第三章目标检测方法_1_-6

直方图分割法 基于灰度期望值的阈值分割 最大类间方差阈值分割 循环分割方法 最大熵阈值分割 基于模糊隶属度的阈值分割
24
基于直方图谷点门限的分割方法
当图像的灰度直方图为双峰分布时，分割比 较容易，只须取其谷点作为门限值，就能将目标 与背景分割开来。 1, f x, y TH g x, y 0, f x, y TH

控制背景环境，降低分割难度 注意力集中在感兴趣的对象，缩小不相干图像成分的干扰。 基于阈值的图像分割 基于边缘的图像分割 基于形态学的图像分割 基于区域的图像分割
20
图像分割的基本方法：

提取轮廓
车牌定位
车牌识别
图像分割的基本策略： 把像素按灰度划分到各个物体对应的区域中去； 先确定边缘像素点，然后将它们连接起来构成所需的边界； 确定存在于区域间的边界；
图像探测、跟踪与识别技术
主讲人：赵丹培
宇航学院图像处理中心 zhaodanpei@
1
2012年9月27日
第三章

目标检测方法
学习目的
利用图像捕捉并跟踪感兴趣的目标在日常生活、 工业和军事领域中都有广泛的应用，本章通过对目标 检测方法基本原理的学习和掌握，将目标的灰度、形 状、纹理、频谱、运动等作为主要特征依据，从不同 角度全面了解复杂背景中目标探测的方法与过程，并 能够在实际中熟练应用。
3．运动轨迹表达
目标的运动轨迹表达了目标在运动过程中的位置信息，由一 系列关键点和一组在这些关键点间进行插值的函数构成。关 键点用2D或3D坐标值来表达，插值函数分别对应各坐标轴 16 （水平、垂直和深度方向）。
运动矢量场的表达
20 18 16 14 12 10 8 6 4 2 0 0 45 90 135 180 225 270 315 6 5 15 14 12 14 18 16
图像的频谱特征
图像的纹理特征 8
5.图像中物体形状特征
物体的形状特征是人或机器识别的重要特征之一，在图像 中可以采取图像分割的方法，将感兴趣的物体、区域或基元 与背景区分开来，然后对它们的外形进行描述，常用的形状 特征有面积、周长、圆度、长宽比、矩、边心距、傅立叶描 绘子、偏心率和凹度等。
6.图像中三维特征
最大类间方差法由Ostu提出，是在最小二乘法原理的基础上推 导得出，又叫大津阈值法。 设原始灰度图像的灰度级为L，灰度级为i的像素点数为 ni ， 图像的全部像素为N,归一化直方图，则 L 1 ni pi pi 1 N i 0 用阈值t将灰度级划分为两类： C0 0,1,t 和 C1 t 1, t 2,, L 1 C0 和 C1 类的出现概率及均值分别为：

学习的重点
基于图像分割技术的目标检测方法 基于图像特征匹配的目标检测方法 运动目标检测方法

2
本章的主要内容
3.1 图像的特征形态与描述
3.2 目标检测的基本概念与原理 3.3 利用图像分割技术的目标检测方法 3.4 利用特征匹配技术的目标检测方法 3.5 运动目标的检测 3.6 小目标检测 3.7 目标检测性能的评价标准
10. 图像有用和无用成分之比
图像中并不是只包含有用的信息，我们总是在图像中提取 感兴趣的所谓目标信息，而滤除所有不关心的信息，例如噪 声。感兴趣的目标信息与所有不关心的信息成分的比率或差 别越大，提取就越容易。典型的度量指标是信噪比，即目标 12 信号幅度除以背景信号的标准差。

•
图像的运动特征－什么是运动图像？
•

运动的表达
全局运动和局部运动各有其自身特点。

全局运动具有整体性强、比较规律的特点，可能仅用一些特 征或一组含若干个参数的模型就可表达。
局部运动比较复杂，特别是在多目标的情况下，各目标可能 做不同运动，目标的运动仅在空间小范围表现出一定的一致 性，因此比较精细的方法才能够准确地表达目标的运动。 下面就具体介绍一下各种运动的表达形式和方法，常用的有以 下几种： 1．运动矢量场表达 2．运动直方图表达
x(t)
C B A
O
t0
t1
t2
t3
t4
17
t
运动直方图的表达
运动轨迹的表达
3.2 目标检测的基本概念与原理
目标检测的分类：



目标检测从目标特性角度分为单幅静止图像检测和运 动目标检测；运动目标检测又分为静止背景下的运动 目标检测和运动背景下的运动目标检测。 静止目标检测通常是利用单帧图像信息，对于大目标， 可以利用图像分割或特征匹配等方法提取出目标，但 对于低对比度、低信噪比的小目标，利用单帧信息很 难检测出有效目标。 运动目标可以利用图像的运动序列信息，与单幅图像 不同，连续采集的图像序列能反映场景中目标的运动 和场景的变化情况，更有利于小目标的探测。 18
25
应用直方图双峰法来分割图像,需要有一定的 图像先验知识,因为同一个直方图可以对应不同的 图像,直方图只表明图像中各个灰度级上有多少个 像素,并不能描述这些像素的位置信息。 因此只根据直方图选择阈值并不一定合适，还 要结合图像的内容来确定。此外，该方法不适用于 单峰或多峰直方图的情况。
26

最大类间方差阈值分割
图像是三维空间场景能量在二维平面的投影，二维图像中 蕴含着场景中物体的三维信息。比如，多面体的各个面光强 的差异表现出的立体感，一个球体不会看成平面的圆。图像 的三维通常用物体表面的法线方向描述。
9
图像的形状特征
图像的三维特征
10
7.图像的运动特征
动态图像或序列图像是我们最常见的、需要快速处理并 作出反应的场景图像，“时间”将作为它的另外一个变量。 序列视频图像中包含着物体或目标的运动参数，如速度、加 速度、方向、姿态、到传感器的距离等变化信息。常用的方 法用局部瞬时速度场（光流场）、特征点匹配、运动估计、 小平面分析和运动分割等。
3
3.1图像的特征形态与描述

数字图像并不是杂乱的像素数据的组合。它通常包含我们所 希望得到的确定性成分和采集过程中所得到的随机成分。每 个像素的灰度不仅随坐标的不同而不同，也随时间的变化而 变化，是空间坐标和时间的随机场。 数字图像度量单位可以有多种，例如整幅画面（帧，场）， 局部画面（窗口，块），行，列，像素，频率等。 图像作为信息的载体，对不同的用途，所关心的图像信息的 含义或感兴趣的图像基元不同。比如，远距离红外小目标检 测研究时，我们关心的只是目标周围小区域内的信噪比，或 图像的信息量等；人脸识别时，可能关心的就是五官的形状 和位置关系，至于脸色就不是很重要。
•
•
•
举例：运动与视觉实验



1959年著名心理学家Gibson在美国康乃尔大学对自然人进行 了运动知觉实验：在两张透明的胶片上绘出相似的随机点图 图案。一张静止地垂直放置，人们什么也区分不出来；而另 一张也是垂直放置，但是让其沿水平方向进行平移运动。这 时奇迹出现了，人们在移动着的胶片上区分出了有两块远近 不同的平面，随机点图表示的场景被轻易地分割开来了。这 证实了一些在静止时不易被察觉的形状当移动时就可以被知 觉，这与人们通过自身包括研究的运动实现形状知觉是异曲 同工的。 静止图像只是空间位置的函数，它与时间变化无关。在现有 条件下，用单幅静止图像无法表达物体和自身的运动。运动 图像通常是一种按时间顺序排列的瞬间采样图像序列。 图像中的变化可能是由于目标物体的运动，也可能是相机的 运动、光源的变化、物体结构的变化等等。 14
4.纹理特征
图像纹理是像素灰度分布宏观上呈现周期性的结构特征， 它是图像中某些结构单元按某种规则排列而成的规则图案， 反映图像纹理基元灰度周期性重复变化的规律。因此，纹理 基元的大小（或重复变化的周期长短）和重复构成的方向是 基本特征。常用的纹理特征描述方法有共生矩阵、等灰度行 程长度、区域纹理基元参数、傅立叶频谱、随机场模型、相 7 关长度等。
与静态图像相比，动态图像的基本特征就是灰度的变化。
•
在对某一场景拍摄到的图像序列中，相邻两帧图像间至少有一部 分像元的灰度发生了变化，这个图像序列就称为动态图像序列。
与单幅图像不同，连续采集的图像序列能反映场景中目标的运动 和场景的变化。场景的变化和景物的运动在序列图像中表现得比 较明显和清楚。 序列图像是由一系列时间上连续的二维图像组成的，或者说是一 类三维图像。与静止图像相比，序列图像增加了时间变量，当时 间变量取某个特定值时，就得到视频图像中的一帧图像。 图像序列和运动信息有密切的联系，将从运动场景获得的序列图 像或者在序列中目标位置发生变化的图像称为运动图像。 13
4


3.1.1 图像的特征类型
1.像素灰度分布
图像信号数字化得到一个数值矩阵，其中每一个元素称 之为像素，像素的灰（亮）度值（也包括色彩）是最基本、 最原始的测量值和特征，由它可以组成更大基元的特征。单 幅图像的所有像素或不同区域像素的灰度分布，代表了图像 总体或局部的能量强度分布。表征灰度分布的特征描述有总 体或局部的均值、方差等。



首先要确定一个合适的阈值T（阈值选定的好 坏是成败的关键） 将灰度大于等于阈值的像素作为物体或背景， 生成一个二值图像 If f(x,y) T set 255 Else set 0 在四邻域中有背景的像素，即是边界像素。
0
0 255ຫໍສະໝຸດ 0 255 255 255 255 255
23
⑵、几种常用的基于阈值分割的检测方法
8.图像距离特征
距离图像是一种通过主动成像方式获取的场景三维立体 信息，与场景亮度无关。目标图像距离特征对于目标图像识 别有着特殊的意义，可以不受天气、伪装、复杂背景等条件 的影响，全天候工作，抗干扰能力强。（雷达）
11
9. 图像信息描述
图像中包含的信息量最关心的是图像度量参数，可以想 像所有像素灰度都为同一个数值，我们看到的是一张白纸， 获取不了更多的信息，而一幅场景图像却有着丰富的内容， 只要你认真去看，将会有无限的信息。信息论中的“熵”可 以作为图像信息含量的一种描述，尽管它并不完美。图像的 信息度量是复杂的，它与图像的应用目的、观察图像的人或 系统的知识、性能有关。