[发明专利]基于轨迹点时空一致性的红外弱小运动目标的检测方法

说明书

本发明公开了本发明基于轨迹点时空一致性的红外弱小运动目标的检测方法，首先，对连续的视频帧图像，提取不同长度的稠密轨迹，生成动态变化的轨迹列表；其次，应用轨迹点空间聚集模型对单帧图像中的候选目标进行检测并利用运动特性对伪目标进行剔除；针对轨迹点的聚集性表示，提出了一种轮廓数编码机制；最后，针对连续视频帧，提出了一种基于轮廓码字一致性的后向目标检测算法；本发明同时考虑目标轨迹点的空间聚集性和时间一致性，以求检测率的最大化和虚警率的最小化。

技术领域

本发明属于红外图像处理方法技术领域，具体涉及基于轨迹点时空一致性的红外弱小运动目标的检测方法。

背景技术

红外探测器因为有着优秀的隐蔽本领、超强的环境适应能力和抗干扰性，较小的体积、较轻的重量和较低的功耗等优点，红外探测技术近几十年在人们的生活、医疗、军事、工程等领域有着越来越广泛的应用。但红外视频一般由探测器远距离拍摄得到，目标在成像系统上的成像面积小，在当前视频帧图像中所占像素个数有限；亮度低，没有清晰的形状和纹理信息；对比度差，红外弱小目标常常淹没在背景噪声中；运动方向和大小难于预测，所以如何在复杂的背景环境下高效的在视频中检测出红外弱小目标具有重要的军事意义和理论意义。

Wang等人在2013年IEEE International Conference on Computer Vision(ICCV)中提出了一种改进的稠密轨迹算法，在行人识别方面取得了很好的效果。受此想法启发，本发明提出了一种基于轨迹点时空一致性的红外弱小运动目标检测算法，首次将目标的稠密轨迹应用于红外弱小目标检测之中。

发明内容

本发明的目的是提供基于轨迹点时空一致性的红外弱小运动目标的检测方法，同时考虑目标轨迹点的空间聚集性和时间一致性，实现检测率的最大化和虚警率的最小化。

本发明采用的技术方案是，基于轨迹点时空一致性的红外弱小运动目标的检测方法，具体按照以下步骤实施：

步骤1、采集视频图像V＝{I^k}，并灰度化处理得V'＝{Igray^k}，图像大小为width×height，k＝1,2,…,K，K为视频总帧数；

步骤2、创建一个动态变化的轨迹列表TrajL，初始化TrajL为空，轨迹列表中每条轨迹的最大长度设置为15；

步骤3、判断步骤1中采集到的当前帧图像I_k是否为视频的第一帧图像I₁，如果是，转入步骤4；否则转入步骤5；

步骤4、对第一帧视频帧灰度图像Igray¹进行稠密采样，得到稠密点集N₁为稠密点的总个数,把P_sam¹中的点按顺序添加到TrajL中的第一列：

式中，TrajL(:,1)对应TrajL中的第一列轨迹点，TrajL中第1列的轨迹点集记为

步骤5、利用Farneback光流算法计算前后两帧图像Igray^k-1和Igray^k的光流场，得到光流场flow^k，根据光流场flow^k对TrajL中第n-1列轨迹点集进行跟踪，得到Igray^k中对应的跟踪点集2≤k≤K，把P_tra^k中的点依次压入TrajL的第n列：

式中，TrajL(:,n)对应TrajL中第n列轨迹点，N_k-1为TrajL的第n列的轨迹点总个数；

步骤6、根据背景点与目标点运动特性的不同对TrajL中的可疑轨迹进行滤除，生成滤除后的轨迹列表TrajL'，TrajL'的第n列轨迹点表示为：