紅外成像系統簡介ppt課件(編輯修改稿)

　

【文章內容簡介】 a g e d a ta m e a n ttt? ? ? ? ?? ? ? ? ? ?() 紅外圖像的目標檢測及跟蹤 ? 對不符合的高斯分布分布值按下式更新權重，方差和均值保持不變，僅對權重進行更新： ? ?( ) 1 ( 1 )we igh t t we igh t t?? ? ? ? () 如果沒有一個高斯分布符合當前像素點，則找出權重最小的高斯分布， 將該分布的權重 ()weight t 賦予一個較小值，均值 ()meant用當前像素點的值代替，方差 2()t? 賦予一個較大值。 紅外圖像的目標檢測及跟蹤 ? 在三幅圖像更新完以后，再將三幅圖像重新合成一幅彩色圖像，就得到了彩色圖像的背景更新圖。 ? 背景更新以后根據概率公式 ( | )PBx可以得到一幅二值圖像，二值圖像描述的是將背景去掉，只剩下運動 目標的圖像。其實現過程如下：先根據概率公式 ( | )PBx ,RGB分別計算 三個分量的像素值在更新后的高斯分布中的概率加權和，得到三個概率值 ,R B GPPP，將三個概率值相加再除以 3得到一個概率值。根據背景更新算法， 如果像素值代表運動目標，那么概率值很小，反之概率值較大。 那么可以判斷這個概率值是否大于閾值，如果大于，則說明是背景圖像， 反之，則是運動目標。 紅外圖像的目標檢測及跟蹤 ? 紅外目標跟蹤 ? 在紅外跟蹤系統中，波門 (又稱電子窗口 )作為視頻信號處理的一種手段，在國內外已得到廣泛應用。波門實際上是跟蹤系統真正的處理窗口，它小于視場，但大于目標，可在視場內搜索并一直套住目標。由于目標在運動過程中距攝像機的距離時刻變化，目標的大小也隨之變化，所以波門的大小必須隨之自適應地同步變化，以保證在滿足精度的前提下盡量減少計算量，同時增強系統的抗干擾能力。 紅外圖像的目標檢測及跟蹤 ? 邊緣跟蹤算法 ? 邊緣跟蹤是最簡單的算法之一，且適應于固定波門亮度的跟蹤器。選擇目標邊緣點 (上、下、左、右 )作為跟蹤點，使波門套住此點，以抑制背景或目標的其余部分。這種算法主要是利用目標與背景交界處亮度有明顯變化，用微分方法即可得到目標位置信息。這種跟蹤算法適合于大型目標的跟蹤。由于僅采用單一的數據點用來定位，很容易受任何隨機噪聲的干擾，所以精度較低。 紅外圖像的目標檢測及跟蹤 ? ： ? 邊緣跟蹤經過適當延伸就成了雙邊緣跟蹤，即目標位置為兩個邊緣中心： 0 1 2x (x x ) 2??0 1 2y (y y ) 2??() () 式中 x x y y2分別為目標左、右、上、下各邊緣值。 它比邊緣跟蹤精度高，適合跟蹤比較對稱的目標或點源目標。 紅外圖像的目標檢測及跟蹤 ? 形心跟蹤算法 ? 形心跟蹤中，目標位置的確定可以通過質心或強度中心來確定。對于一個均勻的二維目標可用質心跟蹤算法，對于目標發光不均勻的目標可用亮度中心跟蹤算法。在跟蹤窗內目標形心估值： 紅外圖像的目標檢測及跟蹤 (i, j) TGt(i, j) TGiC (i, j)?x C( i, j)???????(i, j) T Gt(i, j) T GjC (i, j)?y C (i, j)??????? () () C(i,j)其中， 是分割后二值圖像， TG是目標區域所有像素點集合。 紅外圖像的目標檢測及跟蹤 ? 形心算法的計算簡單，計算量較小，在短時間內就可以完成計算，輸出目標的位置，其實現的穩定性與精度主要取決于分割閾值的確定情況。如果目標輻射空間分布是一個拋物面，并且如果噪聲是可疊加的白色高斯噪聲，那么，實際上形心算法是最佳算法。 圖像增強技術 ? 圖像增強的首要目標是處理圖像，使之比原始圖像更適合于特定的應用，圖像增強的主要目的有兩個：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得更利于計算機的處理。 圖像增強技術 ? 圖像增強理論（方法）目前尚無統一的權威性的定義，因為還沒有衡量圖像增強質量的通用標準。從增強處理的作用域出發，圖像增強可分為空間域法和頻率域法兩大類。空間域處理時直接面對圖像灰度級作計算；頻率域處理是在圖像的某種變換域內，對圖像的變換系數值進行運算，即作某種修正，然后通過逆變換獲得增強圖像，這是一種間接增強的方法。圖像增強的概況如下圖 ： 圖像增強技術 圖 圖像增強方法概況 灰 度 級 校 正點 運 算 灰 度 變 換直 方 圖 修 正噪 聲 消 除 法鄰 域 平 均 法圖 像 平 滑中 值 濾 波梯 度 倒 數 加 權空 間 域 方 法 鄰 域 增 強梯 度 法Laplacian 算 子圖 像 銳 化圖 像 增 強高 通 濾 波統 計 差 值 法假 彩 色 技 術彩 色 技 術偽 彩 色 技 術低 通 濾 波同 態 圖 像 增 強頻 率 域 方 法高 通 濾 波小 波 變 換 增 強? ? ?? ? ??? ??? ??? ?? ? ??? ? ???? ???? ? ??? ? ??? ? ???????????????? ???? ??? ??????? ?? ??????????????????????????圖像增強技術 ? 點運算 ? 灰度級校正 ? 灰度級校正就是在圖像采集系統中對對圖像像素做修正 ， 是整幅圖像成像均勻 。 假設理想的輸入系統的輸出圖像為 F(j,k)， 實際獲得的是降質圖像圖像為 G(j,k)，有 G(j,k)=E(j,k)*F(j,k)， E(j,k)為降質函數或觀測系統的灰度失真系數 。 為了估計 E(j,k)， 一般采用一個標準來標定系統的失真系數 ， 即已知衣服圖像的灰度級為均勻常熟 C， 而實際系統的輸出為 GC(j,k)， 有GC(j,k)=E(j,k)*C， 從而得到降質函數 E(i,j)= GC(j,k)/C，由此可以得到 E(j,k)=C*G(j,k)/GC(j,k)。 圖像增強技術 ? 灰度變換 ? 也即對比度增強。對比度增強是圖像增強技術中一種比較簡單但又十分重要的方法。這種方法是按一定的規則修改輸入圖像每一個像素的灰度，從而改變圖像灰度的動態范圍。它可以使灰度動態范圍擴展，也可以使其壓縮，或者是對灰度進行分段處理，根據圖像特點和要求在某段區間中進行壓縮而在另外區間中進行擴展。 圖像增強技術 ? ① 全域線性變換 ? 在曝光不足或過渡的情況下，圖像灰度可能會局限在一個很小的范圍內。這時在顯示器上看到的將是一個模糊不清、似乎沒有灰度層次的圖像。用一個線性單值函數，對幀內的每一個像素作線性擴展，將有效地改善圖像視覺效果。令原圖像 F(j,k)的灰度范圍為 [a,b]，線性變換后圖像 F’(j,k)的范圍為 [a’,b’]，如圖 。F’(j,k) 與 F(j,k)之間存在以下關系： 圖像增強技術 b 39。 a 39。F 39。( j, k ) a 39。 ( F a )ba?? ? ??圖 全域線性變換示意圖 圖像增強技術 另一種情況，當圖像中大部分像素的灰度級都在 [a,b]內，只有少部分在 a,b外，可以采用下式的變換形式。 a39。b 39。 a 39。F 39。( j, k ) a 39。 ( F a ) 。 a F ( j, k ) bbab39。?? ??? ? ? ? ??????如圖 。 圖像增強技術 圖 截取式線性變換示意圖 圖像增強技術 ? ② 分段線性變換 ? 將圖像灰度區間分成兩段乃至多段分別作線性變換稱之為分段線性變換。圖 為分三段作線性變換的示意圖 : 圖 分段線性變換示意圖 圖像增強技術 ? 分段線性變換的優點是可以根據用戶的需要。拉伸特征物質的灰度細節，相對抑制不感興趣的灰度級。分段線性變換遵循以下原則： c 39。 a 39。( F a ) a 39。 。 a F ( j, k ) ccad 39。 c 39。F 39。( j, k ) ( F c ) c 39。 。 c F ( j, k ) ddcb 39。 d 39。( F d ) d 39。 。 d F ( j, k ) bbd??? ? ? ??????? ? ? ? ??????? ? ? ????圖像增強技術 ? ? 直方圖是用來表達一幀圖像灰度級分布情況的統計圖表。直方圖的橫坐標是灰度，一般用 r表示。縱坐標視圖像類型而定，對數字圖像，它是灰度值為 ri的像素個數或出現這個灰度值的概率 Pr(ri)。 k1ir i r ii0r niP ( r ) , P ( r ) 1n灰 度 為 的 像 素 個 數一 幀 圖 像 像 素 總 數??? ? ??圖像增強技術 ? ① 直方圖均衡化 ? 對應離散圖像，第 i個灰度級 ri出現的頻數用ni表示，該灰度級像素對應的概率值 Pr(ri)為： ，至此，可寫出離散圖像的變換函數表達式： ， k為一幀圖像對應的灰度級數。 T(ri)為變換函數， Si為均衡化后圖像在 i處的灰度。相應的反變換為： k 1 k 1 ii i r ii 0 i 0nS T( r ) P ( r )n????? ? ???irinP(r) n?k 1 k 1 ii i r ii 0 i 0 nS T( r ) P