專利名稱：目標(biāo)圖像序列度量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種自動目標(biāo)識別中的圖像度量方法，特別是針對目標(biāo)圖像序列 的度量方法。屬于自動目標(biāo)識別領(lǐng)域。
背景技術(shù)：
自動目標(biāo)識別技術(shù)是當(dāng)今軍事技術(shù)研究領(lǐng)域的一個前沿課題。在自動目標(biāo)識別算 法的理論研究方面，基于各種理論的算法層出不窮、日新月異，空頻域濾波、小波變換、模版 匹配、卡爾曼濾波、粒子濾波等理論都已經(jīng)應(yīng)用到算法的設(shè)計中。算法創(chuàng)新上的瓶頸已經(jīng)不 再是缺乏理論的支持或是算法本身如何構(gòu)造，而是如何客觀準確地評價算法性能，從而指 導(dǎo)算法的設(shè)計。在評價自動目標(biāo)識別算法性能時，許多學(xué)者利用圖像庫測試其算法，但卻很 難準確比較這些算法的性能。因為在某個圖像庫上得出的測試結(jié)果不一定在其它圖像庫上 也能得出相同的結(jié)果；而且，由于測試時往往使用的是有限個戰(zhàn)場條件下的圖像，算法的性 能測試也就被限制在少數(shù)戰(zhàn)場條件范圍內(nèi)，無法驗證所有戰(zhàn)場條件下的魯棒性。另外，很多 學(xué)者在評價算法時使用自己采集或模擬合成的圖像，利用這些圖像對算法進行評價可靠性 更低。因此，算法性能評價迫切要求對輸入圖像進行準確的定量描述。對國內(nèi)外相關(guān)文獻進行總結(jié)分析后發(fā)現(xiàn)，該領(lǐng)域的研究主要集中在對單幅圖像的 度量，目前為止尚未發(fā)現(xiàn)針對圖像序列特點的圖像度量方法。然而，目標(biāo)跟蹤作為自動目標(biāo) 識別的重要組成部分，面對的正是由多幀圖像構(gòu)成的圖像序列，這使得對圖像序列的度量 成為不可忽視的問題。目前應(yīng)用最廣泛的圖像度量方法如目標(biāo)與背景對比度(TBC)、目標(biāo)信 噪比(SNR)、信雜比(SCR)等都只是考慮了單幅圖像內(nèi)部的相關(guān)因素，而沒有考慮多幅圖像 之間的相互影響，所以這些指標(biāo)用于圖像序列的度量是不妥當(dāng)?shù)?。在檢索中，迄今為止尚未 發(fā)現(xiàn)有關(guān)于包含目標(biāo)的圖像序列度量方面的報道。所以，設(shè)計一種目標(biāo)圖像序列度量方法 具有很強的實際意義。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種目標(biāo)圖像序列度量方法，以實現(xiàn)對序列圖像的定量度 量，該方法突破傳統(tǒng)圖像度量方法只針對單幅圖像的局限性，利用本發(fā)明提出的方法可以 有效的描述目標(biāo)圖像序列，為目標(biāo)跟蹤算法評價提供可靠的輸入。本發(fā)明目標(biāo)圖像序列度量方法，是通過如下步驟來實現(xiàn)步驟1 標(biāo)定圖像序列中各幀圖像中包含目標(biāo)的最小矩形人工確定目標(biāo)在每幀圖像中的坐標(biāo)位置，并記錄能夠包含目標(biāo)最小矩形的長和 覓o步驟2 計算圖像序列的目標(biāo)紋理變化程度計算每幀圖像中包含目標(biāo)最小矩形內(nèi)圖像的共生矩陣CMy并將每幀圖像的共生 矩陣帶入式(1)，計算得到目標(biāo)紋理變化程度Ci的值 其中，N為圖像序列中的圖像數(shù)目，共生矩陣的計算方法可由如下例子表述如圖1所示，圖1(a)為3X3像素大小的一幅圖像，灰度值如圖中所示。共生矩陣 為一個NXN的矩陣，N為圖像中可能出現(xiàn)的灰度值的數(shù)目，如對于一幅灰度值范圍為0 255的圖像，N = 256，在該實例中N = 3。共生矩陣的計算中，每個像素對計算該矩陣的貢 獻取決于該像素相鄰像素的灰度分布，以圖1(a)中的中心像素為例，該像素的灰度值為2， 與其相鄰有1個1，3個2，4個3，則該像素對共生矩陣的貢獻如圖1(b)所示。依照上述規(guī) 則，可以得到圖像圖1(a)完備的共生矩陣，如圖1(c)所示。步驟3 計算圖像序列的目標(biāo)大小變化程度將步驟1記錄得到的每幀圖像中包含目標(biāo)最小矩形的長h和寬Wi帶入到式(2)， 計算得到目標(biāo)大小變化程度cs的值 其中，N為圖像序列中的圖像數(shù)目。步驟4 計算圖像序列的目標(biāo)位置變化程度根據(jù)步驟1記錄得到的每幀圖像中目標(biāo)的位置以及包含目標(biāo)最小矩形的長h和 寬Wp計算得到圖像序列中目標(biāo)從第(i-1)幀到第i幀的位移屯以及第i幀中目標(biāo)圖像的 各向平均尺寸(目標(biāo)矩形長和寬的平均值)并將它們帶入到式(3)，計算得到目標(biāo)位置 變化程度的值cp。
0019 步驟5 計算圖像序列的幀間目標(biāo)變化程度將步驟2、3、4計算得到的目標(biāo)紋理變化程度Ci、目標(biāo)大小變化程度cs以及目標(biāo)位 置變化程度cp帶入到公式(5)計算得到幀間目標(biāo)變化程度IFCDT的值。 本發(fā)明的實現(xiàn)方法是步驟1-5，計算得到的幀間目標(biāo)變化程度IFCDT的值即為本 發(fā)明度量圖像序列的結(jié)果。該方法的創(chuàng)新之處在于，利用目標(biāo)在幀間的變化信息來定量地 度量圖像序列，該信息中包含的紋理、大小及位置信息。本發(fā)明的優(yōu)點及功效在于該目標(biāo)圖像序列度量方法實現(xiàn)定量的序列圖像度量， 打破了傳統(tǒng)方法只能對單幅圖像進行度量的局限；同時，該方法包含了目標(biāo)紋理、大小和位 置的信息，描述的信息全面。


圖1為本發(fā)明中關(guān)于灰度共生矩陣計算的實例。圖2為本發(fā)明實施例中包含20幀圖像的目標(biāo)圖像序列。具體實施例方式以下通過具體的實施例對本發(fā)明的技術(shù)方案作進一步的詳細描述。本實例中用到的圖像序列為飛機圖像序列，該序列包含20幀圖像，如圖2所示。整個實施例的具體實現(xiàn)過程如下步驟1 標(biāo)定并記錄圖像序列各幀圖像中目標(biāo)的位置以及包含目標(biāo)最小矩形的長 禾口寬。本實施例對圖2中的20幀圖像中目標(biāo)在圖像中的坐標(biāo)位置，以及包含目標(biāo)最小矩 形的長和寬進行了標(biāo)定和記錄，結(jié)果如表1所示。表120幀圖像中目標(biāo)坐標(biāo)位置及包含目標(biāo)最小矩形的長寬值 步驟2 計算圖像序列的目標(biāo)紋理變化程度本實施例中根據(jù)步驟1標(biāo)定的包含目標(biāo)最小矩形，同時根據(jù)圖1所示的方法計算 得到每幀圖像中包含目標(biāo)最小矩形內(nèi)圖像的共生矩陣CMp并將每幀圖像的共生矩陣帶入 式⑴，。
(!)在實施例中，N為圖像序列中的圖像數(shù)目20，計算得到目標(biāo)紋理變化程度Ci的值 為 0.1977。步驟3 計算圖像序列的目標(biāo)大小變化程度本實施例中根據(jù)步驟1標(biāo)定的每幀圖像中包含目標(biāo)最小矩形的長h和寬帶入 到式⑵，在實施例中，N為圖像序列中的圖像數(shù)目20，計算得到目標(biāo)大小變化程度cs的值 為 0.2226。步驟4 計算圖像序列的目標(biāo)位置變化程度本實施例中根據(jù)步驟1記錄得到的每幀圖像中目標(biāo)的位置以及包含目標(biāo)最小矩 形的長li和寬&，計算得到圖像序列中目標(biāo)從第(i_l)幀到第i幀的位移屯以及第i幀中 目標(biāo)圖像的各向平均尺寸(目標(biāo)矩形長和寬的平均值)A “并將它們帶入到式(3)，計算得
到目標(biāo)位置變化程度的值cp等于 步驟5 計算圖像序列的幀間目標(biāo)變化程度本實施例中將步驟2、3、4計算得到的目標(biāo)紋理變化程度Ci、目標(biāo)大小變化程度cs 以及目標(biāo)位置變化程度cp帶入到公式(4)計算幀間目標(biāo)變化程度IFCDT的值，最終得到幀間目標(biāo)變化程度的值等于0. 3222。
(4)該實施例中，圖2所示序列的度量結(jié)果為該序列的幀間目標(biāo)變化程度的值為 0.3222。
權(quán)利要求
一種目標(biāo)圖像序列度量方法，其特征在于人工標(biāo)定并記錄下圖像序列各幀圖像中目標(biāo)的位置，以及包含目標(biāo)最小矩形的長和寬，利用幀間目標(biāo)變化程度IFCDT來度量目標(biāo)圖像序列，幀間目標(biāo)變化程度的計算式中包含三個變量，分別為目標(biāo)紋理變化程度ci、目標(biāo)大小變化程度cs以及目標(biāo)位置變化程度cp，本發(fā)明建立的幀間目標(biāo)變化程度計算公式如式(1)所示。
<mrow><mi>IFCDT</mi><mo>=</mo><msqrt> <msup><msub> <mi>c</mi> <mi>i</mi></msub><mn>2</mn> </msup> <mo>+</mo> <msup><msub> <mi>c</mi> <mi>s</mi></msub><mn>2</mn> </msup> <mo>+</mo> <msup><msub> <mi>c</mi> <mi>p</mi></msub><mn>2</mn> </msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>
2.根據(jù)權(quán)利要求1所述目標(biāo)圖像序列度量方法，其特征在于計算公式中的變量目標(biāo) 紋理變化程度Ci主要描述了序列圖像中不同幀圖像之間紋理的變化信息，利用式(2)獲 取 其中，CM,為序列第i幀圖像中包含目標(biāo)最小矩形內(nèi)圖像的共生矩陣，N表示圖像序列 包含的圖像數(shù)目。
3.根據(jù)權(quán)利要求1所述目標(biāo)圖像序列度量方法，其特征在于計算公式中的變量目標(biāo) 大小變化程度cs主要描述了序列圖像中不同幀圖像之間所包含目標(biāo)大小的變化信息，利用 式⑶獲取 其中，N為圖像序列中的圖像數(shù)目，h為權(quán)利要求1中記錄的第i幀圖像中包含目標(biāo)最 小矩形的長，為權(quán)利要求1中記錄的第i幀圖像中包含目標(biāo)最小矩形的寬。
4.根據(jù)權(quán)利要求1所述目標(biāo)圖像序列度量方法，其特征在于計算公式中的變量目標(biāo) 位置變化程度cp主要描述了序列圖像中不同幀圖像之間所包含目標(biāo)位置的變化信息，利用 式⑷獲取 其中，屯表示圖像序列中目標(biāo)從第(i-1)幀到第i幀的位移，該位移的值通過權(quán)利要求 1中記錄的不同幀圖像目標(biāo)位置相減得到，Ai表示第i幀中目標(biāo)圖像的各向平均尺寸即目 標(biāo)矩形長和寬的平均值，N表示圖像序列中圖像的數(shù)目。
全文摘要
本發(fā)明披露了一種用于自動目標(biāo)識別算法評價的目標(biāo)圖像序列度量方法，該方法利用幀間目標(biāo)變化程度來度量目標(biāo)圖像序列。幀間目標(biāo)變化程度的計算式中包含三個元素，分別為(1)目標(biāo)紋理變化程度，主要描述了圖像序列中幀間目標(biāo)紋理的變化信息，其中紋理信息利用灰度共生矩陣進行描述；(2)目標(biāo)大小變化程度，主要描述了圖像序列中幀間目標(biāo)大小的變化信息，其中目標(biāo)大小信息利用包含目標(biāo)最小矩形的長和寬表示；(3)目標(biāo)位置變化程度，主要描述了圖像序列中幀間目標(biāo)位置變化信息，其中目標(biāo)位置利用目標(biāo)在圖像中的坐標(biāo)來表示。本方法實現(xiàn)了對目標(biāo)序列圖像的度量，可以為自動目標(biāo)識別算法評價提供準確可靠的輸入信息。
文檔編號G06T7/00GK101859384SQ201010206259
公開日2010年10月13日 申請日期2010年6月12日 優(yōu)先權(quán)日2010年6月12日
發(fā)明者刁偉鶴, 毛峽 申請人:北京航空航天大學(xué)