基于時(shí)空的弱點(diǎn)狀運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)

李紅虎

摘 要 隨著科學(xué)技術(shù)的快速發(fā)展，各個(gè)領(lǐng)域都有著創(chuàng)新性的探討，在運(yùn)動(dòng)目標(biāo)的檢測(cè)方面，也有著不錯(cuò)的進(jìn)展，在這個(gè)過(guò)程中如何在復(fù)雜的環(huán)境下穩(wěn)定有效的檢測(cè)到運(yùn)動(dòng)目標(biāo)的位置是研究的重點(diǎn)。本文主要對(duì)于紅外點(diǎn)狀移動(dòng)目標(biāo)的一些屬性進(jìn)行研究，在此基礎(chǔ)上提出了一種有助于改善目標(biāo)檢測(cè)技術(shù)的增強(qiáng)算法，可以很好的實(shí)現(xiàn)對(duì)于連續(xù)時(shí)空不變性目標(biāo)進(jìn)行檢測(cè)，然后在此基礎(chǔ)上對(duì)于目標(biāo)的運(yùn)動(dòng)特征分析，實(shí)現(xiàn)更加精確的定位檢測(cè)，結(jié)果也是值得信賴的。

關(guān)鍵詞 紅外弱點(diǎn)狀目標(biāo) 形態(tài)學(xué)濾波 圖像處理 目標(biāo)檢測(cè) 運(yùn)動(dòng)分析

近年來(lái)，在很多的領(lǐng)域都使用到紅外小目標(biāo)檢測(cè)技術(shù)，主要包括預(yù)警系統(tǒng)，監(jiān)控系統(tǒng)以及安檢系統(tǒng)等等，并且紅外小目標(biāo)檢測(cè)技術(shù)在這些領(lǐng)域都發(fā)揮著至關(guān)重要的作用，為保障人們的生命財(cái)產(chǎn)安全做出了不小的貢獻(xiàn)。在預(yù)警系統(tǒng)中，當(dāng)目標(biāo)距離紅外檢測(cè)系統(tǒng)較遠(yuǎn)時(shí)，該目標(biāo)的紅外輻射能衰減較大，因此占據(jù)的像素也是極少的，呈現(xiàn)出點(diǎn)狀的分布，并且會(huì)在一些雜波的干擾下降低圖像的質(zhì)量，因此想要在較為復(fù)雜的環(huán)境下對(duì)于運(yùn)動(dòng)中的小目標(biāo)進(jìn)行檢測(cè)并不是一項(xiàng)容易的工作，需要得到該有的重視。

目前來(lái)看，關(guān)于小目標(biāo)檢測(cè)的算法層出不窮，傳統(tǒng)的方法存在一定的局限性，沒(méi)有很好的實(shí)現(xiàn)對(duì)于復(fù)雜環(huán)境的預(yù)測(cè)以及雜波的去除，因此對(duì)于運(yùn)動(dòng)小目標(biāo)的檢測(cè)效果不佳，因此一個(gè)全新的目標(biāo)檢測(cè)算法產(chǎn)生，主要以單幀預(yù)處理和多幀精確檢測(cè)的檢測(cè)算法，在環(huán)境的考慮上更加的全面，在去除雜波的技術(shù)上面更好，通過(guò)大量的實(shí)驗(yàn)結(jié)果表明，和傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法相比較，改進(jìn)后的算法具有更好的性能。

一、傳統(tǒng)形態(tài)學(xué)紅外小目標(biāo)增強(qiáng)算法

首先來(lái)對(duì)傳統(tǒng)的紅外小目標(biāo)檢測(cè)算法進(jìn)行簡(jiǎn)單的介紹，說(shuō)明其中可能存在的一些問(wèn)題，然后提出一些好的解決方案。

傳統(tǒng)形態(tài)學(xué)紅外小目標(biāo)增強(qiáng)算法是非常經(jīng)典的檢測(cè)算法之一，具有很高的代表性，曾經(jīng)被廣泛的應(yīng)用在各個(gè)領(lǐng)域。該算法是通過(guò)對(duì)于原始的圖像進(jìn)行分析，與一定的形狀的核進(jìn)行卷積，分析其中的膨脹過(guò)程，然后就可以計(jì)算獲取到核覆蓋區(qū)域的最小值。由于目標(biāo)的膨脹和腐蝕操作，可以運(yùn)算來(lái)消除孤立的亮目標(biāo)和暗目標(biāo)，對(duì)于抑制的背景進(jìn)行更好的去除，這樣就可以很好的突出目標(biāo)。經(jīng)典的禮帽算法沒(méi)有對(duì)于目標(biāo)和領(lǐng)域的差異分布進(jìn)行細(xì)致的考慮，雜波造成算法性能的破壞，因此如果對(duì)于該破壞因素進(jìn)行充分的考慮和研究分析，那么該算法的性能必將得到不錯(cuò)的改善效果。

二、改善后的形態(tài)學(xué)紅外小目標(biāo)增強(qiáng)算法

上面已經(jīng)提出了關(guān)于傳統(tǒng)算法的問(wèn)題，為了避免上面所說(shuō)的缺點(diǎn)帶來(lái)大幅度的性能影響，需要對(duì)于卷積核進(jìn)行重新的設(shè)計(jì)，在很多的實(shí)際應(yīng)用中，我們剛開(kāi)始不可能知道目標(biāo)在圖像中的尺寸大小，因此采用了固定的尺寸，在固定的圖像中進(jìn)行檢測(cè)時(shí)，如果目標(biāo)過(guò)大而超過(guò)卷積核的尺寸，可能會(huì)造成檢測(cè)不到目標(biāo)的情況，因此就需要在原圖像的基礎(chǔ)上按照一定的比例進(jìn)行樣本的采集，得到各種不同分辨率的圖像，最后在各個(gè)尺寸下對(duì)于目標(biāo)進(jìn)行檢測(cè)?？梢詷?gòu)造成三層的金字塔形狀，第一層就是原圖像，第二層就是對(duì)于原圖像縮放N倍的圖像，第三層則是在第二層的基礎(chǔ)上再次進(jìn)行縮放M倍的圖像。當(dāng)縮放到一定程度時(shí)，目標(biāo)圖像可能與原圖像的幾何中心接近，此時(shí)就可以在原圖像中找到目標(biāo)圖像的像素。改進(jìn)后的算法源圖像的信噪比降低不少，經(jīng)典的算法中還是會(huì)存留很多的雜波，改進(jìn)后的算法在各方面的性能都是優(yōu)于經(jīng)典算法的。

雖然改進(jìn)后的算法和傳統(tǒng)的算法相比較而言具有優(yōu)秀的性能，但是在某些情況下依然會(huì)存有部分的雜波，并且會(huì)在圖像中以點(diǎn)狀的形態(tài)顯示，這種情況是沒(méi)有辦法利用單幀來(lái)解決的。我們知道的是在一定的時(shí)間內(nèi)，目標(biāo)輻射的紅外能量是有限的，所以目標(biāo)在相鄰兩幀上的像素是接近的，而且在很多的相鄰多幀中，目標(biāo)的位置是具有關(guān)聯(lián)的，雜波不具有這些特征，因此可以很好的利用這些相鄰的多幀的特性進(jìn)行分析，然后就可以提出好的解決方案來(lái)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)分析。

三、結(jié)束語(yǔ)

綜上所述，隨著科學(xué)技術(shù)的快速發(fā)展，各個(gè)領(lǐng)域都有著創(chuàng)新性的探討，在運(yùn)動(dòng)目標(biāo)的檢測(cè)方面，也有著不錯(cuò)的進(jìn)展，在這個(gè)過(guò)程中如何在復(fù)雜的環(huán)境下穩(wěn)定有效的檢測(cè)到運(yùn)動(dòng)目標(biāo)的位置是研究的重點(diǎn)。對(duì)于低信噪比的小目標(biāo)進(jìn)行檢測(cè)時(shí)，可以利用單幀和多幀處理分析相結(jié)合的方法進(jìn)行處理，盡可能的減少收集到的源圖像中的雜波的比重，通過(guò)對(duì)于傳統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的改進(jìn)，對(duì)于系統(tǒng)在不同信噪比下的穩(wěn)定性有了明顯的提升，在復(fù)雜的環(huán)境下，對(duì)于弱點(diǎn)狀的運(yùn)動(dòng)目標(biāo)也是有著很好的檢測(cè)性能。在今后的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究中，還需要單幀的檢測(cè)算法進(jìn)行進(jìn)一步的改進(jìn)和研究，并且可以加入現(xiàn)代化的智能技術(shù)，融合了智能科技的目標(biāo)檢測(cè)技術(shù)肯定會(huì)更加的強(qiáng)大，讓我們?cè)谌觞c(diǎn)狀的運(yùn)動(dòng)目標(biāo)檢測(cè)領(lǐng)域有著更好的發(fā)展。

參考文獻(xiàn)：

[1]蒲旭敏，艾斯卡爾·艾木都拉.三維時(shí)空中弱點(diǎn)狀動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)技術(shù)研究[J].計(jì)算機(jī)工程與應(yīng)用，2011（10）.

[2]李思儉，樊祥，朱斌，程正東.基于運(yùn)動(dòng)模糊復(fù)原技術(shù)的紅外弱小目標(biāo)檢測(cè)方法[J].光學(xué)學(xué)報(bào)，2017（06）.

[3]趙永彬，李巍，剛毅凝，王鷗，郝躍冬，劉銘堅(jiān).基于Fas ter R- CNN的顯著性目標(biāo)檢測(cè)方法[J].計(jì)算技術(shù)與自動(dòng)化，2019（02）.

[4]胡爽，董超俊，張秀杰.一種改進(jìn)的道路目標(biāo)檢測(cè)方法研究[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2018（05）.

[5]張俊蓉，徐長(zhǎng)彬，唐明周，鹿瑋，卞紫陽(yáng).基于SSD改進(jìn)的目標(biāo)檢測(cè)方法研究[J].激光與紅外，2019（08）.

[6]胡瑞卿，劉勇，田杰榮.基于Ras pberryPi的運(yùn)動(dòng)目標(biāo)檢測(cè)研究與實(shí)現(xiàn)[J].艦船電子工程，2019（09）.

[7]郗潤(rùn)平，張艷寧，楊根，馬苗.基于評(píng)價(jià)因子及灰色關(guān)聯(lián)分析的檢測(cè)結(jié)果自動(dòng)評(píng)價(jià)方法[J].西北工業(yè)大學(xué)學(xué)報(bào)，2019（03）.