低分辨率下看世界

(整期优先)网络出版时间:2017-07-17
/ 1

低分辨率下看世界

乔淋伟陈晓宇潘光永彭博

关键词:块匹配帧间差分法定位追踪欧氏距离法

一、课题研究的背景

现代信息科技的发展日新月异,有时由于客观条件的限制,数码摄像技术在某些拍摄设备上只能在低分辨率下成像,在这里我们只考虑单色成像,图像的每个像素的取值对应格子的亮度平均值,在一定的时间拍摄多幅图像,即可通过图像的亮度平均值来判断其运动的方向。在低分辨率下判断物体运动的方向就是指将图像分割成相互连接、覆盖整个图像平面的矩形区域,原始图像与参考图像间所有物体的平移、旋转及缩放运动都是用这些矩形块的平移来表示,矩形块内各点的相对位置在这两幅图像之间保持不变,即同一个矩形块内各点具有相同的运动矢量,如果不采用矩形块而采用其他区域形式,如三角形、六边形对块匹配没有什么影响。

二、模型的建立与求解

2.1跟踪算法模型

建立该模型确定图像目标模板及候选目标的描述,并且有了衡量它们相似程度(距离)的准则后,目标跟踪就变成了当前帧图像中搜索对应于目标的新位置,该位置使得

求,可以将整个迭代过程执行的迭代次数限制在10次之内,实际执行中迭代次数一般只有4次左右。

2.2静态背景下的运动目标追踪

静态背景下的运动目标跟踪,由于背景一般无变化,因此根据图像中变化像素的特性就能准确的确定目标位置,但在长时间的视频监控环境下,由于光照等外部环境缓慢变化,也会引起背景的缓慢变化,因此也必须考虑用于图像对比的背景模板的自适应建立方法。追踪主要采用帧间差分法,即对前后连续帧进行帧间图像差分,以此获得运动目标,然后对结果图像取阈值并进行分割,从而提取出运动前景。设当前图像为,则运动前景图像为

式中,T为帧间差分法的阈值。为了解决所提取的前景目标存在较大空洞的问题,采用了区域生长的方法:提取的前景目标像素点作为种子点,选取图像灰度作为相似准则。总之,帧间差分法算法简单,运算速度快。帧间差分法有自身存在的一些缺点,即不易将运动目标完全分割出来。通过改进我们利用一种算法来对目标进行追踪。

2.3动态背景下低分辨率运动目标的区域检测

低分辨率图像是对图像进行高斯模糊并利用均值法降低分辨率得到的图像,低分辨率图像弱化了一定区域内的背景扰动,但是对于稍大范围的动态纹理变化,低分辨率图像仍然能反映出来,如树枝的摆动。为了进一步减小动态纹理的影响,首先对低分辨率图像进行分块,图像被分成若干个子区域,通常情况下低分辨率图像各子区域的统计特征保持一定的稳定性,如,子区域在的统计直方图在最近一段历史图像中保持一定稳定性,相邻背景图像子区域的直方图变化很小。基于此我们对各子区域进行直方图统计,兵存储这些直方图作为背景模型特征,子区域的个数在试验中取了4*3的12个子区域。为了减少直方图边界效应的影响,可以利用线性插值法对直方图进行修正。当新来一幅图像时,在低分辨率图像中统计子区域的直方图,接下来要进行对应区域的直方图相似性比较,以判断该区域中是否含运动目标。

判断两个直方图的相似性,常用的方法有:欧氏距离法、直方图相交距离法、Manhattan距离法、卡方距离法、Bhattacharyya距离法等。通过实验对各种距离进行比较,本文采用了欧氏距离法作为度量两个直方图相似性的依据。

背景模型的更新:本文采用IIR滤波器方法对低分辨率图像的背景模型进行更新。当子区域计算的直方图相似时,就执行背景的更新,如下式:

其中,a是更新率,是当前帧对应的直方图,是前一帧背景模型的直方图,是当前帧背景模型的直方图。

当计算当前帧的子区域直方图与对应的背景区域直方图的欧氏距离大于阈值Tb时,此时两个直方图不相似,这个子区域被认为含有运动区域,在下一步高分辨率图像中继续被检测,但是当高分辨率图像检测到该区域中不含运动目标时,低分辨率的背景模型需要被更新,否则就不执行背景更新过程或减小更新率。通过以上步骤,可以得到了可能存在目标的子区域。

三、模型评价与推广

对于所建模型既有其优点,也有其缺点。基于特征匹配(块匹配)的跟踪方法不考虑运动目标的整体特征,只通过目标图像的一些显著特征来进行跟踪,不但考虑来自图像的灰度信息,而且考虑整体轮廓的几何信息,增强了跟踪的可靠性。由于跟踪过程实际上是解的寻优过程,带来的计算量比较大,而且由于Snake模型的盲目性,对于快速运动的物体或者形变较大的情况,跟踪效果不够理想。而且对于区域的追踪,计算分析复杂、运算速度慢,模型的更新较为复杂,实时性较差会相当费时,当搜索区域较大时情况尤其严重。

参考文献

[1]王超,侯丽敏.一种新的高斯混合模型参数估计算法[J].上海大学学报:自然科学版,2005,11(5):475-480.

[2]贺贵明等.一种快速的基于对称差分的视频分割算法[J].小型微型计算机系统,2003,24(6):96-968.

[3]杨沁仪.列图像运动估计、目标检测及分层技术[D].成都:电子科技大学,2004.