【正文】 函數(shù)， Si為均衡化后圖像在 i處的灰度。縱坐標(biāo)視圖像類型而定，對(duì)數(shù)字圖像，它是灰度值為 ri的像素個(gè)數(shù)或出現(xiàn)這個(gè)灰度值的概率 Pr(ri)。 d F ( j, k ) bbd??? ? ? ??????? ? ? ? ??????? ? ? ????圖像增強(qiáng)技術(shù) ? ? 直方圖是用來表達(dá)一幀圖像灰度級(jí)分布情況的統(tǒng)計(jì)圖表。( F d ) d 39。 c F ( j, k ) ddcb 39。( j, k ) ( F c ) c 39。 c 39。 。 a 39。拉伸特征物質(zhì)的灰度細(xì)節(jié)，相對(duì)抑制不感興趣的灰度級(jí)。 圖像增強(qiáng)技術(shù) 圖 截取式線性變換示意圖 圖像增強(qiáng)技術(shù) ? 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。 a F ( j, k ) bbab39。( j, k ) a 39。 a 39。 a39。( j, k ) a 39。 a 39。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 。這時(shí)在顯示器上看到的將是一個(gè)模糊不清、似乎沒有灰度層次的圖像。它可以使灰度動(dòng)態(tài)范圍擴(kuò)展，也可以使其壓縮，或者是對(duì)灰度進(jìn)行分段處理，根據(jù)圖像特點(diǎn)和要求在某段區(qū)間中進(jìn)行壓縮而在另外區(qū)間中進(jìn)行擴(kuò)展。對(duì)比度增強(qiáng)是圖像增強(qiáng)技術(shù)中一種比較簡(jiǎn)單但又十分重要的方法。 為了估計(jì) E(j,k)， 一般采用一個(gè)標(biāo)準(zhǔn)來標(biāo)定系統(tǒng)的失真系數(shù) ， 即已知衣服圖像的灰度級(jí)為均勻常熟 C， 而實(shí)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(zhì)函數(shù) 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(qiáng)的概況如下圖 ： 圖像增強(qiáng)技術(shù) 圖 圖像增強(qiáng)方法概況 灰 度 級(jí) 校 正點(diǎn) 運(yùn) 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(shù) 加 權(quán)空 間 域 方 法 鄰 域 增 強(qiáng)梯 度 法Laplacian 算 子圖 像 銳 化圖 像 增 強(qiáng)高 通 濾 波統(tǒng) 計(jì) 差 值 法假 彩 色 技 術(shù)彩 色 技 術(shù)偽 彩 色 技 術(shù)低 通 濾 波同 態(tài) 圖 像 增 強(qiáng)頻 率 域 方 法高 通 濾 波小 波 變 換 增 強(qiáng)? ? ?? ? ??? ??? ??? ?? ? ??? ? ???? ???? ? ??? ? ??? ? ???????????????? ???? ??? ??????? ?? ??????????????????????????圖像增強(qiáng)技術(shù) ? 點(diǎn)運(yùn)算 ? 灰度級(jí)校正 ? 灰度級(jí)校正就是在圖像采集系統(tǒng)中對(duì)對(duì)圖像像素做修正 ， 是整幅圖像成像均勻 。從增強(qiáng)處理的作用域出發(fā)，圖像增強(qiáng)可分為空間域法和頻率域法兩大類。 圖像增強(qiáng)技術(shù) ? 圖像增強(qiáng)的首要目標(biāo)是處理圖像，使之比原始圖像更適合于特定的應(yīng)用，圖像增強(qiáng)的主要目的有兩個(gè)：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(jì)算機(jī)的處理。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 形心算法的計(jì)算簡(jiǎn)單，計(jì)算量較小，在短時(shí)間內(nèi)就可以完成計(jì)算，輸出目標(biāo)的位置，其實(shí)現(xiàn)的穩(wěn)定性與精度主要取決于分割閾值的確定情況。對(duì)于一個(gè)均勻的二維目標(biāo)可用質(zhì)心跟蹤算法，對(duì)于目標(biāo)發(fā)光不均勻的目標(biāo)可用亮度中心跟蹤算法。 它比邊緣跟蹤精度高，適合跟蹤比較對(duì)稱的目標(biāo)或點(diǎn)源目標(biāo)。由于僅采用單一的數(shù)據(jù)點(diǎn)用來定位，很容易受任何隨機(jī)噪聲的干擾，所以精度較低。這種算法主要是利用目標(biāo)與背景交界處亮度有明顯變化，用微分方法即可得到目標(biāo)位置信息。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 邊緣跟蹤算法 ? 邊緣跟蹤是最簡(jiǎn)單的算法之一，且適應(yīng)于固定波門亮度的跟蹤器。波門實(shí)際上是跟蹤系統(tǒng)真正的處理窗口，它小于視場(chǎng)，但大于目標(biāo)，可在視場(chǎng)內(nèi)搜索并一直套住目標(biāo)。 那么可以判斷這個(gè)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(yùn)動(dòng)目標(biāo)。其實(shí)現(xiàn)過程如下：先根據(jù)概率公式 ( | )PBx ,RGB分別計(jì)算 三個(gè)分量的像素值在更新后的高斯分布中的概率加權(quán)和，得到三個(gè)概率值 ,R B GPPP，將三個(gè)概率值相加再除以 3得到一個(gè)概率值。 紅外圖像的目標(biāo)檢測(cè)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。如果小于則判定為符合分布，反之則不符合。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 首先初始化 K個(gè)高斯模型，在新一幀圖像獲得后更新混合高斯模型。 當(dāng)前像素點(diǎn)屬于背景的概率為 ， 如下式表示： () () 為第 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 根據(jù)概率統(tǒng)計(jì)知識(shí)可以推出像素值 x在第 K個(gè)高斯分布中的概率： ( , ) ( | ) ( )k k kP x G P x G P G?因此上式可以表示為如下形式： 11( , ) ( | )( | )()KkkkKkP x G P B GP B xPx?????上式中的 ( | )kPB G 表示第 K 個(gè)高斯分布代表背景的概率，可用下式表示： 1( | )1 kkk aw bP B G e ??? ?? ?() () () 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 其中 a,b值根據(jù)實(shí)際情況設(shè)定。( 。 。 ? 混合高斯模型使用 K(基本為 3到 5個(gè) )個(gè)高斯模型來表征圖像中各個(gè)像素點(diǎn)的特征。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 總的來說， DBT算法思路簡(jiǎn)單而直接，計(jì)算量少，實(shí)時(shí)性能較好，檢測(cè)效果對(duì)于前階段圖像預(yù)處理效果的依賴性較強(qiáng)，適合于處理信噪比較高（ ≧ 3）場(chǎng)合下的目標(biāo)檢測(cè)問題；而 TBD算法理論上較為完善，更適于處理低信噪比條件下弱小目標(biāo)的檢測(cè)問題，但由于需先對(duì)目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行跟蹤，所以算法的實(shí)時(shí)性將受到影響。高斯背景模型更新就是對(duì)高斯分布均值和方差這兩個(gè)參數(shù)的更新。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? ⑤ 運(yùn)動(dòng)平均法是先提取一幅視頻圖像，然后將后續(xù)的圖像逐漸疊加到這幅圖像上一次來實(shí)現(xiàn)背景的提取，其實(shí)也就是背景的更新。平均法計(jì)算簡(jiǎn)單，數(shù)據(jù)量小，但是如果 N 太小則會(huì)把目標(biāo)疊加到背景上。就現(xiàn)在的研究現(xiàn)狀來看，背景提取比較典型的建模方法有平均法、中值法、運(yùn)動(dòng)平均法、高斯背景模型、混合高斯模型等。如果某點(diǎn)的像素值小于設(shè)定的閾值，則說明該點(diǎn)像素變化不大，所以將其歸背景，否則就是目標(biāo)像素。幀差法的參考圖像是當(dāng)前幀的前一幀，或前幾幀的結(jié)合；而背景差法采用的參考圖像是當(dāng)前場(chǎng)景的一個(gè)參考背景圖像， 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? ① 幀差法：幀差法需要存儲(chǔ)前一幀圖像，然后用實(shí)時(shí)提取的后一幀與前一幀對(duì)應(yīng)像素點(diǎn)做差，或者是間隔幾幀之間對(duì)應(yīng)像素點(diǎn)做差。相減的結(jié)果反映了當(dāng)前幀圖像和參考圖像不同的像素點(diǎn)，包括運(yùn)動(dòng)目標(biāo)和噪聲。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 基于求差法的方法 ? 求差法是利用當(dāng)前圖像幀的值和參考圖像的值按像素點(diǎn)的方式進(jìn)行相減來完成對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)。光流法的理論和算法存在以下幾方面的問題：約束方程只有在梯度很大的點(diǎn)上才嚴(yán)格成立；計(jì)算的不穩(wěn)定性；運(yùn)算量大；難以實(shí)時(shí)實(shí)現(xiàn)等。在這種假設(shè)條件下，圖像中灰度模式的運(yùn)動(dòng)將直接由物體表面相應(yīng)點(diǎn)的運(yùn)動(dòng)確定，由此可以導(dǎo)出瞬時(shí)速度場(chǎng)(光流場(chǎng) )，然后根據(jù)光流場(chǎng)進(jìn)行運(yùn)動(dòng)的檢測(cè)。所謂多級(jí)假設(shè)檢驗(yàn)算法，就是在圖像序列中這個(gè)樹形結(jié)構(gòu)的每一層上用假設(shè)檢驗(yàn)的方法對(duì)結(jié)構(gòu)做出刪節(jié)修正，以隨時(shí)去掉沒有通過檢驗(yàn)的樹，達(dá)到控制運(yùn)算量和存儲(chǔ)量的目的。以下是幾種具有代表性的 TBD目標(biāo)檢測(cè)算法。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 這里所謂的 “ 先跟蹤 ” 是指先根據(jù)小目標(biāo)運(yùn)動(dòng)速度和運(yùn)動(dòng)方向等運(yùn)動(dòng)特性，預(yù)測(cè)和跟蹤 (求取 )所有可能的目標(biāo)運(yùn)動(dòng)軌跡；而相應(yīng)的 “ 后檢測(cè) ” 是指根據(jù)目標(biāo)的短時(shí)灰度特性、目標(biāo)像素大小和目標(biāo)能量變化特性來求取各條軌跡的后驗(yàn)概率。 反之，則認(rèn)為是潛在目標(biāo)區(qū)域中的點(diǎn)，予以保留。現(xiàn)在，定義一個(gè)均值距離測(cè)度 0μ μ1μ 和 為 至 1μ 至 距離的加權(quán)之和，即： 220 0 1 1D ( l ) P ( l )[μ ( l ) μ ] P ( l )[μ ( l ) μ ]? ? ? ? ?? ? ? ? () () 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 將 ()和 ()式代入 ()式中，并考慮到 01P (l ) P (l ) 1????，則 ()式可簡(jiǎn)化為： 2000[ λ (l ) μ P (l ) ]D (l ) ( 2 .1 6 )P (l ) [1 P (l ) ]???? ? ?D(l)? l?分割的準(zhǔn)則是使 為最大值的灰度級(jí) 作為圖像分割的門限值。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 假設(shè)紅外圖像總的灰度級(jí)為 L，在 l灰度級(jí)處有 nl個(gè)像點(diǎn)，則總的像點(diǎn)數(shù)為 ，令 l灰度級(jí)處的概率 Pl 接近于頻率 ,則 。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? 最大距離法 ? 直方圖分割法中的最大距離法是一種簡(jiǎn)單有效的圖像分割方法。 紅外圖像的目標(biāo)檢測(cè)及跟蹤 ? ② 局部閾值法：設(shè) f (i,j)周圍的 3 3方陣中灰度值為 E=∑ ∑ f (i,j)，經(jīng)過 3x3的高通濾波后，該點(diǎn)灰度值變?yōu)?，則： ?? f ( i, j) E 0f ( i, j)f ( i, j) ( 0 1 ) ( 2 .5 )?0 f ( i, j) E 0? ? ? ???