第六章

圖像目標(biāo)檢測6.1目標(biāo)檢測基本概念以及分類基本概念目標(biāo)：一個待探測、定位、識別和確認(rèn)的物體，也是圖像中感興趣的物體或內(nèi)容。背景：反襯目標(biāo)的部分。目標(biāo)和背景都是相對而言。目標(biāo)特征：目標(biāo)最主要的表現(xiàn)形式，能把目標(biāo)從背景中檢測或識別出來。目標(biāo)檢測：一種利用目標(biāo)特征對圖像進(jìn)行分割和定位的過程。6.1目標(biāo)檢測基本概念以及分類目標(biāo)檢測的基本思路就是利用目標(biāo)自身特征，通過有效抑制背景和消除噪聲，將目標(biāo)從背景中定位并提取出來--檢測的本質(zhì)就是背景與目標(biāo)的二元決策問題。按照目標(biāo)特性來分：單幅圖像的目標(biāo)檢測：對圖像信息對目標(biāo)和背景進(jìn)行分割單幅圖像的運動目標(biāo)檢測：那么就需要連續(xù)采集的圖像序列，通過對圖像序列分析目標(biāo)的運動在背景中的變化情況，檢測目標(biāo)圖像。按照目標(biāo)成像大小來分：小目標(biāo)和有形大目標(biāo)檢測。由于小目標(biāo)成像面像素較小，在低信噪比條件下，小目標(biāo)檢測是目標(biāo)檢測的重點和難點。有形大目標(biāo)：圖像分割法進(jìn)行目標(biāo)檢測，或者利用目標(biāo)圖像的幾何特征、紋理特征等提取目標(biāo)。6.2運動目標(biāo)檢測運動圖像序列背景建模多幀圖像平均的背景建模（a）第1幀圖像（b）累加平均10幀背景（c）累積平均100幀背景6.2運動目標(biāo)檢測靜止背景下的運動目標(biāo)檢測背景差分法（b）可控光線下的靜止背景的多個運動目標(biāo)檢測（a）可控光線下的靜止背景的單一運動目標(biāo)檢測6.2運動目標(biāo)檢測靜止背景下的運動目標(biāo)檢測幀間差分法（a）可控光線下的靜止背景的單一運動目標(biāo)檢測（原圖與檢測結(jié)果）（b）可控光線下的靜止背景的多個運動目標(biāo)檢測6.2運動目標(biāo)檢測動態(tài)背景下的運動目標(biāo)檢測在動態(tài)背景下，運動目標(biāo)與背景同時運動，這樣圖像序列中目標(biāo)和背景的變化會疊加并重合在一起。光流法利用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關(guān)性來，找到上一幀跟當(dāng)前幀之間存在的對應(yīng)關(guān)系，從而計算出相鄰幀之間物體的運動信息，進(jìn)而推斷出物體移動速度及方向的方法。光流場是一個二維矢量場，是帶有灰度像素點在圖像平面上運動而產(chǎn)生的瞬時速度場，包含了各像素點的瞬時運動速度矢量信息，反映了圖像上每一點灰度的變化趨勢。6.3有形目標(biāo)檢測基于圖像分割的目標(biāo)檢測閾值分割步驟一：圖像分割；步驟二：目標(biāo)定位；步驟三：確定目標(biāo)尺寸和區(qū)域（a）待檢測圖像（b）閾值分割后二值圖像（c）檢測到的目標(biāo)位置6.3有形目標(biāo)檢測基于模版匹配的目標(biāo)檢測方法模板匹配：用一幅已知的模板圖片在目標(biāo)圖片上依次滑動，每次滑動都計算模板與模板下方子圖的相似度。單個目標(biāo)：只需要取相似度最大值所在的位置就可以得到匹配位置。多個目標(biāo)：只需要設(shè)定閾值，只要相似度大于閾值則認(rèn)為是匹配的目標(biāo)。在模版匹配的對象檢測兩個步驟：模版生成、相似性度量。常見的模版度量：絕對差異的總和、差的平方和、歸一化互相關(guān)系數(shù)和歐式距離。6.3有形目標(biāo)檢測基于區(qū)域（灰度值）的模版匹配平均絕對差算法、絕對誤差和算法、誤差平方和算法、平均誤差平方和算法基于互信息的圖像配準(zhǔn)算法互信息（MutualInformation，MI）是信息論中的重要概念，描述了兩個系統(tǒng)之間的相關(guān)性，或互相包含信息的多少。在圖像配準(zhǔn)中，兩幅圖的互信息是通過它們的熵以及聯(lián)合熵，來反映它們之間信息的相互包含程度。6.4

弱小目標(biāo)檢測弱小目標(biāo)特點：在成像平面內(nèi)僅表示為一個或幾個像素的面積，且目標(biāo)灰度值與背景差別大。無形狀、大小、紋理等特征的目標(biāo)運動特征：弱小運動目標(biāo)在相鄰兩幀中的位置無突變；空間和時間上有連續(xù)性弱小目標(biāo)檢測基本原理利用弱小目標(biāo)運動的特點，采用空間和時間濾波相結(jié)合的方法?？臻g濾波與處理增強(qiáng)目標(biāo)和抑制背景，提高信噪比；再通過時間序列分析進(jìn)行時間域濾波，檢測并跟蹤真正的目標(biāo)。6.4

弱小目標(biāo)檢測弱小目標(biāo)檢測的背景抑制----源圖像進(jìn)行預(yù)處理背景進(jìn)行抑制，將背景雜波濾除而只保留目標(biāo)信號和噪聲，提高圖像信噪比常用方法：高通濾波法形態(tài)學(xué)濾波背景預(yù)測6.4

弱小目標(biāo)檢測基于單幀的弱小目標(biāo)檢測閾值檢測法：當(dāng)背景存在強(qiáng)對比度的弱小目標(biāo)時，可采用全局閾值分割法?；诰植繄D像灰度梯度的檢測方法：弱小目標(biāo)雖然在灰度值上可能與背景差別不大，但沿個方向的梯度均較高。SUSAN算子：一種基于灰度的特征點獲取方法,適用于圖像中邊緣和角點的檢測,可以去除圖像中的噪聲。6.5

目標(biāo)檢測的性能評價通用性能指標(biāo)評價目標(biāo)對比度：在目標(biāo)檢測的性能指標(biāo)中，一般都用對比度和信噪比來描述目標(biāo)信號的強(qiáng)弱，而對比度主要描述的是目標(biāo)與周圍背景之間灰度或亮度的差異。目