多媒体信号处理 课件 第6章 图像目标检测.pptx

第六章图像目标检测

6.1目标检测基本概念以及分类基本概念目标：一个待探测、定位、识别和确认的物体，也是图像中感兴趣的物体或内容。背景：反衬目标的部分。目标和背景都是相对而言。目标特征：目标最主要的表现形式，能把目标从背景中检测或识别出来。目标检测：一种利用目标特征对图像进行分割和定位的过程。

6.1目标检测基本概念以及分类目标检测的基本思路就是利用目标自身特征，通过有效抑制背景和消除噪声，将目标从背景中定位并提取出来--检测的本质就是背景与目标的二元决策问题。按照目标特性来分：单幅图像的目标检测：对图像信息对目标和背景进行分割单幅图像的运动目标检测：那么就需要连续采集的图像序列，通过对图像序列分析目标的运动在背景中的变化情况，检测目标图像。按照目标成像大小来分：小目标和有形大目标检测。由于小目标成像面像素较小，在低信噪比条件下，小目标检测是目标检测的重点和难点。有形大目标：图像分割法进行目标检测，或者利用目标图像的几何特征、纹理特征等提取目标。

6.2运动目标检测运动图像序列背景建模多帧图像平均的背景建模（a）第1帧图像（b）累加平均10帧背景（c）累积平均100帧背景

6.2运动目标检测静止背景下的运动目标检测背景差分法（b）可控光线下的静止背景的多个运动目标检测（a）可控光线下的静止背景的单一运动目标检测

6.2运动目标检测静止背景下的运动目标检测帧间差分法（a）可控光线下的静止背景的单一运动目标检测（原图与检测结果）（b）可控光线下的静止背景的多个运动目标检测

6.2运动目标检测动态背景下的运动目标检测在动态背景下，运动目标与背景同时运动，这样图像序列中目标和背景的变化会叠加并重合在一起。光流法利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来，找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息，进而推断出物体移动速度及方向的方法。光流场是一个二维矢量场，是带有灰度像素点在图像平面上运动而产生的瞬时速度场，包含了各像素点的瞬时运动速度矢量信息，反映了图像上每一点灰度的变化趋势。

6.3有形目标检测基于图像分割的目标检测阈值分割步骤一：图像分割；步骤二：目标定位；步骤三：确定目标尺寸和区域（a）待检测图像（b）阈值分割后二值图像（c）检测到的目标位置

6.3有形目标检测基于模版匹配的目标检测方法模板匹配：用一幅已知的模板图片在目标图片上依次滑动，每次滑动都计算模板与模板下方子图的相似度。单个目标：只需要取相似度最大值所在的位置就可以得到匹配位置。多个目标：只需要设定阈值，只要相似度大于阈值则认为是匹配的目标。在模版匹配的对象检测两个步骤：模版生成、相似性度量。常见的模版度量：绝对差异的总和、差的平方和、归一化互相关系数和欧式距离。

6.3有形目标检测基于区域（灰度值）的模版匹配平均绝对差算法、绝对误差和算法、误差平方和算法、平均误差平方和算法基于互信息的图像配准算法互信息（MutualInformation，MI）是信息论中的重要概念，描述了两个系统之间的相关性，或互相包含信息的多少。在图像配准中，两幅图的互信息是通过它们的熵以及联合熵，来反映它们之间信息的相互包含程度。

6.4弱小目标检测弱小目标特点：在成像平面内仅表示为一个或几个像素的面积，且目标灰度值与背景差别大。无形状、大小、纹理等特征的目标运动特征：弱小运动目标在相邻两帧中的位置无突变；空间和时间上有连续性弱小目标检测基本原理利用弱小目标运动的特点，采用空间和时间滤波相结合的方法。空间滤波与处理增强目标和抑制背景，提高信噪比；再通过时间序列分析进行时间域滤波，检测并跟踪真正的目标。

6.4弱小目标检测弱小目标检测的背景抑制----源图像进行预处理背景进行抑制，将背景杂波滤除而只保留目标信号和噪声，提高图像信噪比常用方法：高通滤波法形态学滤波背景预测

6.4弱小目标检测基于单帧的弱小目标检测阈值检测法：当背景存在强对比度的弱小目标时，可采用全局阈值分割法。基于局部图像灰度梯度的检测方法：弱小目标虽然在灰度值上可能与背景差别不大，但沿个方向的梯度均较高。SUSAN算子：一种基于灰度的特征点获取方法,适用于图像中边缘和角点的检测,可以去除图像中的噪声。

6.5目标检测的性能评价通用性能指标评价目标对比度：在目标检测的性能指标中，一般都用对比度和信噪比来描述目标信号的强弱，而对比度主要描述的是目标与周围背景之间灰度或亮度的差异。目标信噪比：目标信噪比描述目标与噪声之间的灰度或亮度的比值，反应目标和背景之间的相关性。目标信杂比：由于检测弱小目标前的预处理是为了去掉背景中的杂波，因此滤波前后的对比也是弱小目标检测中的重要衡量指标。