大数据驱动的红外移动目标检测_王奇.pdf

第 44 卷第 3 期2023 年 3 月激光杂志LASE JOUNALVol.44，No.3March，2023http /www laserjournal cn收稿日期:20220913基金项目:河北省科技厅项目(No 18211844)作者简介:王奇(1989)，男，硕士，讲师，主要研究方向:电子信息工程，嵌入式系统。大数据驱动的红外移动目标检测王奇1，宋思思2，刘毅娟11华北理工大学冀唐学院，河北 唐山063000;2华北理工大学，河北 唐山063000摘要:为了精准检测移动目标，提出一种大数据驱动的红外移动目标检测方法。采取空间滤波法预处理红外图像，抑制红外图像背景、增强图像内移动目标边缘，采用 Seletive Search 策略，通过区域划分算法划分预处理后红外图像为若干块小区域，提取若干个红外移动目标候选区域;为避免相邻红外移动目标候选区域图像间存在帧间差异及虚警，影响移动目标中心位置检测效果，提取移动目标候选区域的灰度特征，并结合运动特征建立加权融合特征，精准定位移动目标候选区域，将移动目标候选区域输入卷积神经网络，网络输出结果即为检测到红外移动目标，利用损失函数判定该目标是否为真实移动目标。实验研究表明:所提方法能够精准定位红外移动目标候选区域，检测出红外移动目标，检测性能较好，拥有较强的收敛性。关键词:大数据驱动;红外图像;移动目标检测;空间滤波;强度直方图;损失函数中图分类号:TN249文献标识码:Adoi:10.14016/j cnki jgzz.2023.03.095Large datadriven infrared moving target detectionWANG Qi1，SONG Sisi2，LIU Yijuan11Jitang College of North China University of Science and Technology，Tangshan 063000，China;2North China University of Science and Technology，Tangshan 063000，ChinaAbstract:In order to accurately detect moving targets，a big datadriven infrared moving target detection methodis proposed The spatial filtering method is used to preprocess the infrared image，suppress the background of the infra-red image and enhance the edge of the moving target in the image Using the seletive search strategy，the preprocessedinfrared image is divided into several small regions through the region division algorithm，and several infrared movingtarget candidate regions are extracted;In order to avoid inter frame differences and false alarms between adjacent infra-red moving target candidate area images，which affect the detection effect of the central position of the moving target，the gray features of the moving target candidate area are extracted，and the weighted fusion features are established incombination with the motion features to accurately locate the moving target candidate area The moving target candidatearea is input into the convolution neural network，and the network output result is the detection of the infrared movingtarget，The loss function is used to determine whether the target is a real moving target Experimental results show thatthe proposed method can accurately locate the candidate area of infrared moving target and detect infrared moving tar-get It has good detection performance and strong convergenceKey words:big data driven;infrared image;moving target detection;spatial filtering;intensity histogram;lossfunction1引言当前红外移动目标检测在国家防空预警、民用交通监视、自动导航等各个领域的应用较为常见12，并逐渐成为业内专家热点研究方向，对可见光图像而言，红外图像的信噪比偏低、噪声多、边缘不够清晰3，因此，在复杂背景下精准清晰地检测移动目标存在较大难度。针对红外移动目标检测常用方法有帧间差分法、光流法等45，但这些方法大都受限于其他方面影响最终检测性能，检测效率有待提升，例如:帧间差分法虽能适应动态环境，但当目标移动速度较低时，会造http /www laserjournal cn成过多的空洞出现，影响图像质量及后续的目标检测工作。仇国庆等人6 提出红外弱小目标检测方法，该方法检测目标的虚警率极低，依据图像灰度差异特征结合视觉特征获取融合图像，检测弱小目标，但该方法不适用于在复杂背景环境下检测移动目标;刘辉等人7 提出红外目标跟踪方法，该方法依据选取的动态变量搭建决策准则并求解静态变量，再进行阈值分割，筛选获取目标，该过程操作较为繁杂，检测效率有待提升;郑武兴等提出红外目标检测算法8，该方法提升预处理效率，促使目标区域信号增强，但检测出的目标存在虚警情况，收敛性不够理想。为促进复杂背景下移动目标的精准、清晰检测，在红外大数据驱动下，将卷积神经网络与机器视觉技术相结合应用在红外移动目标检测中，提出大数据驱动的红外移动目标检测方法，对红外图像进行空间滤波预处理，提升背景及目标的对比度，再进行检测红外移动目标，实现精准提取移动目标候选区域并检测出移动目标。2基于大数据驱动的红外移动目标检测方法2.1空间滤波预处理红外图像鉴于红外图像内杂波、背景等极其复杂，特征信号较弱，造成检测难度较大，为抑制红外图像背景、增强移动目标边缘，采取空间滤波法对红外图像进行预处理，该方法拥有优秀的预处理效果，用公式(1)、(2)描述其二维表达式:y(i，j)=x(i，j)z(i，j)(1)z(i，j)=M1m=01 1M()ms(i，j，M)M+1 1M()Ms(i，j，M)(2)公式(1)、(2)中:滤波半径用 M 描述，需按具体情况拟定，若 M 值过高，红外图像内的移动目标及噪声点存在同步被平滑的可能性，若 M 值过低，极易导致处理后的红外图像仍存在许多噪声点;输入的红外图像用 x(i，j)描述;经滤波预处理后输出的红外图像为 y(i，j);低通滤波处理后的红外图像用描述 z(i，j)。s(i，j，M)用公式(3)详细描述为s(i，j，M)=ikjnx(i k，j n)22M+1(3)其中，k、n 表示像素 i、j 的变化量。分别在红外图像的垂直及水平方向进行滤波处理9，以期降低计算量。经过空间滤波预处理后，红外图像内的有色噪声被白化，背景噪声被抑制，信噪比大幅度提升，同时将不均匀的背景均匀化，促使移动目标边缘增强，为后续检测移动目标奠定基础。2.2提取红外移动目标候选区域鉴于移动目标检测需识别出红外图像中的各个物体及其具体位置，滤波预处理后，在红外图像中继续提取精确的移动目标候选区域，再利用识别算法检测移动目标是否存在某个候选区域内。为提升提取效率，采用 Seletive Search 策略提取红外移动目标候选区域10，利用 Seletive Search 策略能够大幅度提升搜索效率，实现移动目标候选区域快速提取。输入滤波预处理后的红外图像，采用区域划分算法将其划分为若干块小区域，求解各个区域间的相似度，并将其中相似度较大的相邻区域进行聚集整合处理。Seletive Search 策略利用求解区域间的颜色、纹理、尺寸及交叠相似度1112，计算获取各区域间的相似度。Seletive Search 策略步骤详述为:(1)输入滤波预处理后的红外图像，采用区域划分算法将其划分为若干块小区域，获取的候选区域集合用=r1，r2，r3，rn 描述;(2)将相似的集合进行初始化处理，设 S=;(3)遍历上述相邻区域，如:(ri，rj)，并求解各个相邻区域的相似度 s(ri，rj);(4)此时 S=Ss(ri，rj)，当 S时，则在 S 中获取最高相似度 s(ri，rj)=max(S)，并将其相应的区域合并处理 ri=rirj，删除与 ri、rj相应的全部相似度S=Ss(ri，r*)、S=Ss(r*，rj);(5)求解与 rt相应的相似度集合，并用 St描述，则 S=SSi，=ri，并将 内全部区域相应的边框输出，L=，即候选区域集合 L，最终输出结果为若干个待定红外移动目标候选区域。2.3提取移动目标候选区域特征虽已将红外移动目标候选区域从复杂背景中提取出来，但相邻图像存在帧间差异，且存在虚警情况，无法精准检测出移动目标的中心位置，提取移动目标候选区域的灰度特征，并结合运动特征建立加权融合特征，实现精准定位移动目标候选区域。2.3.1候选目标区域灰度特征提取鉴于红外技术探测目标距离较远，且移动目标不固定，无法精准获取目标具体形状及纹理信息，红外移动目标及其背景间的强度差异过大，因此，可利用强度特征检测红外移动目标13，假设用 L(L=325)描述红外图像强度频道内单元总数且 u=1，2，L，用公式(4)描述红外图像的强度直方图 q=quLu=1:qu=Oi=1 b(xi)u(4)公式(4)中:真实移动目标的像素总数用 O 描述;像素点(xi)相应的灰度值用 b(xi)描述;表示 delta69王奇，等:大数据驱动的红外移动目标检测http /www laserjournal cn函数。鉴于传统强度直方图即公式(4)中未衡量强度空间的排列数据，因此，融入像素空域分布，描述红外图像中的移动目标，在红外图像中随着位置的变化，其像素各自的重要程度各不相同，越接近中心的像素越重要，应对较为接近中心的像素增强权重1415，用公式(5)描述权重 K(s):K(s)=s2+10(5)其中:当前像素至移动目标中心的长度为 s，当 s 小于1 时，则权重为s2+1;当 s 大于等于 1 时，则 K(s)为零。拟定 x 为目标中心点，用公式(6)描述真实移动目标的空域分布强度直方图:qu=Mi=1k1h(x0 xi)(b(xi)u)h=h2x+h2y(6)其中:目标区域的大小用 h 描述，目标区域的像素位置则为 xi i=1，2，n。目标模板空间分布的直方图 qm及候选移动目标qc可依据上式得到，测量 qm、qc并求解巴氏系数，用