海难搜救机器视觉系统中结合运动信息的视觉注意模型技术方案

本发明专利技术公开了一种应用于海难搜救机器视觉系统中，结合运动信息的视觉注意模型，在实施时，主要利用图像序列中的亮度、颜色和运动信息三个方面的特征，利用线性合并策略形成视觉显著图，并通过竞争机制获得当前视觉注意焦点，以此进行海难搜救的目标检测。此处的运动信息来源于图像序列的当前帧与滑动平均后背景图像之间差分的结果。本发明专利技术的使用，可以实现在海难搜救动态背景条件下生成搜救目标显著图，从而得到视觉注意焦点。本发明专利技术使用的运动信息计算量小、实现方便，同时该方法不必计算传统视觉注意模型中的方向特征，这样可以有效去除水天线带来的干扰，使视觉注意模型更适用于海难搜救特定环境中。

【技术实现步骤摘要】

本专利技术属于机器视觉领域，是涉及一种应用于海难搜救机器视觉系统的，结合运 动信息的改进的视觉注意模型。
技术介绍
通过分析可见光成像设备获取的图像序列，在水上场景中进行目标检测是海难搜 救机器视觉系统的重要任务之一。上世纪九十年代起，国外学者对海难搜救中应用图像处理技术和机器视觉技术， 进行了初步的探讨。Sumimoto利用搜救目标的颜色特征进行海难目标检测；Yamamoto 提出了利用图像处理技术检测救生筏的方法。Westall等提出利用形态学方法等辅助 UAV(unmanned automatic vechile)对落水人员进行定位。视觉注意是建立在人类视觉感知机制基础上的，该方法特别适合在复杂场景中检 测目标，引起了国内外学者的广泛关注。自下而上和自上而下是视觉注意机制中两类注意 区域选择机制，自下而上是数据驱动的，完全根据图像自身的特征得到显著区域，而自上而 下是任务驱动的，根据先验知识指导显著区域的选择。Itti提出的特征图组合策略中，利 用了图像的颜色、亮度和方向三个特征，同时Itti提出了四种特征合并策略，并对其进行 了对比。叶聪颖提出了基于HSI空间的船舶检测视觉注意模型，即在HSI颜色空间中，对三 个分量采用多尺度的视觉差分计算获得各个分量特征图，进而对其进行线性融合获得显著 图。这些模型仅考虑了图像的静态信息。近年来，很多学者在视觉注意模型中静态信息与动态信息相结合的理论和方法上 开展了大量研究工作。张焱提出了一种结合运动特征的显著图提取方法，该方法中显著图 是利用了图像的灰度、细节和运动特征，其中图像的灰度特征来自小波分解中的低频分量， 细节部分来自经过小波分解后的高频分量，而运动特征是由相邻帧之间的相关曲线得到 的。Sim讨论了基于运动集成的弱小目标检测算法，其中特征选择了亮度、方向和运动特征。 陈嘉威将运动速度和运动方向弓丨入运动显著图中，以此在复杂场景中检测目标。Bur等人对 各类综合静态特征和动态特征的视觉注意模型进行了对比，其中动态特征中利用了图像的 空间梯度信息。针对海难搜救的特殊应用，即船载摄像机会随着船舶运动，而被检测目标也是动 态变化的，普通的运动目标检测方法效果不理想，即仅考虑运动特征时，较易把目标和背景 噪声混淆。同时，采用经典的三类特征生成视觉显著图时，水天线明显的方向特征，在方向 通道中十分显著，对海难搜救的目标检测任务而言是较大的干扰。
技术实现思路
本专利技术主要针对在海难搜救的场景下，经典的视觉注意模型，没有包括运动信息， 并且颜色、亮度和方向三个特征显著图计算量较大；此外海上背景中水天线对搜救目标检 测有较大的影响等问题；而提供一种结合运动信息的视觉注意模型，以进行海难搜救视觉系统中的目标检测问题。为了实现上述目的，本专利技术是通过如下的技术方案来实现海难搜救机器视觉系统中结合运动信息的视觉注意模型，所述结合运动信息的视 觉注意模型是通过以下步骤实现的1)对当前帧图像Ik，获取其颜色信息Color和亮度信息Intensity ；2)对颜色信息与亮度信息，分别求其高斯金字塔，并通过center-surround差分 运算和规范化处理，得到两个通道的特征图；3)对当前帧图像Ik与前一帧图像Ιη，利用滑动平均方法获得当前帧的背景图像 Backgr0Imdk，然后利用差分方法得到当前帧的运动信息图，并对其进行规范化处理；4)将颜色、亮度和运动信息，三个部分的特征，按照线性合并策略进行特征合并， 得到总显著图。5)通过WTA机制，选择视觉注意的焦点，生成总特征图。本专利技术的使用考虑到视觉注意模型在复杂场景目标检测中的优势，使用视觉注意 模型进行目标检测时，在原有的静态特征基础上加入运动信息，形成总显著图，该运动信息 来源于采用滑动平均的帧间差分结果，该方法简单易实现；此外，显著图选用颜色、亮度和 运动特征，而弃用传统视觉注意模型中的方向特征，一方面可以简化算法，另一方面可以避 免水天线的干扰。该方法可以满足海难搜救的应用要求。附图说明下面结合附图和具体实施方式来详细说明本专利技术；图1为本专利技术中结合运动信息的视觉注意模型流程图。图2a为实验的原图像。图2b为背景差分结果效果示意图。图2c为Itti模型的各通道显著图。图2d为Itti模型的显著图。图2e为Itti模型中无方向信息的显著图。图2f为本专利技术方法的显著图。图3a为实验的原图像。图3b为背景差分结果效果示意图。图3c为Itti模型的各通道显著图。图3d为Itti模型的显著图。图3e为Itti模型中无方向信息的显著图。图3f为本专利技术方法的显著图。具体实施例方式为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。本专利技术是一种结合运动信息的视觉注意模型，主要针对在海难搜救的场景下，经 典的视觉注意模型，没有包括运动信息，并且颜色、亮度和方向三个特征显著图计算量较大；此外海上背景中水天线对搜救目标检测有较大的影响。针对这些问题，进行的改进设 计。基于上述目的，本专利技术提供的海难搜救机器视觉系统中结合运动信息的视觉注意 模型，是通过下列步骤实施的(如图1所示)1)对当前帧图像Ik，通过线性滤波获取其颜色信息Color和亮度信息Intensity ；2)对颜色信息与亮度信息，分别求其高斯金字塔，并通过center-surround差分 运算和规范化处理，得到两个通道的特征图，生成颜色特征的显著图以及生成亮度特征的 显著图；3)对当前帧图像Ik与前一帧图像Ιη，利用滑动平均方法获得当前帧的背景图像 Backgr0Imdk，然后利用差分方法得到当前帧的运动信息图，并对其进行规范化处理；4)将颜色、亮度和运动信息，三个部分的特征，按照线性合并策略进行合并，得到 总显著图。5)通过WTA机制，选择视觉注意的焦点，生成总特征图。基于上述方案，本专利技术在实施时，主要面临的问题是，第一是如何提取运动信息， 要求计算量尽量小并足以反映运动目标的特征；第二是针对总显著图，如何选择图像序列 的特征。针对第一个问题，本专利技术采用了较常见的滑动平均方法，获得背景图像，然后利用 图像序列中的当前帧与当前背景图像差分获得运动特征；设Ik(X，y)是图像序列V的第k帧，则当前更新的背景图像为Background, (x, y) = α Ik(x, y) + (1-α ) I^1 (χ, y),0 ^ α 彡 1 (1)α是当前帧在背景图像中的权重，其大小取决于背景变化的程度。由背景差分方 法可得运动目标图像为Mk(x, y) = Ik(χ, y)-Background,(χ, y) (2)针对不同的图像，可采用不同权重。同时，为与颜色特征及运动特征进行合并，获得的运动目标图像还需要进行规范 化处理，即有丸(xj) = N[Mk (x,>；)]。针对第二个问题，本专利技术选择了颜色、亮度和运动信息三个特征，计算量小，实现简单。首先，特征图中没有考虑方向通道的信息，可避免24个方向特征图的计算，简化 运算，本专利技术所需的特征图仅有19个；其次，本专利技术提出的特征图生成方法有效的去除了水天线的干扰。基于上述方案，本专利技术具体实验如下实验一，参见图2a_2f，该实验中权重设定为0.8。其中图2a显示实验的原图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
海难搜救机器视觉系统中结合运动信息的视觉注意模型，其特征在于，所述结合运动信息的视觉注意模型是通过以下步骤实现的1)对当前帧图像Ik，获取其颜色信息和亮度信息；2)对颜色信息与亮度信息，分别求其高斯金字塔，并通过center surround差分运算和规范化处理，得到两个通道的特征图；...

【专利技术属性】
技术研发人员：冉鑫，任蕾，施朝健，陈锦标，陈建彪，应士君，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：31