改进HS光流算法提高红外运动目标检测效率

实验采用两组具有空天背景的红外图像序列。

由于红外图像的信噪比低，在两帧连续的序列图像中，物体间的热交换过程相对缓慢，并且背景杂波具有较强的相关性，这些性质满足了求解光流基本方程的约束条件(平滑性守恒约束条件和亮度守恒约束条件)。由于所提出的改进算法在实际操作中可能遇到迭代中止条件不能满足的情况，为此我们设定迭代次数为100，反映图像数据和约束条件之间可信程度的参数λ 设为100。

为考察设置不同的阈值对算法产生的影响，对图9.2 所示的较大空中目标，将阈值T 设为平均梯度强度的2 倍、10 倍和20 倍，并与传统的光流场算法做对比，结果如图9.4 所示。

图9.2　含有较大空中目标的图像序列

图9.3　含有较小空中目标的图像序列

其中，图9.4(a)、(c)、(e)是基于HS 光流法的结果，图9.4(b)、(d)、(f)是基于改进算法的结果图。

图9.4　传统HS 光流算法和改进算法对比

同样的，对图9.3 所示的较小空中目标，将阈值T 设为平均梯度强度的2 倍、10 倍和20 倍，并与传统的光流场算法做对比，结果如图9.5 所示。

图9.5　传统HS 光流算法和改进算法对比(https://www.xing528.com)

由图9.4 和图9.5 的结果可以看出，随着阈值T 值的不断增大，相对于传统的HS 光流法，本章提出的改进方法改善了灰度图中目标区域受损的情况，尽管阈值设置在平均梯度强度的20 倍，目标区域还是得到了较好的保存，背景区域的光流噪声也得到抑制。改进的算法不仅能够在阈值设置过高时抑制背景光流的影响，而且较好地保存了目标梯度值较小处的光流，对后续的运动目标检测有很好的帮助作用。

利用改进的全局光流法，联合均值漂移滤波原理与形态学运算，对红外图像中的运动目标进行检测。首先对序列图像用光流场进行灰度化处理，其中阈值设置为梯度值平均强度的10 倍;对处理后的图像再进行二值化处理，得到二值化图像;由于均值漂移可以在滤除噪声影响的同时较好地保存目标的边缘信息，对二值化后的图像采用Mean Shift 滤波原理对图像平滑处理以提高图像的信噪比;最后用形态学算子对目标空洞区域进行填充，并标计出运动目标。如图9.6 和图9.7 所列。

图9.6　对较大的空中目标检测结果

图9.7　对较大的空中目标检测结果

在动态背景下对红外图像进行运动目标检测时，由于背景噪声和环境的影响，运动目标可能被视为背景，或者部分背景可能被视为运动目标，这会对检测结果造成极大影响。为了降低影响，减小误差，进行多组实验取平均值，采用目标检测率和虚警率作为对算法的评价指标。如表9.1 和表9.2 所列。

表9.1　对较大空中运动目标序列图像检测结果

表9.2　对较小空中运动目标序列图像检测结果

表中数据表明，本章算法可以显著提高检出率，降低虚警率，相比传统HS 光流算法具有明显的优势，是红外运动目标检测的一种非常有效的方法。