一种基于有向带权图的低空运动目标搜索方法技术

本发明专利技术涉及一种基于有向带权图的低空运动目标搜索方法，属于图像处理技术领域。针对目前已有的可见光序列图像运动目标搜索方法，大多存在搜索范围固定、搜索效率较低的问题，本发明专利技术采用包含拓扑关系和权重的有向带权图来描述图像局部区域间的相对运动关系，依据目标的运动趋势动态规划搜索范围，使搜索过程更具方向性和针对性，在缩小搜索范围的同时，缩短了搜索时间，并提高了搜索准确度。在此基础上，结合一种基于采样策略优化的降维Haar特征描述图像局部信息，提高了对运动目标的表征能力，从而实现对序列图像中运动目标的准确、快速搜索。

【技术实现步骤摘要】
一种基于有向带权图的低空运动目标搜索方法
本专利技术属于图像处理
，涉及一种基于有向带权图的低空运动目标搜索方法。
技术介绍
运动目标搜索是图像处理和机器视觉领域的重要研究课题，目前运动目标搜索技术已被广泛应用于安防监控、遥感图像以及智能机器人领域，运动目标搜索是对图像序列或视频中感兴趣且运动的目标从背景中区分并提取。近年，随着无人机的发展，对无人机进行安全监控的需求也逐渐增多，因此对低空空域的动目标搜索是研究热点之一。高美凤，刘娣(《分块帧差和背景差相融合的运动目标检测》，计算机应用研究，2013,30-1,299-302)中利用图像分块建立初始背景模型，将视频图像划分为多个子块，对帧间差分图像的各子块进行自适应阈值检测，完成运动目标的粗分割，采用双阈值背景差分和邻域背景差分法对粗分割出来的运动区域进行细分割，但该方法仍是基于对背景建模，对背景细节的建模精准性较低，难以满足对尺寸小、速度快的低空运动目标目标搜索。
技术实现思路
本专利技术解决的技术问题是：针对目前已有的可见光序列图像运动目标搜索方法，大多存在搜索范围固定、搜索效率较低的问题，本专利技术采用包含拓扑关系和权重的有向带权图来描述图像局部区域间的相对运动关系，依据目标的运动趋势动态规划搜索范围，使搜索过程更具方向性和针对性，在缩小搜索范围的同时，缩短了搜索时间，并提高了搜索准确度。在此基础上，结合一种基于采样策略优化的降维Haar特征描述图像局部信息，提高了对运动目标的表征能力，从而实现对序列图像中运动目标的准确、快速搜索。专利技术效果本专利技术的技术效果在于：通过采用有向带权图描述分块近邻关系，根据目标运动方向规划搜索区域的方向性，优化搜索策略，缩短了搜索时间，提高了对运动目标搜索的效率。附图说明图1为算法流程图具体实施方式下面结合附图对本专利技术的技术方案进行详细说明本专利技术是通过以下技术方案实现的，基于有向带权图的低空运动目标搜索方法，其具体步骤如下：(1)对长度为n的序列图像F中的每帧图像fi(i＝1,2,…,n)进行分块处理,将其分解m个图像块Bi(xi,yi)(i＝1,2,…,m)，xi和yi为图像块在图像中的位置坐标，每个图像块的宽为W，高为H，通过有向带权图表示每个图像块之间的关联关系。W×H参数解释建立有向带权图G，G中第t个节点以nodet(ixt,iyt)标记，对应fi中的一个图像块Bk(xk,yk)，对应关系为：每个节点nodet带有两个权重和取值均在[-1,1]之内，初始值为0。有向图G中所有节点两两相连，由nodes有向图中第s个节点指向nodet的边表示为edges,t，其长度dists,t定义为：通过以上方式对节点间距离投影，以压缩权重方向上的边的长度，放大权重反方向上的边的长度，从而扩大权重方向上的搜索范围，实现对动目标出现位置的预判，提高搜索效率(2)根据步骤(1)，提取序列图像中的相邻两帧fi和fi+1，分别提取图像中各图像块的降维Haar特征，结合有向带权图搜索策略，对邻近帧间图像特征进行对比，实现对序列图像的运动目标搜索。在预先设定的常整数L与R之间取N个随机整数Pi(i＝1,2,…,N)，其中L、R取值范围为10以内的整数。(取值为不同)特征向量V的第i维特征值vi，这里的i取值为1～N，与Pi是对应的，可由Pi个矩形块的灰度值加权总和计算得到。在图像块Bi中，随机取Pi个矩形块Rk(xk,yk,wk,hk,wek),(k＝1,2,…,Pi)构成描述vi的特征模板，其中xk，yk分别表示Bi中Rk左上角的横纵坐标，wk为Rk的宽度，hk为Rk的高度。xk,yk,wk,hk满足：wek为Rk在Vi中所占权重，定义式为：ck取值为{1，-1}中的随机值。由此可以得到特征向量第i维特征vi：式中，Sk为矩形块中各像素灰度值的总和(3)根据步骤(2)获取的图像局部特征，结合有限带权图搜索策略，对邻近帧间图像特征进行对比，实现对序列图像的运动目标搜索。对于邻近的两帧图像fi和fi+1，提取相同局域位置的图像块对(Ba_i,Ba_i+1)，根据图像块计算两个图像块Haar特征向量(Va_i,Va_i+1)的广义距离：如果E(va_i,va_i+1)大于最小容错误差ε，则认为该图像块对应区域存在运动目标，ε取0.001。在图G中找出Ba对应的nodea，找出所有nodeb使得：dista,b＜Th其中Th为有向图中节点间距离的阈值。计算其降维Haar特征值与Ba特征值的广义距离E(va_i,va_i+1)，距离最小的图像块Bb为Ba移动后的图像块位置，即动目标位置。(4)根据步骤(3)，获得了一系列动目标位置(Ba,Bb)j，目标从前一帧中图像块Ba移动到后一帧中的Bb，利用这些目标位置更新有向带权图中各节点权重。对于每一个动目标(Ba,Bb)j，更新图像块Ba和Bb在有向图G中对应节点nodea和nodeb，通过以下公式计算nodeb权重和其中sign(x)为符号函数，定义为：其余未被更新的节点权值赋为0。本步骤结束后得到了相邻两帧间的动目标，之后再对下一对相邻帧重复整个过程本专利技术一种基于有向带权图的低空运动目标搜索方法基本流程如图1所示，利用实例说明本专利技术的具体实施方式，但本专利技术的
技术实现思路
不限于所述的范围，具体实施方式包括以下步骤：步骤一、获取具有相同背景下长度为n的序列图像F，其中每帧图像表示为fi(1,2,…,n)，本专利技术中的搜索策略是建立在有向带权图对图像局部关系的表述上的，因此需首先建立分块模板并对分块建立有向带权图描述其关系，同时初始化特征模板。此处特征模板指的是随机生成的数和矩形块，具体分为三个过程：(1)根据图像像素大小和低空运动目标体积，其中图像块大小是由搜索精度确定的，将每帧图像分块处理为m个大小为W×H的图像块，同时，确定降维Haar特征，维数N以及每一维特征所需矩形块数量的上、下限L和R值。(2)对于每一维降维Haar特征vi，随机生成(一个范围介于L和R之间的整数Pi，在图像块大小范围内选取Pi个位置和大小服从对应概率分布的随机矩形块Rk(xk,yk,wk,hk,wek),(k＝1,2,…,Pi)，并对其权重wek赋值。(3)建立有向带权图G，G中所有节点的权重赋初始值为0。所有节点两两相连，分别计算每条边edges,t的长度dists,t：步骤二、进行运动目标搜索，首先对每帧图像进行分块化处理并提取降维Haar特征，本专利技术中搜索移动目标的策略采用遍历和有向带权图结合的方法，对于序列图像中相邻两帧图像，通过计算相同位置图像块的降维Haar特征向量的广义距离判断图像块是否存在运动目标。具体包含三个过程：(1)提取序列图像中相邻两帧图像fi和fi+1，对于fi+1中套用分块模板进行分块，对每一个图像块，参照步骤一已生成的Haar特征模板，分别求出模板中每个矩形块内像素灰度值之和，并根据每个矩形块的权重求和得到图像块的Haar特征向量。(2)对于fi+1中的像素块Ba_i+1，分别对fi中位于相同位置的图像块Ba_i，计算两个降维Haar特征向量(Va_i,Va_i+1)的广义距离：记录广义距离大于最小容错误差的图像块Ba(xa,ya)。(3)对于每个Ba(xa,ya)利用下式进行计算：得到Ba在本文档来自技高网...

【技术保护点】
一种基于有向带权图的低空运动目标搜索方法，其特征在于，包括一下步骤：步骤一：定义的序列图像F长度为n，F中的每帧图像表示为fi(1,2,…,n)，将每帧图像fi分块处理为m个W×H的图像块Bi(xi,yi)(i＝1,2,…,m)，xi和yi分别表示为图像块Bi在每帧图像fi中x轴和y轴的位置坐标，W为图像块的宽，H为图像块的高；步骤二：建立有向带权图G，G中第s个节点带有横向权重

【技术特征摘要】
1.一种基于有向带权图的低空运动目标搜索方法，其特征在于，包括一下步骤：步骤一：定义的序列图像F长度为n，F中的每帧图像表示为fi(1,2,…,n)，将每帧图像fi分块处理为m个W×H的图像块Bi(xi,yi)(i＝1,2,…,m)，xi和yi分别表示为图像块Bi在每帧图像fi中x轴和y轴的位置坐标，W为图像块的宽，H为图像块的高；步骤二：建立有向带权图G，G中第s个节点带有横向权重和纵向权重取值均在[-1,1]之内，初始值为0；其中第t个节点nodet(ixt,iyt)与fi中的第k个图像块Bk(xk,yk)的对应关系为：ixt表示为第t个节点的x坐标，iyt表示为第t个节点的y坐标，有向图G中第s个节点nodes和有向图G中第t个节点nodet之间的距离dists,t定义为：步骤三：构建特征向量V的特征模板，提取图像fi中各图像块的降维Haar特征：特征向量V中包含若干个特征值，每个特征值包含的矩形块数量不同；定义第i个特征值为vi，且vi由Pi(i＝1,2,…,N)个矩形块计算得到，其中L〈N〈R，L与R为10以内取值不同的常整数；Rk(xk,yk,wk,hk,wek),(k＝1,2,…,Pi)构成描述特征向量V的vi的特征模板，其中xk，yk分别表示Bi中Rk的横纵坐标，wk为Rk的宽度，hk为Rk的高度；xk,yk,wk,hk满足：wek为Rk在Vi中所占权重，定义式为：ck取值为{1，-1}中的随机值；由此可以得到特征向量第i维特征vi：式中，Sk为矩形块中各像素灰度值的总和由此计算得到特征向量V＝(v1,v2,…,vN)；步骤四：根...

【专利技术属性】
技术研发人员：王靖宇，王霰禹，姜海旭，张科，王佩，吕梅柏，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61