一種紅外序列圖像的可跟蹤性判別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種紅外序列圖像的可跟蹤性判別方法，屬于紅外目標(biāo)探測(cè)識(shí)別領(lǐng) 域。
【背景技術(shù)】
[0002] 可跟蹤性分析是為跟蹤算法服務(wù)的，用來(lái)判斷目標(biāo)區(qū)域是否適用于某種跟蹤算 法。不同的跟蹤算法在計(jì)算量、跟蹤精度等性能指標(biāo)上有很大的差異，同時(shí)，由于在成像跟 蹤系統(tǒng)中的目標(biāo)尺寸、形狀、灰度及其分布、圖像的分辨率等都可因?yàn)榄h(huán)境條件的不同而有 較大的差異，因此當(dāng)選擇的跟蹤算法不合適時(shí)，跟蹤結(jié)果往往效果很差。同時(shí)較差的環(huán)境條 件和相機(jī)抖動(dòng)等因素造成成像質(zhì)量較差，進(jìn)而影響跟蹤性能的情況也屢見(jiàn)不鮮。
[0003] 為了提高序列圖像的跟蹤性能，文獻(xiàn)《從移動(dòng)背景紅外序列圖像中檢測(cè)運(yùn)動(dòng)目標(biāo)》 (曹炬等，電子與信息學(xué)報(bào)，2005年01期）論述了使用Ξ對(duì)圖像進(jìn)行差分，每對(duì)圖像之間相 差兩帖，差分獲得跟蹤目標(biāo)的方法。文獻(xiàn)《紅外圖像序列的目標(biāo)增強(qiáng)和檢測(cè)》（張風(fēng)超等，紅 外與激光工程，2004年04期）論述了利用紅外圖像目標(biāo)和背景區(qū)域局部紋理特征的差異來(lái) 增強(qiáng)目標(biāo)和背景區(qū)域的對(duì)比度。文獻(xiàn)《基于獨(dú)立成分分析的遙感影像可匹配性度量》（巨西 諾等，光子學(xué)報(bào)，2014年07期）論述了使用尺度不同的基準(zhǔn)圖和實(shí)時(shí)影像度量遙感影像的 可匹配性問(wèn)題。文獻(xiàn)《基于特征匹配的影像可匹配性研究》（安如等，紅外與激光工程，2005 年04期）論述了使用信息賭和累加梯度值度量影響可匹配性問(wèn)題。專(zhuān)利《紅外圖像序列 中弱小目標(biāo)的檢測(cè)和跟蹤方法》（敬忠良等）公開(kāi)了一種紅外圖像序列中弱小目標(biāo)的檢測(cè) 和跟蹤方法。專(zhuān)利《一種實(shí)時(shí)紅外圖像目標(biāo)跟蹤方法》（孫寧等）公開(kāi)了一種實(shí)時(shí)紅外圖像 目標(biāo)跟蹤方法，根據(jù)相關(guān)性分析，對(duì)紅外圖像目標(biāo)進(jìn)行實(shí)時(shí)跟蹤。專(zhuān)利《一種復(fù)雜背景下紅 夕F弱小目標(biāo)檢測(cè)和跟蹤方法》（李映等）公開(kāi)了一種復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)與跟蹤 方法，使用多特征跟蹤解決復(fù)雜背景條件下的跟蹤不穩(wěn)定問(wèn)題。專(zhuān)利《基于多特征圖像和 均值漂移的紅外目標(biāo)跟蹤方法》（楊杰等）公開(kāi)了一種基于多特征圖像和均值漂移的紅外 目標(biāo)跟蹤方法，主要是通過(guò)提取多種特征對(duì)目標(biāo)進(jìn)行跟蹤。文獻(xiàn)《Match油ility-oriented feature selection for recognition structure learning》（比Yamakawa，Proceedings of the 13th International Conference on Pattern Recognition，1996)定義目標(biāo)可匹 配性是針對(duì)匹配選取特征，并提出了可匹配性特征提取方法。
[0004] W上文獻(xiàn)使用多種角度來(lái)提高跟蹤性能，然而，國(guó)內(nèi)外已公開(kāi)發(fā)表的非專(zhuān)利文獻(xiàn) 和專(zhuān)利文獻(xiàn)中，均未發(fā)現(xiàn)有從紅外圖像的角度計(jì)算紅外序列圖像可跟蹤性置信度，進(jìn)而為 紅外序列圖像預(yù)處理和紅外序列圖像跟蹤算法選擇提供依據(jù)的方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明解決的技術(shù)問(wèn)題是：較差的環(huán)境條件和相機(jī)抖動(dòng)等因素造成紅外序列圖像 的成像質(zhì)量較差，進(jìn)而影響跟蹤性能的情況屢見(jiàn)不鮮。同時(shí)，紅外成像跟蹤系統(tǒng)中的目標(biāo)尺 寸、形狀、灰度及其分布、圖像的分辨率等都可因?yàn)榄h(huán)境條件的不同而有較大的差異，從而 造成同一組紅外序列圖像使用不同的跟蹤算法在計(jì)算量、跟蹤精度等性能指標(biāo)上有很大的 差異。為了判別紅外序列圖像的成像質(zhì)量對(duì)跟蹤性能的影響，解決判別紅外圖像是否需要 預(yù)處理的問(wèn)題；同時(shí)為了針對(duì)紅外序列圖像選擇合適的跟蹤算法，解決跟蹤算法選擇問(wèn)題， 本發(fā)明提出了紅外序列圖像的目標(biāo)可跟蹤性判別方法。
[0006] 本發(fā)明的技術(shù)方案是：一種紅外序列圖像的可跟蹤性判別方法，包括單帖圖像 特征提取模塊、單帖圖像可檢測(cè)性分析模塊、序列圖像可跟蹤性分析模塊和置信度判別模 塊；
[0007] 單帖圖像特征提取模塊：對(duì)待跟蹤視頻中的每幅圖像提取特征，包括圖像質(zhì)量特 征提取模塊、目標(biāo)特征提取模塊、背景特征提取模塊；
[0008] 單帖圖像可檢測(cè)性分析模塊：根據(jù)單帖圖像特征提取模塊提取到的單帖圖像特 征，使用基于隨機(jī)森林的分類(lèi)器對(duì)圖像特征進(jìn)行分類(lèi)，根據(jù)分類(lèi)結(jié)果獲得單帖圖像可檢測(cè) 置信度；
[0009] 序列圖像可跟蹤性分析模塊：提取序列圖像相鄰帖之間的圖像賭、目標(biāo)特征W及 目標(biāo)和背景的差異特征，獲得紅外序列圖像可跟蹤置信度；或根據(jù)單帖圖像可檢測(cè)置信度 的輸出結(jié)果，獲得紅外序列圖像可跟蹤性的置信度；
[0010] 置信度判別模塊：對(duì)得到的紅外序列圖像可跟蹤性的置信度進(jìn)行判斷，大于50% 表示可對(duì)紅外序列圖像進(jìn)行跟蹤，小于等于50 %表示不可對(duì)紅外序列圖像進(jìn)行跟蹤。
[0011] 所述的圖像質(zhì)量特征提取模塊計(jì)算獲得有參照?qǐng)D像質(zhì)量特征和無(wú)參照?qǐng)D像質(zhì)量 特征，其中有參照?qǐng)D像質(zhì)量特征包括歸一化均方差、信噪比、平均絕對(duì)誤差、均方誤差、峰值 信噪比；無(wú)參照?qǐng)D像質(zhì)量特征包括視在對(duì)比度、固有對(duì)比度和調(diào)制對(duì)比度，圖像功率譜峰 值、次峰值，基于Sobel算子、Laplace算子和Robert算子清晰度；
[0012] 目標(biāo)特征提取模塊：計(jì)算獲得紋理特征、亮度特征、梯度特征；其中紋理特征包括 目標(biāo)區(qū)域角二階矩差值、灰度自相關(guān)差值、反差分矩陣差值；亮度特征包括目標(biāo)區(qū)域平均亮 度，目標(biāo)區(qū)域亮度均勻性；梯度特征包括目標(biāo)區(qū)域一階梯度直方圖賭值、一階梯度方向直方 圖賭值、二階梯度直方圖賭值、二階梯度方向直方圖賭值；
[0013] 背景特征提取模塊：計(jì)算獲得紋理特征、亮度特征、梯度特征；其中紋理特征包括 背景區(qū)域角二階矩差值、灰度自相關(guān)差值、反差分矩陣差值；亮度特征包括背景區(qū)域平均亮 度，背景區(qū)域亮度均勻性；梯度特征包括背景區(qū)域一階梯度直方圖賭值、一階梯度方向直方 圖賭值、二階梯度直方圖賭值、二階梯度方向直方圖賭值。
[0014] 所述單帖圖像可檢測(cè)性分析模塊包括算法庫(kù)制備單元、樣本庫(kù)制備單元、分類(lèi)器 更新單元；
[0015] 算法庫(kù)制備單元：算法庫(kù)獲得現(xiàn)有典型單帖紅外目標(biāo)檢測(cè)算法的可執(zhí)行程序，并 將典型單帖紅外目標(biāo)檢測(cè)算法按照特征類(lèi)型分為=類(lèi)，即基于亮度特征的紅外目標(biāo)檢測(cè)算 法，基于紋理特征的紅外目標(biāo)檢測(cè)算法、基于梯度特征的紅外目標(biāo)檢測(cè)算法；
[0016] 樣本庫(kù)制備單元：獲取圖像質(zhì)量不同的紅外目標(biāo)圖像和加噪紅外目標(biāo)圖像，建立 樣本庫(kù)，同時(shí)按照不同的單帖紅外目標(biāo)檢測(cè)算法對(duì)樣本庫(kù)中的圖像進(jìn)行檢測(cè)，獲得對(duì)應(yīng)每 個(gè)算法的正樣本和負(fù)樣本，其中正樣本表示能檢測(cè)到目標(biāo)的圖像，負(fù)樣本表示檢測(cè)錯(cuò)誤或 者無(wú)法檢測(cè)的圖像；對(duì)于某類(lèi)算法中任一算法都可W檢測(cè)到的正樣本作為該類(lèi)算法的普遍 正樣本，其余作為普遍負(fù)樣本，建立對(duì)應(yīng)不同類(lèi)別的普遍樣本庫(kù)；普遍樣本庫(kù)分為：亮度特 征普遍樣本庫(kù)、梯度特征普遍樣本庫(kù)、紋理特征普遍樣本庫(kù)；對(duì)所有普遍樣本庫(kù)中的正樣本 取交集，獲得通用樣本庫(kù)正樣本，其余為通用樣本庫(kù)負(fù)樣本；
[0017] 分類(lèi)器更新單元：接受樣本庫(kù)輸出的正負(fù)樣本，獲取正負(fù)樣本特征，采用隨機(jī)森林 分類(lèi)算法對(duì)正負(fù)樣本進(jìn)行訓(xùn)練并更新隨機(jī)森林分類(lèi)器，將分類(lèi)器更新信息輸出給目標(biāo)特征 可檢測(cè)性模塊，將使用分類(lèi)器分類(lèi)結(jié)果獲得的目標(biāo)特征可檢測(cè)性置信度輸出給紅外序列圖 像可跟蹤性置信度計(jì)算模塊；接受普遍樣本庫(kù)輸出的正負(fù)普遍樣本，獲取正負(fù)普遍樣本特 征，采用隨機(jī)森林分類(lèi)算法對(duì)正負(fù)普遍樣本進(jìn)行訓(xùn)練并更新隨機(jī)森林分類(lèi)器，將分類(lèi)器更 新信息輸出給目標(biāo)特征可檢測(cè)性模塊，將使用分類(lèi)器分類(lèi)結(jié)果獲得的目標(biāo)特征可檢測(cè)性置 信度輸出給紅外序列圖像可跟蹤性置信度計(jì)算模塊；接受通用樣本庫(kù)輸出的正負(fù)通用樣 本，獲取正負(fù)通用樣本特征，采用隨機(jī)森林分類(lèi)算法對(duì)正負(fù)通用樣本進(jìn)行訓(xùn)練并更新隨機(jī) 森林分類(lèi)器，將分類(lèi)器更新信息輸出給目標(biāo)特征可檢測(cè)性模塊，將使用分類(lèi)器分類(lèi)結(jié)果獲 得的目標(biāo)特征可檢測(cè)性置信度輸出給紅外序列圖像可跟蹤性置信度計(jì)算模塊。
[001引所述序列圖像可跟蹤性分析模塊，根據(jù)T抓跟蹤算法中使用的檢測(cè)算法，調(diào)用對(duì) 應(yīng)檢測(cè)算法樣本庫(kù)，將序列圖像中的每帖圖像輸入到單帖圖像可檢測(cè)性分析模塊的分類(lèi)器 中，獲得該序列圖像中的正樣本個(gè)數(shù)和負(fù)樣本個(gè)數(shù)，獲得對(duì)應(yīng)T抓跟蹤算法的可跟蹤置信 度；根據(jù)T抓跟蹤算法中使用的目標(biāo)特征類(lèi)型，調(diào)用對(duì)應(yīng)目標(biāo)特征普遍樣本庫(kù)，將序列圖像 中的每帖圖像輸入到單帖圖像可檢測(cè)性分析模塊的分類(lèi)器中，獲得該序列圖像中的正樣本 個(gè)數(shù)和負(fù)樣本個(gè)數(shù)，獲得對(duì)應(yīng)目標(biāo)特征的可跟蹤置信度；調(diào)用通用樣本庫(kù)，將序列圖