向，提取潛在運動分塊。以潛在運動分塊中心像素作為聚類中心，計算可變鄰域內各像素與聚類中心的特征距離，結合RANSAC算法自適應確定距離閾值，將特征距離低于閾值的像素進行聚類，從而得到完整運動目標，最終實現序列圖像中弱小運動目標的精確檢測。本發明通過對視頻幀圖像建立分塊類Haar特征表示，判斷前后幀分塊移動方向，濾除背景移動方向。對剩余分塊運用可變鄰域特征聚類，獲得所屬分塊的完整目標形態表征，最后運用前后幀顏色特征比較，抑制了背景噪聲，準確捕獲運動目標，目標輪廓清晰，提高了弱小運動目標檢測精度。

本發明解決其技術問題所采用的技術方案：一種基于分塊表征和可變鄰域聚類的弱小運動目標檢測方法，其特點是包括以下步驟：

步驟一、對圖像序列進行分塊化處理。設序列圖像F，幀長度為n，其中第i幀以f_i表示，其中i＝1,2,…,n。設置分塊塊間步長為step_x和step_y，即x,y方向上各分塊間隔的像素點。以圖片左上角為原點，x方向為水平方向，y方向為豎直方向，第一個分塊B₁左上角坐標為(1,1)，依步長將整幅圖像第i幀f_i劃分為m個大小為W×H的圖像塊B_j，j＝1,2,...,m。其中，分塊大小W與H相等，分塊步長step_x與step_y相等。