專利名稱：目標圖像序列度量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種自動目標識別中的圖像度量方法，特別是針對目標圖像序列 的度量方法。屬于自動目標識別領(lǐng)域。
背景技術(shù)：
自動目標識別技術(shù)是當今軍事技術(shù)研究領(lǐng)域的一個前沿課題。在自動目標識別算 法的理論研究方面，基于各種理論的算法層出不窮、日新月異，空頻域濾波、小波變換、模版 匹配、卡爾曼濾波、粒子濾波等理論都已經(jīng)應(yīng)用到算法的設(shè)計中。算法創(chuàng)新上的瓶頸已經(jīng)不 再是缺乏理論的支持或是算法本身如何構(gòu)造，而是如何客觀準確地評價算法性能，從而指 導(dǎo)算法的設(shè)計。在評價自動目標識別算法性能時，許多學者利用圖像庫測試其算法，但卻很 難準確比較這些算法的性能。因為在某個圖像庫上得出的測試結(jié)果不一定在其它圖像庫上 也能得出相同的結(jié)果；而且，由于測試時往往使用的是有限個戰(zhàn)場條件下的圖像，算法的性 能測試也就被限制在少數(shù)戰(zhàn)場條件范圍內(nèi)，無法驗證所有戰(zhàn)場條件下的魯棒性。另外，很多 學者在評價算法時使用自己采集或模擬合成的圖像，利用這些圖像對算法進行評價可靠性 更低。因此，算法性能評價迫切要求對輸入圖像進行準確的定量描述。對國內(nèi)外相關(guān)文獻進行總結(jié)分析后發(fā)現(xiàn)，該領(lǐng)域的研究主要集中在對單幅圖像的 度量，目前為止尚未發(fā)現(xiàn)針對圖像序列特點的圖像度量方法。然而，目標跟蹤作為自動目標 識別的重要組成部分，面對的正是由多幀圖像構(gòu)成的圖像序列，這使得對圖像序列的度量 成為不可忽視的問題。目前應(yīng)用最廣泛的圖像度量方法如目標與背景對比度(TBC)、目標信 噪比(SNR)、信雜比(SCR)等都只是考慮了單幅圖像內(nèi)部的相關(guān)因素，而沒有考慮多幅圖像 之間的相互影響，所以這些指標用于圖像序列的度量是不妥當?shù)?。在檢索中，迄今為止尚未 發(fā)現(xiàn)有關(guān)于包含目標的圖像序列度量方面的報道。所以，設(shè)計一種目標圖像序列度量方法 具有很強的實際意義。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種目標圖像序列度量方法，以實現(xiàn)對序列圖像的定量度 量，該方法突破傳統(tǒng)圖像度量方法只針對單幅圖像的局限性，利用本發(fā)明提出的方法可以 有效的描述目標圖像序列，為目標跟蹤算法評價提供可靠的輸入。本發(fā)明目標圖像序列度量方法，是通過如下步驟來實現(xiàn)步驟1 標定圖像序列中各幀圖像中包含目標的最小矩形人工確定目標在每幀圖像中的坐標位置，并記錄能夠包含目標最小矩形的長和 覓o步驟2 計算圖像序列的目標紋理變化程度計算每幀圖像中包含目標最小矩形內(nèi)圖像的共生矩陣CMy并將每幀圖像的共生 矩陣帶入式(1)，計算得到目標紋理變化程度Ci的值 其中，N為圖像序列中的圖像數(shù)目，共生矩陣的計算方法可由如下例子表述如圖1所示，圖1(a)為3X3像素大小的一幅圖像，灰度值如圖中所示。共生矩陣 為一個NXN的矩陣，N為圖像中可能出現(xiàn)的灰度值的數(shù)目，如對于一幅灰度值范圍為0 255的圖像，N = 256，在該實例中N = 3。共生矩陣的計算中，每個像素對計算該矩陣的貢 獻取決于該像素相鄰像素的灰度分布，以圖1(a)中的中心像素為例，該像素的灰度值為2， 與其相鄰有1個1，3個2，4個3，則該像素對共生矩陣的貢獻如圖1(b)所示。依照上述規(guī) 則，可以得到圖像圖1(a)完備的共生矩陣，如圖1(c)所示。步驟3 計算圖像序列的目標大小變化程度將步驟1記錄得到的每幀圖像中包含目標最小矩形的長h和寬Wi帶入到式(2)， 計算得到目標大小變化程度cs的值 其中，N為圖像序列中的圖像數(shù)目。步驟4 計算圖像序列的目標位置變化程度根據(jù)步驟1記錄得到的每幀圖像中目標的位置以及包含目標最小矩形的長h和 寬Wp計算得到圖像序列中目標從第(i-1)幀到第i幀的位移屯以及第i幀中目標圖像的 各向平均尺寸(目標矩形長和寬的平均值)并將它們帶入到式(3)，計算得到目標位置 變化程度的值cp。
0019 步驟5 計算圖像序列的幀間目標變化程度將步驟2、3、4計算得到的目標紋理變化程度Ci、目標大小變化程度cs以及目標位 置變化程度cp帶入到公式(5)計算得到幀間目標變化程度IFCDT的值。 本發(fā)明的實現(xiàn)方法是步驟1-5，計算得到的幀間目標變化程度IFCDT的值即為本 發(fā)明度量圖像序列的結(jié)果。該方法的創(chuàng)新之處在于，利用目標在幀間的變化信息來定量地 度量圖像序列，該信息中包含的紋理、大小及位置信息。本發(fā)明的優(yōu)點及功效在于該目標圖像序列度量方法實現(xiàn)定量的序列圖像度量， 打破了傳統(tǒng)方法只能對單幅圖像進行度量的局限；同時，該方法包含了目標紋理、大小和位 置的信息，描述的信息全面。


圖1為本發(fā)明中關(guān)于灰度共生矩陣計算的實例。圖2為本發(fā)明實施例中包含20幀圖像的目標圖像序列。具體實施例方式以下通過具體的實施例對本發(fā)明的技術(shù)方案作進一步的詳細描述。本實例中用到的圖像序列為飛機圖像序列，該序列包含20幀圖像，如圖2所示。整個實施例的具體實現(xiàn)過程如下步驟1 標定并記錄圖像序列各幀圖像中目標的位置以及包含目標最小矩形的長 禾口寬。本實施例對圖2中的20幀圖像中目標在圖像中的坐標位置，以及包含目標最小矩 形的長和寬進行了標定和記錄，結(jié)果如表1所示。表120幀圖像中目標坐標位置及包含目標最小矩形的長寬值 步驟2 計算圖像序列的目標紋理變化程度本實施例中根據(jù)步驟1標定的包含目標最小矩形，同時根據(jù)圖1所示的方法計算 得到每幀圖像中包含目標最小矩形內(nèi)圖像的共生矩陣CMp并將每幀圖像的共生矩陣帶入 式⑴，。
(!)在實施例中，N為圖像序列中的圖像數(shù)目20，計算得到目標紋理變化程度Ci的值 為 0.1977。步驟3 計算圖像序列的目標大小變化程度本實施例中根據(jù)步驟1標定的每幀圖像中包含目標最小矩形的長h和寬帶入 到式⑵，在實施例中，N為圖像序列中的圖像數(shù)目20，計算得到目標大小變化程度cs的值 為 0.2226。步驟4 計算圖像序列的目標位置變化程度本實施例中根據(jù)步驟1記錄得到的每幀圖像中目標的位置以及包含目標最小矩 形的長li和寬&，計算得到圖像序列中目標從第(i_l)幀到第i幀的位移屯以及第i幀中 目標圖像的各向平均尺寸(目標矩形長和寬的平均值)A “并將它們帶入到式(3)，計算得
到目標位置變化程度的值cp等于 步驟5 計算圖像序列的幀間目標變化程度本實施例中將步驟2、3、4計算得到的目標紋理變化程度Ci、目標大小變化程度cs 以及目標位置變化程度cp帶入到公式(4)計算幀間目標變化程度IFCDT的值，最終得到幀間目標變化程度的值等于0. 3222。
(4)該實施例中，圖2所示序列的度量結(jié)果為該序列的幀間目標變化程度的值為 0.3222。
權(quán)利要求
一種目標圖像序列度量方法，其特征在于人工標定并記錄下圖像序列各幀圖像中目標的位置，以及包含目標最小矩形的長和寬，利用幀間目標變化程度IFCDT來度量目標圖像序列，幀間目標變化程度的計算式中包含三個變量，分別為目標紋理變化程度ci、目標大小變化程度cs以及目標位置變化程度cp，本發(fā)明建立的幀間目標變化程度計算公式如式(1)所示。
<mrow><mi>IFCDT</mi><mo>=</mo><msqrt> <msup><msub> <mi>c</mi> <mi>i</mi></msub><mn>2</mn> </msup> <mo>+</mo> <msup><msub> <mi>c</mi> <mi>s</mi></msub><mn>2</mn> </msup> <mo>+</mo> <msup><msub> <mi>c</mi> <mi>p</mi></msub><mn>2</mn> </msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>
2.根據(jù)權(quán)利要求1所述目標圖像序列度量方法，其特征在于計算公式中的變量目標 紋理變化程度Ci主要描述了序列圖像中不同幀圖像之間紋理的變化信息，利用式(2)獲 取 其中，CM,為序列第i幀圖像中包含目標最小矩形內(nèi)圖像的共生矩陣，N表示圖像序列 包含的圖像數(shù)目。
3.根據(jù)權(quán)利要求1所述目標圖像序列度量方法，其特征在于計算公式中的變量目標 大小變化程度cs主要描述了序列圖像中不同幀圖像之間所包含目標大小的變化信息，利用 式⑶獲取 其中，N為圖像序列中的圖像數(shù)目，h為權(quán)利要求1中記錄的第i幀圖像中包含目標最 小矩形的長，為權(quán)利要求1中記錄的第i幀圖像中包含目標最小矩形的寬。
4.根據(jù)權(quán)利要求1所述目標圖像序列度量方法，其特征在于計算公式中的變量目標 位置變化程度cp主要描述了序列圖像中不同幀圖像之間所包含目標位置的變化信息，利用 式⑷獲取 其中，屯表示圖像序列中目標從第(i-1)幀到第i幀的位移，該位移的值通過權(quán)利要求 1中記錄的不同幀圖像目標位置相減得到，Ai表示第i幀中目標圖像的各向平均尺寸即目 標矩形長和寬的平均值，N表示圖像序列中圖像的數(shù)目。
全文摘要
本發(fā)明披露了一種用于自動目標識別算法評價的目標圖像序列度量方法，該方法利用幀間目標變化程度來度量目標圖像序列。幀間目標變化程度的計算式中包含三個元素，分別為(1)目標紋理變化程度，主要描述了圖像序列中幀間目標紋理的變化信息，其中紋理信息利用灰度共生矩陣進行描述；(2)目標大小變化程度，主要描述了圖像序列中幀間目標大小的變化信息，其中目標大小信息利用包含目標最小矩形的長和寬表示；(3)目標位置變化程度，主要描述了圖像序列中幀間目標位置變化信息，其中目標位置利用目標在圖像中的坐標來表示。本方法實現(xiàn)了對目標序列圖像的度量，可以為自動目標識別算法評價提供準確可靠的輸入信息。
文檔編號G06T7/00GK101859384SQ201010206259
公開日2010年10月13日 申請日期2010年6月12日 優(yōu)先權(quán)日2010年6月12日
發(fā)明者刁偉鶴, 毛峽 申請人:北京航空航天大學