[发明专利]弱小目标变动智能图像检测方法及装置

摘要

一种弱小目标变动智能图像检测方法，包括如下步骤：步骤一：前景和背景分割：步骤11：得出该帧图片自适应阈值；步骤12：结合图分割算法对图片进行前景和背景分割，得到理想的二值分割图像；步骤二：运动检测：步骤21：对采集到的图像进行局部归一化处理；步骤22：将二值分割图像进行块匹配运动估计，合并两幅运动检测二值图像得到运动结果图；步骤三：目标定位：针对运动结果图，首先滤除八邻域内少于3个点的运动点；其次再在剩下的目标点的四邻域上扩展出四个点，并得到扩展图；然后提取扩展图中的每一个独立的目标块，把面积大于15的块作为真正的目标块；最后标记检测得到的所有运动目标。本发明还公开了一种弱小目标变动智能图像检测装置。

主权项

1.一种弱小目标变动智能图像检测方法，其特征在于：包括如下步骤：

步骤一：前景和背景分割

步骤11：对采集到的图像利用大津法得出该帧图片自适应阈值；

步骤12：根据所述步骤11得到的自适应阈值，并结合图分割算法对图片进行前景和背景分割，得到理想的二值分割图像；

步骤二：运动检测

步骤21：对采集到的图像进行局部归一化处理，基本消除光线对检测结果的影响；

步骤22：将所述步骤12得到的二值分割图像进行块匹配运动估计，计算图像1到图像2和图像2到图像1的每个运动点的位移，得到两幅运动检测二值图像，合并两幅运动检测二值图像得到运动结果图，以消除镜头微量拉伸和转动引起的误差；

步骤三：目标定位

针对所述步骤22得到的运动结果图，首先滤除八邻域内少于3个点的运动点；其次再在剩下的目标点的四邻域上扩展出四个点，以保证正确运动目标的完整性，并得到扩展图；然后提取扩展图中的每一个独立的目标块，把面积大于15的块作为真正的目标块；最后在原始采集到的图片中标记检测得到的所有运动目标。

2.根据权利要求1所述的弱小目标变动智能图像检测方法，其特征在于：所述步骤11中，采用大津法计算图片自适应阈值的方法如下：

g(t)＝w₀·(u₀‑u)²+w₁·(u₁‑u)²

其中，w₀为基于阈值t得出的前景区域所占整个图片的比例；

u₀为基于阈值t得出的前景区域灰度平均值；

w₁为基于阈值t得出的背景区域所占整个图片的比例；

u₁为基于阈值t得出的背景区域灰度平均值；

t当前图片阈值；

u＝w₀·u₀+w₁·u₁:整个图片的平均值。

3.根据权利要求2所述的弱小目标变动智能图像检测方法，其特征在于：所述步骤12中，采用图分割算法对图片进行前景和背景分割的方法如下：

建立图模型能量函数：E(A)＝λ·R(A)+B(A)

式中，

其中，E(A)是图模型能量函数；

R(A)是节点惩罚项；

B(A)是节点边缘惩罚项；

集合P表示图片所有像素的集合，这些像素点形成图模型的节点元素；

集合N表示某个像素节点的领域；

λ是一个权衡系数，其调节了节点和领域对最终分割效果的影响力；

R_p(A_p)是像素p被判定为前景或者背景时所付出的惩罚；

B_p,q是邻近节点被判定为不同标号时所付出的惩罚；

A是给图像每一个像素赋予的标号集合；

t是大津法得出的自适应阈值；

I_p是p像素的灰度值；

A_p是p像素的标号值(0:海面1:陆地)；

unity_s是像素p灰度大于阈值时被赋予“海面”标号时的惩罚值；

unity_t是像素p灰度小于阈值时被赋予“陆地”标号时的惩罚值；

threval_nb是邻域内像素值是否相同的阈值；

edge_same是领域像素灰度差在threval_nb阈值范围内时，被判定为不同标号时惩罚值；

edge_diff是领域像素灰度差在threval_nb阈值范围外时，被判定为不同标号时惩罚值；

建立图模型能量函数后，利用max‑flow算法对其进行优化求解得到理想的二值分割图像。

4.根据权利要求3所述的弱小目标变动智能图像检测方法，其特征在于：所述步骤21中，对图像进行局部归一化处理的方法如下：

式中，Ω为像素点(x,y)附近的邻域，n为邻域中所有像素点的数目。

5.根据权利要求4所述的弱小目标变动智能图像检测方法，其特征在于：所述领域大小为11×11，且对图像进行归一化处理的次数为三次。

6.根据权利要求4所述的弱小目标变动智能图像检测方法，其特征在于：所述步骤22中，两幅运动检测二值图像分别为：