基于帧差法与边缘信息的红外目标检测算法研究

基于帧差法与边缘信息的红外目标检测算法研究
杨蕊;张泾周;李荣;郭慧娟
【摘要】According to the moving target in an infrared image sequence with continuity and consistency, a detection method combining the frame difference and edge detection is proposed. First the moving regions using the continuous frame difference method to process the image is got, and got the edge information using the canny edge detection to process the current frame. Then the edge of the moving target by and both of the detection results is got. Finally the precise edge of target using morphological operations is got. Simulation results show that the method overcomes the deficiencies of the frame difference and edge detection, and can accurately detect moving targets in complex background.%根据红外序列图像中运动目标具有连续性和一致性,提出了帧差法和边缘检测相结合的检测方法.首先采用连续帧间差分法处理图像得到运动区域.然后对当前帧进行canny 边缘检测得到边缘信息.两者检测结果相与得到运动目标边缘.最后进行形态学运算得到精确的目标边缘.仿真结果表明,该方法克服了帧差法和边缘检测的不足,对复杂背景下的运动目标能够进行准确检测.
【期刊名称】《科学技术与工程》
【年(卷),期】2012(012)026
【总页数】4页(P6648-6651)
【关键词】目标检测;帧差法;边缘检测;形态学运算
【作者】杨蕊;张泾周;李荣;郭慧娟
【作者单位】西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西
安710072;西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西安710072
【正文语种】中文
【中图分类】TP391.41
红外序列图像的检测，一直都是军事制导、交通管制等领域研究的重点。

在实际中，红外运动目标的热辐射相当复杂，大气对红外辐射的吸收、衰减作用也时刻处于变化中。

为了从图像中有效地检测出运动目标，国内外常用的算法有:时间差分法、
背景差分法和光流法［1］。

时间差分法是利用前后帧图像的差分结果提取目标，该方法能实现实时的目标检测，对环境的变化不敏感，但提取的目标不完整，目标内部容易出现空洞现象。

背景差分法是通过当前图像和背景图像的差分分割出目标，该方法能够完整的提取目标，但存在背景图像维持和更新的问题。

光流法是利用运动估计进行分割，不需要背景区域的任何先验知识，但其计算量大，抗噪性能差，不利于实时操作。

现有的算法虽能检测出目标，但仍然存在提取目标不完整、定位不准确、容易出现重影等现象。

针对这些问题，本文提出了帧差法和边缘检测相结合的检测方法。

帧差法对环境有很好的适应性，但是对目标检测不准确，对缓慢运动的目标可能无法提取目标边界，对快速运动的目标提取的目标区域又过大，检测结果容易出现“空洞”和“重影”［2］;边缘检测虽然能精确的检测出图像边缘，但检测出的边缘不仅包括所需要的目标边缘，还包括背景边缘，这给目标检测带来了难度［3］。

本
文将二者结合，有效的弥补了单个算法的不足，从而准确的检测出目标边缘。

1 目标检测基本原理
1.1 图像预处理
图像预处理的目的就是提高图像的信噪比，尽可能的抑制噪声和背景杂波［4］。

图像预处理的好坏直接影响到目标检测和追踪结果的好坏以及整个系统的可靠性，因此它是目标检测和追踪中必不可少的一个步骤。

常用的预处理方法有高通滤波法、中值滤波法、形态学滤波等。

本文选择中值滤波，因为中值滤波是对噪声的平滑，在一定条件下不会破坏图像的边缘信息，而且滤波器的结构简单，运行速度快，对后面的操作非常关键。

二维中值滤波器的窗口形状有多种，如线形、圆形、菱形等，不同形状的窗口产生不同的滤波效果，使用中必须根据图像的具体情况加以选择。

1.2 帧差法
帧差法是通过连续图像序列中两个相邻帧间采用基于像素的差分并且阈值化来提取图像中的运动区域。

连续两帧图像间的差分得到的结果不完全是运动目标，还可能包括背景区域。

为了得到更准确的目标，本文采用连续差分法来实现目标的检测。

连续差分法，即分别将当前帧和前一帧图像、下一帧和当前帧图像进行差分运算，得到两幅差分图像。

然后将差分的结果二值化，即可将运动目标从差分图像中分割出来。

最后将两幅二值差分图像相与得到最终差分图像。

式中，fk－1(x，y)、fk(x，y)、fk+1(x，y)分别表示前一帧、当前帧和下一帧图像，Th表示二值化阈值，d1(x，y)、d2(x，y)分别表示当前帧和前一帧、下一帧和当
前帧的差分图像，d(x，y)表示最终差分图像。

1.3 阈值分割
阈值分割法是一种基于区域的图像分割技术，其基本原理是:通过设定不同的特征
阈值，把图像象素点分为若干类。

常用的阈值分割法有最大类间方差法(Otsu)、迭代法、二维最大熵分割法等。

Otsu是经典的自适应阈值选取方法，它是使目标与背景之间的方差最大而动态的
确定图像分割门限值［5］。

背景和目标之间的类间方差越大，说明背景和目标的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两者的差别变小，因此，使类间方差最大的分割意味着错分概率最小。

Otsu不需要其他先验知识，
因而应用范围广泛，至今仍是最常用的图像分割方法之一。

设原始灰度图像灰度级为L，灰度值为i的像素数目为ni，则图像的全部像素数目
N为:
图像中像素的灰度值为i的分布概率pi为
阈值t将图像像素分为C0和C1两类:C0是一组灰度级为(0，1，…，t)的像素，
C1是一组灰度级为(t+1，t+2，…，L －1)的像素。

C0和C1两类出现的概率w0、w1，灰度均值μ0、μ1和方差μ0、μ1分别由下
列公式给出:
类间方差σB、类内方差σw和总体方差σT分别为:
从0到L－1之间找到阈值t，使图像分为C0、C1两类后σ2B/σ2T最大，此时的t即为最佳二值化阈值。

1.4 目标边缘提取
为了防止图像中局部明暗变化对目标造成影响，在改进算法中引入边缘检测，它可以有效的去除连续帧差法检测结果中出现的大面积非运动目标区域。

边缘检测的基本原理是:对图像进行微分运算，在图像的边缘处灰度变化较大，故该处微分计算值较大，可将这些微分值作为相应点的边缘强度，通过设置阈值来提取边缘点。

常用的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、LOG算子以及Canny算子等。

Canny算子被称为最优边缘检测算法，它在噪声抑制和边缘检测之间取得了较好的平衡，所以本文采用Canny算子进行图像边缘的提取。

其算法流程为:
(1)用高斯滤波器平滑图像;
(2)用一阶偏导的有限差分来计算梯度的幅值和方向;
(3)对梯度的幅值和方向进行非极大值抑制;
(4)用双阈值算法检测和连接边缘，即可得到图像的边缘。

1.5 形态学处理
形态学处理是对提取出的有噪声点的差分图像进行形态学运算，从而去除图像中的噪声点，同时可以填补空洞、平滑边界等。

形态学运算主要包括腐蚀、膨胀、开运算和闭运算［6］。

形态学处理在本文的改进算法中起到很重要的作用:一方面，它可以去除图像中的噪声、填充目标区域中出现的空洞等，本文用形态学方法处理连续帧差法得到的二值差分图像;另一方面，它可以平滑边界，连续帧差法得到的差分图像和Canny算子提取的边缘图像相与，可以准确的检测出运动目标的边缘，但所得到的目标边缘仍存在不连续问题，本文采用形态学处理方法改善边缘检测效果。

因此，本文将连续帧差法和边缘检测相结合的同时，多次采用形态学运算，使目标检测更为准确。

2 算法流程与仿真结果
2.1 算法流程图
对于序列图像当前帧中运动目标的检测，具体实现流程如图1所示。

2.2 仿真结果与分析
为了验证本文算法的正确性、有效性，用MATLAB软件对两组红外序列图像进行仿真实验。

飞机序列图像连续采集了54帧进行仿真实验，本文给出了第34帧的仿真结果，实验结果如图2所示;行人序列图像连续采集了59帧进行仿真实验，本文给出了第12帧的仿真结果，实验结果如图3所示。

图1 流程图
图2 和图3中:对原始图像(a)、(b)、(c)用本文提出的方法进行检测;(d)和(e)分别是经过形态学处理的上一帧和当前帧、下一帧和当前帧的二值差分图像，它们能很好的将目标从背景中分割出来，但是却有重影和空洞的产生，目标位置也不准确;(f)是二值差分图像相与得到的连续帧差图像，它有效地剔除了重影，获得目标的准确位置，但是目标内部仍存在空洞现象;(g)是用canny算子提取的图像边缘，其中不仅包括目标边缘也包括背景边缘，无法把目标从背景中分割出来;(h)是边缘图像和连续差分图像相与后，经过形态学处理所得到的最终检测结果，它有效的剔除了背景边缘，也克服了帧差法带来的重影和空洞现象，得到了目标的精确边缘。

图2 飞机序列图像检测结果(第34帧)
3 结论
图3 行人序列图像检测结果(第12帧)
本文介绍了几种经典的运动目标检测算法，并分析了每种算法的优缺点。

针对运算量大、易受背景干扰等问题，提出了一种连续帧差法和边缘检测相结合的目标检测算法，并对不同场景下的运动目标进行了仿真实验。

通过真实场景下运动目标的检测，表明该算法是有效的，可以去除目标以外的噪声，在获得目标边缘轮廓的同时从复杂背景中提取出真实目标。

与其他算法相比，本文提出的算法实现简单，不易受噪声干扰，对复杂背景下的运动目标能够进行准确检测，克服了帧差法和边缘检测的不足，具有很好的鲁棒性。

参考文献
【相关文献】
1 李俊山，杨威，张雄美.红外图像处理、分析与融合.北京:科学出版社，2009
2 薛丽霞，罗艳丽，王佐成.基于帧间差分的自适应运动目标检测方法.计算机应用研究，
2011;28(4):1551—1552
3 郑江滨，赵荣椿.慢运动背景下运动目标提取算法.计算机应用研究，2008;25(7):2185—2186
4 王卫华，何艳，陈曾平.光电图像序列运动运动弱目标实时检测算法.光电工程，2006;33(4):14—18
5 石爽，曲仕茹，张大奇.基于改进型类间方差分割的红外目标提取算法.西北工业大学学报，2010;28(2):259—263
6 康令周，陈福深，王德胜，等.基于形态学算法的红外图像小目标检测方法研究.光电工程，2010;37(11):26—31。