一種用於圖像序列中微小目標輪廓的降噪方法
2023-05-29 17:12:31 1
專利名稱：一種用於圖像序列中微小目標輪廓的降噪方法
技術領域：
本發明涉及的是一種圖像處理技術領域的降噪方法，具體地說，涉及的是一種用於圖像序列中微小目標輪的輪廓降噪方法。
背景技術：
光學系統可以在遠距離得到目標的形態信息，而且光學觀測系統屬於無源系統，功耗低適合長時間的觀測。利用可見光傳感器對非合作目標進行形態測量與識別的技術是空間技術中的一個重要分支。這一技術有著廣泛的應前景，例如，可以有效地對地或對空識 別目標；測量目標的位置姿態等。在利用可見光傳感器對非合作目標進行形態測量與識別中往往目標距離光學傳感器的距離遙遠，這造成了目標在傳感器中的圖像比較小。若光學傳感器的角解析度為5 μ弧度，目標距離傳感器距離為100千米時，空間解析度為O. 46米，如果目標大小為3米χ3米的正方形在這種情況下其在圖像中的大小為7x7個像素。對於如此微小的圖像目標，再加上空間目標的圖像通常對比強烈因此一些基於輪廓的方法更適用於對目標的形態進行測量和識別。然而空間情況下所成圖像會受到噪聲幹擾，對於微小的圖像輪廓的影響會很大，這會極大的限制基於輪廓的形態測量與識別技術的應用，因而對微小目標的輪廓進行降噪是基於輪廓的形態測量和識別技術的重要環節。目前對於微小目標輪廓的降噪方法研究較少，而其他可以用以降噪的方法大多不適用於微小目標的輪廓降噪。對於靜態目標一些關於噪聲的統計信息可以從圖像序列中得至IJ，利用這些統計信息可以降噪。但是通常所要測量和識別的目標是機動的這一類方法不能使用。一些基於主動輪廓的跟蹤方法也不適用於該情況，這些方法是設計用來在複雜場景下進行跟蹤的，並且對於較大的圖像輪廓才有效果。頻域中的低通濾波器和時域中的平滑算子也不適用於該情況，因為這些方法只會消除圖像的細節，低頻中的噪聲依然存在。經對現有技術的檢索發現，經對現有技術的檢索發現，Niethammer等在2006年於《Automatic Control》(自動控制)第 51 卷，第 4 期上發表了《Dynamic active contoursfor visual tracking》(視覺跟蹤中的主動輪廓)。該文提出了基於主動輪廓的跟蹤技術，具體為使用主動輪廓逼近所要跟蹤的運動目標，對於有噪聲的情況該方法也能很好的得到目標的輪廓，其不足在於該方法不適用於微小目標。
發明內容
針對上述現有技術存在的不足，本發明的目的在於提供一種用於圖像序列中微小目標輪廓降噪的方法，解決了在圖像對比度大、目標距離遠的空間環境條件下對機動的微小目標輪廓進行降噪的問題，且本發明方法計算量小，較為魯棒不易發散，易於進行嵌入式移植。本發明是通過以下技術方案實現的，本發明包括如下步驟步驟一，從圖像序列中提取當前幀中的目標輪廓從目標的圖像序列中使用輪廓提取方法提取目標輪廓，對輪廓進行預處理，消除輪廓毛刺，並使圖像輪廓閉合。
所述輪廓提取可以使用常用的輪廓提取方法，如，坎尼(Canny)，索貝爾(Sobel)等方法。所述消除輪廓毛刺是採用形態學的腐蝕和膨脹操作消除圖像輪廓中的毛刺。步驟二，對於步驟一中提取的輪廓進行轉換使用傅立葉描述子(FDs)將步驟一中提取的輪廓從空域中轉換為頻域中；步驟三，使用基於常加速模型的卡爾曼濾波器對步驟二的傅立葉描述子的實部和虛部分別進行濾波。所述的常加速模型的卡爾曼濾波器，是指假設目標的運動為常加速運動的卡爾曼濾波。步驟四，對步驟三濾波後的傅立葉描述子進行逆變換，最終得到降噪後的輪廓。對於其後的圖像幀重複步驟一至步驟四進行處理。 卡爾曼濾波器是常用於目標跟蹤領域的技術，而傅立葉描述子是圖像處理領域常用的一種技術，本發明將兩種技術有機的結合用於圖像序列中的微小目標輪廓的降噪，通過傅立葉描述子將序列中的目標輪廓在頻域裡描述，此時噪聲被轉換到所得的傅立葉描述子的每個頻率點中。基於輪廓上的噪聲是高斯分布的假設，那麼在傅立葉描述子中每個頻率點上的噪聲仍然是高斯分布的，線性高斯濾波器可以用來濾除這些噪聲，使用卡爾曼濾波器對每個頻率點的傅立葉描述子進行濾波去處噪聲，然後對濾波後的傅立葉描述子進行逆變換得到降噪的輪廓序列。與現有技術相比，本發明具有以下有益效果本發明對於靜態目標和機動目標同樣有效，解決了在空間環境下，所獲取的圖像對比度強，空間遠距離目標靜止和機動情況下對微小輪廓降噪的問題。在模擬的目標輪廓為50個像素的情況下，對所提取輪廓的點加入均值為零、方差為I的高斯噪聲，所獲取的降噪結果與真實輪廓間的距離(這裡使用傅立葉描述子空間的距離)比加入噪聲的輪廓與真實輪廓的距離小至少15%。並且該方法也可以用於較大輪廓的降噪。該方法能夠擴大基於輪廓的空間光學識別和測量技術的作用距離。
圖I為本發明用於圖像序列中微小目標輪廓的降噪方法的流程圖。圖2為本發明實施例所用視頻序列中的一幀，中央的目標為KH-12衛星，其輪廓約為50個像素。圖3A為本發明實施例結果中的第3幀的情況圖；圖3B為本發明實施例結果中的第31幀的情況圖；圖3C為本發明實施例結果中的第100幀的情況圖；圖4為本發明實施例各時刻降噪後的結果與真實輪廓在FDs空間的距離(實線)和帶有噪聲的輪廓與真實輪廓間的距離(虛線)。
具體實施例方式下面結合附圖對本發明做進一步詳細說明。實施例如圖I所示，本實施例所涉及的用於圖像序列中微小目標輪廓降噪的方法，包括如下步驟步驟一，從圖像序列中提取目標輪廓從目標的圖像序列中使用輪廓提取方法提取目標輪廓，對輪廓進行 處理，消除輪廓毛刺，並使輪廓閉合。常用的輪廓提取方法，如，Canny, Sobel等方法。消除輪廓毛刺採用形態學的腐蝕和膨脹操作方法。步驟二，對於步驟一中提取的輪廓進行轉換使用傅立葉描述子(FDs)將步驟一中提取的輪廓從空域中轉換為頻域中。給定t時刻圖像序列中的一幅圖像，St是其中一個輪廓,令Xt = {(xtl，ytl)，(xt27yt2)，...，(xtK，ytKM表示從St中按照逆時針方向抽樣的點序列，那麼輪廓St可以表示為複平面上的點序列ct(u) = xtu+ytuj, u = 1,2,3, ...,K; (I)這裡X軸作為實軸，y軸為虛軸。對於閉合輪廓，能夠表示為周期信號，即ct (u+M)= Ct(U)這裡M是K的倍數。因為Ct(U)是周期信號那麼可以對其使用離散傅立葉變換(DFT)，
權利要求
1.一種用於圖像序列中微小目標輪廓降噪的方法，該方法包括如下步驟 步驟一，從目標的圖像序列中使用輪廓提取方法提取目標輪廓，對輪廓進行預處理，消除輪廓毛刺，並使輪廓閉合； 步驟二，使用傅立葉描述子將步驟一中提取的輪廓從空域中轉換為頻域中； 步驟三，使用基於常加速模型的卡爾曼濾波器對步驟二的傅立葉描述子的實部和虛部分別進行濾波； 步驟四，對步驟三濾波後的傅立葉描述子進行逆變換，最終得到降噪後的輪廓；對於後續的圖像幀重複步驟一至步驟四。
2.根據權利要求I所述的用於圖像序列中微小目標輪廓降噪的方法，其特徵是，所述消除輪廓毛刺是採用形態學的腐蝕和膨脹操作消除圖像輪廓中的毛刺。
3.根據權利要求I所述的用於圖像序列中微小目標輪廓降噪的方法，其特徵是，所述輪廓提取方法採用坎尼(Canny)輪廓提取方法或索貝爾(Sobel)輪廓提取方法。
4.根據權利要求I所述的用於圖像序列中微小目標輪廓降噪的方法，其特徵是，所述的卡爾曼濾波器是指利用假設的運動模型對目標狀態進行估計的濾波器。
全文摘要
本發明公開了一種用於圖像序列中微小目標輪廓降噪的方法，步驟為一，從目標的圖像序列中提取目標輪廓，對輪廓進行處理，消除輪廓毛刺，並使輪廓閉合；二，使用傅立葉描述子將步驟一中提取的輪廓從空域中轉換為頻域中；三，使用基於常加速模型的卡爾曼濾波器對步驟二的傅立葉描述子的實部和虛部分別進行濾波；四，對步驟三所得濾波後的傅立葉描述子進行逆變換，最終得到降噪後的輪廓。本發明對於靜態目標和機動目標同樣有效，解決了在空間環境下，所獲取的圖像對比度強，空間遠距離目標靜止和機動情況下對其輪廓降噪的問題，並該方法也可用於較大輪廓的降噪。該方法計算量小，較為魯棒不易發散，易於進行嵌入式移植。
文檔編號G06T5/00GK102663699SQ201210102449
公開日2012年9月12日 申請日期2012年4月10日 優先權日2012年4月10日
發明者劉伯文, 吳建民, 翟鳴 申請人:中國航空無線電電子研究所