CN102004919A - 一种目标检测与定位方法 - Google Patents

Abstract

本发明属于图像处理与机器视觉领域，具体为一种目标检测与定位方法。根据像素点与邻域像素点的灰度差异确定候选兴趣点，采用Kirsch算子计算候选点与其邻域点的边缘强度。当候选点的边缘强度大于给定阈值，并且与其邻域点的最大边缘强度接近时，该点确定为兴趣点。以兴趣点为中心建立位势函数，利用位势函数的求和构造目标函数，目标函数取得最大值的位置确定为目标位置。本发明可用于目标检测与目标跟踪系统中。

Description

一种目标检测与定位方法

技术领域

本发明属于图像处理与机器视觉领域，涉及一种图像目标检测与定位方法，特别涉及一种基于边缘检测与兴趣点提取的图像目标检测与定位方法。

背景技术

目标的检测与定位一直是机器视觉和图像处理领域的重要研究内容。在工业检测、安防系统、军事领域等方面有着重要的应用价值。通常用于目标检测的方法有基于对比度的检测方法和相关匹配检测方法等。

基于对比度的检测方法是利用目标与其背景之间的对比度来识别和提取目标信号，根据对目标参考点的不同可分为边缘跟踪、形心跟踪、峰值跟踪等。由于这类方法受光照等影响很大，因此检测成功率不是很高。

相关匹配检测方法是将系统的基准图像在实时图像上以不同的偏移值移位，然后根据一定的相似性度量准则对每一个偏移值下重叠的两个图像(基准图像(模板)及与基准图像同样大小的实时图像)进行相关处理，根据判别准则和相关处理结果，判断目标在实时图像中的位置。这类方法通常不具有旋转不变性和缩放不变性等性质，而且相关算法存在累积误差，容易使目标漂移出参考模板。这使得这类方法在应用上也存在一定的问题，并受到一定的限制。

因此设计一种新型的目标检测与定位方法具有重要的应用价值。

发明内容

本发明所要解决的技术问题是，设计一种目标检测与定位方法，实现对灰度图像目标的检测与定位。

本发明所采用的技术方案是：一种目标检测与定位方法，包括以下步骤：

(1)计算每个像素与邻域的灰度差，选取候选兴趣点。

(2)计算候选兴趣点及其邻域点的边缘强度。

(3)计算候选兴趣点与其邻域点的微分值的差值，以此确定兴趣点。

(4)将各兴趣点作为位势函数的中心，将位势函数值最大的位置确定为目标位置。

本发明的目的在于提出一种目标检测与定位方法，利用边缘检测算法确定兴趣点，并根据兴趣点的位置分布情况确定目标的位置，完成对灰度图像目标的有效检测与定位。

附图说明

图1为待检测目标图像。

图2为像素灰度邻域窗口。

图3为Kirsch算子模板。

图4为像素边缘强度邻域窗口。

图5为目标检测与定位结果。

具体实施方式

下面结合实施例和附图对本发明作进一步详细说明。

本发明通过采用在检测区中提取兴趣点的方法检测目标，并确定目标的位置。如图1所示，要定位的目标是检测区中飞机的位置。兴趣点选取目标的一些边缘点。兴趣点的确定方法如下：

1.确定候选点。

图像边缘的灰度不连续，使得这些地方的空间微分值往往较大，因而检测图像边缘的有效途径之一就是利用多方向的微分算子对图像进行处理。但由于微分算子的计算量较大，因此在进行边缘提取之前先确定一些候选点。再对候选点进行边缘检测，从而可减少计算量。候选点的确定依据就是该点像素的灰度不应与其邻域内的所有像素灰度相近。假设图像中一点P(x，y)及其8邻域的灰度如图2所示。

像素点P(x，y)与其邻域像素灰度差值Δp按下式求取：

Δp＝max{r₀，r₁，r₂，...，r₇}            (1)

其中

r_i＝|P(x，y)-p_i|，i＝0，1，2，...，7     (2)

如果灰度差值Δp大于阈值R₁，则确定像素点P(x，y)为候选点，否则确定像素点P(x，y)为非候选点。

2.计算候选点及邻域点的边缘强度。

选择Kirsch算子计算候选点及邻域点的微分值。Kirsch算子由8个3×3窗口模板组成，每个模板分别代表一个特定的检测方向，其模板算子如图3所示。

设P(x，y)是待计算微分值的像素点，其8邻域的灰度仍如图2所示。设q_k(k＝0，1，...，7)是图像经过第k个Kirsch算子模板处理后得到的k方向上的边缘强度，则有如下递推关系式：

q₀＝5(p₄+p₅+p₆)-3(p₀+p₁+p₂+p₃+p₇)         (3)

$q_i=\left\{\begin{array}{c}{q}_{i-1}+8(p_{8-i}-p_{3-i}),i=\mathrm{1,2,3}\\ q_{i-1}+8(p_{8-i}-p_{11-i}),i=\mathrm{4,5,6,7}\end{array}\right.---\left(4\right)$

P(x，y)像素点经过Kirsch算法处理后得到该点的边缘强度S(x，y)为：

S(x，y)＝max{q_k}，k＝0，1，2，...，7      (5)

3.确定兴趣点。

当候选点的边缘强度值大于阈值R₂，且与其邻域点的最大边缘强度值接近时，该点确定为兴趣点。这可有效避免将大量的噪声点确定为兴趣点。

设候选点P(x，y)及其8邻域的边缘强度值如图4所示。

令s_max＝{s₀，s₁，...，s₇}，如果S(x，y)＞R₂，且|S(x，y)-S_max|＜R₃时，确定候选点P(x，y)为兴趣点。其中R₃为相似阈值。

4.确定目标位置。

设求得兴趣点集为V＝{v_i(x_i，y_i)}，i＝1，2，...，M。

选取M个位势函数：

K(v，v_i)＝exp[-α‖v-v_i‖²]，i＝1，2，...，M    (6)

构造下列目标函数

$F\left(v\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}K(v,v_i),i=\mathrm{1,2},\·\·\·,M---\left(7\right)$

当目标函数达到最大值时所对应的位置点v(x_o，y_o)即为所确定的目标位置。

由于目标函数是由位势函数构成，这样即使兴趣点中含有少量散步噪声，这些噪声对目标的定位影响也很小，所以仍然可较精确地确定目标位置。

实施例

图5给出了采用本方明方法在几幅连续图像中寻找到的兴趣点及目标位置的情况。其中小的“+”号为兴趣点，大的“+”号为确定的目标位置。由实例结果可以看出，本发明方法可对多幅连续图像中的目标进行较为准确的定位。即使目标发生了平移、旋转、缩放、甚至变形等变化，本发明方法仍然有效。

Claims (5)

1.一种目标检测与定位方法，其特征在于根据图像灰度分布情况确定兴趣点，并根据兴趣点的位置分布情况建立目标函数，通过求取目标函数最优值的方法确定目标位置。

2.根据权利要求1所述的目标检测与定位方法，其特征在于，根据像素点与其邻域像素点的灰度差异确定候选兴趣。

3.根据权利要求1所述的目标检测与定位方法，其特征在于，采用Kirsch算子计算候选兴趣点及其邻域点的边缘强度值。

4.根据权利要求1所述的目标检测与定位方法，其特征在于，候选兴趣点的边缘强度只有大于阈值，且与其邻域点的最大边缘强度接近时，该点才被确定为兴趣点。

5.根据权利要求1所述的目标检测与定位方法，其特征在于，以兴趣点的位置为中心，选择二维正态函数建立位势函数，将位势函数值的和作为目标函数，目标函数取最大值的位置确定为目标位置。

Images