丁晓娜,孟祥艳(西安工业大学 电子信息工程学院,陕西 西安 710021)
基于仿生系统的双视角运动目标检测方法
丁晓娜,孟祥艳
(西安工业大学 电子信息工程学院,陕西 西安710021)
针对如何快速而精准地检测出运动目标问题,借鉴昆虫复眼在视觉信息处理上的独特技巧和原理,提出一种基于仿生视觉系统的运动目标快速检测方法。为确保检测效果,利用序列图像中目标和背景信息在空间和时间域上的灰度梯度变化差异及运动连续性的特点,首先借助复眼对背景侧抑制处理机制,采用DOG滤波和区域重构相结合的方法,减少噪声,增强目标信息;其次依据EMD结构和原理,设计出针对序列图像的相关型EMDs目标检测模型,检测出运动目标。仿真结果表明,该方法在滤除背景干扰同时,能快速而准确地检测复杂环境中的运动目标。
图像序列;侧抑制;EMDS;高斯差分滤波;目标检测
如何从周围环境中迅速而准确地检测出运动目标是目前图像处理领域中的研究热点,蝇复眼系统的生理和神经构造的精巧提供了解决该问题“线索”。若将其在运动信息的接受和处理上的独特处理技巧,应用于目标检测、目标跟踪和位置估计等方面,必将会产生新的解决途径。
蝇眼可以探测到周围近360°的视场,在神经系统中存在着两个独立的并行采集通道,分别处理大场景和小场景信息[1]。前者是帮助昆虫迅速识别出出现在环境中相对运动的目标物体,快速准确锁定目标的大概方位;而后者职责在于提取较准确的大环境特征,分割出目标和背景信息,帮助蝇及时修正飞行路线跟踪目标。
1956年,Reichardt和Hanssentein在生理学领域,通过实验,发现昆虫的视网膜神经节细胞具有独特的检测光运动的功能,于是提出了基于视动反应的运动感知模型,即:初级相关运动检测器(EMD)模型[2-3]。这些检测器能对局部的运动信号进行测量,并经神经网络的作用,将其不同空间中的运动特征进行整合计算,从而使蝇能迅速察觉环境中的任何运动信息[4]。
在摄取图像序列时,探测器位置的轻微颤抖致使背景发生“运动”,由于EMD运动检测器对探测范围内的任何运动都具有极强的敏感性,因此增加了背景干扰在目标检测中的难度。本文的研究重点在于实现双视角对运动目标的检测,依据昆虫视觉系统在运动目标上的处理机制,针对图像序列的特点,首先采用DOG滤波和区域重构相结合的方法,减少噪声,增强目标信息;其次针对序列图像灰度变化特点,采用一种相关型目标运动矢量计算模型,检测出运动目标,并通过软件仿真进行验证。
蝇视觉神经系统对运动物体的信息检测过程主要包括几个阶段[5]:第一阶段是局部光接受器接受时变亮度信息,并传递给之后对应的检测器;第二阶段是利用局部检测器检测出垂直于局部边缘的运动分量信息;第三阶段是通过对之前所有检测器的结果进行整合计算,最后得到目标信息。
初级运动检测器EMD的简化模型如图1所示[6]。A、B两个不同朝向的信息采样通道,其空间间隔为Δφ。若目标从A向B运动时,来自A通道的信号经延迟单元D后与来自B的信号相乘,产生一个正输出;而来自B的信号经过延迟单元D后与来自A的信号相乘,则产生一个负输出。然后将产生的这两组信号输出相加便可得到整个运动检测器的总输出Y。当运动速度与延迟时间匹配时,EMD模型的输出为最大[7]。
图1 初级运动检测器EMD的简化模型
假设运动模式的坐标系与运动检测器的坐标轴一致,设两个通道坐标分别为x1和x2,且x2-x1=Δφ,则左右通道的信号表示为F(x1,t)和F(x2,t),若运动目标以瞬时速度运动,s(t)表示时域图形位移[8],则输入模式表示为:
滤波器D的延迟时间常数为τ,则经图1中的EDA模型后的输出R可表示为[9]:
在x1处作一阶Taylor近似展开并化简后得
化简得到:
近些年来,对背景抑制技术方面的研究十分活跃,可归纳为两大类:灰度变换法和图像滤波法。其缺陷在于都是从图像灰度空间分布的角度出发,在应用中受到一些条件的制约,并不能完全解决低信噪比情况下的目标检测问题。在蝇复眼视觉神经系统中,存在大量的侧抑制网络细胞,其处理机制类似于空间异或运算[13-14]。经抑制网络处理后,大脑中不同时刻的空间相同或相似信息得到抑制从而减弱,空间中目标和反差信息比率提高。
为了确保目标检测的可靠性,针对连续的多帧图像,根据目标、背景干扰和噪声在空间和时间域上的灰度梯度变化差异明显的特点,提出了一种DOG滤波和区域重构相结合的背景抑制方法,处理框图如图2所示。
图2 DOG滤波和区域重构相结合的背景抑制框图
1)高斯差分滤波(即Difference of Gaussians,DOG滤波)
DOG滤波的作用是模拟眼睛提取运动图像的细节信息,增强边缘信息。文中待处理的图像在采集、传输和记录过程中,受到各种噪声的干扰。如何增强图像对比度减少噪声,把目标从背景中突显出来,是一项重要的处理步骤。
由于目标运动造成局部灰度值发生变化明显变化,使得在时间域内提取运动目标的有关信息更便捷可靠。DOG法处理图像过程中,在滤除高频信号的同时也包含了随机噪声。通常高斯函数的核半径为4或5。为更好地增强图像中的目标和背景的对比度,本文采用核为5,掩膜为25*25的滤波器。DOG的二维表达式为[15]:
2)目标区域重构
在以上处理过程中,背景信息得到有效抑制,但保留的目标信息不完整,虚假的“目标”未得到更好得消除,为此引入数学形态学中的重构方法。该方法通过标记,分割出灰度值较大的区域作为目标图像,通过以下迭代过程增长目标区域,从标记图像I重构掩膜g:
①M1初始化为标记目标图像I。I为变换的开始点。
②创建结构元素N。为更大程度得分割目标,文中N为八连接。
③代入计算:
式中,g为变换过程中的约束条件。
④重复公式(7),直到满足Mk+1=Mk
为了实现仿蝇复眼的运动目标信息的处理机制,以蝇复眼的Reichardt相关型初级运动检测器 (EMD)作为基础算法,提出适用于运动目标图像序列的类Reichardt相关模型算法,其示意图如图3所示。将背景抑制后的A、B通道序列图像分别作为类EMDs的待处理图像。
图3 基于EDAs模型的运动目标检测示意图
处理过程示意图如下所述:将A得到的序列图像延迟不同时间后与B的所有序列图像比较,搜索出相关系数最大的图像,即为运动目标图像。
+V方向的运动目标分量为:
-V方向的运动目标分量为:
其中m为A.B通道连线上的单位矢量,W1~Wp为速度权重,W1的值最大,Wp最小,V1~Vp为速度权重,V1的值最大,Vp最小。当目标运动时,被A.B通道探测到的运动目标表示为:
在本文视频采集系统中的两个CCD相机选用是WAT-902H2型号,图像采集分辨率可达1 024*768。实验的研究对象是一个沿斜向下方向运动的黑色小球,由于光照角度不同导致小球在各位置的影子不同,导致采集到A、B组原序列图像中出现部分背景灰度改变。抽取各组图像中的第36、37、38、39、40帧如图4所示。
在A、B组得到的两两图像之间,小球所处的位置在当前帧和后一帧图像上的像素点的灰度值出现了明显的差异,而其他位置上的像素点的灰度值变化微小。利用这一特点,引入上文提到的DOG滤波法,不仅减少噪声,抑制了部分背景信息,而且使图像对比度增强,使目标从背景中突显出来。
图4 A、B组原序列中分别抽取的五帧图像
图5 A组经高斯差分滤波后的图像
图6 A组经目标区域重构后的图像
分析图6中的高斯差分滤波后的图像,在抑制背景干扰的同时却丢牺牲了部分目标信息,而且少量背景信息残留,因此引入上文提到的数学形态学中的图像重构方法,对部分遗失的目标信息进行重构修复,并剔除掉虚假的目标信息和零散的背景信息。
图7 A、B组经EMDs模型后的目标图像序列
利用EMDs模型对运动的敏感性,将A、B组重构的图像进行相关性处理,保留了灰度信息的同时,更多的保留了结构信息,从而真实再现运动中的目标信息,提高运动目标检测的可靠性。
文中借鉴生物视觉神经系统对运动信息的检测和处理机制,在考虑运动目标在时间域和空间域中的特点,首先利用DOG滤波法模拟实现生物视神经对目标细节信息的提取,经图像重构法后对部分遗失的目标信息进行修复,并剔除掉虚假的目标,然后应用EMDs模型有效解决检测出运动目标,并排除背景运动的干扰。本文的运动检测方法可为后续的目标识别和运动估计提供准确的运动信息。
[1]刘亚,艾海舟,徐光佑.一种基于背景模型的运动目标检测与跟踪算法[J].信息与控制,2002,4(31):315-319.
[2]于成中.视频序列中运动目标的检测与跟踪 [D].南京:东南大学,2006.
[3]黄祝新.仿复眼运动目标检测技术的研究[D].南京:南京航空航天大学,2005.
[4]王荫长.昆虫生理学[M].北京:中国农业出版社,2004.
[5]Barnea D I,Silvverman H F.A class of algorithms for fast digital image registration[J].IEEE.Trans on Computers,1972 (21):179-186.
[6]BarlowH B.The size of ommatidia in apposition eyes[J]. Experimental Biology,1952,29(4):667-674.
[7]冈萨雷斯.数字图像处理(MATLAB版)[M].北京:北京电子工业出版社,2005.
[8]Harris R A,Carroll D C,Laughlin S B.Adaptation and the Temporal Delay Filter of Fly Motion Detectors[J].Vision Research,1999(39):2603-2613.
[9]芦丽明,王国峰,张科,等.蝇复眼在导弹上的应用研究[J].红外技术,2001,23(5):9-12.
[10]吴梅英.复眼光学及其在国民经济中的应用[J].量子电子学,1995(12):418-419.
[11]Svobda T,Hug H,Van Gool L.Viroom-Low Cost Synchronized Multicamera System and its Self-Calibration[J].Proceedings of 24th DAGM Symposium on Pattern Recognition,2002:512-515.
[12]Horridge G A.The compound eye of insects[J].Scientific American,1977(237):108-120.
[13]Pless R.Discrete and Differential Two-View Geometry for General Imaging Systems[J].Proceedings of Third Workshop on Omnidirectional Vision,2002:53-59.
[14]李言俊,张科.蝇复眼仿生技术在全方位成像制导中应用的探索研究[J].航空兵器报,1999,21(2):35-37.
[15]Gert Stange.Rangefinder based on intensity gradient measurement[J].Applied Optics,1991,30(13):1695-1700.
Moving target detection method from double angle based on bionic system
DING Xiao-na,MENG Xiang-yan
(School of Electrical Information Engineering,Xi’an Technological University,Xi’an 710021,China)
How to detect moving targets accurately and quickly,which proposes a fast moving object detection method,based on the receiving and processing principles of visual information from insects'compound eyes.To get the reliability of target detection in the sequence of the target image,owing to the features that the gray gradients between object、background and noise is different obviously in space and time domain,and motion continuity,the moving target detection method based on background suppression later,the EMDs model is adopted to detect moving targets information accurately,and exclude the interference of background motion.Simulation results show that the method can detect moving targets accurately while filter out background noise reliably.
image frames;lateral inhibition;EMDs;difference of Gaussians;moving target detection
TN919.8
A
1674-6236(2016)11-0018-03
2015-11-11稿件编号:201511107
陕西省教育厅专项科研项目(14JK1341)
丁晓娜(1983—),女,山西运城人,硕士,助理工程师。研究方向:动态目标测试与信息处理,计算机视觉与图像处理。