复杂环境下用于红外人体目标分割的PCNN模型研究

发布时间：2020-08-10 13:42

【摘要】：红外人体目标检测技术因其具有隐蔽性强、全天候工作和对热目标敏感等特点,当今被广泛应用于智能安防与监控、交通导航与识别、医学图像分析、军事目标检测等社会各领域。在红外人体目标检测技术中,基于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的图像分割技术,因其具有单层网络结构,免训练机制,相同性质神经元同步捕捉的良好特性,在众多红外目标分割方法中独树一帜,成为了红外图像技术和机器视觉领域研究的热点之一。不同于传统图像分割方法,脉冲耦合神经网络对红外人体目标的分割是通过模拟哺乳动物视觉皮层神经细胞的感光响应机制来实现的。该网络的每个神经元会对外部输入信号、内部时域的迭代信号和内部空间邻域信号进行非线性耦合,来促使具有相同性质的神经元同步点火,并以脉冲输出形式分割出红外目标区域,从而达到从复杂环境中提取出人体对象的目的。目前,国内外学者在研究分析该模型的自身机理和特性的基础上,不断改进和完善其内部结构,涌现出许多参数优化、机制简化且适用于不同应用需求的改良模型。但同时,面对现实场景条件下红外人体目标的分割需求时,这些模型还存在着分割结果轮廓表达不完整,细节丢失严重,分类错误率高,对红外噪声敏感和参数自适应调节能力差等不足,成为了脉冲耦合神经网络在红外人体目标分割上的关键性难点。为此,本论文针对这些难点问题展开了相关研究,做出了如下的主要工作:(1)分析了现有脉冲耦合神经网络模型在红外图像上的分割机理,建立了针对红外人体目标分割的简化PCNN模型框架。在这些模型框架上,首先提出了根据红外人体目标的先验特征去动态化设置调制域连接强度参数?的思路;其次,在脉冲点火输出机制的简化上,提出了依靠模型每一次迭代分割获得结果的灰度分布信息去构建动态阈值的方法;最后,在控制模型收敛的方式上,根据红外人体目标的热成像特点,提出了通过检测迭代点火输出区域内平均灰度级水平的相对变化情况,来判断PCNN是否结束迭代运算过程。(2)针对当前PCNN模型在现实场景红外人体目标分割中,易出现分割结果不准确、细节特征缺失、区域形状不完整等问题,提出了结合曲率灰度梯度张量(Curvature Grey-level Gradient Tensor,CGGT),这一描述人体目标先验特征的改进PCNN模型。在200幅现场红外人体图像的对比分割实验中,可以看到,该模型能够有效适应存在复杂干扰背景、目标形态小且轮廓模糊、人体之间相互遮掩等情况,所获分割结果的平均误分类错误(ME)仅为0.59%,平均F值(F-Measure)达到了0.89,在主客观效果评价上均具有竞争力。(3)针对PCNN模型在红外人体目标分割中噪声适应性差的问题,本文在分析了复杂环境下红外热成像噪声的产生机理和表现特性的基础上,提出采用“双机制”方式来解决该问题。在改进PCNN模型结构中,一方面引入了能够抑制混合噪声的各向异性高斯核权值矩阵,另一方面加入了增强红外人体目标轮廓表达的视觉显著性信息——频率域谱残差(Spectral Residual,SR),从而基本解决了PCNN模型在红外人体目标分割中的噪声适应性问题。在100幅不同峰值信噪比红外图像的分割测试中,该模型所获得的实验结果在平均误分类错误(ME)、平均变化信息(VI)和平均概率兰德指数(PRI)等三个客观评价指标上,均优于当前文献提出的其他PCNN模型。(4)在解决PCNN模型的参数自适应选择问题上,本文从当前流行的群智能优化方法入手,提出了改进布谷鸟搜索算法。该方法通过结合基于Kent混沌映射的局部搜索策略和基于KD树结构存储历史信息的指导寻优机制,解决了在PCNN多参数寻优过程中传统算法存在的局部精度不高和较大搜索盲目性等问题,从而以更高效的群智能优化方式,实现了在不同红外人体目标分割中PCNN模型的多参数协同自适应选择机制。对比其他文献解决该问题所提出的群智能优化方法,本文模型在执行效果上、运行效率上更具优势。在100幅测试的红外图像中,其获得的平均误分类错误(ME)比其他模型至少低1%,算法运行的平均时间比其他模型至少快2秒。另外,通过实验还同时将该算法对比了本文所提出的另外两个改进PCNN模型,即结合CGGT的改进PCNN模型和面向噪声环境的改进PCNN模型(Denosing-PCNN模型)。可以看到,以改进布谷鸟搜索算法实现参数自适应设置的PCNN模型在信噪比理想的红外人体图像分割上,与CGGT-PCNN模型和Denosing-PCNN模型的分割效果差异性不大,但该算法不适合于强噪声背景下的红外人体目标分割,且同时由于模型内嵌入了群智能寻优过程,其运行时间相对较长。
【学位授予单位】：重庆大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP391.41;TN21
【图文】：

红外热像仪,出货量

制冷红外传感器技术的成熟，热成像系 Power，SWaP）上得到了较大的改善。2非制冷红外热像仪[1]，如图 1.1 所示，可灵敏度达到 0.15℃，重量却仅为 365 g。首次将非制冷红外热像仪的价格推低到推动了非制冷红外成像系统在全球商业热像系统的出货量就达到了前所未有的像为基础的目标智能识别、分析和理解为当今的大规模商业应用。红外视觉技、医疗和交通等各个应用领域，都实现这一市场的发展还将持续增长，如图 1.系统出货量可高达 170 万台[2]。

频谱分布,出货量,摄像头,红外辐射

图 1.2 2016~2022 年非制冷红外摄像头出货量预测Fig. 1.2 2016~2022 uncooled infrared camera shipment forecasts红外热像是由温度高于绝对零度（-273℃）的物体发射的红外辐射电磁波像而形成。该电磁波是一种人眼不可见的“热线”，最早于 1800 年被英国赫谢尔（S.W.Herschel）在研究可见太阳光的热效应时被发现，后被称为”或“红外线”。红外辐射来源于物质内部大量分子和原子的无规则运动，停息的运动造成了物质不断向外界辐射能量，这就是我们常说的热辐射红外热像形成的本质。红外辐射的光谱区波长范围通常位于 0.7~1000 m范围大致为14 114 10 ~ 3 10Hz 。这段区域又可按频谱分布，细分为远红红外区、中红外区和近红外区，反映了各段区域内存在的红外辐射光离区域的远近程度。另外，不同红外辐射的光谱成分和强度由辐射体本身温度所决定。依靠对目标自身辐射或反射的红外电磁波进行探测的成像为红外成像系统。对比可见光成像系统，红外成像系统具有较强的复杂能力，不受外界光线条件的限制，在夜间和雨、雾、霾等天气条件下均

红外热成像技术,安防,监控系统

这其中以美国卡耐基梅隆大学（Carnegie Mellon University，CMU）研发的 VSAM 系统[3]，美国 ObjectVideo 公司开发的 ObjectVideoVEW 系统[4]，瑞典 Axis 公司旗下的网络视频监控系统[5]和中国科学院自动化所智能监控中心自主研发的 Vstar 系统[6]，天津中星电子与上海贝尔(ASB)公司共同研制的 VISS 系统[7]为代表。图 1.3 展示了一个以红外热成像技术为核心，对重点区域进行监控的安防系统。这类系统具有全天候作业，无人值守，智能识别、跟踪和预警出现的目标以及信息互联互通、网络共享等功能，可以有效地监控学校、医院、银行、仓库等重要场所，及时地发现在夜间、雨雪、雾霾等不利天气条件下或是恶意伪装条件下当前视场范围内出现的人体目标，可靠地识别出携带刀具、武器等这类带恐怖主义性质的危险人员，前瞻预警狭窄空间内聚集人员的拥挤程度，从而在应对2014 年昆明火车站暴恐事件、上海外滩踩踏事件这类公共安全威胁时，可以起到重要的作用。这类系统不仅可以预防、发现、控制和打击违法犯罪，为案件侦破提供线索，还对于提升城市可视化、智能化管理水平，提高政府应急处置能力，满足人民群众对平安社会的需求具有十分重大的意义。

【参考文献】