一种大气扰动信号高精度检测方法与流程

1.本发明涉及一种大气扰动信号高精度检测方法，属于数字图像处理领域，可应用于目标探测识别领域。


背景技术：

2.目前，针对目标大气扰动信号检出领域所应用的技术方法主要为纹影技术，使用的目标检出算法主要分为两种，一种为光流算法，一种为互相关算法。光流算法通过计算帧图像之间光流信息检出目标大气扰动信号；互相关算法基本实现方式是获取图像的离散的二维互相关函数，对连续帧图像进行二维互相关分析，从而实现图像匹配，获取目标大气扰动信号。上述两种方法在实际应用中存在一定的缺陷，光流法依靠三个基本前提假设，故对于复杂实际应用条件下目标大气扰动检出信息准确性受限，尤其是在远距离成像条件下，光照不均匀，成像噪声较大时，检出效果不理想；互相关法同样面对此问题，在远距离成像条件下，成像影响因素复杂，利用互相关法检测准确率受限，同时，互相关算法运算速率较低，较难满足对于目标检测的实时性要求。


技术实现要素：

3.本发明的技术解决问题是：克服现有技术的不足，提供一种大气扰动信号高精度检测方法，解决远距离探测时目标大气扰动信息检出精度低的问题，运算效率较高，可以满足目标检测的实时性要求。
4.本发明的技术解决方案是：
5.一种大气扰动信号高精度检测方法，包括如下步骤：
6.s1、对连续多帧运动目标大气扰动图像进行滤波与配准处理；
7.s2、对滤波与配准处理后的连续多帧运动目标大气扰动图像，进行多帧差分计算，获得多帧差分后的运动目标大气扰动图像；
8.s3、利用混合高斯模型，求取滤波与配准处理后的运动目标大气扰动图像的前景图像；
9.s4、采用光流法，求取滤波与配准处理后的运动目标大气扰动图像中目标大气扰动信号的光流图像；
10.s5、对步骤s2、步骤s4中获取的图像进行滤波和形态学处理；
11.s6、对步骤s3中获取的大气扰动图像中的前景图像以及步骤s5滤波和形态学处理后的图像进行耦合，获取帧间高精度的目标大气扰动情况。
12.优选的，所述连续多帧运动目标大气扰动图像是采用高帧频探测器对运动目标进行高速成像获取的连续多帧图像，其中包含着目标运动形成的大气扰动信息，所述高帧频探测器是指帧频大于300帧以上的探测器。
13.优选的，对连续多帧运动目标大气扰动图像进行滤波处理是为了消除噪声，滤波处理的途径包括但不限于中值滤波、高斯滤波或均值滤波；图像配准实现途径包括但不限
于基于模型的图像配准方法、基于特征的图像配准方法。
14.优选的，所述步骤s2中，多帧差分后得到的第i帧运动目标大气扰动图像 di(x,y)满足：
15.di(x,y)＝d
i,i+1
(x,y)∩d
i+1,i+2
(x,y)
[0016][0017]fi
′
(x,y)表示滤波与配准处理后的第i帧运动目标大气扰动图像于像素点 (x,y)处的像素值，f
i+1
′
(x,y)表示滤波与配准处理后的第i+1帧运动目标大气扰动图像于像素点(x,y)处的像素值，z为固定的二值化阈值，δ
zi
为滤波与配准处理后的第i帧运动目标大气扰动图像的动态阈值。
[0018]
优选的，
[0019][0020]
λ为抑制系数，m表示每帧运动目标大气扰动图像像素总行数，n表示每帧运动目标大气扰动图像像素总列数；ii(x,y)表示滤波与配准处理后的第i帧运动目标大气扰动图像中像素点(x,y)处的灰度值。
[0021]
优选的，所述步骤s3的实现方式如下：
[0022]
滤波与配准处理后的第i帧运动目标大气扰动图像第s个像素的概率密度公式p(x
i,s
)表示为
[0023][0024]
式中：x
i,s
表示滤波与配准处理后的第i帧运动目标大气扰动图像第s个像素，k为高斯分布的数量，ω
i,k,s
表示滤波与配准处理后的第i帧运动目标大气扰动图像第s个像素中第k个高斯分布函数的权值；μ
i,k,s
表示滤波与配准处理后的第i帧运动目标大气扰动图像第s个像素中第k个高斯分布函数的均值；∑
i,k,s
表示滤波与配准处理后的第i帧运动目标大气扰动图像第s个像素中第k个高斯分布函数的协方差矩阵，η(x
i,s
,μ
i,k,s
,∑
i,k,s
)表示滤波与配准处理后的第i帧运动目标大气扰动图像第s个像素中第k个高斯分布；
[0025]
其中权值ω
i,k,s
满足下式：
[0026]
ω
i,k,s
≥0
[0027][0028]
对于每帧运动目标大气扰动图像，每个像素均对应k个权值，将k遍历1 —k，计算k的每一个取值下的ω
i,k,s
/σ
i,k,s
，并将结果从大到小排列，取前b个结果对应的k值的高斯分布生成背景图像，其中σ
i,k,s
表示第i帧运动目标大气扰动图像第s个像素中第k个高斯分布的标准差；
[0029]
b取值满足：
[0030]
[0031]
式中，t为门限参数，argminb表示当满足括号内条件时b的最小取值；
[0032]
若滤波与配准处理后的第i帧运动目标大气扰动图像中某像素点与其第k
′
个高斯分布匹配成功，k
′
≤b，则认定该像素点为背景，否则认定该像素点是前景目标；
[0033]
滤波与配准处理后的第i帧运动目标大气扰动图像的前景图像mi(x,y)表达式如下：
[0034][0035]
优选的，若满足|x
i,s-μ
i,k
′
,s
|＜λ
′
σ
i,k
′
,s
，其中k
′
≤b，λ
′
表示前景阈值，则认为滤波与配准处理后的第i帧运动目标大气扰动图像中第s个像素点与其第k
′
个高斯分布匹配成功，且该像素点为前景点。
[0036]
优选的，滤波与配准处理后的第i帧目标大气扰动图像的光流图像gi(x,y)求取方式具体如下：
[0037][0038]
ui为滤波与配准处理后的第i帧目标大气扰动图像的像素点(x,y)水平方向的光流，vi为滤波与配准处理后的第i帧目标大气扰动图像的像素点(x,y)垂直方向的光流，t
′
为判断是否存在目标扰动的阈值。
[0039]
优选的，所述步骤s6中，耦合后第i帧目标大气扰动图像si(x,y)满足：
[0040]
si(x,y)＝mi(x,y)∩di′
(x,y)∩gi′
(x,y)，
[0041]
mi(x,y)为滤波与配准处理后的第i帧运动目标大气扰动图像的前景图像 mi(x,y)，di′
(x,y)为多帧差分后得到的第i帧运动目标大气扰动图像经步骤s5滤波和形态学处理后的图像，gi′
(x,y)为滤波与配准处理后的第i帧目标大气扰动图像的光流图像经步骤s5滤波和形态学处理后的图像。
[0042]
优选的，所述步骤s6中，耦合后第i帧目标大气扰动图像si(x,y)满足：
[0043][0044]
式中，t(x,y)为形态学运算的输入模板，mi(x,y)为滤波与配准处理后的第i 帧运动目标大气扰动图像的前景图像mi(x,y)，di′
(x,y)为多帧差分后得到的第i帧运动目标大气扰动图像经步骤s5滤波和形态学处理后的图像，gi′
(x,y)为滤波与配准处理后的第i帧目标大气扰动图像的光流图像经步骤s5滤波和形态学处理后的图像。
[0045]
本发明与现有技术相比的优点在于：
[0046]
(1)本发明采用多帧差分、混合高斯模型、光流法等多种运动目标检测方法原理耦合的方式实现一种可以对目标大气扰动信号进行高精度检出的算法，耦合各类算法优势，可以实现在低像质、低信噪条件下对目标大气扰动图像中大气扰动信号高精度检出。较互相关方法运算效率高，硬件化后可进一步提高运算效率，可满足目标检测实时性需求。
[0047]
(2)本发明考虑实际应用中远距离运动目标大气扰动探测问题，提出大气扰动信号高精度检出方法，有望解决基于大气扰动的目标探测技术于地基、空基、天基平台的应用中的探测效能问题，拓展该技术的应用范围。
附图说明
[0048]
图1是本发明大气扰动信号高精度检出方法的实现流程图。
[0049]
图2是本发明大气扰动信号高精度检出方法构建原理示意图。
具体实施方式
[0050]
以下结合附图，详细描述本发明的实施例。
[0051]
大气扰动信号高精度检出方法是以实现低像质、低信噪比目标大气扰动图像中大气扰动信号高精度检出为目标，构建检出算法模型。利用多帧差分、混合高斯模型、光流法等运动目标检测理论，分析各方法的优劣势，将各方法进行相互耦合互补，最终实现高精度大气扰动信号检出。
[0052]
如图1和图2所示，本发明步骤如下：
[0053]
s1、对连续多帧运动目标大气扰动图像进行滤波与配准处理；
[0054]
s2、对滤波与配准处理后的连续多帧运动目标大气扰动图像，进行多帧差分计算，获得多帧差分后的运动目标大气扰动图像；
[0055]
s3、利用混合高斯模型，求取滤波与配准处理后的运动目标大气扰动图像的前景图像；
[0056]
s4、采用光流法，求取滤波与配准处理后的运动目标大气扰动图像中目标大气扰动信号的光流图像；
[0057]
s5、对步骤s2、步骤s4中获取的图像进行滤波和形态学处理；
[0058]
s6、对步骤s3中获取的大气扰动图像中的前景图像以及步骤s5滤波和形态学处理的图像进行耦合，获取帧间高精度的目标大气扰动情况。
[0059]
主要实现如下：
[0060]
(1)多帧差分：
[0061]
多帧差分计算中多帧一般指二至五帧，即二至五帧差分计算，主要包括对滤波与配准处理后的连续多帧运动目标大气扰动图像进行两两差分处理，得到差分后的图像，根据动态阈值，将它们分割变成二值化图像，多帧差分后得到的第i帧运动目标大气扰动图像di(x,y)满足：
[0062]di
(x,y)＝d
i,i+1
(x,y)∩d
i+1,i+2
(x,y)
[0063][0064][0065]fi
′
(x,y)表示滤波与配准处理后的第i帧运动目标大气扰动图像于(x,y)处的像素值，f
i+1
′
(x,y)表示滤波与配准处理后的第i+1帧运动目标大气扰动图像于 (x,y)处的像素值，z为固定的二值化阈值，δ
zi
为第i帧运动目标大气扰动图像的动态阈值。λ为抑制系数，m表示每帧运动目标大气扰动图像行像素总个数， n表示每帧运动目标大气扰动图像列像素总个数；ii(x,y)表示滤波与配准处理后的第i帧运动目标大气扰动图像中像素点(x,y)处的灰度值。
[0066]
d1(x,y),d2(x,y)
……
进行逐位与运算得到运动目标的轮廓，从而确定图像中的前景区域。
[0067]
其中δ
zi
均为动态阈值，反应了图像序列中光照情况，m
×
n表示每幅图像的大小，其数值等于检测区域的像素个数，由本方法获取的结果di(x,y)即为采用多帧关联方法获取的目标大气扰动信号图像。
[0068]
(2)混合高斯模型：
[0069]
假设目标大气扰动图像可以由一个函数分布产生，这个函数分布是由有限个高斯分布合成，由此对图像中的每个像素建立k个高斯分布以对像素聚类，可以将图像中每个像素由概率密度公式表示：
[0070][0071]
式中：x
i,s
表示第i帧目标大气扰动图像第s个像素，k为高斯分布的数量，ω
i,k,t
表示第i帧目标大气扰动图像第s个像素中第k个高斯分布函数的权值；μ
i,k,t
表示第i帧图像第s个像素中第k个高斯分布函数的均值；协方差矩阵布函数的均值；协方差矩阵为第i帧图像第s个像素中第k个高斯分布函数的方差；i为单位矩阵；η(x
i,s
,μ
i,k,s
,∑
i,k,s
)为第i帧图像第s个像素中第k个高斯概率分布。
[0072]
其中权值ω
i,k,s
的关系满足下式：
[0073]
ω
i,k,s
≥0
[0074][0075]
高斯分布η(x
i,s
,μ
i,k,s
,∑
i,k,s
)概率密度如下式：
[0076][0077]
式中，n为数据维度，对于i+1帧运动目标大气扰动图像，用高斯模型中的 k个高斯函数与新图像的像素进行分析匹配，匹配后确定每个高斯分布对应的权值ω
i,k,s
，并计算ω
i,k,s
/σ
i,k,s
，将ω
i,k,s
/σ
i,k,s
从大到小排列，σ
i,k,s
为第i帧图像第s个像素中第k个高斯分布函数的标准差。取比值大的前b个高斯分布用来生成背景，即认为比值大的前b个高斯分布构成的图像为背景图像。
[0078]
b取值的具体方法如下：
[0079][0080]
式中，t为根据实际情况采用的阈值，即门限参数，argminb表示当满足括号内条件时b的最小取值。
[0081]
若fi′
(x,y)中某像素点与其背景模型中的第k
′
(k
′
≤b)个高斯分布匹配成功，则认定该点为背景，否则认定是前景目标。判断是否匹配的表达式如下：
[0082]
|x
i,s-μ
i,k
′
,s
|＜λ
′
σ
i,k
′
,s
[0083]
表达式中λ是前景阈值，通常依经验选取。
[0084]
根据上述方法，提取图像中的前景像素，即可求取第i帧大气扰动图像中的前景图像mi(x,y)。mi(x,y)求取的表达式如下。
[0085][0086]
(3)光流法
[0087]
首先提出三项假设：
[0088]
1)亮度恒定，即图像中同一点随着时间的变化，其亮度不变；
[0089]
2)小运动，即随着时间的变化不会引起位置的剧烈变化；
[0090]
3)空间一致，即场景中邻近点投影到图像上相邻位置不变且邻近点速度一致。
[0091]
根据上述条件，假设fi′
(x,y)，f
i+1
′
(x,y)分别表示相邻帧灰度图像，帧间间隔为dt，则：
[0092]fi+1
′
(x,y)＝fi′
(x+dx,y+dy)
[0093]
若f1′
(x,y)的拍摄时间为t，则认为f2′
(x,y)的拍摄时间为t+dt，则：
[0094]ii
(x,y,t)＝ii(x+dx,y+dy,t+dt)
[0095]
式中ii(x,y,t)与ii(x+dx,y+dy,t+dt)分别为表示fi′
(x,y)和f
i+1
′
(x,y)中像素点的灰度值。当dt接近于0时，基于亮度恒定假设，即展开可得式：
[0096][0097]
令设u和v分别为点(x,y)水平方向的光流和垂直方向的光流，令u＝dx/dt，u＝dy/dt，针对第i帧与第i+1帧图像则上式可写成：
[0098]iix
·
ui+i
iy
·
vi+i
it
＝0
[0099]
基于空间一致的前提假设，像素点与邻域内的像素点运动相同，为求解图像中某像素点的光流信息，可在目标像素周围确定一邻域，建立约束方程，联立并求解光流ui和vi，如下。
[0100][0101]
式中，i
ix1
...i
ixn
、i
iy1
...i
iyn
、i
it1
...i
itn
为邻域内像素点1
…
n沿x、y、t三个方向的梯度值，通常邻域大小通常依靠经验选取。通过对第i帧图像各个像素光流值 ui和vi的求取，由于u＝dx/dt，u＝dy/dt，故光流值为矢量形式，为了后续处理方便，每个像素点的光流进行标量化处理，并设置一阈值t
′
，标量化后的光流值大于阈值t
′
认为存在目标扰动，否则认为不存在目标扰动，阈值t
′
一般依经验求取。
[0102]
通过上述，即可获取第i帧目标大气扰动信号的光流图像gi(x,y)，求取方式具体如下。
[0103]
[0104]
ui为滤波与配准处理后的第i帧目标大气扰动图像的像素点(x,y)水平方向的光流，vi为滤波与配准处理后的第i帧目标大气扰动图像的像素点(x,y)垂直方向的光流，t
′
为判断是否存在目标扰动的阈值。大于阈值t
′
认为存在目标扰动，否则认为不存在目标扰动。
[0105]
(4)多图像耦合
[0106]
多图像耦合即为对大气扰动图像中的前景图像以及对步骤s2、步骤s5中获取的图像进行滤波和形态学处理得到d
′
(x,y)、g
′
(x,y)，进行逻辑运算或形态学运算等运算方式，获取高精度的目标大气扰动情况s(x,y)，具体实现方式如下：
[0107]
逻辑运算：
[0108]
si(x,y)＝mi(x,y)∩di′
(x,y)∩gi′
(x,y)
[0109]
形态学运算：
[0110]
设形态学运算的输入模板为t(x,y)，则si(x,y)求取方式为
[0111][0112]
耦合方式有多种，本发明中仅列举两种进行说明。
[0113]
针对上述问题，本发明提出一种大气扰动信号高精度检测方法，该方法可以实现对于运动目标大气扰动信号高精度检出，解决现有方法针对远距离探测条件下目标大气扰动信号较弱，成像图像噪声较多，像质较差情况下大气扰动信号检出困难，检出精度较低，运算速率较低等问题。本发明利用光流法、多帧差分法、混合高斯模型等方法，融合各个方法的优点，消弭其不足，可以有效消除成像图像中噪声，高精度检出目标大气扰动信号，同时具有较好的运算速率，可以较好的满足目标大气扰动探测需求。
[0114]
由于在进行运动目标大气扰动探测时，其应用场景多为远距离探测，成像质量以及信噪比等条件难以保障，利用大气扰动信号高精度检出方法可实现低信噪比大气扰动图像的高精度扰动检出，有效解决远距离、成像条件较差、成像像质较低、大气扰动信号弱、信噪比低等情况下高精度大气扰动检出的问题，对于远距离运动目标大气扰动探测具有重要意义，将有可能影响在目标探测技术领域中开拓出一条新的技术途径。
[0115]
本发明大气扰动信号高精度检出方法将有效提高基于大气扰动的目标探测技术于地基、空基平台中的应用效能。基于大气扰动的目标探测技术利用目标飞行产生的大气扰动对空中目标进行探测，属于新型技术体制，可以有效探测目前各类空中目标，不受其红外、雷达等特性影响。目前该项技术面临的主要问题在于大气环境对于运动目标大气扰动信号的获取影响较大，远距离探测条件下获取的目标大气扰动图像像质较差、大气扰动信号较弱、信噪比较低，此种情况下目标大气扰动信号检出准确度较差，进而导致探测效能难以保证。本发明提出大气扰动信号高精度检出方法，充分利用多种运动目标检测方法的优势，进行算法耦合，弥补不同检测方法的局限性，实现大气扰动信号高精度检出方法，可以对低像质、低信噪比目标大气扰动图像中大气扰动信号进行高精度检出，增强该技术对大气环境的适应能力，拓展其应用范围，解决基于大气扰动的目标探测技术的实际应用问题。
[0116]
本发明采用多种运动目标检测方法相耦合的方式增强大气扰动信号的检出准确性，实现目标大气扰动信号高精度检出，解决远距离探测时目标大气扰动信息检出精度低的问题；该模型可应用于地基、空基、天基平台基于大气扰动的目标探测领域，于远距离目
标大气扰动探测时进行信噪消除以及大气扰动信号提取，提高目标探测效能。
[0117]
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。