基于局部顯著邊緣特征的紅外圖像目標輪廓跟蹤算法

張正本，劉 丹

（1.河南工學院 計算機科學與技術學院，河南 新鄉(xiāng) 453003；2.新鄉(xiāng)市制造業(yè)物聯(lián)網(wǎng)應用工程技術研究中心，河南 新鄉(xiāng) 453003）

隨著信息技術的飛速發(fā)展，單一的人工圖像分析方法已經很難被人們接受，紅外圖像分析正成為人們關注的焦點[1]。在這一領域中，由于紅外圖像不能準確分析復雜背景下的圖像輪廓特征，因此需要對紅外圖像進行有效的目標輪廓跟蹤[2]。然而，在實際的跟蹤過程中，大多數(shù)的目標輪廓跟蹤算法無法獲得紅外圖像目標輪廓的最佳跟蹤值，導致紅外圖像目標輪廓跟蹤陷入瓶頸[3]。針對這一問題，本文提出了一種基于復雜背景的具有局部顯著邊緣特征的目標輪廓跟蹤算法。

1 復雜背景下紅外圖像目標輪廓跟蹤方法

在復雜背景下的紅外圖像目標輪廓跟蹤過程中，首先應描述紅外圖像的區(qū)域輪廓矢量，建立紅外圖像各區(qū)域的線性統(tǒng)計形狀模型[4-6]，然后得到圖像各區(qū)域邊界的判斷閾值，給出目標輪廓模型與訓練圖像不動點之間的馬氏距離。該方法實現(xiàn)了復雜背景下紅外圖像的目標輪廓跟蹤。具體步驟如下。

為了提高復雜背景下紅外圖像目標輪廓的跟蹤質量，首先引入射影不變量，得到紅外圖像中目標輪廓的射影不變量個數(shù)，然后建立目標輪廓的幾何特征描述，利用Bhattacharyya系數(shù)描述目標輪廓的幾何特征。具體步驟如下：

在復雜背景下的紅外圖像目標輪廓跟蹤過程中，得到了紅外圖像中各區(qū)域目標輪廓的邊緣檢測點。計算紅外圖像目標輪廓的顯著性[7]，形成目標輪廓的特征描述向量，得到紅外圖像目標輪廓特征對應點坐標之間的變換關系，進而可以實現(xiàn)復雜背景下紅外圖像目標輪廓的精確跟蹤。具體步驟如下：

2 實驗結果分析

為了驗證基于局部顯著邊緣特征的紅外圖像目標輪廓跟蹤算法在復雜背景下的有效性，需要進行實驗。實驗搭建了Matlab7.0環(huán)境下紅外圖像目標輪廓跟蹤實驗平臺。所選圖像是兩幅不同復雜背景下的紅外圖像，圖像大小為500×500。

2.1 評價指標設置

實驗中，利用主觀評價指標和客觀評價指標，對復雜背景下基于局部顯著邊緣特征的紅外圖像目標輪廓跟蹤算法的有效性進行了評價。以跟蹤均方根誤差作為主觀評價指標，定義了改進跟蹤算法的精度。為了突出實驗的全面性和公正性，采用一種基于形態(tài)學權值的跟蹤算法作為對比算法，進行常見的分析和比較。以跟蹤效果作為客觀評價指標，測試不同背景下紅外圖像目標輪廓跟蹤的質量。

由公式（7）可知，RSM值越小，跟蹤精度越高。

2.2 兩種不同跟蹤算法的均方根誤差分析

采用改進的跟蹤算法和基于形態(tài)學權值的跟蹤算法對復雜背景下紅外圖像的目標輪廓進行跟蹤，兩種方法的均方根誤差如圖1所示。

從圖1的實驗結果可以看出，基于形態(tài)學權值的跟蹤算法的均方根誤差較高，約為60%，其誤差曲線波動較大，誤差值起伏較大，難以保證跟蹤結果的準確性。采用改進的跟蹤算法對復雜背景下紅外圖像的目標輪廓進行跟蹤，均方根誤差曲線穩(wěn)定，平均誤差在30%左右，遠小于形態(tài)學加權跟蹤算法的結果。這是因為改進后的算法采用了局部有效邊緣目標輪廓特征向量的歐幾里德距離作為目標輪廓的相似性判定度量，從而保證了紅外圖像目標輪廓跟蹤的精度。

圖1 兩種不同算法對目標輪廓跟蹤的均方根誤差

2.3 不同目標輪廓跟蹤方法的比較

采用改進的跟蹤算法和基于形態(tài)學權值的跟蹤算法對復雜背景下的紅外圖像目標輪廓進行跟蹤，比較兩種不同算法對紅外圖像目標輪廓的跟蹤效果，如圖2—4所示。

基于形態(tài)學權值的跟蹤算法，無法準確跟蹤目標輪廓，且跟蹤結果與背景輪廓混合，跟蹤結果誤差較大。采用改進的算法對紅外圖像的目標輪廓進行跟蹤，跟蹤輪廓邊緣與目標輪廓邊緣完全匹配。與基于形態(tài)學權值的跟蹤算法相比，改進后的算法能夠構造出目標輪廓的幾何信息描述符。利用貧化系數(shù)測量幾何相似性，其結果完全滿足復雜背景下紅外圖像目標輪廓跟蹤的精度要求。

圖2 原始圖像

圖3 基于改進算法的紅外圖像目標輪廓跟蹤效果

圖4 基于形態(tài)學權值的紅外圖像目標輪廓跟蹤效果

3 總結

針對紅外圖像目標輪廓跟蹤問題，提出了一種基于復雜背景局部顯著邊緣特征的目標跟蹤算法。利用邊緣方向和強度信息區(qū)域對紅外圖像中具有顯著邊緣特征的目標輪廓進行建模和搜索，形成特征描述向量，實現(xiàn)紅外圖像目標輪廓的精確跟蹤。實驗結果表明，該算法跟蹤精度高，有效地提高了紅外圖像分析的質量。