基于水平集活动轮廓模型的红外人体目标分割方法研究

摘要

近年来,由于红外人体目标检测技术在智能视频监控、高级人机接口、机器人视觉等领域有着的广泛应用前景和潜在的经济价值,它已成为计算机视觉领域的一项重要研究内容。图像分割是红外人体目标检测技术中需要解决的一个基础性问题,是实现人体识别、行为理解等高层应用的前提。尽管近年来出现了若干有效方法,但由于红外成像质量差、人体特征变化大、应用场景复杂多变以及检测系统对算法性能要求严苛等因素,寻求具备良好分割精度、实时性和鲁棒性的分割方法仍具有相当挑战性。在充分调研现有方法的基础上,论文将水平集活动轮廓模型(Level Set Based Active Contour,LSAC)引入红外人体目标检测这一全新应用领域,利用它在图像分割方面的独特优势解决红外人体目标的分割问题。首先将红外人体目标检测系统中使用的红外图像按时域特征划分为三类,然后在分析其中各类图像特点以及影响分割质量的主要因素的基础上,将LSAC模型实现图像分割的基本思想分别与模糊集理论、背景相减以及阈值分割技术相融合,由此提出了一系列新的图像分割方法。在此过程中,从能量泛函的建立、数值算法的设计与选用两项LSAC模型的关键技术着力,结合对算法流程进行优化等手段,使它们具备了较现有典型方法更为优越的分割精度、运行效率以及鲁棒性。
　　论文取得的主要研究成果如下:
　　(1)静态红外图像中较强的模糊性和人体灰度的非匀质性严重制约着对其中人体目标的分割质量。通过将模糊集理论在模糊信息处理方面的优势以及局部化LSAC模型在处理非匀质图像方面的特长相结合,提出了一种基于图像局部模糊信息的水平集活动轮廓模型(Local Fuzziness based LSAC,LFB-LSAC),有效克服了两因素对分割质量的影响。同时,提出了一种以窄带演化与直接极小化技术为基础的快速数值算法,实现了对LFB-LSAC模型的快速求解,避免了典型局部化LSAC模型运行效率低下的缺点以及基于全局模糊信息模型所输出轮廓曲线可能不连续的不足。实验结果表明了该模型在分割精度以及运行效率方面的优势。
　　(2)面向背景相对静止红外序列图像中人体目标的分割问题,提出了一种基于背景相减的实时水平集活动轮廓模型(Real-Time Background Subtraction based LSAC,RT-BSLSAC),并针对其缺陷提出了一种改进模型。RT-BSLSAC模型从连续多幅相邻帧图像中提取时空联合信息构造能量泛函,从而有效抑制了噪声,获得了良好的前景检测精度。采用结合了二值水平集函数(Binary Level Set Function,BLSF)和Gaussian滤波的数值算法极小化此能量泛函,实现了对模型的快速求解。此外,背景更新过程独立于能量泛函,模型可通过对背景更新策略的灵活配置,更好适应场景变化。测试表明,RT-BSLSAC模型具备良好分割精度以及实时性。
　　RT-BSLSAC模型的分割结果容易受水平集函数初始取值的影响,若对该初始条件设置不当可能造成图像分割质量降低或完全失败。此外,还由于缺乏对目标边缘的直接检测,它对人体轮廓的定位可能不够准确。改进模型借助边缘停止函数实现了对图像边缘的直接检测,提高了对人体轮廓的定位精度,采用全变分范数对偶公式搜索模型全局解,避免初始条件选择不当对分割精度的影响。实验结果表明,改进模型以牺牲一定运行效率为代价提高了分割精度并获得了对初始条件的鲁棒性。
　　(3)在移动红外人体目标检测系统中,序列图像的背景特征会随着系统平台的运动状态发生变化。针对这类背景可能静止也可能较快移动的序列图像,提出了一种基于运动检测和静态检测相融合的分割方法。克服了基于背景固定假设运动分割方法不能处理背景运动序列图像的不足,也避免了静态分割方法容易产生虚假前景和人体破碎的问题。该方法包含运动检测模块、静态检测模块以及融合模块,其中前两个模块均为LSAC模型。运动检测模块能够在前景检测的同时实现背景更新,它实现了对序列图像中所有运动区域的检测。静态检测模块能够分割出灰度在指定范围内的图像区域,它用于检测序列图像中可能为人体的全部区域。融合模块基于形态学开重建技术实现了对LSAC模块输出结果的融合,抑制了分割结果中的噪声并提高了其中人体目标的完整性。为获得较高运行效率,应用了快速数值算法实现LSAC模块求解,并对完整算法流程作了优化。实验结果表明,相对现有典型方法,该方法分割精度和运行效率更高,且对背景运动鲁棒。
　　(4)针对图像分割结果中人体目标可能发生的破碎问题,提出了一种基于LSAC技术的破碎人体目标修复算法,使分割结果更好被后续信息处理模块利用。该算法首先在以薛定谔变换为主的预处理中使各人体碎片形成连通区域,然后使用综合图像区域与边缘信息构建的LSAC模型将这些区域分割出来即获得修复结果。该方法不依赖人体形态先验知识,可自动确定目标碎片位置与归属,排除背景干扰,填补目标内部缺损,胶连缺损人体轮廓段,修复结果与真实外形相似度高。
　　基于以上成果,论文较系统地解决了红外人体目标的分割问题。它们反映出论文将LSAC模型引入红外人体目标检测领域的尝试是成功的,基于自身的良好性能以及对系统信息处理流程的简化作用,将它们运用于红外人体目标检测系统中,必将对系统性能产生积极影响。同时,这些成果发展并丰富了LSAC模型的相关理论,能为未来相关研究起到促进作用。此外,它们对人体以外的其他非刚体目标的检测技术的发展也有重要参考价值。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景及意义

1.2 研究现状

1.3 论文的主要工作及贡献

1.4 论文的结构

2 LSAC模型的基本原理与红外人体目标分割的关键技术

2.1平面封闭曲线的表达与演化

2.2变分原理

2.3 LSAC模型与图像分割

2.4 LSAC实现红外人体目标分割的关键技术

2.5本章小结

3 面向静态红外图像的LFB-LSAC分割模型

3.1制约静态红外图像分割质量的主要因素

3.2 FAC模型的工作原理

3.3基于图像局部模糊信息的LFB-LSAC模型

3.4测试结果与分析

3.5本章小结

4背景相对静止红外序列图像的RT-BSLSAC分割模型

4.1背景相减的工作原理

4.2 基于背景相减的RT-BSLSAC分割模型

4.3 RT-BSLSAC模型测试结果与分析

4.4 改进的RT-BSLSAC模型

4.5 改进模型的测试结果与分析

4.6 本章小结

5 融合运动检测与静态检测的红外序列图像分割方法

5.1 同时实现前景检测与背景更新的LSAC模型

5.2 基于阈值分割的LSAC模型

5.3 运动检测与静态检测的融合

5.4 测试结果与分析

5.5 本章小结

6 破碎人体目标的修复及其仿真

6.1 综合图像边缘与区域信息的LSAC模型

6.2 破碎人体目标修复方法

6.3 测试结果与分析

6.4 本章小结

7 总结与展望

7.1 论文总结

7.2 工作展望

致谢

参考文献

附录