基于Sobel算子的红外运动目标检测算法.docVIP

基于Sobel算子的红外运动目标检测算法 　　摘 要：当前我国红外图像的处理办法是从20世纪80年代开始发展起来的，红外图像的检测算法有很多，都是依据其自身的特点而定的，对红外图像处理内容与平时可见光的处理方式是有所不同的，红外图像主要是对于变形的图像进行处理矫正，根据函数的不同进行改变，对于直流方向的校正，以及改变图像的亮度、对比度，处理图像的尖锐部分，让其变得平滑，这方面包括图像像素间的积累，像素的增加，直方图的处理等等，但是由于整个红外处理要求很高，因此，要想实现高质量的检测，并提升准确程度是有一定困难的。我国对于船舶的检验是从较简单的人工检验下发展起来的，现在适用于较为复杂的背景检测，人工背景检测一般包括天空、海洋、墙面等，目前检测技术就是通过现代的数字处理技术、红外图像理论进行检查，通过先进的技术对复杂的直观图进行分析和检测，增强人们对于图像的认识和识别。本文将首先介绍分析运动目标检测的方法，然后分析了Sobel算子的检测方法，整个实验都对于检测红外图像有着很好的效果，希望能为日后的推广运用起到作用。 　　关键词：Sobel算子 运动目标检测 帧间差 红外图像 算法 　　中图分类号：TP391.4 文献标识码：A 文章编号：1672-3791（2014）05（c）-0209-04 　　1 运动目标检测算法分析 　　采用运动检测[1，2]的检测方法实际就是运用一定的技术将整个图像在发生改变的图像背景中挖掘出来，对于运动目标的监测可以说是对整个目标种类、行为的跟踪和整理，而对于目标的分割对图像的后期处理十分重要，因为经过运动检测算法后的处理将只考虑运动区域的像素，对于图像背景的检测，比如光线、天气因素、阴暗面等这些都是干扰因素，将会增添检测的困难。 　　当前的运动检测算法主要有四个种类[3]：第一种是在光流场前提下的运动目标检测方法；第二种是根据图像的基本特征进行检测的目标检测方法；第三种是根据帧间差的情况进行的运动检测方法；第四种是根据背景的不同建立的检测方法。这四种检测方法都是运用了运动视觉的原理，并且也是未来发展的方向和指引。 　　1.1 基于特征的方法 　　根据运动目标检测特点的不同主要可以概括为两个操作步骤：第一种是运用两幅甚至多幅图像进行图像抽取，然后根据图像相互对应的关系，建立一定的联系；第二种是根据图像之间不同的特征，比如形状或者运动的位置变化等，都可以计算物体的结构，并根据物体的坐标来运算具体的运动参数。这种在图像中抽取的方式可以实现在一幅图像中找到对应点，然后建立相应的联系，方便对另一幅特征和运动的推断，另外，如果运动特征比较复杂不好确定，这种方案也是需要一定的调整的，避免运算误差带来的问题。 　　如果物体运动时能很好地将特征表现出来，那么便可以运用线性检测方法进行图片或者视频的处理，这种方式实际是在物体运动困难的情况下选择的，是物体由于不好寻找特征而进行的匹配方案，这一方面可以用来区分较难区分的目标点的特点；另一方面可以运用快速匹配的算法，将物体运动的目标快速锁定，这样可以帮助视频的应用。 　　1.2 基于光流场的方法 　　对于光流场的计算一般是通过相间的一个小时间段分析图像的差异性，这个时间可以几十毫秒，这种方式有一个比较好的地方就是，可以从相间的时刻之间选择，不仅保证图像中每一个图像都能反映出运动信息，还可以计算出光流场的运动方式，一般计算运动信息可以分成两个流程：首先计算出光流场运动信息；然后在计算光流场的整体结构和三维运动情况。 　　对于红外图像的计算光流场的方式都是基于三维场景来算的，基本这些从理论上就能确定运动物体的形状和相关信息，然后也可以更好地维系摄像机拍摄的时间以及旋转的方向，但是这种方式当前处理起来难度还很大，计算具有复杂性，在当前的系统中还难以运用，因此，该算法运用起来还很不成熟。 　　1.3 基于背景建模的方法 　　这种算法模型实际是通过图像的差异来建立建模的方式，这种通过运动区域的不同而进行的检测技术，可以有效的确认图像背景发生的变化，并且可以保证整个图像的建模能建立完整的数据，保留完整的图像特征，一般最简单的背景建模方式是时间平均图像，但是这种图像建模的方式有其局限性，比如当光线变化或者周围其他因素干扰的情况下，都会导致图像产生变化，所以背景建模的方式目前还不适用于运动场景梯度变化的情况，当前人们开发的新的建立模型的方式目的就在于减少场景周围其他因素干扰导致的图像检测变化，但是目前对于建模初期的问题研究还不够深入，也可以通过假设的方式让前景图像的图像序列展开，但是这种方式也具有一定的局限性。 　　1.4 基于帧间差分的方法 　　采用帧间差的方式对图像进行建模，当前一般是采用二维图像的方式，一般这种方式不断变化的环境中使用，并且在短暂