基于水平集活動輪廓模型的紅外人體目標(biāo)分割方法研究.pdf

1、近年來,由于紅外人體目標(biāo)檢測技術(shù)在智能視頻監(jiān)控、高級人機接口、機器人視覺等領(lǐng)域有著的廣泛應(yīng)用前景和潛在的經(jīng)濟(jì)價值,它已成為計算機視覺領(lǐng)域的一項重要研究內(nèi)容。圖像分割是紅外人體目標(biāo)檢測技術(shù)中需要解決的一個基礎(chǔ)性問題,是實現(xiàn)人體識別、行為理解等高層應(yīng)用的前提。盡管近年來出現(xiàn)了若干有效方法,但由于紅外成像質(zhì)量差、人體特征變化大、應(yīng)用場景復(fù)雜多變以及檢測系統(tǒng)對算法性能要求嚴(yán)苛等因素,尋求具備良好分割精度、實時性和魯棒性的分割方法仍具有相當(dāng)挑戰(zhàn)性

2、。在充分調(diào)研現(xiàn)有方法的基礎(chǔ)上,論文將水平集活動輪廓模型(Level Set Based Active Contour,LSAC)引入紅外人體目標(biāo)檢測這一全新應(yīng)用領(lǐng)域,利用它在圖像分割方面的獨特優(yōu)勢解決紅外人體目標(biāo)的分割問題。首先將紅外人體目標(biāo)檢測系統(tǒng)中使用的紅外圖像按時域特征劃分為三類,然后在分析其中各類圖像特點以及影響分割質(zhì)量的主要因素的基礎(chǔ)上,將LSAC模型實現(xiàn)圖像分割的基本思想分別與模糊集理論、背景相減以及閾值分割技術(shù)相融合,由此

3、提出了一系列新的圖像分割方法。在此過程中,從能量泛函的建立、數(shù)值算法的設(shè)計與選用兩項LSAC模型的關(guān)鍵技術(shù)著力,結(jié)合對算法流程進(jìn)行優(yōu)化等手段,使它們具備了較現(xiàn)有典型方法更為優(yōu)越的分割精度、運行效率以及魯棒性。
　　論文取得的主要研究成果如下:
　　(1)靜態(tài)紅外圖像中較強的模糊性和人體灰度的非勻質(zhì)性嚴(yán)重制約著對其中人體目標(biāo)的分割質(zhì)量。通過將模糊集理論在模糊信息處理方面的優(yōu)勢以及局部化LSAC模型在處理非勻質(zhì)圖像方面的特長相結(jié)

4、合,提出了一種基于圖像局部模糊信息的水平集活動輪廓模型(Local Fuzziness based LSAC,LFB-LSAC),有效克服了兩因素對分割質(zhì)量的影響。同時,提出了一種以窄帶演化與直接極小化技術(shù)為基礎(chǔ)的快速數(shù)值算法,實現(xiàn)了對LFB-LSAC模型的快速求解,避免了典型局部化LSAC模型運行效率低下的缺點以及基于全局模糊信息模型所輸出輪廓曲線可能不連續(xù)的不足。實驗結(jié)果表明了該模型在分割精度以及運行效率方面的優(yōu)勢。
　　(2

5、)面向背景相對靜止紅外序列圖像中人體目標(biāo)的分割問題,提出了一種基于背景相減的實時水平集活動輪廓模型(Real-Time Background Subtraction based LSAC,RT-BSLSAC),并針對其缺陷提出了一種改進(jìn)模型。RT-BSLSAC模型從連續(xù)多幅相鄰幀圖像中提取時空聯(lián)合信息構(gòu)造能量泛函,從而有效抑制了噪聲,獲得了良好的前景檢測精度。采用結(jié)合了二值水平集函數(shù)(Binary Level Set Function,

6、BLSF)和Gaussian濾波的數(shù)值算法極小化此能量泛函,實現(xiàn)了對模型的快速求解。此外,背景更新過程獨立于能量泛函,模型可通過對背景更新策略的靈活配置,更好適應(yīng)場景變化。測試表明,RT-BSLSAC模型具備良好分割精度以及實時性。
　　RT-BSLSAC模型的分割結(jié)果容易受水平集函數(shù)初始取值的影響,若對該初始條件設(shè)置不當(dāng)可能造成圖像分割質(zhì)量降低或完全失敗。此外,還由于缺乏對目標(biāo)邊緣的直接檢測,它對人體輪廓的定位可能不夠準(zhǔn)確。改進(jìn)

7、模型借助邊緣停止函數(shù)實現(xiàn)了對圖像邊緣的直接檢測,提高了對人體輪廓的定位精度,采用全變分范數(shù)對偶公式搜索模型全局解,避免初始條件選擇不當(dāng)對分割精度的影響。實驗結(jié)果表明,改進(jìn)模型以犧牲一定運行效率為代價提高了分割精度并獲得了對初始條件的魯棒性。
　　(3)在移動紅外人體目標(biāo)檢測系統(tǒng)中,序列圖像的背景特征會隨著系統(tǒng)平臺的運動狀態(tài)發(fā)生變化。針對這類背景可能靜止也可能較快移動的序列圖像,提出了一種基于運動檢測和靜態(tài)檢測相融合的分割方法?？朔?/p>

8、了基于背景固定假設(shè)運動分割方法不能處理背景運動序列圖像的不足,也避免了靜態(tài)分割方法容易產(chǎn)生虛假前景和人體破碎的問題。該方法包含運動檢測模塊、靜態(tài)檢測模塊以及融合模塊,其中前兩個模塊均為LSAC模型。運動檢測模塊能夠在前景檢測的同時實現(xiàn)背景更新,它實現(xiàn)了對序列圖像中所有運動區(qū)域的檢測。靜態(tài)檢測模塊能夠分割出灰度在指定范圍內(nèi)的圖像區(qū)域,它用于檢測序列圖像中可能為人體的全部區(qū)域。融合模塊基于形態(tài)學(xué)開重建技術(shù)實現(xiàn)了對LSAC模塊輸出結(jié)果的融合,

9、抑制了分割結(jié)果中的噪聲并提高了其中人體目標(biāo)的完整性。為獲得較高運行效率,應(yīng)用了快速數(shù)值算法實現(xiàn)LSAC模塊求解,并對完整算法流程作了優(yōu)化。實驗結(jié)果表明,相對現(xiàn)有典型方法,該方法分割精度和運行效率更高,且對背景運動魯棒。
　　(4)針對圖像分割結(jié)果中人體目標(biāo)可能發(fā)生的破碎問題,提出了一種基于LSAC技術(shù)的破碎人體目標(biāo)修復(fù)算法,使分割結(jié)果更好被后續(xù)信息處理模塊利用。該算法首先在以薛定諤變換為主的預(yù)處理中使各人體碎片形成連通區(qū)域,然后使

10、用綜合圖像區(qū)域與邊緣信息構(gòu)建的LSAC模型將這些區(qū)域分割出來即獲得修復(fù)結(jié)果。該方法不依賴人體形態(tài)先驗知識,可自動確定目標(biāo)碎片位置與歸屬,排除背景干擾,填補目標(biāo)內(nèi)部缺損,膠連缺損人體輪廓段,修復(fù)結(jié)果與真實外形相似度高。
　　基于以上成果,論文較系統(tǒng)地解決了紅外人體目標(biāo)的分割問題。它們反映出論文將LSAC模型引入紅外人體目標(biāo)檢測領(lǐng)域的嘗試是成功的,基于自身的良好性能以及對系統(tǒng)信息處理流程的簡化作用,將它們運用于紅外人體目標(biāo)檢測系統(tǒng)中,