本发明涉及海上目标检测技术领域，具体而言，尤其涉及一种基于改进背景差分法的海上舰船目标检测方法。
背景技术：
背景差分法的原理是利用当前帧和背景帧进行差分运算得到检测标的。理想的静态背景下，一旦运动目标出现在图像中会引起目标区域的像素变化，将当前帧与背景帧做差分得到差分图像，差分图像中结果为0的区域说明没有变化，所以判定为背景；不为0的区域说明目标的像素发生了变化，所以判定为目标。计算公式为：
δg(i,j)＝|gk(i,j)-b(i,j)|(1)
式中，δg(i,j)表示差分图像，gk(i,j)表示当前图像，b(i,j)表示背景图像，d(i,j)表示得到的运动目标，t表示阈值。背景差分法效果示意图如图1所示。
背景更新问题是背景差分法的核心问题，如何进行背景初始化、更新背景模型，是保证背景差分法准确检测运动目的关键。高斯混合模型法(gaussianmixturemodel，gmm)是背景建模算法中的经典模型，是参数模型法的典型代表，该算法计算量大，实时性较差。vibe(visualbackgroundextractor)算法是一种新颖的背景差分算法，该算法是一种基于像素级的前景检测算法，算法运行速度快，已经成为非参数化模型的典型代表。该算法只需要利用视频图像的第一帧就可以完成背景模型初始化，利用随机选择策略实现背景模型的更新。
通过vibe算法进行图像提取时，仅仅利用第一帧图像进行初始化背景模型，通过比较当前像素和其背景样本的大小，来确定该像素点是前景点还是背景点。采用随机更新和邻域扩散机制更新背景模型，通过设定时间因子φ来决定是否对其更新，背景像素被更新的概率为1/φ。通过这种背景更新机制，使vibe算法噪声扰动、光照缓慢变化等都有一定的适应性，并且灵敏度比较高。但是在背景初始化和更新过程中具有一定复杂度，因此不适于对实时性要求很高的系统。同时，该算法对扰动、缓慢的光照变化等都有很强的适应能力，并且具有较高的灵敏度，但在环境较为复杂的情况下，仍然会出现“鬼影”和高频噪声。
技术实现要素：
根据上述提出现有算法实时性差且在复杂环境下性能不佳的技术问题，而提供一种基于改进背景差分法的海上舰船目标检测方法。本发明融合帧差法和改进vibe算法，既可以保留帧差法对光线不敏感的优点，又可以具备vibe算法检测准确率较高的特点，可以提高目标检测的准确性、鲁棒性和实时性。
本发明采用的技术手段如下：
一种基于改进背景差分法的海上舰船目标检测方法，包括：
s1、利用改进的五帧差法获得舰船目标前景；
s2、利用多帧平均法进行vibe模型的初始化，在24邻域内进行背景模型的构建；
s3、统计像素点背景模型中欧氏颜色距离小于距离阈值的像素点，通过比较其与匹配阈值的关系将之划分到前景区域或者背景区域；
s4、利用改进的五帧间差分法得到的目标前景区域和vibe算法得到的前景区域进行“与”运算，从而得出精确的前景区域；
s5、根据背景动态程度的度量值，实时更新距离阈值和更新概率；
s6、利用形态学算法和连通区域处理对精确的前景区域进行优化得出舰船目标检测结果，并在检测结果的基础上通过最小外接矩形来提取舰船目标，从而实现舰船目标的准确定位。
较现有技术相比，本发明具有以下优点：
1、本发明利用改进的五帧间差分法得到的目标前景区域和vibe算法得到的前景区域进行“与”运算得出更为精确的前景区域。
2、利用形态学算法和连通区域处理对结果进行优化得出舰船目标检测结果，并在检测结果的基础上通过最小外接矩形来提取舰船目标，可以得到更为准确、完整的舰船目标的信息，与同类方法相比可以在快速消除“鬼影”的同时极大程度地抑制海面波浪噪声和光线变化的影响。
综上，应用本发明融合帧差法和改进vibe算法的舰船目标检测算法，既可以保留帧差法对光线不敏感的优点，又可以具备vibe算法检测准确率较高的特点。基于上述理由，本发明可在海上舰船目标检测领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为现有背景分法效果示意图。
图2为本发明算法原理流程图。
图3a为实施例中像素点在四角的改进24邻域示意图。
图3b为实施例中像素点在四边的改进24邻域示意图。
图4a为实施例中第一对照例舰船图像。
图4b为实施例中第一对照例利用改进vibe算法提取的舰船图像。
图4c为实施例中第一对照例利用本发明算法提取的舰船图像。
图5a为实施例中第二对照例舰船图像。
图5b为实施例中第二对照例利用改进vibe算法提取的舰船图像。
图5c为实施例中第二对照例利用本发明算法提取的舰船图像。
图6a为实施例中第三对照例舰船图像。
图6b为实施例中第三对照例利用改进vibe算法提取的舰船图像。
图6c为实施例中第三对照例利用本发明算法提取的舰船图像。
图7a为实施例中第四对照例舰船图像。
图7b为实施例中第四对照例利用改进vibe算法提取的舰船图像。
图7c为实施例中第四对照例利用本发明算法提取的舰船图像。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图2所示，本发明公开了一种融合帧差法和改进vibe算法的目标检测算法，称为vibediff5算法，主要包括以下步骤：
s1、利用改进的五帧差法获得舰船目标前景。
s2、利用多帧平均法进行vibe模型的初始化，在24邻域内进行背景模型的构建。
具体地，在采用24邻域进行vibe模型初始化过程中，为了改善像素x位于四角、四边时的判定准确率，当像素点x位于图像边界时，24邻域超出了图像的边缘部分，直接使用距离最近的边缘像素替代，并且去除远离像素点x的像素点，如图3所示。为了体现出背景模型中24邻域中不同像素的差异，同时使背景模型描述的更为准确，缓慢消除“鬼影”区域，本发明中根据邻域位置与像素点x的距离，对各邻域位置设定不同的抽中的概率。距离像素点x较近的8邻域像素点更能体现背景的特点，可以设定较大的被抽中的概率；距离像素点x较远的8邻域之外像素不能够很准确体现背景的特点，可以设定较小的被抽中的概率，各像素被抽中的概率如公式(3)所示：
式中，
s3、统计像素点背景模型中欧氏颜色距离小于距离阈值的像素点，通过比较其与匹配阈值的关系将划分到前景区域或者背景区域。
s4、利用改进的五帧间差分法得到的目标前景区域和vibe算法得到的前景区域进行“与”运算，从而得出精确的前景区域。在本文提出的vibediff5算法中，通过改进的五帧差分法可以提取运动目标的前景区域，该方法可以有效的抑制海面噪声和光线变化产生的影响，得到更为准确的目标区域，将目标前景点与vibe算法得到的前景点结果进行逻辑“与”运算，这种方法可以较快的去除“鬼影”区域。
s5、根据背景动态程度的度量值，实时更新距离阈值和更新概率。
具体地，vibe算法进行前景检测时，采用固定距离阈值#min来判断当前像素值与背景模型中的样本值是否匹配。阈值#min设置较大时，前景点像素中与背景像素值相差不大的点就会被误检为背景点；反之，阈值#min设置较小时，会导致检测结果中出现较多的背景像素点。固定阈值适用于简单、稳定的背景条件，如果背景是复杂多变的多模态场景，固定阈值很难同时兼顾前景点和背景点判定的精准度。
为了解决上述问题，本发明根据背景的不同采用基于otsu法的自适应阈值的前景提取算法，otsu法是一种简单、稳定的自适应阈值分割方法，广泛应用于各个环境中的目标分割问题。本申请采用一维otsu法进行自适应阈值的提取时，首先计算当前图像与背景模板中第一个样本值的差值，得到只包含前景像素和背景像素两部分的灰度差分图像d(x,y)。然后利用otsu法对d(x,y)进行自适应阈值的分割。
先计算灰度差分图像d(x,y)的最佳分割阈值，假设灰度差分图像中像素的取值范围是[0,l]，t为分割阈值，这样就可以将灰度差分图像分为前景区域和背景区域，背景区域的灰度级区间是[0,t]和前景区域的灰度级区间是[t,l]。两个区域的类间方差可以根据公式求出，遍历整个灰度差分图像，当类间方差为最大值的时候，此时的阈值即为此帧图像的最佳动态阈值。为了保证阈值选取的合理性，优选定义了动态阈值上界限值为thigh＝35和下界限值为tlow＝20。具体计算公式(4)-(7)如下：
p0＝n0/(m×n)(4)
式中，p0表示目标像素占图像总像素的比例，n0表示目标像素数，m×n表示图像像素数。
p1＝n1/(m×n)(5)
式中，p1表示背景像素占图像总像素的比例，n1表示背景像素数。
μ＝p0μ0 p1μ1(6)
式中，μ表示图像中所有像素的平均灰度值，μ0表示目标中所有像素的平均灰度值，μ1表示背景中所有像素的平均灰度值。
式中，
遍历法求得
在背景模型更新阶段，当像素被判定为背景像素点时，需要更新背景模型。传统vibe算法中采用等概率更新的方法进行背景模型的更新，更新概率为1/16。本申请采用了24邻域来进行背景模型的更新，根据与像素点的距离远近定义了不同的更新概率。即利用公式(3)中的7～9,12,13,16～18号像素的更新概率为1/16，1～6,10～11,14～15,20～24号像素的更新概率为1/32。通过非等概背景模型的更新增强模型的真实性和鲁棒性。另外，将改进的五帧差分法与vibe算法相结合，只对运动目标区域进行前景判断和模型更新，降低算法的计算复杂度。
s6、利用形态学算法和连通区域处理对精确的前景区域进行优化得出舰船目标检测结果，并在检测结果的基础上通过最小外接矩形来提取舰船目标，从而实现舰船目标的准确定位。
虽然本申请提出的vibediff5算法能够消除“鬼影”对目标检测的影响，但是在海上复杂多变的环境中，目标检测容易受到各类噪声的影响，会对目标的检测的准确率和虚警率产生明显的影响。因此需要对舰船目标的后处理操作，具体地：
(1)如果背景中受到海面的波浪噪声的影响，使得前景检测出的二值图像在背景区域存在较多的白点噪声，在目标区域存在少量的黑点空洞。先利用膨胀运算，将运动目标内部的空洞填满，目标边缘断裂开的线进行连接；然后利用腐蚀运算，消除目标边缘的毛刺和背景中的噪声点，实现对运动目标的平滑去噪。
(2)如果相机发生抖动或者光线突变，会产生面积较大的噪声点，根据噪声点连通区域的大小来判别，如果判定不是前景噪点则舍去。首先，对形态学处理后的前景检测二值图像进行连通区域提取，统计每个连通区域中的像素值为255(白色)的个数n，设视频帧图像的长宽分别为m和n，根据公式(8)得到比例因子：
设定βmin和βmax是比例因子的上下限值，若该βmin≤β≤βmax，则该连通区域判定为舰船目标区域，像素值设为255(白色)；若β＜βmin或者β＞βmax，连通区域大小不符合实际舰船目标大小，判定为背景，像素值设为0(黑色)。通过对海上视频图像的观察和分析，舰船目标通常占据整个图像的1/64～1/4，设置经验值βmin＝1/64，βmax＝1/4，实验证明，此方法能够很好的抑制海面波浪噪声。
通过形态学处理得到较为完整的二值化舰船目标区域，通过目标区域最小外接矩形来确定舰船目标的位置信息和大小信息。这样，就可以有效地消除“鬼影”现象，抑制了海上波浪噪声和舰船尾迹的影响，对较小的舰船目标的检测也有一定的适应性。本申请将帧间差分法和vibe算法相互结合可以得到更为准确、完整的舰船目标的信息，与同类方法相比可以在快速消除“鬼影”的同时极大程度地抑制海面波浪噪声和光线变化的影响。
为了解决vibe算法存在的问题，本发明首先利用改进的五帧差法获得舰船目标运动区域，不仅保留了帧差法简单、快速和对光线不敏感的优点，还可以获得舰船目标的大致运动范围。然后对vibe算法进行改进，利用多帧平均法进行模型背景的初始化，在24邻域内进行背景模型的构建；统计欧氏距离小于阈值的像素点个数，通过比较其与匹配阈值的关系来划分到前景区域或者背景区域；利用改进的五帧间差分法得到的目标前景区域和vibe算法得到的前景区域进行“与”运算得出更为精确的前景区域；根据背景动态程度的度量值，实时更新距离阈值和更新概率，并且只对目标运动区域进行前景判断和背景模型更新；最后利用形态学算法和连通区域处理对结果进行优化得出舰船目标检测结果，并在检测结果的基础上通过最小外接矩形来提取舰船目标，可以实现舰船目标的准确定位，为后续的跟踪提供重要保证。vibediff5算法可以放宽vibe算法对初始背景以及视频环境的限制，可以提高目标检测的准确性、鲁棒性和实时性。如图4a-4c分别为第一对照例舰船图像、利用改进vibe算法提取的舰船图像以及利用本发明算法提取的舰船图像，可以看出本申请提出的vibediff5算法能够更精确的提取目标舰船图像。如图5a-5c、6a-6c、7a-7c分别为第二、三、四对照例舰船图像、利用改进vibe算法提取的舰船图像以及利用本发明算法提取的舰船图像，可以看出本申请提出的vibediff5算法能够有效消除“鬼影”，从而精确提取目标舰船图像。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
1.一种基于改进背景差分法的海上舰船目标检测方法，其特征在于，包括：
s1、利用改进的五帧差法获得舰船目标前景；
s2、利用多帧平均法进行vibe模型的初始化，在24邻域内进行背景模型的构建；
s3、统计像素点背景模型中欧氏颜色距离小于距离阈值的像素点，通过比较其与匹配阈值的关系将之划分到前景区域或者背景区域；
s4、将改进的五帧间差分法得到的目标前景区域和vibe算法得到的前景区域进行“与”运算，从而得出精确的前景区域；
s5、根据背景动态程度的度量值，实时更新距离阈值和更新概率；
s6、利用形态学算法和连通区域处理对精确的前景区域进行优化得出舰船目标检测结果，并在检测结果的基础上通过最小外接矩形来提取舰船目标，从而实现舰船目标的准确定位。
2.根据权利要求1所述的基于改进背景差分法的海上舰船目标检测方法，其特征在于，所述步骤s2中背景模型更新时根据邻域位置与当前像素点x的距离设定抽中的概率。
3.根据权利要求2所述的基于改进背景差分法的海上舰船目标检测方法，其特征在于，所述步骤s2中在24邻域内进行背景模型的构建包括：当前像素点x位于图像边界时，24邻域超出图像的边缘部分直接使用距离最近的边缘像素替代，并且去除远离当前像素点x的像素点。
4.根据权利要求1所述的基于改进背景差分法的海上舰船目标检测方法，其特征在于，步骤s5中实时更新距离阈值包括依据图像中像素灰度的类间方差最大原则得到最佳自适应阈值。
5.根据权利要求1所述的基于改进背景差分法的海上舰船目标检测方法，其特征在于，步骤s6还包括对舰船目标的后处理操作，所述后处理操作包括利用膨胀运算法填满运动目标内部空洞并连接目标边缘断线，而后利用腐蚀运算消除目标边缘的毛刺和背景中的噪声点，以实现对运动目标的平滑去噪。
6.根据权利要求1所述的基于改进背景差分法的海上舰船目标检测方法，其特征在于，步骤s6还包括对舰船目标的后处理操作，所述后处理操作包括根据噪声点连通区域大小判断该连通域是否属于前景噪点。
技术总结