一種利用環(huán)形最短路徑的紅外行人圖像精確分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種利用環(huán)形最短路徑的紅外行人圖像精確分割方法，屬于數(shù)字圖像 處理，模式識別和紅外工程技術(shù)領(lǐng)域。它主要涉及最短路徑、形狀分析和特征提取技術(shù)，能 廣泛應(yīng)用于紅外行人檢測、分割與識別。
【背景技術(shù)】
[0002] 紅外行人檢測技術(shù)是紅外圖像處理的重要技術(shù)。而紅外行人分割是行人檢測的 重要環(huán)節(jié)，能夠?yàn)榧t外行人跟蹤、異常行為檢測等等應(yīng)用提供重要支持。由于紅外圖像丟 失了色彩和紋理信息，加之成像質(zhì)量較差且信噪比較低，普通的分割方法無法取得好的效 果° 閾值法（N. Otsu. A threshold selection method from gray-level histograms [J]. IEEE Trans. Syst.，Man, Cybern.，9 (I) (1979) 62-66.(大津：一種基于灰度直方圖的閾 值選取方法· IEEE系統(tǒng)，人與控制論會刊9 (1) (1979) 62-66) )，P L. Rosin. Unimodal thresholding [J]· Pattern recognition, 34 (11) (2001)2083-2096·(羅森：單峰閾值·模 式識別34(11) (2001)2083-2096))因其簡單高效的優(yōu)勢成為圖像分割最常用的的技術(shù) 之一，然而由于難以利用圖像的空間信息，閾值法無法在背景復(fù)雜、噪聲較多的紅外行人 圖像中取得較好的分割結(jié)果?；诰垲惖姆椒ㄈ缇灯扑惴ǎ―. Comaniciu, P. Meer. Mean shift:A robust approach toward feature space analysis[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 24 (5) (2002)603-619·(科馬尼丘 等：均值漂移：一種特征空間分析的健壯方法.IEEE模式分析與機(jī)器智能會刊24(5) (2002)603-619))，K 均值聚類（K.Krishna，M.N.Murty.Genetic K-means algorithm[J]· Systems, Man, and Cybernetics, Part B:Cybernetics, IEEE Transactions on, 29(3) (1999)433-439.(克里希納等：遺傳 K均值算法.IEEE系統(tǒng)，人與控制論會刊B部分：控制 論 29 (3) (1999) 433-439))，模糊均值聚類（S. Araki, H. Nomura, N. Wakami. Segmentation of thermal images using the fuzzy c-means algorithm[C]. Fuzzy Systems, 1993. , Second IEEE International Conference on. IEEE, 1993:719-724.(阿拉基等：基于模糊 C 均 值算法的熱像分割.IEEE模糊系統(tǒng)第二屆國際會議1993:719-724))等等往往對噪聲或 初始分類敏感，在難以加入紅外目標(biāo)空間形狀信息的情況下分割結(jié)果存在大量的欠分割 和虛警?；顒虞喞ǎ═.F. Chan, L.A.Vese.Active contours without edges[J]· Image processing, IEEE transactions on, 10(2) (2001)266-277.(陳等：無邊緣的活動輪 廓.IEEE圖像處理會刊10(2) (2001)266-277))能通過紅外前景周圍的能量分布不斷調(diào)整 初始輪廓使其落在梯度能量最大處，從而找到目標(biāo)的邊緣進(jìn)而分割目標(biāo)與背景。然而活動 輪廓對初始輪廓定位和形狀敏感，受到紅外圖像的梯度信息中大量噪聲的干擾，因而難以 得到較好的分割效果。
[0003] 在紅外圖像中，行人與背景之間存在著灰度的差異，實(shí)際上能夠找到封閉的行人 與背景的邊界處灰度梯度最大值即可得到分割輪廓，而由于噪聲與行人姿態(tài)的影響，單純 尋找最大梯度并非最合理的輪廓，因此利用梯度信息與形狀信息的相互約束尋找環(huán)形最短 路徑算法可以達(dá)到精確分割行人與背景的目的。

【發(fā)明內(nèi)容】

[0004] 1、目的：為了精確分割紅外圖像中的行人并彌補(bǔ)傳統(tǒng)分割方法的不足，本發(fā)明提 供一種利用環(huán)形最短路徑的紅外行人圖像精確分割方法，為紅外行人跟蹤，異常行為檢測 等紅外圖像的處理應(yīng)用提供有效工具。
[0005] 2、技術(shù)方案：為了實(shí)現(xiàn)這個(gè)目的，本發(fā)明一種利用環(huán)形最短路徑的紅外行人圖像 精確分割方法，該方法具體步驟如下：
[0006] 步驟一：顯著性圖像生成。利用離散余弦變換得到紅外行人圖像的頻域信號，然后 用符號函數(shù)處理得到頻率響應(yīng)的顯著性描述，再用離散余弦反變換得到紅外行人的顯著性 圖像；
[0007] 步驟二：基于多閾值的前景估計(jì)。根據(jù)紅外行人圖像計(jì)算大津閾值和單峰閾值，取 其大者作為全局閾值，圖像據(jù)此二值化后得到大致的前景區(qū)域即為紅外行人；
[0008] 步驟三：基于標(biāo)記點(diǎn)的水域分割。綜合顯著性圖像與閾值前景估計(jì)圖像得到基 于前景和背景的標(biāo)記，在此基礎(chǔ)上使用基于標(biāo)記的水域分割得到初始的紅外行人感興趣區(qū) 域；
[0009] 步驟四：環(huán)形最短路徑生成。以紅外行人感興趣區(qū)域中心為極點(diǎn)，根據(jù)區(qū)域面積 確定半徑對原始圖像的梯度圖在該區(qū)域進(jìn)行極坐標(biāo)變換，得到極坐標(biāo)系下的感興趣區(qū)域梯 度，在該區(qū)域下尋找環(huán)形最短路徑再反變換到原圖像坐標(biāo)得到行人分割的精確輪廓；
[0010] 步驟五：形態(tài)學(xué)后處理。利用數(shù)學(xué)形態(tài)學(xué)對坐標(biāo)變換后的最短路徑輪廓做連接和 細(xì)化處理得到封閉輪廓，求取輪廓內(nèi)部部分得到行人目標(biāo)并進(jìn)行形態(tài)學(xué)濾波得到最終的紅 外行人分割結(jié)果。
[0011] 本發(fā)明利用常用的圖像分割的閾值法及圖像的顯著性特征形成紅外行人圖像的 前景和背景標(biāo)記，通過水域分割可以很容易地得到紅外行人的大致感興趣區(qū)域。在原圖的 梯度圖像上，以區(qū)域中心為極點(diǎn)，擴(kuò)展區(qū)域半徑為半徑的區(qū)域做極坐標(biāo)變換，在變換后的坐 標(biāo)系中應(yīng)用環(huán)形最短路徑算法，得到極坐標(biāo)系下的行人輪廓，經(jīng)反變換后對應(yīng)到灰度圖像 的坐標(biāo)位置。對環(huán)形最短路徑得到的輪廓進(jìn)行形態(tài)學(xué)濾波即可得到最終的精確輪廓。
[0012] 3、本發(fā)明的優(yōu)點(diǎn)及功效是：本發(fā)明充分利用各種工具，巧妙獲取水域分割所需的 前景與背景標(biāo)記，通過定義合理的懲罰函數(shù)，利用環(huán)形最短路徑技術(shù)得到紅外行人的精確 分割輪廓，達(dá)到精確分割紅外行人的目的，可廣泛應(yīng)用于紅外行人檢測、跟蹤與異常行為分 析等各種紅外成像應(yīng)用系統(tǒng)，具有廣闊的市場前景與應(yīng)用價(jià)值。
【附圖說明】
[0013] 圖1為本發(fā)明利用環(huán)形最短路徑的紅外行人圖像精確分割方法的原理框圖。
[0014