跟踪技术与自动图像目标识别研究综述
纹理是图像的基本特征, 它在人类视觉系统中起着重要作用, 为图像理解和分析提供重要信息。可以认为纹理是对于图像各像元灰度空间分布的一种描述, 是图像局部性质( 灰度分布函数) 的统计。目前公认的一种重要的纹理分析方法是灰度共生矩阵, 它是建立在估计图像的二阶组合条件概率密度函数基础上的。灰度共生矩阵描述在方向θ上, 相隔d像元距离的一对像元, 分别具有灰度层i 和j 的出现概率, 其元素可记为P( i, j|d, θ) , 它能具体反映纹理图像的纹理特性。在灰度共生矩阵中定义了一系列的特征值, 如能量( 角度二阶矩) 、熵、自相关、局部平稳度、惯性矩、聚类萌、聚类突等。
作为描述纹理的一个有力工具, 分形在最近几年得到了广泛的关注。分形维数常用来描述和测量分形的特性。对于图像来说, 分形维数是图像物体表面不规则度的度量, 即表面纹理粗糙度, 分形维数越大, 对应的图像表面越粗糙。在ATR 系统中, 要识别的目标都是人造物体, 它们的表面是光滑的、紧致的, 从而与自然环境中的其他物体在粗糙度上有着很大的区别, 因此分形维数可以作为目标识别的重要特征。
运用纹理特征对目标进行识别在许多文献中都有描述[ 23 ～25] , 这些方法都是将纹理和其他工具如模糊C 均值聚类、支撑向量机、小波变换等结合使用, 使识别结果更为可靠。
3 扩展目标的跟踪技术
运动目标跟踪的目的就是通过对传感器拍摄到的图像序列进行分析, 计算出目标在每帧图像上的位置, 给出目标速度的估计。可靠性和精度是跟踪过程中的两个重要指标。已有的跟踪算法各有千秋, 不同的跟踪算法适用于不同运动状态的目标。对于尺寸较小、机动性不强的目标利用形心跟踪、质心跟踪可以获得良好的效果; 对于在视场中占有相当大比例的扩展目标, 由于背景的复杂使得精确的分割很难达到, 因而仍然采用形心跟踪是不合实际的。目前主要从以下几个方面解决复杂背景下的扩展目标的跟踪问题。
3. 1 相关跟踪
在众多的成像跟踪算法中, 相关跟踪算法具有对场景图像质量要求不高, 可在低信噪比条件下稳定工作, 能适应较复杂场景结构的目标和背景条件, 具有较强的局部抗干扰能力等特点。因此, 相关跟踪算法在成像跟踪中有着重要地位, 特别适用于地面背景等复杂场景条件下的目标跟踪。针对相关跟踪算法运算量大的不足, 出现了许多改进算法, 如基于塔型结构的匹配跟踪[ 28] 、多子模板匹配[ 29] 、Kalman 滤波器[ 30] 等。为了提高跟踪的稳定性, 不少学者还提出各种模板刷新策略[ 26, 27] 。
相关跟踪可以利用局部图像的灰度分布来进行, 也可以利用图像的其他特征, 这些特征通常具有不变性, 能代表目标的本质特征, 如角点、奇异值、不变矩。
3. 2 光流跟踪
光流跟踪运用目标的运动信息, 避免了灰度变化对目标跟踪的影响, 因而具有较好的抗噪能力。光流分析可以分为连续光流法和特征光流法。特征光流法是通过特征匹配求得特征点处的光流, 文献[ 31, 32] 通过对前后帧图像中的角点匹配来估计运动目标的位移并进行跟踪。特征流法的主要优点在于:对目标在帧间的运动的限制较小, 可以处理大的帧间位移; 对噪声的敏感性降低; 只处理图像中很少数的特征点, 计算量较小。主要缺点是: 得到的是稀疏光流场, 难以提取运动目标的精确形状; 特征匹配问题尚未得到较好的解决。全局光流的计算方法有Horn-Schunck 算法、Nagel 算法等, 得到全局光流场后通过比较运动目标与背景之间的运动差异对运动目标进行光流分割, 从而达到跟踪的目的。运用全局光流场来跟踪运动目标的关键是要得到精确的光流估计, 这就依赖于施加合理的平滑约束条件。
4 结论
在复杂环境下对目标进行有效的识别和稳定的跟踪是非常困难的, 仅仅依靠一种或少数几种识别手段很难准确地进行目标识别, 必须尽可能利用多个和多类传感器所收集到的多种目标属性信息、多种识别方法, 综合出准确的目标属性, 进行目标综合识别。对扩展目标进行稳健跟踪的关键在于找出在目标姿态变换时具有不变性的特征, 或者通过多种不变特征的组合来对目标进行持续稳定的跟踪。同时, 在努力提高识别和跟踪算法准确性的同时要兼顾实时性, 使识别算法能真正地在工程应用中发挥作用。
作者简介:
余静( 1976- ) , 男, 博士研究生, 主要研究方向为数字图像处理;
游志胜( 1945- ) , 男, 教授, 博士生导师, 主要研究方向为计算机图形、图像处理、信息融合。
参考文献:
[ 1] 周立伟, 刘玉岩. 目标识别与探测[ M] . 北京: 北京理工大学出版社, 2002.
[ 2] M Sameh Yamanu, A Aly Farag, Shin-Yi Hsu. A Fuzzy HyperspectralClassifier for Automatic Target Recognition( ATR) Systems[ J] . PatternRecognition Letters, 1999 , 20: 1431-1438.
[ 3] A Kenneth Augustyn. A New Approach to Automatic Target Recognition[J] . IEEE Trans. on Aerospace and Electronic Systems, 1992, 28( 1) : 105-114 .
[ 4] A James Ratches, C P Walters, G Rudolf Buser. Aided and AutomaticTarget Recognition Based upon Sensory Inputs from Image FormingSystems[ J] . IEEE Trans. on PAMI, 1997, 19 ( 9) : 1004 -1019 .
[ 5] 余小游, 卢焕章, 常青. 多传感器目标识别系统中的数据融合方法与系统结构的研究[ J] . 国防科技参考, 1998, 19 ( 1) : 11 -16.
