【文章內容簡介】 a g e d a ta m e a n ttt? ? ? ? ?? ? ? ? ? ?() 紅外圖像的目標檢測及跟蹤 ? 對不符合的高斯分布分布值按下式更新權重，方差和均值保持不變，僅對權重進行更新： ? ?( ) 1 ( 1 )we igh t t we igh t t?? ? ? ? () 如果沒有一個高斯分布符合當前像素點，則找出權重最小的高斯分布， 將該分布的權重 ()weight t 賦予一個較小值，均值 ()meant用當前像素點的值代替，方差 2()t? 賦予一個較大值。 紅外圖像的目標檢測及跟蹤 ? 在三幅圖像更新完以后，再將三幅圖像重新合成一幅彩色圖像，就得到了彩色圖像的背景更新圖。 ? 背景更新以后根據概率公式 ( | )PBx可以得到一幅二值圖像，二值圖像描述的是將背景去掉，只剩下運動 目標的圖像。其實現過程如下：先根據概率公式 ( | )PBx ,RGB分別計算 三個分量的像素值在更新后的高斯分布中的概率加權和，得到三個概率值 ,R B GPPP，將三個概率值相加再除以 3得到一個概率值。根據背景更新算法， 如果像素值代表運動目標，那么概率值很小，反之概率值較大。 那么可以判斷這個概率值是否大于閾值，如果大于，則說明是背景圖像， 反之，則是運動目標。 紅外圖像的目標檢測及跟蹤 ? 紅外目標跟蹤 ? 在紅外跟蹤系統(tǒng)中，波門 (又稱電子窗口 )作為視頻信號處理的一種手段，在國內外已得到廣泛應用。波門實際上是跟蹤系統(tǒng)真正的處理窗口，它小于視場，但大于目標，可在視場內搜索并一直套住目標。由于目標在運動過程中距攝像機的距離時刻變化，目標的大小也隨之變化，所以波門的大小必須隨之自適應地同步變化，以保證在滿足精度的前提下盡量減少計算量，同時增強系統(tǒng)的抗干擾能力。 紅外圖像的目標檢測及跟蹤 ? 邊緣跟蹤算法 ? 邊緣跟蹤是最簡單的算法之一，且適應于固定波門亮度的跟蹤器。選擇目標邊緣點 (上、下、左、右 )作為跟蹤點，使波門套住此點，以抑制背景或目標的其余部分。這種算法主要是利用目標與背景交界處亮度有明顯變化，用微分方法即可得到目標位置信息。這種跟蹤算法適合于大型目標的跟蹤。由于僅采用單一的數據點用來定位，很容易受任何隨機噪聲的干擾，所以精度較低。 紅外圖像的目標檢測及跟蹤 ? ： ? 邊緣跟蹤經過適當延伸就成了雙邊緣跟蹤，即目標位置為兩個邊緣中心： 0 1 2x (x x ) 2??0 1 2y (y y ) 2??() () 式中 x x y y2分別為目標左、右、上、下各邊緣值。 它比邊緣跟蹤精度高，適合跟蹤比較對稱的目標或點源目標。 紅外圖像的目標檢測及跟蹤 ? 形心跟蹤算法 ? 形心跟蹤中，目標位置的確定可以通過質心或強度中心來確定。對于一個均勻的二維目標可用質心跟蹤算法，對于目標發(fā)光不均勻的目標可用亮度中心跟蹤算法。在跟蹤窗內目標形心估值： 紅外圖像的目標檢測及跟蹤 (i, j) TGt(i, j) TGiC (i, j)?x C( i, j)???????(i, j) T Gt(i, j) T GjC (i, j)?y C (i, j)??????? () () C(i,j)其中， 是分割后二值圖像， TG是目標區(qū)域所有像素點集合。 紅外圖像的目標檢測及跟蹤 ? 形心算法的計算簡單，計算量較小，在短時間內就可以完成計算，輸出目標的位置，其實現的穩(wěn)定性與精度主要取決于分割閾值的確定情況。如果目標輻射空間分布是一個拋物面，并且如果噪聲是可疊加的白色高斯噪聲，那么，實際上形心算法是最佳算法。 圖像增強技術 ? 圖像增強的首要目標是處理圖像，使之比原始圖像更適合于特定的應用，圖像增強的主要目的有兩個：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得更利于計算機的處理。 圖像增強技術 ? 圖像增強理論（方法）目前尚無統(tǒng)一的權威性的定義，因為還沒有衡量圖像增強質量的通用標準。從增強處理的作用域出發(fā)，圖像增強可分為空間域法和頻率域法兩大類?？臻g域處理時直接面對圖像灰度級作計算；頻率域處理是在圖像的某種變換域內，對圖像的變換系數值進行運算，即作某種修正，然后通過逆變換獲得增強圖像，這是一種間接增強的方法。圖像增強的概況如下圖 ： 圖像增強技術 圖 圖像增強方法概況 灰 度 級 校 正點 運 算 灰 度 變 換直 方 圖 修 正噪 聲 消 除 法鄰 域 平 均 法圖 像 平 滑中 值 濾 波梯 度 倒 數 加 權空 間 域 方 法 鄰 域 增 強梯 度 法Laplacian 算 子圖 像 銳 化圖 像 增 強高 通 濾 波統(tǒng) 計 差 值 法假 彩 色 技 術彩 色 技 術偽 彩 色 技 術低 通 濾 波同 態(tài) 圖 像 增 強頻 率 域 方 法高 通 濾 波小 波 變 換 增 強? ? ?? ? ??? ??? ??? ?? ? ??? ? ???? ???? ? ??? ? ??? ? ???????????????? ???? ??? ??????? ?? ??????????????????????????圖像增強技術 ? 點運算 ? 灰度級校正 ? 灰度級校正就是在圖像采集系統(tǒng)中對對圖像像素做修正 ， 是整幅圖像成像均勻 。 假設理想的輸入系統(tǒng)的輸出圖像為 F(j,k)， 實際獲得的是降質圖像圖像為 G(j,k)，有 G(j,k)=E(j,k)*F(j,k)， E(j,k)為降質函數或觀測系統(tǒng)的灰度失真系數 。 為了估計 E(j,k)， 一般采用一個標準來標定系統(tǒng)的失真系數 ， 即已知衣服圖像的灰度級為均勻常熟 C， 而實際系統(tǒng)的輸出為 GC(j,k)， 有GC(j,k)=E(j,k)*C， 從而得到降質函數 E(i,j)= GC(j,k)/C，由此可以得到 E(j,k)=C*G(j,k)/GC(j,k)。 圖像增強技術 ? 灰度變換 ? 也即對比度增強。對比度增強是圖像增強技術中一種比較簡單但又十分重要的方法。這種方法是按一定的規(guī)則修改輸入圖像每一個像素的灰度，從而改變圖像灰度的動態(tài)范圍。它可以使灰度動態(tài)范圍擴展，也可以使其壓縮，或者是對灰度進行分段處理，根據圖像特點和要求在某段區(qū)間中進行壓縮而在另外區(qū)間中進行擴展。 圖像增強技術 ? ① 全域線性變換 ? 在曝光不足或過渡的情況下，圖像灰度可能會局限在一個很小的范圍內。這時在顯示器上看到的將是一個模糊不清、似乎沒有灰度層次的圖像。用一個線性單值函數，對幀內的每一個像素作線性擴展，將有效地改善圖像視覺效果。令原圖像 F(j,k)的灰度范圍為 [a,b]，線性變換后圖像 F’(j,k)的范圍為 [a’,b’]，如圖 。F’(j,k) 與 F(j,k)之間存在以下關系： 圖像增強技術 b 39。 a 39。F 39。( j, k ) a 39。 ( F a )ba?? ? ??圖 全域線性變換示意圖 圖像增強技術 另一種情況，當圖像中大部分像素的灰度級都在 [a,b]內，只有少部分在 a,b外，可以采用下式的變換形式。 a39。b 39。 a 39。F 39。( j, k ) a 39。 ( F a ) 。 a F ( j, k ) bbab39。?? ??? ? ? ? ??????如圖 。 圖像增強技術 圖 截取式線性變換示意圖 圖像增強技術 ? ② 分段線性變換 ? 將圖像灰度區(qū)間分成兩段乃至多段分別作線性變換稱之為分段線性變換。圖 為分三段作線性變換的示意圖 : 圖 分段線性變換示意圖 圖像增強技術 ? 分段線性變換的優(yōu)點是可以根據用戶的需要。拉伸特征物質的灰度細節(jié)，相對抑制不感興趣的灰度級。分段線性變換遵循以下原則： c 39。 a 39。( F a ) a 39。 。 a F ( j, k ) ccad 39。 c 39。F 39。( j, k ) ( F c ) c 39。 。 c F ( j, k ) ddcb 39。 d 39。( F d ) d 39。 。 d F ( j, k ) bbd??? ? ? ??????? ? ? ? ??????? ? ? ????圖像增強技術 ? ? 直方圖是用來表達一幀圖像灰度級分布情況的統(tǒng)計圖表。直方圖的橫坐標是灰度，一般用 r表示?？v坐標視圖像類型而定，對數字圖像，它是灰度值為 ri的像素個數或出現這個灰度值的概率 Pr(ri)。 k1ir i r ii0r niP ( r ) , P ( r ) 1n灰 度 為 的 像 素 個 數一 幀 圖 像 像 素 總 數??? ? ??圖像增強技術 ? ① 直方圖均衡化 ? 對應離散圖像，第 i個灰度級 ri出現的頻數用ni表示，該灰度級像素對應的概率值 Pr(ri)為： ，至此，可寫出離散圖像的變換函數表達式： ， k為一幀圖像對應的灰度級數。 T(ri)為變換函數， Si為均衡化后圖像在 i處的灰度。相應的反變換為： k 1 k 1 ii i r ii 0 i 0nS T( r ) P ( r )n????? ? ???irinP(r) n?k 1 k 1 ii i r ii 0 i 0 nS T( r ) P