秦雨萍 張 雙 張 萍 尹福成

（1.成都理工大學(xué)工程技術(shù)學(xué)院 樂山 614000）（2.內(nèi)江師范學(xué)院 內(nèi)江 641000）

1 引言

在艦船打靶中，運(yùn)動(dòng)目標(biāo)檢測(cè)［1～3］是打靶成敗的關(guān)鍵。由于目標(biāo)在運(yùn)動(dòng)過程中，目標(biāo)受背景影響比較嚴(yán)重，造成在打靶瞄準(zhǔn)中，經(jīng)常造成脫靶事件，在前面的研究中，我們提出了利用傅立葉變換的灰度成像擴(kuò)展目標(biāo)跟蹤幀間圖像配準(zhǔn)方法［4］，實(shí)現(xiàn)了圖像的有效配準(zhǔn)，但目標(biāo)受背景的影響并未消除，進(jìn)而在圖像的配準(zhǔn)后，進(jìn)行簡單的圖像差分，差分圖像［5］實(shí)質(zhì)上是不同時(shí)刻的相同位置的像素的灰度值的差分，而噪聲往往表現(xiàn)為同一位置在不同的時(shí)刻灰度值的明顯變化，因而差分在突出運(yùn)動(dòng)像素的同時(shí)也突出了噪聲。但是因?yàn)樵肼曉谶B續(xù)幀上的非相關(guān)性而運(yùn)動(dòng)目標(biāo)在連續(xù)幀上具有相關(guān)性［6～11］，因此可進(jìn)行多幀差分圖像平均，增強(qiáng)信噪比，以達(dá)到削弱噪聲、突出目標(biāo)的目的，為了減小噪聲點(diǎn)對(duì)目標(biāo)檢測(cè)的干擾，提出基于數(shù)學(xué)形態(tài)學(xué)的差分圖像目標(biāo)檢測(cè)算法，算法利用自適應(yīng)閾值對(duì)差分圖像二值化，對(duì)二值化后的圖像用形態(tài)學(xué)處理消除噪聲斑點(diǎn)，最后通過連通區(qū)域像素個(gè)數(shù)統(tǒng)計(jì)判決，進(jìn)一步去除偽目標(biāo)，最終檢測(cè)出目標(biāo)，通過實(shí)驗(yàn)驗(yàn)證該方法是有效可行的。

2 圖像差分算法

假如有M幀待分析的差分圖像序列，第k幀的圖像表達(dá)形式為

如果對(duì)M幀差分圖像做平均處理，則可得平均差分圖像為

其信噪比可以表示為

由上述計(jì)算可得，對(duì)M幀差分圖像進(jìn)行累加平均后，所得的平均差分圖像信噪比提高了M倍。

差分運(yùn)動(dòng)區(qū)域檢測(cè)認(rèn)為，運(yùn)動(dòng)目標(biāo)可能存在區(qū)域中的像素點(diǎn)是由下式?jīng)Q定的

其中：Vth為二值化閾值。其選取可以利用圖像的均值和標(biāo)準(zhǔn)差自適應(yīng)調(diào)節(jié)，數(shù)學(xué)表達(dá)式為

其中：E是圖像的均值，σ是圖像的標(biāo)準(zhǔn)差，λ的取值為3～5之間，典型值取為4。

為了驗(yàn)證算法的合理性，我們選用了大小為640×480的圖像序列，利用上式計(jì)算可以得出以下結(jié)果：

圖1 差分圖像

圖2 差分二值化圖像

圖1為差分圖像，經(jīng)過計(jì)算求得其均值為2.4，標(biāo)準(zhǔn)差為5.4，因此二值化閾值為24，經(jīng)過差分圖像的二值化如圖2所示。

從圖2的結(jié)果不難發(fā)現(xiàn)，經(jīng)過處理的圖像仍然還有大量的噪聲，噪聲對(duì)目標(biāo)檢測(cè)會(huì)引起一定的干擾，特別是在運(yùn)動(dòng)艦船目標(biāo)檢測(cè)中。為了減小噪聲的干擾，選用數(shù)學(xué)形態(tài)學(xué)方法來要盡可能地去除噪聲。

3 數(shù)學(xué)形態(tài)學(xué)處理

基本的形態(tài)學(xué)運(yùn)算［12～17］是腐蝕和膨脹。腐蝕是消除物體圖像無用點(diǎn)的一種過程，其結(jié)果使剩下的物體沿周邊比處理前小幾個(gè)像素的面積。如果物體是圓的，它的直徑在每次腐蝕后將減少幾個(gè)像素。腐蝕對(duì)從一幅分割圖像中去除小且無意義的圖像元素幾何來說是有用的。簡單膨脹是將與物體接觸的所有點(diǎn)合并到該物體的過程。過程的結(jié)果是使物體的面積增大了相應(yīng)數(shù)量的像素點(diǎn)。如果物體是圓的，它的直徑在每次膨脹后增大幾個(gè)像素。如果兩個(gè)物體在某一點(diǎn)相隔少于上述幾個(gè)像素，則它們將通過膨脹連通起來。膨脹在填補(bǔ)分割后物體中的空洞很有用。

一般意義的腐蝕定義為

也就是說，由S對(duì)B腐蝕所產(chǎn)生的二值圖像E是這樣的點(diǎn)(x，y)的集合，如果S的原點(diǎn)位移到，則S將完全在B之中。

一般意義的膨脹定義為

也就是說，S對(duì)B膨脹產(chǎn)生的二值圖像D是由這樣的點(diǎn)構(gòu)成，如果S的原點(diǎn)移到則它與B的交集非空。

先腐蝕后膨脹的過程稱為開運(yùn)算。它具有消除細(xì)小物體、在纖細(xì)點(diǎn)處分離物體和平滑較大的邊界時(shí)又不明顯地改變其面積的作用。開運(yùn)算的定義為

先膨脹后腐蝕的過程稱為閉運(yùn)算。它具有填充物體內(nèi)部細(xì)小空洞、連接臨近物體、在不明顯改變面積的情況下平滑其邊界的作用，定義為

4 差分圖像的數(shù)學(xué)形態(tài)學(xué)處理計(jì)算機(jī)實(shí)現(xiàn)

為了實(shí)現(xiàn)該算法，我們根據(jù)圖像處理的規(guī)則，設(shè)計(jì)了計(jì)算機(jī)實(shí)現(xiàn)方法，其實(shí)現(xiàn)軟件流程如圖3所示。

圖3 運(yùn)動(dòng)目標(biāo)檢測(cè)流程

為了驗(yàn)證算法的合理性，我們?cè)谇懊娌罘謭D像的基礎(chǔ)之上，結(jié)合形態(tài)學(xué)方法進(jìn)行了計(jì)算機(jī)仿真實(shí)驗(yàn)。試驗(yàn)中（P4 2.5，1G內(nèi)存）每幀圖像處理平均時(shí)間分別為10.3ms和10.9ms，均小于 20ms，故耗損資源極少，滿足實(shí)時(shí)性要求。

在復(fù)雜背景下，擴(kuò)展目標(biāo)的差分二值圖像往往含有較多的噪聲斑點(diǎn)（圖2），利用形態(tài)學(xué)腐蝕運(yùn)算可以較大程度地去除小斑點(diǎn)噪聲（圖4）；腐蝕運(yùn)算后差分圖像中的噪聲斑點(diǎn)明顯減少，同時(shí)為防止腐蝕運(yùn)算使目標(biāo)整體性被破壞，在腐蝕運(yùn)算后進(jìn)行同樣尺度的形態(tài)學(xué)膨脹運(yùn)算，對(duì)膨脹后的圖像進(jìn)行區(qū)域連通標(biāo)記，并計(jì)算各連通區(qū)域所包含像素個(gè)數(shù)，設(shè)定目標(biāo)區(qū)域像素個(gè)數(shù)閾值，剔除所有少于該閾值的偽目標(biāo)區(qū)域即可得目標(biāo)區(qū)域。

圖4 形態(tài)學(xué)處理后圖像

圖5 最終檢測(cè)結(jié)果

5 結(jié)語

在運(yùn)動(dòng)目標(biāo)檢測(cè)中，為了有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)，我們對(duì)運(yùn)動(dòng)補(bǔ)償完成從而實(shí)現(xiàn)圖像的配準(zhǔn)，通過差分運(yùn)算，以及利用多幀差分圖像序列，獲得平均差分圖像，從而提高信噪比，為了減小噪聲點(diǎn)對(duì)目標(biāo)檢測(cè)的干擾，利用自適應(yīng)閾值對(duì)差分圖像二值化，對(duì)二值化后的圖像用形態(tài)學(xué)處理消除噪聲斑點(diǎn)，最后通過連通區(qū)域像素個(gè)數(shù)統(tǒng)計(jì)判決，進(jìn)一步去除偽目標(biāo)，最終檢測(cè)出目標(biāo)。

［1］Bingqing Li，Guanghui Ren，Zhongshu Pan ，Tingting Teng.Moving target detection and tracking interactive al?gorithm based on acoustic image［C］//IEEE/OES China Ocean Acoustics Symposium，August 2016.

［2］Mingwei Shen，ie Wang，Di Wu，Daiyin Zhu.An Efficient Moving Target Detection Algorithm Based on Sparsi?ty-Aware Spectrum Estimation［J］.Sensors （Basel），2014，14（9）：17055–17067.

［3］Long Zhao，Li Fei Liu，Qing Yun Wang，Tie Jun Li，Jian Hua Zhou.Moving Target Detection and Active Tracking with a Multicamera Network［J］.Discrete Dynamics in Na?ture and Society，2014（2014）：11.

［4］秦雨萍，張萍，張雙.基于傅立葉變換的灰度成像擴(kuò)展目標(biāo)跟蹤幀間圖像配準(zhǔn)方法［J］.艦船電子工程，2018，38（6）：45-48.

［5］Lorenzo Bruzzone，Diego Fernàndez Prieto.Automatic Analysis of the Difference Image for Unsupervised Change Detection［J］.IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING，2000，38（3）：1171-1182.

［6］Gaurav Sharma，F(xiàn)rédéric Jurie，Cordelia Schmid.Ex?panded Parts Model for Semantic Description of Humans in Still Images［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39（1）：87-101.

［7］R.P.Wurtz，Object recognition robust under translations，deformations， and changes in background［J］.IEEE Transactions on Pattern Analysis and Machine Intelli?gence，1997，19（7）：769-775.

［8］Hanjiang Luo，Kaishun Wu，Zhongwen Guo，Lin Gu，Li?onel M.Ni.Ship Detection with Wireless Sensor Networks［J］.IEEE Transactions on Parallel and Distributed Sys?tems，2012，23（7）：1336-1343.

［9］R.M.O'Donnell，C.E.Muehe.Automated Tracking for Aircraft Surveillance Radar Systems［J］.IEEE Transac?tionson Aerospace and Electronic Systems，1979，AES-15（4）：508-517.

［10］T.KAILATH.The Divergence，Bhattacharyya Distance Measures in Signal Selection［J］.IEEE Trans.Comm.Technology，1999，15（2）：253-259.

［11］Kumaradevan Punithakumar， Pierre Boulanger， Mi?chelle Noga.A GPU-Accelerated Deformable Image Reg?istration Algorithm With Applications to Right Ventricu?lar Segmentation［J］.IEEE Access，2017，5：20374-20382.

［11］Iman Aganj，Bruce Fischl.Multimodal Image Registra?tion Through Simultaneous Segmentation［J］.IEEE Sig?nal Processing Letters，2017，24（11）：1661-1665

［12］Hu JiangHua，Qin Lei，F(xiàn)u TianQi.Image Processing Based on Mathematical Morphology in Camouflage［C］//2013 Seventh International Conference on Image and Graphics（ICIG），October 2013，269-272.

［13］Zhao Yuqian，Gui Weihua，Chen Zhencheng，Tang Jing-tian.Medical Images Edge Detection Based on Mathematical Morphology［C］//Proceedings of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference，September 2005：6492-9495

［14］Abidi A.and Gonzalez R.C..Data Fusion in Robotics and Machine Intelligence［M］.New York：Academic Press，1992.

［15］Dasarathy B.V.，F(xiàn)usion strategies for enhancing decision reliability in multi-sensor environments［J］.Optical En?gineering.1996，35（3）：603-616.

［16］Li H.，Manjunath B.S.，Mitra S.K..Multi-sensor image fusion using the wavelet transform［C］//IEEE Interna?tional Conference on Image Processing，1994，1：51-55.

［17］Koren I.，Laine A.，Taylor F..Image fusion using steer?able dyadic wavelet transform［C］//Proceedings of the In?ternational Conference on Image Processing.Washing?ton，DC，USA，1995：232-235.