CN111380485B - 一种基于复合正交相移条纹的伪装检测方法 - Google Patents

一种基于复合正交相移条纹的伪装检测方法 Download PDF

Info

Publication number
CN111380485B
CN111380485B CN202010107064.7A CN202010107064A CN111380485B CN 111380485 B CN111380485 B CN 111380485B CN 202010107064 A CN202010107064 A CN 202010107064A CN 111380485 B CN111380485 B CN 111380485B
Authority
CN
China
Prior art keywords
sequence
camouflage
phase
template
scene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010107064.7A
Other languages
English (en)
Other versions
CN111380485A (zh
Inventor
邓吉
李健
肖雨
封皓
韩文仲
曾周末
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202010107064.7A priority Critical patent/CN111380485B/zh
Publication of CN111380485A publication Critical patent/CN111380485A/zh
Application granted granted Critical
Publication of CN111380485B publication Critical patent/CN111380485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2518—Projection by scanning of the object
    • G01B11/2527—Projection by scanning of the object with phase change by in-plane movement of the patern

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于复合正交相移条纹的伪装检测方法，其内容包括：构建由投影系统、相机以及被测物体组成的去伪装系统；通过对监视视场投射相互正交的正弦光栅组的方式对场景进行调制；通过所提出的基于梯度的序列变换方式依次对未侵入场景与侵入场景建立模板相位奇异场序列与侵入相位奇异场序列；通过模板匹配可将相位奇异场序列与模板相位奇异场序列进行序列对应，并因此获取中间检测结果Zk；最后依据一系列优化方法对Zk进行优化及系列运算，即可求取侵入视场的伪装物体的运动轨迹与外部轮廓。本发明通过光栅投影的方式实现了伪装运动物体的多参数化检测，该技术具备动态性能好、检测精度高与鲁棒性强等显著优点。

Description

一种基于复合正交相移条纹的伪装检测方法
技术领域
本发明涉及去伪装领域，尤其涉及一种基于复合正交相移条纹的伪装检测方法。
背景技术
伪装技术是一种进行隐真示假、为欺骗或迷惑对方所采取的隐蔽措施。通常情况下，伪装技术可分类为自然伪装和人工伪装。自然伪装，即自然生物利用自然条件实现伪装。最常见的自然伪装为生物个体能通过控制自身色素的变化，实现与自然环境融为一体，从而达到伪装的目的；实现自然伪装的代表生物有变色龙、乌贼等。人工伪装，即人类利用人造服饰或特殊材质对军用器械或单兵作战单元实现伪装；人工伪装具备欺骗光学侦察检测的特点，甚至拥有欺骗热红外和雷达侦察的能力。人工伪装的具体实例有军用迷彩、“变色龙”伪装服等。
随着科技的进步及先进材料的研发，人工伪装技术得到了更深入的研究。例如，通过控制GST相变[1]，人们可以在30～50℃的背景温度范围内，对需遮罩物体实现近乎于完美的热伪装。基于颜色变化的变色机器人[2]，能迅速的将待伪装本体融入所处背景中；透明胶致动的透明软机器人[3]，能在动态或非结构化环境中实现有效的伪装。这些高级伪装技术均可广泛的应用于战场、侦察和安全监视等场合。
相较于伪装技术的蓬勃发展，去伪装技术目前仍处于较为初级研究阶段。早期的去伪装技术集中于增大低层级特征的区分度，如颜色、纹理、轮廓等[4,5]。这些基于低层级特征的检测方法通常只能实现对一些非刻意伪装场景进行去伪装检测，但是却难以鉴别经过人刻意实施的伪装。近年来，随着人工智能、机器学习及神经网络等智能技术的崛起，高层级的伪装检测技术也得到了不同程度的发展[6,7]，但是，实现这些技术的实现依赖于复杂的计算模型的建立或者需要事先进行大量的数据训练，这些高消耗运算限制了它们的应用领域。因此，多参数化去伪装研究具有重要的意义。
发明内容
本发明提供了一种基于正交相移条纹的去伪装方法，本发明不受伪装物体纹理、颜色的影响，实现了对伪装物体形貌、阴影以及位置的多参数化快速去伪装检测，详见下文描述：
一种基于复合正交相移条纹的伪装检测方法，所述方法包括以下步骤：
构建由投影系统、相机以及被测物体组成的伪装检测系统；通过对监视视场投射相互正交的正弦光栅组的方式对场景进行调制；
通过所提出的基于梯度的相位奇异场序列变换方式依次对未侵入场景与侵入场景建立模板相位奇异场序列与侵入相位奇异场序列；
通过模板匹配可将相位奇异场序列与模板相位奇异场序列进行序列对应，并因此获取中间检测结果Zk；
最后依据一系列优化方法对Zk进行优化，即可求取侵入视场的伪装物体的运动轨迹与外部轮廓。
所述模板相位奇异场序列具体为：
Tr＝▽Φr(x,y)＞Th
其中，Φr(x,y)为正弦光栅组的合成相位；
Figure GDA0002953435440000021
为梯度算子；Th为阈值。
所述通过模板匹配可将侵入相位奇异场序列与模板相位奇异场序列进行序列对应，并因此获取中间检测结果Z具体为：
Z＝|Tr-X|
其中，Z为中间检测结果；Tr为模板相位奇异场序列；X为侵入相位奇异场序列。
所述依据一系列优化方法对Zk进行优化具体为：
优化方法为：
Zu＝Area(Z)＞Th2
其中，Zu为中间检测结果Z的优化值；Area()为面积判定函数，Th2为阈值；
对Zu进行凸包运算获得伪装物体的凸包Cz，物体的表面形态特征由下式获得：
Az＝a(x,y)*CZ
其中，Az为恢复的伪装物体的表面形态；a(x,y)为投射光栅的基本强度。
本发明提供的技术方案的有益效果是：
1、本发明不受物体表面纹理、颜色的影响，正交相移条纹结构能优化单一方向光栅条纹对物体某些区域深度不敏感问题；
2、本发明的计算消耗小，在无需采用复杂计算模型的情况下，即可实现并行去伪装检测；
3、可准确识别侵入物体的外边缘形貌、位置及对物体的阴影实现剥离操作，最终实现多参数化去伪装。
4、动态性能高，在采集序列趋近于无穷大时，可近似为单帧检测。
附图说明
图1为伪装检测系统示意图；
图2为一种基于正交复合频率条纹的伪装检测方法的流程图；
图3为静态场景下建立的参考模板Tr；
图4为静态侵入检测场X；
图5为静态伪装检测中获取的中间结果Z及恢复出的伪装形貌示意图；
其中，(a)为中间结果Z；(b)为本方法恢复的伪装物体的表面形态。
图6为在实际试验时，在复杂背景下拍摄或建立的场景、投射光栅及参考相位跳变场Fr；
图7为动态伪装检测结果示意图。
其中，(a)为中间帧的中间结果Zk；(b)为对应凸包；(c)为整个运动轨迹。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
实施例1
一种基于复合正交相移条纹的去伪装方法的静态检测形式，参见图1-图5，该方法包括以下步骤：
101：构建如图1所示的由投影系统、相机以及被测物体组成的伪装检测系统；
其中，投影系统、相机和被测物体所在的三个位置呈三角视觉关系，仪器之间的摆放夹角仅与测量精度相关，本发明实施例对此不做限制。
102：如图3所示，首先对监视视场投射频率相互正交的复合正弦光栅组，在计算过程中无需对不同成分的相位进行求解，通过算法可获取合成相位Φr与其对应的相位奇异场Tr。
其中，步骤102中，为获取最佳的速度性能，频率相互正交的复合光栅组合(I1,I2,I3)具备下列的表达形式为：
Ii(x,y)＝a(x,y)+b(x,y){cos[(φx(x,y)+δ]+cos[(φy(x,y)+δ]}i＝1,2,3 (1)
式中，下标x和y表示不同频率的相位变化方向，i代表光栅序号；a(x,y)为每幅光栅的基本强度，并代表了场景的影像特征；b(x,y)为每幅光栅的调制强度。为取得合适的对比度，通常取a(x,y)＝2*b(x,y)＝127.5；φx(x,y)为x方向变化频率成分的相位值；φy(x,y)为y方向变化频率成分的相位值；δ为光栅相移量＝2π/3。
基本强度a(x,y)的计算方法为：
a(x,y)＝(I1+I2+I3)/3 (2)
合成相位Φr(x,y)的计算方法为：
Figure GDA0002953435440000041
其中，为方便描述I1，I2，I3依次代表了光栅I1(x,y)，I2(x,y)，I3(x,y)的缩写。
合成相位Φr(x,y)所对应的模板相位奇异场Tr的计算方法为：
Figure GDA0002953435440000042
其中，
Figure GDA0002953435440000043
为梯度算子；Th为阈值，可根据环境进行设定值通常为0.5。
其中，相位奇异场的定义为相位中的高频特征，该特征可由公式(4)提取建立。
103：当侵入物体时，再对监视场投射同样的复合光栅组合，经场景调制后可获得光栅组合(ID1,ID2,ID3),由于被测序列长度为3，在测试过程中光栅序列无需交换顺序。将光栅组合依次迭代至式(3)与(4)即可获得侵入合成相位ΦX与其对应获得的侵入相位奇异场X；
即，侵入合成相位ΦX与合成相位Φr(x,y)的求取方法相同；侵入相位奇异场X的求取方法与模板相位奇异场Tr的求取方法相同，仅是换了不同的背景建立，本发明实施例对此不做赘述。
104：将模板相位奇异场与侵入相位奇异场由下式进行运算即可获得中间检测结果Z：
Z＝|Tr-X| (5)
105：对中间检测结果Z进行优化与相关运算即可求解得出伪装物体的质心及表面形貌；
其中，优化方法为：
Zu＝Area(Z)＞Th2 (6)
其中，Zu为经Z优化的结果；Area()为面积判定函数，Th2的值通常为30～50，目的在于消除噪声造成的奇异场偏移现象。
对Zu进行凸包运算可获得伪装物体的凸包Cz，物体的表面形态特征可由下式获得：
Az＝a(x,y)*CZ (7)
其中，Az为经本方法恢复的伪装物体的表面形态；a(x,y)为投射光栅的基本强度。
实施例2
本发明实施例展现了在复杂背景下，对一个运动侵入伪装物体进行检测的结果，下面结合图1、图6和图7对实施例1中的方案进行进一步地介绍，详见下文描述：
201：如图1所示，在实际测量过程中将由投影系统、相机、被测物体组成的去伪装系统进行组装，并构建成为三角测量关系；
其中，在实际实验过程中可依据遮挡大小，自由调节投影系统、相机、与被测量物体之间构成的夹角。本发明实施例对此不做限制，仅以图1中的位置关系、角度为例进行说明。
202：在模板建立阶段需通过光栅交换顺序的方式由式(3)、(4)依次获得模板组(Tr1,Tr2,Tr3)。
其中，模板组(Tr1,Tr2,Tr3)的每个建立模板方法如下：
假设式(3)、(4)的过程可简化代表为Trans,当输入Trans的光栅序列为(I1,I2,I3)时，输出的模板则为Tr1。通过交换输入顺序为(I2,I3,I1)与(I3,I1,I2)时，则可依次获得模板Tr2与Tr3。
203：检测动态伪装场景时，对监测场景投射以(I1,I2,I3)为周期的光栅序列，经相机采集，可获得调制序列(ID1,ID2,ID3,…,IDJ)，J为总共采集的光栅数目。序列以窗口步长为1的步进模式建立侵入序列检测场Xj，通过模板匹配可将侵入相位奇异场序列Xj与模板相位奇异场序列Tri进行序列对应，带入式(5)-(7)即可获得凸包序列Czj与形态序列Azj。
其中，窗口滑动的示意如图5所示。
模板匹配的对应方式为
Figure GDA0002953435440000051
其中，fix()函数返回朝向0的最小值，i为模板相位奇异场的序号，j为侵入相位奇异场的序号。
204：对凸包序列Czj进行质心运算即可求取伪装物体的运动轨迹，其中凸包质心的运算方式为：
Figure GDA0002953435440000052
其中，A为凸包的面积，t为遍历凸包内所有点过程中的序号，T为凸包点的总数，xC,yC为凸包的质心坐标，xt为序号为t点的横坐标值，yt为序号为t点的纵坐标值。
参考文献
[1]Yurui Q,Qiang L,Lu C,et al.Thermal camouflage based on the phase-changing material GST[J].Light:Science&Applications,2018,7(1):26-.
[2]Morin S A,Shepherd RF,Kwok S W,et al.Camouflage and Display forSoft Machines[J].Science,2014,337(6096):828.
[3]Li,P.,Wang,Y.,Gupta,U.&Liu,J.Transparent soft robots for effectivecamouflage.Adv.Funct.Mater.1901908.
[4]Jianqin Yin Yanbin Han Wendi Hou Jinping Li.Detection of theMobile Object with Camouflage Color Under Dynamic Background Based on OpticalFlow[J].Procedia Engineering,2011,15(none):2201-2205.
[5]Yue J,Li Z,Lu L,et al.Content-based image retrieval using colorand texture fused features[J].Mathematical&Computer Modelling AnInternational Journal,2011,54(3):1121-1127.
[6]Zhang X,Zhu C,Wang S,et al.A Bayesian Approach to CamouflagedMoving Object Detection[J].IEEE Transactions on Circuits&Systems for VideoTechnology,2017,27(9):2001-2013.
[7]Le T.-N.,Nguyen T.,Nie Z.,et al.Anabranch network for camouflagedobject segmentation[J].Computer Vision and Image Understanding,2019,184,45-56.
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于复合正交相移条纹的伪装检测方法，其特征在于，所述方法包括以下步骤：
构建由投影系统、相机以及被测物体组成的伪装检测系统；通过对监视视场投射相互正交的正弦光栅组的方式对场景进行调制；
通过基于梯度的相位奇异场序列变换方式依次对未侵入场景与侵入场景建立模板相位奇异场序列Tr与侵入相位奇异场序列X；
通过模板匹配可将侵入相位奇异场序列X与模板相位奇异场序列Tr进行序列对应，并获取中间检测结果Zk，Zk＝|Tr-X|；
最后依据一系列优化方法对Zk进行优化处理，即可求取侵入视场的伪装物体的运动轨迹与外部轮廓；
优化方法为：
Zu＝Area(Zk)＞Th2
其中，Zu为中间检测结果ZK的优化值；Area()为面积判定函数，Th2为阈值；
对Zu进行凸包运算获得伪装物体的凸包Cz，物体的表面形态特征由下式获得：
Az＝a(x,y)*CZ
其中，Az为恢复的伪装物体的表面形态；a(x,y)为投射正弦光栅的基本强度；
基本强度a(x,y)的计算方法为：
a(x,y)＝(I1+I2+I3)/3
其中，I1，I2，I3依次代表了光栅I1(x,y)，I2(x,y)，I3(x,y)的缩写；
所述模板相位奇异场序列具体为：
Figure FDA0003023849720000011
其中，Φr(x,y)为正弦光栅组的合成相位；
Figure FDA0003023849720000012
为梯度算子；Th为阈值。
CN202010107064.7A 2020-02-21 2020-02-21 一种基于复合正交相移条纹的伪装检测方法 Active CN111380485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010107064.7A CN111380485B (zh) 2020-02-21 2020-02-21 一种基于复合正交相移条纹的伪装检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010107064.7A CN111380485B (zh) 2020-02-21 2020-02-21 一种基于复合正交相移条纹的伪装检测方法

Publications (2)

Publication Number Publication Date
CN111380485A CN111380485A (zh) 2020-07-07
CN111380485B true CN111380485B (zh) 2021-06-04

Family

ID=71217069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010107064.7A Active CN111380485B (zh) 2020-02-21 2020-02-21 一种基于复合正交相移条纹的伪装检测方法

Country Status (1)

Country Link
CN (1) CN111380485B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112097686B (zh) * 2020-08-10 2022-03-11 安徽农业大学 一种基于二值条纹投影的伪装物体检测方法
CN114993110A (zh) * 2022-06-07 2022-09-02 中国人民解放军国防科技大学 一种可见光光学特性伪装装置及其实现方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8220379B2 (en) * 2010-01-27 2012-07-17 Curry Reed F Camouflage in the near ultraviolet spectrum
IL208568B (en) * 2010-10-07 2018-06-28 Elbit Systems Ltd Mapping, discovering and tracking objects in an external arena by using active vision
CN103292725A (zh) * 2012-02-29 2013-09-11 鸿富锦精密工业（深圳）有限公司 特殊边界量测系统及方法
CN103093536B (zh) * 2012-06-26 2016-04-13 广东工业大学 基于荧光时间分辨成像系统的人民币鉴伪装置及方法
CN102955151B (zh) * 2012-10-09 2015-06-03 中国人民解放军63892部队 自适应交叉极化有源干扰方法及装置
CN105066904B (zh) * 2015-07-16 2017-08-29 太原科技大学 基于相位梯度阈值的流水线产品三维面型检测方法
CN106524940B (zh) * 2016-11-30 2022-09-27 华中科技大学 一种盾构法隧道智能ct检测诊断系统及方法
KR102015219B1 (ko) * 2018-04-24 2019-10-22 한국표준과학연구원 복합 패턴을 이용한 초고속 편향 측정법을 이용한 자유곡면의 3차원 형상측정시스템 및 측정방법
CN110030944B (zh) * 2019-04-03 2021-09-21 中国科学院光电技术研究所 一种大梯度自由曲面测量方法
CN110428460B (zh) * 2019-07-21 2023-05-26 天津大学 一种基于正交相移条纹的不连续区域分割方法

Also Published As

Publication number Publication date
CN111380485A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
Zhang et al. Motion analysis
Wang et al. Efficient method for multiscale small target detection from a natural scene
CN111380485B (zh) 一种基于复合正交相移条纹的伪装检测方法
CN104599286B (zh) 一种基于光流的特征跟踪方法及装置
Kothiya et al. A review on real time object tracking in video sequences
Zhang Detection and tracking of human motion targets in video images based on camshift algorithms
Pappas et al. River planform extraction from high-resolution SAR images via generalized gamma distribution superpixel classification
Subudhi et al. Kernel-induced possibilistic fuzzy associate background subtraction for video scene
CN109064498A (zh) 基于Meanshift、卡尔曼滤波和图像匹配的目标跟踪方法
Chu et al. Target tracking via particle filter and convolutional network
Herrera et al. Combining Support Vector Machines and simulated annealing for stereovision matching with fish eye lenses in forest environments
Zhu et al. Binocular vision positioning method for safety monitoring of solitary elderly
Zhang et al. High-speed vision extraction based on the CamShift algorithm
CN110738098A (zh) 一种目标的识别定位与锁定跟踪方法
Asgarizadeh et al. A robust object tracking synthetic structure using regional mutual information and edge correlation-based tracking algorithm in aerial surveillance application
Gan et al. An evaluation method of dynamic camouflage effect based on multifeature constraints
Cheng et al. Feature-based optical flow computation
Cherian et al. Real Time Implementation of Object Tracking Through webcam
Lin et al. Infrared moving small target detection and tracking algorithm based on feature point matching
Wu et al. Infrared LSS-target detection via adaptive TCAIE-LGM smoothing and pixel-based background subtraction
Du et al. A high-precision vision-based mobile robot slope detection method in unknown environment
Erokhin et al. Detection and tracking of moving objects with real-time onboard vision system
Zaveri et al. Wavelet-based detection and its application to tracking in an IR sequence
Bauer et al. Object focused simultaneous estimation of optical flow and state dynamics
Lu et al. A new meanshift target tracking algorithm by combining feature points from gray and depth images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant