[发明专利]一种基于有向带权图的低空运动目标搜索方法

摘要

本发明涉及一种基于有向带权图的低空运动目标搜索方法，属于图像处理技术领域。针对目前已有的可见光序列图像运动目标搜索方法，大多存在搜索范围固定、搜索效率较低的问题，本发明采用包含拓扑关系和权重的有向带权图来描述图像局部区域间的相对运动关系，依据目标的运动趋势动态规划搜索范围，使搜索过程更具方向性和针对性，在缩小搜索范围的同时，缩短了搜索时间，并提高了搜索准确度。在此基础上，结合一种基于采样策略优化的降维Haar特征描述图像局部信息，提高了对运动目标的表征能力，从而实现对序列图像中运动目标的准确、快速搜索。

主权项

1.一种基于有向带权图的低空运动目标搜索方法，其特征在于，包括一下步骤：步骤一：定义的序列图像F长度为n，F中的每帧图像表示为fi(1,2,…,n)，将每帧图像fi分块处理为m个W×H的图像块Bi(xi,yi)(i＝1,2,…,m)，xi和yi分别表示为图像块Bi在每帧图像fi中x轴和y轴的位置坐标，W为图像块的宽，H为图像块的高；步骤二：建立有向带权图G，G中第s个节点带有横向权重和纵向权重取值均在[-1,1]之内，初始值为0；其中第t个节点nodet(ixt,iyt)与fi中的第k个图像块Bk(xk,yk)的对应关系为：ixt表示为第t个节点的x坐标，iyt表示为第t个节点的y坐标，有向图G中第s个节点nodes和有向图G中第t个节点nodet之间的距离dists,t定义为：步骤三：构建特征向量V的特征模板，提取图像fi中各图像块的降维Haar特征：特征向量V中包含若干个特征值，每个特征值包含的矩形块数量不同；定义第i个特征值为vi，且vi由Pi(i＝1,2,…,N)个矩形块计算得到，其中L〈N〈R，L与R为10以内取值不同的常整数；Rk(xk,yk,wk,hk,wek),(k＝1,2,…,Pi)构成描述特征向量V的vi的特征模板，其中xk，yk分别表示Bi中Rk的横纵坐标，wk为Rk的宽度，hk为Rk的高度；xk,yk,wk,hk满足：wek为Rk在Vi中所占权重，定义式为：ck取值为{1，-1}中的随机值；由此可以得到特征向量第i维特征vi：式中，Sk为矩形块中各像素灰度值的总和由此计算得到特征向量V＝(v1,v2,…,vN)；步骤四：根据步骤三获取的特征向量V，对相邻帧间图像特征进行对比，实现对序列图像的运动目标搜索，包括以下子步骤：子步骤一：对于邻近的两帧图像fi和fi+1，提取相同局域位置的图像块对(Ba_i,Ba_i+1)，计算两个图像块Haar特征向量(Va_i,Va_i+1)的广义距离：子步骤二：设ε为最小容错误差，取值0.001；如果E(Va_i,Va_i+1)小于最小容错误差ε，将Ba标记为静止目标；如果E(Va_i,Va_i+1)大于最小容错误差ε，则认为该图像块对应区域存在运动目标，在有向带权图G中找出Ba对应的一个节点nodea，以nodea为基准，找出所有符合dista,b＜Th条件的所有节点nodeb，其中Th为有向图中节点间距离的阈值，取决于期望的搜索范围；计算每个节点nodeb对应图像分块的降维Haar特征值，该特征值和节点nodea对应的图像分块的特征值之间的广义距离E(va_i,vb_i+1)，求得最小距离对应的图像分块所在位置，若与节点nodea对应分块位置相同，则标记为静止目标，若不同，标记为动目标位置；步骤五：依据动目标位置，更新有向图：获得了一系列动目标位置(Ba,Bb)j(j为动目标的个数)，目标从前一帧中图像块Ba移动到后一帧中的Bb，利用这些目标位置更新有向带权图中各节点权重；对于每一个动目标(Ba,Bb)j，更新图像块Ba和Bb在有向图G中对应节点nodea和nodeb，通过以下公式计算nodeb权重和其中sign(x)为符号函数，定义为：其余未被更新的节点权值赋为0，即得到了相邻两帧间的动目标，之后再对下一对相邻帧重复整个过程。