【正文】 頻和高頻部分進(jìn)行分離，提高信噪比，盡可能抑制原始圖像中的低頻背景雜波干擾；二是可疑目標(biāo)跟蹤，利用相鄰幾幀中目標(biāo)的運(yùn)動(dòng)信息來分割可能目標(biāo)，從背景抑制后的圖像中分割出少量候選目標(biāo)進(jìn)行跟蹤；三是目標(biāo)檢測，利用序列圖像中目標(biāo)運(yùn)動(dòng)的連續(xù)性和軌跡的一致性，進(jìn)一步排除虛假目標(biāo)，從候選目標(biāo)中檢測出真正的目標(biāo)。如果某條軌跡的后驗(yàn)概率大于某一個(gè)門限值，則就可認(rèn)為該軌跡對(duì)應(yīng)于一個(gè)真實(shí)的運(yùn)動(dòng)小目標(biāo)。 紅外圖像的目標(biāo)檢測及跟蹤 ? 基于多級(jí)假設(shè)檢驗(yàn)的 TBD目標(biāo)檢測算法 ? 若將背景像素點(diǎn)看作互不相關(guān)的高斯白噪聲隨機(jī)變量，則圖像序列中的目標(biāo)運(yùn)動(dòng)軌跡可看做是一個(gè)（或數(shù)個(gè)）由數(shù)目龐大的候選軌跡組成的樹形結(jié)構(gòu)中篩選出來。 紅外圖像的目標(biāo)檢測及跟蹤 ? 基于光流的方法 ? 光流法一般假設(shè)： 1) 運(yùn)動(dòng)物體表面平坦，圖像的反射模式除了在有限個(gè)點(diǎn)上不連續(xù)外，圖像的灰度函數(shù)處處平滑； 2) 物體表面入射光均勻； 3) 在小的時(shí)間間隔內(nèi)，運(yùn)動(dòng)物體上某點(diǎn)的亮度不變；4) 物體沒有被遮擋。 Horn 等指出光流計(jì)算存在病態(tài)解問題，必須引入附加條件才能確定光流的唯一解；Bimbo 等提出了兩種計(jì)算光流場的新方法，并和其他光流場計(jì)算方法進(jìn)行了比較。上述問題限制了光流法的理論和算法的應(yīng)用。圖像的值可以采用像素點(diǎn)的灰度值或梯度值。按采用的參考圖像不同，求差法可分為幀差法和背景差法。做差之后會(huì)形成一個(gè)差值圖像，有些是因?yàn)楣庹詹痪鶆蚨纬傻脑肼?，有些是目?biāo)的位置，所以需要對(duì)差值圖像進(jìn)行閾值處理，將噪聲去除掉，挑選出目標(biāo)，也即標(biāo)定目標(biāo)的位置。 紅外圖像的目標(biāo)檢測及跟蹤 ? ② 背景差法：背景相減法的原理是首先提取背景圖像，然后用當(dāng)前圖像與背景圖像作差，即可得到目標(biāo)的大致區(qū)域，然后對(duì)得到的差分結(jié)果圖像進(jìn)行二值化和形態(tài)學(xué)處理。 紅外圖像的目標(biāo)檢測及跟蹤 ? ③ 平均法就是取一定的視頻幀數(shù) N ，將這些視頻圖像進(jìn)行累加，最后用累加的視頻圖像除以 N 取平均即可得到背景圖像。 紅外圖像的目標(biāo)檢測及跟蹤 ? ④ 中值法是對(duì)一段時(shí)間內(nèi)的視頻圖像的各個(gè)像素點(diǎn)進(jìn)行排序，然后選取中值作為該點(diǎn)的背景像素值，中值法需要先存儲(chǔ) n幀圖像，計(jì)算機(jī)內(nèi)存消耗較大。 紅外圖像的目標(biāo)檢測及跟蹤 ? 高斯分布是一種最常見的概率分布模型，自然科學(xué)中很多隨機(jī)變量都服從高斯分布，因此在數(shù)據(jù)量較大的圖像處理領(lǐng)域經(jīng)常用它來描述例如噪聲，像素灰度等變量。高斯背景模型對(duì)每個(gè)背景點(diǎn)上的顏色分布相對(duì)不是很分散的場合即簡單的圖像建模效果較好，而且隨著光照、目標(biāo)的運(yùn)動(dòng)和改變等都將影響目標(biāo)檢測的效果。 紅外圖像的目標(biāo)檢測及跟蹤 ? 混合高斯模型原理及實(shí)現(xiàn)： ? 混合高斯模型就是用多個(gè) (一般為 3到 5個(gè) )高斯概率密度函數(shù) (正態(tài)分布曲線 )精確地量化事物，將一個(gè)事物分解為若干的基于高斯概率密度函數(shù) (正態(tài)分布曲線 )形成的模型。各個(gè)像素點(diǎn)在 t時(shí)刻的概率值為各像素值在每個(gè)高斯分布中產(chǎn)生的概率的加權(quán)和，即 紅外圖像的目標(biāo)檢測及跟蹤 1( ) ( ) ( 。 )K kkkP x w e ig h t k f x u ??? ? ?()weight k K。 )kkf xu ? kuk?( | )PB x( | )PBx11( | ) ( ) ( | )( | )( | ) ( )Kk k kkKkkkP x G P G P B GP B xP x G P G?????其中， 個(gè)高斯分布的權(quán)重， 為所用高斯分布的個(gè)數(shù)， k是均值為 ，標(biāo)準(zhǔn)差為 的高斯概率密度函數(shù)。混合高斯模型在程序中的具體實(shí)現(xiàn)過程如下： ? 由于一幅彩色圖像有三個(gè)通道 R,G,B構(gòu)成，因此，先將每個(gè)通道提取出來，得到由 R,G,B三個(gè)分量各自組成的三幅灰度圖像，然后對(duì)三幅圖像分別用如下方法進(jìn)行更新。通過判斷新一幀圖像的每個(gè)像素點(diǎn)與前一幀圖像每個(gè)像素點(diǎn)的差值是否小于 threshold倍標(biāo)準(zhǔn)差 (其中 threshold為人為設(shè)定的閾值，一般設(shè)定為 )。如果至少有一個(gè)高斯分布符合分布則按照如下方法對(duì)高斯分布進(jìn)行更新： 紅外圖像的目標(biāo)檢測及跟蹤 ? 對(duì)符合的高斯分布按下式更新權(quán)重，均值和方差 ? 權(quán)重更新公式： ? ?( ) 1 ( 1 )w e ight t w e ight t??? ? ? ? ? () t 表示當(dāng)前幀， 1t? 表示前一幀 , ? 表示更新速度； ? ?( ) 1 ( 1 )m e an t m e an t im ag e da ta??? ? ? ? ? ?均值更新公式： () imagedata 表示當(dāng)前幀的像素值； 方差更新公式： ? ? ? ? 222 ()( ) 1 ( 1 ) im a g e d a ta m e a n ttt? ? ? ? ?? ? ? ? ? ?() 紅外圖像的目標(biāo)檢測及跟蹤 ? 對(duì)不符合的高斯分布分布值按下式更新權(quán)重，方差和均值保持不變，僅對(duì)權(quán)重進(jìn)行更新： ? ?( ) 1 ( 1 )we igh t t we igh t t?? ? ? ? () 如果沒有一個(gè)高斯分布符合當(dāng)前像素點(diǎn)，則找出權(quán)重最小的高斯分布， 將該分布的權(quán)重 ()weight t 賦予一個(gè)較小值，均值 ()meant用當(dāng)前像素點(diǎn)的值代替，方差 2()t? 賦予一個(gè)較大值。 ? 背景更新以后根據(jù)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(yùn)動(dòng) 目標(biāo)的圖像。根據(jù)背景更新算法， 如果像素值代表運(yùn)動(dòng)目標(biāo)，那么概率值很小，反之概率值較大。 紅外圖像的目標(biāo)檢測及跟蹤 ? 紅外目標(biāo)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(hào)處理的一種手段，在國內(nèi)外已得到廣泛應(yīng)用。由于目標(biāo)在運(yùn)動(dòng)過程中距攝像機(jī)的距離時(shí)刻變化，目標(biāo)的大小也隨之變化，所以波門的大小必須隨之自適應(yīng)地同步變化，以保證在滿足精度的前提下盡量減少計(jì)算量，同時(shí)增強(qiáng)系統(tǒng)的抗干擾能力。選擇目標(biāo)邊緣點(diǎn) (上、下、左、右 )作為跟蹤點(diǎn)，使波門套住此點(diǎn)，以抑制背景或目標(biāo)的其余部分。這種跟蹤算法適合于大型目標(biāo)的跟蹤。 紅外圖像的目標(biāo)檢測及跟蹤 ? ： ? 邊緣跟蹤經(jīng)過適當(dāng)延伸就成了雙邊緣跟蹤，即目標(biāo)位置為兩個(gè)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(biāo)左、右、上、下各邊緣值。 紅外圖像的目標(biāo)檢測及跟蹤 ? 形心跟蹤算法 ? 形心跟蹤中，目標(biāo)位置的確定可以通過質(zhì)心或強(qiáng)度中心來確定。在跟蹤窗內(nèi)目標(biāo)形心估值： 紅外圖像的目標(biāo)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(biāo)區(qū)域所有像素點(diǎn)集合。如果目標(biāo)輻射空間分布是一個(gè)拋物面，并且如果噪聲是可疊加的白色高斯噪聲，那么，實(shí)際上形心算法是最佳算法。 圖像增強(qiáng)技術(shù) ? 圖像增強(qiáng)理論（方法）目前尚無統(tǒng)一的權(quán)威性的定義，因?yàn)檫€沒有衡量圖像增強(qiáng)質(zhì)量的通用標(biāo)準(zhǔn)?？臻g域處理時(shí)直接面對(duì)圖像灰度級(jí)作計(jì)算；頻率域處理是在圖像的某種變換域內(nèi)，對(duì)圖像的變換系數(shù)值進(jìn)行運(yùn)算，即作某種修正，然后通過逆變換獲得增強(qiáng)圖像，這是一種間接增強(qiáng)的方法。 假設(shè)理想的輸入系統(tǒng)的輸出圖像為 F(j,k)， 實(shí)際獲得的是降質(zhì)圖像圖像為 G(j,k)，有 G(j,k)=E(j,k)*F(j,k)， E(j,k)為降質(zhì)函數(shù)或觀測系統(tǒng)的灰度失真系數(shù) 。 圖像增強(qiáng)技術(shù) ? 灰度變換 ? 也即對(duì)比度增強(qiáng)。這種方法是按一定的規(guī)則修改輸入圖像每一個(gè)像素的灰度，從而改變圖像灰度的動(dòng)態(tài)范圍。 圖像增強(qiáng)技術(shù) ? 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(huì)局限在一個(gè)很小的范圍內(nèi)。用一個(gè)線性單值函數(shù)，對(duì)幀內(nèi)的每一個(gè)像素作線性擴(kuò)展，將有效地改善圖像視覺效果。F’(j,k) 與 F(j,k)之間存在以下關(guān)系： 圖像增強(qiáng)技術(shù) b 39。F 39。 ( F a )ba?? ? ??圖 全域線性變換示意圖 圖像增強(qiáng)技術(shù) 另一種情況，當(dāng)圖像中大部分像素的灰度級(jí)都在 [a,b]內(nèi)，只有少部分在 a,b外，可以采用下式的變換形式。b 39。F 39。 ( F a ) 。?? ??? ? ? ? ??????如圖 。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(qiáng)技術(shù) ? 分段線性變換的優(yōu)點(diǎn)是可以根據(jù)用戶的需要。分段線性變換遵循以下原則： c 39。( F a ) a 39。 a F ( j, k ) ccad 39。F 39。 。 d 39。 。直方圖的橫坐標(biāo)是灰度，一般用 r表示。 k1ir i r ii0r niP ( r ) , P ( r ) 1n灰 度 為 的 像 素 個(gè) 數(shù)一 幀 圖 像 像 素 總 數(shù)??? ? ??圖像增強(qiáng)技術(shù) ? ① 直方圖均衡化 ? 對(duì)應(yīng)離散圖像，第 i個(gè)灰度級(jí) ri出現(xiàn)的頻數(shù)用ni表示，該灰度級(jí)像素對(duì)應(yīng)的概率值 Pr(ri)為： ，至此，可寫出離散圖像的變換函數(shù)表達(dá)式： ， k為一幀圖像對(duì)應(yīng)的灰度級(jí)數(shù)。相應(yīng)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 (r ) n??