基于sift流红外弱小目标的检测和跟踪.pdf

Microcomputer Applications Vol. 26, No.1, 2010 开发应用 微型电脑应用 2010 年第 26 卷第 1 期 文章编号：1007-757X(2010)1-0037-04 基于SIFT流红外弱小目标的检测和跟踪 牛志彬，周越 摘 要：相邻帧图像的流场表现了有关目标物体和背景的运动特性。该文通过使用稠密SIFT局部特征描述子描述相邻帧图像 像素，并以流的角度来处理，获得包含目标和背景的混合流场。由于红外弱小目标与其邻域背景具有明显的运动特性差异， 而这必然会表现在求得的小目标和背景的混合流场中。根据该流场的平台- 阶梯特性采用特定算法分割得到弱小目标的具体 位置。实验表明，SIFT流方法克服了经典的使用光流实现弱小目标检测和跟踪的缺点，鲁棒性强，不失为一种新的处理红外 弱小目标的思路。 关键词：红外弱小目标；检测和跟踪；SIFT流；光流；金字塔 中图分类号：TP391.4 文献标志码： A 0 引言 计算此帧图像中每一个像素点的 SIFT 局部特征描述 近年来，在许多领域中都应用到了利用图像和视频对红 子，组成此帧图像的背景特征描述，使得流算法具有了更稳 外弱小运动目标进行的检测和跟踪，如导弹预警及制导、卫 健的背景特征描述，保证了相邻帧图像特征的一致性，克服 星遥感、森林预警、天文观测、生物、医学等，这使得弱小 了传统光流法对目标灰度值不变的高要求，更有效的利用图 目标检测成为当前的一个热门的课题。由于目标距离较远或 像的局部信息并使算法具有更强的鲁棒性。图像稠密 SIFT 者其本身的弱小特性，同时加上复杂背景杂波的强干扰，小 描述子的计算过程分为如下步骤: 目标可能几乎完全淹没在背景杂波及噪声之中。在这种低信 a ）单像素点导数值及导数方向的计算 杂比条件下，要直接检测出目标变得异常困难。但是，由于 对于灰度图上任意点像素，可以按照下式计算其导数值 其在军事等诸多领域应用中的关键性作用，弱小目标检测与 m 和导数方向θ 。 跟踪这一问题的研究有着重要的意义。 m(x, y) dx2 =+ dy2 (1) 图像中的局部描述子一直是计算机视觉领域的关键问 − 1 dy [1] θ (x , y ) tan (2) 题之一。由David Lowe等人与1999年提出 并与2004年进行 dx [2] 其中，dx, dy分别为x ，y 方向导数，可以通过梯度算子 [-1 完善的SIFT局部特征描述子 ，具有一定的尺度、旋转、仿 射变换不变性等特性，基于SIFT的方法对克服图像中特征的 1], [-1 1] T计算得到，也可通过其他边缘检测算子(如 视角变化、仿射变换等问题具有一定程度的稳健性。SIFT Sobel算子)计算得到。 局部特征描述子一经提出就被广泛的应用于物体识别、机器 b ）点像素领域的直方图特征 人定位和构建地图、全景拼接，三维场景建模、识别和跟踪， SIFT 描述子是对点像素及其领域信息的描述。对于任 人体行为识别等广泛领域，并出现了一系列基于SIFT的相关 意点像素，取其周围 n×n 像素为局部区域。对局部区域内每 算法如：为了克服物体仿射形变所提出的ASIFT ，为了加快 一点，计算其导数值m(x, y) 和导数方向θ (x , y ) 。将n×n 的局 SIFT特征匹配运算所提出的PCA-SIFT等等。 部区域均分成 m×m 个区块，每个区块内部分别计算加权导 [3]