基于紅外圖像的內(nèi)河運(yùn)動(dòng)船舶目標(biāo)檢測(cè)和跟蹤技術(shù)研究.pdf

1、隨著內(nèi)河航運(yùn)的增長(zhǎng)，導(dǎo)致航運(yùn)事故發(fā)生的風(fēng)險(xiǎn)也同樣的增加。在雨、雪、霧、夜間等能見度不良?xì)夂驐l件下航行是造成船舶互撞和船撞橋事故的主要因素。船-船、船-橋避碰成功的關(guān)鍵是獲取其他運(yùn)動(dòng)船舶和危險(xiǎn)目標(biāo)的準(zhǔn)確信息。前視紅外成像設(shè)備具有抗干擾能力強(qiáng)，氣候環(huán)境適應(yīng)性強(qiáng)，晝夜連續(xù)探測(cè)等優(yōu)點(diǎn)。通過(guò)在各種內(nèi)河行駛船舶上以及橋梁、閘口、限制區(qū)等重點(diǎn)區(qū)域安裝價(jià)格便宜、技術(shù)成熟的非致冷紅外焦平面陣列前視紅外成像設(shè)備，實(shí)時(shí)采集紅外視頻圖像，綜合利用圖像處理、目標(biāo)

2、檢測(cè)、目標(biāo)跟蹤等技術(shù)，對(duì)采集的紅外視頻圖像進(jìn)行魯棒的實(shí)時(shí)的分析處理、實(shí)現(xiàn)在內(nèi)河復(fù)雜背景不良?xì)夂驐l件下，對(duì)其他內(nèi)河運(yùn)動(dòng)船舶目標(biāo)進(jìn)行檢測(cè)和跟蹤，并利用得到的船舶目標(biāo)檢測(cè)和跟蹤結(jié)果輔助船舶航行，提高監(jiān)管人員和操船人員對(duì)航行環(huán)境的感知能力，輔助操船人員進(jìn)行避撞決策，減少操船的失誤，提高船、橋避碰成功率，保障人員的生命和財(cái)產(chǎn)的安全，減少或避免嚴(yán)重污染水域和自然環(huán)境事故的發(fā)生，確保航行運(yùn)輸安全。
　　在基于視頻的監(jiān)控系統(tǒng)中有三個(gè)關(guān)鍵步驟：檢測(cè)

3、感興趣的運(yùn)動(dòng)目標(biāo)、跟蹤這些目標(biāo)、通過(guò)分析目標(biāo)軌跡來(lái)識(shí)別相應(yīng)目標(biāo)的行為。紅外目標(biāo)檢測(cè)和跟蹤技術(shù)，作為智能化信息處理的關(guān)鍵環(huán)節(jié)之一，一直是困擾和制約紅外成像探測(cè)實(shí)用性能的瓶頸問(wèn)題和技術(shù)難點(diǎn)而亟待解決；同時(shí)，要把紅外技術(shù)應(yīng)用于內(nèi)河水上交通安全，首先必須解決的關(guān)鍵技術(shù)就是基于紅外圖像的內(nèi)河運(yùn)動(dòng)船舶目標(biāo)檢測(cè)和跟蹤；因此，基于紅外圖像的內(nèi)河運(yùn)動(dòng)船舶目標(biāo)檢測(cè)和跟蹤技術(shù)研究，不僅具有重要的實(shí)用價(jià)值，還有重要的學(xué)術(shù)研究?jī)r(jià)值。本論文圍繞基于紅外圖像的內(nèi)河運(yùn)

4、動(dòng)船舶目標(biāo)檢測(cè)和跟蹤技術(shù)展開研究。
　　首先，介紹前視紅外成像系統(tǒng)的原理、組成及其優(yōu)缺點(diǎn)、定性分析紅外圖像中內(nèi)河船舶目標(biāo)和背景的紅外特征、紅外圖像的噪聲特性、提出對(duì)目標(biāo)檢測(cè)和跟蹤算法的性能要求；
　　第二，在學(xué)習(xí)和借鑒已有天水線提取算法的基礎(chǔ)上，提出了一種能夠在復(fù)雜內(nèi)河背景下進(jìn)行天水線提取及其評(píng)價(jià)的方法；實(shí)驗(yàn)表明，該方法適應(yīng)性好，定位精度高，實(shí)時(shí)性和可靠性高；給出了感興趣區(qū)域ROI的提取方法；
　　第三，總結(jié)已有的基于

5、分形技術(shù)的人造目標(biāo)檢測(cè)算法，在此基礎(chǔ)上提出了一種新的多尺度分形特征參數(shù)（MFFK）；實(shí)驗(yàn)證明，當(dāng)該參數(shù)應(yīng)用于內(nèi)河紅外圖像時(shí)，可以對(duì)內(nèi)河船舶目標(biāo)和內(nèi)河自然背景進(jìn)行很好的區(qū)分；進(jìn)一步，提出了基于MFFK的內(nèi)河船舶目標(biāo)的檢測(cè)算法；實(shí)驗(yàn)證明：該算法適用于內(nèi)河復(fù)雜背景，適應(yīng)性強(qiáng)，檢測(cè)精度高，能夠滿足實(shí)時(shí)性和可靠性的要求；
　　第四，首先對(duì)Mean Shift算法進(jìn)行回顧，然后提出基于Mean-Shift的內(nèi)河運(yùn)動(dòng)船舶目標(biāo)跟蹤算法。該算法最大

6、的特點(diǎn)是在多尺度分形特征參數(shù) MFFK圖像中描述內(nèi)河運(yùn)動(dòng)船舶目標(biāo)；實(shí)驗(yàn)證明：對(duì)紅外圖像中處于各種內(nèi)河復(fù)雜背景中的單個(gè)運(yùn)動(dòng)船舶目標(biāo)，該算法可實(shí)時(shí)、可靠、魯棒的跟蹤，但是當(dāng)出現(xiàn)多個(gè)運(yùn)動(dòng)船舶目標(biāo)相互遮擋時(shí)，該算法的跟蹤可靠性降低；
　　第五，首先回顧了粒子濾波相關(guān)理論及其在視頻目標(biāo)跟蹤中的應(yīng)用；然后提出基于單一灰度特征的粒子濾波內(nèi)河船舶目標(biāo)跟蹤算法。在粒子濾波理論框架下，MFFK灰度圖像中的內(nèi)河船舶目標(biāo)的狀態(tài)后驗(yàn)概率分布用加權(quán)隨機(jī)樣本集

7、表示，通過(guò)這些隨機(jī)樣本的Bayesian迭代進(jìn)化實(shí)現(xiàn)對(duì)紅外圖像序列中的內(nèi)河船舶目標(biāo)跟蹤；實(shí)驗(yàn)證明：?jiǎn)我换叶忍卣鞑蛔阋悦枋鰞?nèi)河運(yùn)動(dòng)船舶目標(biāo)，該算法可用于簡(jiǎn)單內(nèi)河背景，但不適用于內(nèi)河復(fù)雜背景；
　　第六，由于紅外圖像中的內(nèi)河運(yùn)動(dòng)船舶目標(biāo)的輪廓、形狀和紋理特征一般不明顯、沒(méi)有顏色信息，同時(shí)單一灰度特征又不足以描述目標(biāo)，因此，提出把船舶的灰度特征和運(yùn)動(dòng)特征融合來(lái)對(duì)內(nèi)河運(yùn)動(dòng)船舶目標(biāo)進(jìn)行描述。通過(guò)在 MFFK灰度圖像中提取內(nèi)河運(yùn)動(dòng)船舶目標(biāo)的灰

8、度特征，在兩兩 MFFK灰度圖像幀之間利用時(shí)間差分方法提取內(nèi)河運(yùn)動(dòng)船舶目標(biāo)的運(yùn)動(dòng)特征，利用模糊邏輯定義灰度特征與運(yùn)動(dòng)特征融合后的多特征融合相似系數(shù)；最終提出了基于灰度特征與運(yùn)動(dòng)特征融合的粒子濾波跟蹤算法。該算法集成了分形幾何、Mean Shift、差分運(yùn)動(dòng)檢測(cè)、粒子濾波、模糊論等理論。實(shí)驗(yàn)證明：該算法不僅能夠在內(nèi)河復(fù)雜背景中對(duì)內(nèi)河運(yùn)動(dòng)船舶進(jìn)行穩(wěn)健的有效的跟蹤，而且能夠應(yīng)付場(chǎng)景的各種變化以及多運(yùn)動(dòng)船舶目標(biāo)交錯(cuò)遮擋等情形，算法具有魯棒性；算