一种改进的高斯混合模型海上红外图像运动目标检测

摘 要 本文提出一种改进高斯混合模型海上红外图像运动目标检测算法。首先采用帧差法把目标图像的背景和感兴趣区域区分开来。为了保证背景图像准确快速的更新，其次采用高斯混合模型更新背景图像。更新过程中对目标在前后两帧中覆盖区域采用不同的更新率。通过实验结果表明，本文算法在保证图像背景平稳更新的同时，能够准确快速的提取圖像中感兴趣目标区域。

【关键词】目标检测 帧间差分 高斯混合模型 更新率

1 引言

海上目标自动识别是目前军事科技领域研究的热点之一。基于目标特性的检测方法是指通过检测算子，分析目标的结构、形状及纹理信息，实现目标的提取。包括阈值检测、边缘检测等算法。这类检测算法实质上就是基于图像分割的检测算法。目前，红外图像中的目标分割方法中引入了遗传算法、小波变换、纹理分析及对背景建立数学模型进行预测等等。近年来，人们仍然对阈值分割方法投入较多的注意力。阈值法是一种简单而有效的图像分割技术，与其它分割方法相比，它的最大特点是计算简单。要从复杂的景物中分辨出目标并将其形状完整地提取出来，阈值的选取是灰度阈值分割的关键。若阈值选的过高，则过多的目标点将被误归为背景。反之，则会出现相反情况，这将影响分割后二值图像中目标的大小与形状，甚至会使目标丢失。

本文提出一种改进高斯混合模型海上红外图像运动目标检测算法。首先采用帧差法把目标图像的背景和感兴趣区域区分开来。为了保证背景图像准确快速的更新，其次采用高斯混合模型更新背景图像。更新过程中对目标在前后两帧中覆盖区域采用不同的更新率。

2 帧间差分法分割图像背景

帧间差分法基本步骤如图1所示。其中fn（i，j）表示第n帧，fn+1（i，j）表示第n+1帧输入图像。两帧图像经过差分运算（公式1所示）得到差分图像D（n）。

对差分图像D（n）进行二值化处理，之后通过公式2与设定的阈值T进行比较，以分割图像中的背景像素和前景像素。

最后在实际中，差分图像由于受到噪声干扰，一般还需要进行形态学滤波等去燥处理，进而提取出目标区域。

3 高斯混合模型构建更新背景

一般的单高斯模型的不足在于其不能准确反映描述图像像素的变化，而海上目标图像的像素往往随时间和空间而变。为此，本文采用混合高斯模型来表示并区分目标区域和背景区域。与单高斯模型不同，高斯混合模型把图像像素的变化表示为一个线性组合。而单个像素的变化在总体变化中的体现是通过其单个像素的权值反映。当像素值与背景图像的高斯混合模型向匹配时，即判定为背景像素，反之为前景目标像素。

k个高斯函数线性组合成高斯混合模型p，如图2所示。

k是混合高斯模型中高斯分布的个数，一般取3-5，并且；μk和∑k分别表示时刻t混合高斯模型中第i个高斯分布的均值向量和协方差矩阵。

由于红外图像像素灰度值变化差异较彩色图像变化较小，特别在目标运动过程中背景更新容易存在交叉、漏检等“空洞”现象。所以本文对帧间差分法分割出的背景和前景在更新率上加以区别对待。更新方法如公式5、6所示。

其中为均值的更新率，为方差的更新率。

具体地，把运动目标在当前帧所覆盖区域定义为B（i，j），而把运动目标在当前帧前一阵所覆盖区域定义为B2（i，j）。对于两种区域采用不同的更新率进行更新，以保证更新的准确性。

4 实验结果及分析

为了验证本文提出的对当前帧目标覆盖区域和前一帧目标覆盖区域采用不同背景更新率的目标提取准确性，选用海面红外船只序列图像（分辨率为320×240）。对比图3（a）和图3（b）发现，此序列图像特征为目标船只缓慢移动，目标检测易受到“空洞”干扰。实验具体步骤如下：

（1）用帧间差分法对第92帧和93帧图像进行帧差操作；

（2）用高斯混合模型对步骤（1）分割出的背景进行更新，两帧中目标覆盖区域采用不同的更率。

（3）对最终的图像差分图像二值化，并进行形态滤波。

实验结果如图3所示。其中，图3（c）为帧间差分法得到的目标结果；图3（d）为在帧间差分法基础上采用本文提出的改进高斯混合模型进行背景更新后的结果。对比图3（c）和图3（d）发现，由于目标船只从第92帧到第93帧运动幅度较小，两帧中的重叠区域面积较大，导致检测出来的运动目标存在“空洞”现象（图3（c））。而通过本文提出的改进高斯混合模型更新背景后，目标船只较为完整的被检测出，“空洞”现象明显降低。

5 结论

本文针对序列图像中背景变化不大的情况下，运动目标检测易出现“空洞”的现象，提出一种改进的高斯混合模型改进算法。在帧间差分法的基础上，对前后相邻两帧中目标覆盖区域的背景更新采用了不同的更新率。实验结果表明，该算法能够准确地提取出运动目标，改善“空洞”现象。

参考文献

[1]万缨.运动目标检测算法的探讨[J].计算机仿真，2006，23（10）：221-226 .

[2]贺菁，李庆华，王新赛.基于方向性SUSAN 算子的图像角点特征提取[J].小型微型计算机系统，2008，29（03）：508-510.

[3]张磊，张志胜，史金飞等.一种快速检测图像角点特征的线搜索式方法[J].自动化学报，2010，36（04）：509-521.

[4]郑伟，刘文耀，王勇天.一种结合遗传算法和钻石搜索的多模式快速运动估计方法[J].2006，34（10）：1911-1915.

[5]金星.运动目标检测和跟踪及其在视频监控系统中的应用[D].浙江大学（硕士学位论文），2010：4-28.

[6]徐里东，林行刚.视频抖动矫正中全局运动参数的估计[J].清华大学学报（自然科学版）.2007，47（01）：92-95.

[7]Zhu S，Ma K K.A new diamond search algorithm for fast block matching motionestimation [J]. IEEE Transactions on Image Processing，2000，9（02）：287-290.

作者简介

吴洋（1984-），女，四川省成都市人。硕士研究生。主要研究方向为图像处理、模式识别。

作者单位

四川大学计算机学院 四川省成都市 610064