基于帧差法和自适应阈值区域生长的红外运动目标检测

发布时间：2020-03-22 03:49

【摘要】：针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法。首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测。结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测。
【图文】：

流程图,区域生长,自适应阈值,目标区域

值处理，分割后得到的并不完全是运动目标，同时，若为第三种情况，帧差法也不能提取出完整的运动目标，因为目标的大部分在二值分割时都被分割掉了。因此，帧差法后，还需进行很多的后续处理。另一方面，由图１可以看出，由帧差运算后提取的图像计算出的目标质心，如图中黑色点标记，一定是运动目标的一部分，因此可以利用帧差后的质心结果确定目标的初步位置，即利用帧差法确定目标区域，然后再根据一定的阈值分割，对求得的目标进行区域生长，即可得出完整的运动目标，并剔除虚假运动目标。目标区域确定流程如图２所示。图２目标区域确定流程图２自适应阈值的区域生长２．１基于灰度等级的自适应生长阈值区域生长阈值的选取十分重要，阈值选择过大，不能完整地提取出运动目标；阈值选择过小，会出现过分割，将背景也划分为目标的一部分；固定阈值［６］针对不同背景下的图像，又不能稳定提取运动目标。·１５７·《半导体光电》２０１７年２月第３８卷第１期李冰等：基于帧差法和自适应阈值区域生长的红外运动目标检测逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦

对比图,运动目标检测,结果对比

中值滤波高斯滤波小波变换与中值滤波形态学高帽变换（ｂ）第二组图像经预处理后对比图图４预处理结果图３．２运动目标检测结果实验分别选取了不同类型的红外目标进行检测，分别为客机、直升机、战斗机和无人机，且红外图像具有不同背景和大小，图像大小有３２０×２５６和８００×２８８两种，检测结果如图５所示。由图５（ａ）可以看到，，普通帧差法可能会出现标注有偏差，即检测的目标质心并不是运动目标的真实质心；标注不完全，即检测出目标质心后，并没有对目标大小进行自适应检测，或者生长阈值过大，以致生长不完全等原因，造成标注不完全的情况；一标多，即一个目标被检测为多个目标的情况；最后是阈值过小或固定阈值造成的误检测。图５（ｂ）和（ｃ）则是本文算法检测运动目标的结果，由结果可以看到，在抑制大面积背景干扰后，完整地检测出了运动目标，并且不存在误检测现象，由此验证了本文算法的有效性。标注偏差检测不安全一标多误检测（ａ）标注偏差和误检测现象客机直升机战斗机无人机（ｂ）本文算法四种不同运动目标的检测结果（ｃ）本文算法对多运动目标的检测结果图５运动目标检测结果对比图·１５９·《半导体光电》２０１７年２月第３８卷第１期李冰等：基于帧差法和自适应阈值区域生长的红外运动目标检测逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦

【相似文献】