CN111814579A - 一种基于帧间差分法和形态学的连续视频小目标检测方法 - Google Patents

一种基于帧间差分法和形态学的连续视频小目标检测方法 Download PDF

Info

Publication number
CN111814579A
CN111814579A CN202010540843.6A CN202010540843A CN111814579A CN 111814579 A CN111814579 A CN 111814579A CN 202010540843 A CN202010540843 A CN 202010540843A CN 111814579 A CN111814579 A CN 111814579A
Authority
CN
China
Prior art keywords
image
difference
continuous video
morphology
frame
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.)
Pending
Application number
CN202010540843.6A
Other languages
English (en)
Inventor
王鹏涛
宋方
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.)
Xi'an Fang Yuanming Science And Technology Co ltd
Original Assignee
Xi'an Fang Yuanming Science And Technology Co ltd
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 Xi'an Fang Yuanming Science And Technology Co ltd filed Critical Xi'an Fang Yuanming Science And Technology Co ltd
Priority to CN202010540843.6A priority Critical patent/CN111814579A/zh
Publication of CN111814579A publication Critical patent/CN111814579A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本发明专利涉及一种基于帧间差分法和形态学的连续视频小目标检测方法，属于图像处理技术领域。通过S1获取连续视频图像；S2利用三帧差分法完成背景滤除；S3对差分结果进行二值化；S4对两幅二值化结果图完成“与”运算；S5对“与”运算结果，利用顶帽变换，完成目标检测，获取结果图像的方式，本发明能够有效提取原图像的局部信息，来检测小目标。综上所述，本发明识别小目标准确性更高，并且复杂程度低，实现简单，具有较快的计算速度。

Description

一种基于帧间差分法和形态学的连续视频小目标检测方法
技术领域
本发明专利涉及一种基于帧间差分法和形态学的连续视频小目标检测方法，属于图像处理技术领域。
背景技术
近年来，目标检测与跟踪作为机器视觉的一个分支在实际中得到广泛的应用，尤其是在智能监控、精确制导以及预警中中发挥了关键性作用。以地面重点目标自卫防护为例，作战中需尽可能早的发现来袭导弹目标，从而获得足够的反应时间，但面对同一目标，发现距离越远目标成像面积越小，图像质量越差，对目标的检测与跟踪越困难。因此研究小目标的检测与跟踪方法对提高红外成像系统的作用距离具有重要意义。由于复杂的背景影响以及在目标检测与跟踪过程中各种不可避免因素的影响，不管是对可见光的运动小目标检测与跟踪还是红外的运动小目标检测与跟踪，小目标因为其本身的灰度、形状、纹理和结构特征不明显，因此给小目标检测带来了很大的难度。
发明内容
针对现有技术的不足，本发明的目的在于提供一种基于帧间差分法和形态学的连续视频小目标检测方法，以解决现有技术中对小目标识别难度大、准确率低的技术问题。
为解决上述技术问题，本发明采用的技术方案如下：
一种基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述方法包括以下步骤：
S1获取连续视频图像；
S2利用三帧差分法完成背景滤除；
S3对差分结果进行二值化；
S4对两幅二值化结果图完成“与”运算；
S5对“与”运算结果，利用顶帽变换，完成目标检测，获取结果图像。
进一步，所述步骤S1具体为：对待测视频按照帧进行分割，作为下一步输入。
进一步，所述步骤S2具体为：由相邻三帧图像两两差分，公式如下
D(k-1,k)(x,y)＝fk(x,y)-fk-1(x,y) (1)
D(k,k+1)(x,y)＝fk+1(x,y)-fk(x,y) (2)
fk-1(x,y)，fk(x,y)和fk+1(x,y)分别为连续三帧图像，将fk-1(x,y)和fk(x,y)进行差分后得到的差分图像D(k-1,k)(x,y)，fk(x,y)和fk+1(x,y)进行差分后得到的差分图像D(k,k+1)(x,y)。
进一步，根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S3具体为：对差分图像D(k-1,k)(x,y)和D(k,k+1)(x,y)进行二值化，令二值化阈值分别为T1和T2，二值化差分的图像分别为M(k-1,k)(x,y)和M(k,k+1)(x,y)，其计算公式如下：
Figure BDA0002538874880000021
Figure BDA0002538874880000022
进一步，根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S4具体为：让差分二值化图像M(k-1,k)(x,y)和M(k,k+1)(x,y)进行逻辑“与”运算，得到三帧差分图像M(k)(x,y)，其计算公式如下：
Figure BDA0002538874880000023
进一步，根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S5具体为：像X于结构元素B的开运算记为XοB，其定义为：
Figure BDA0002538874880000024
本发明的有益效果是引入了元素为1的15阶方阵作为结构元素，能够有效提取原图像的局部信息，来检测小目标。综上所述，本发明方法识别小目标准确性更高，并且复杂程度低，实现简单，具有较快的计算速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明流程框图。
图2为本发明第1帧视频原图。
图3为本发明第2帧视频原图。
图4为本发明第3帧视频原图。
图5为本发明三帧差分仿真结果。
图6为本发明形态学运算仿真结果。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图和实施例，对本发明作进一步说明。
本发明所述的一种基于帧间差分法和形态学的连续视频小目标检测方法，所述方法包括以下步骤：
获取连续视频图像。选择待处理图像，用MATLAB将视频分割为静态图片，如图2、图3、图4所示，为测试视频的连续三帧图像。
利用三帧差分法完成背景滤除。三帧差分法对运动目标进行检测，可以有效的消除检测中常出现的“双影”和“空洞”现象。三帧差分法基本思路：先用连续两帧图像做差值运算来检测当前帧中的运动目标，然后将检测结果与上一帧的检测结果做差，进而确定当前帧中运动目标所在的区域。
fk-1(x,y)，fk(x,y)和fk+1(x,y)分别为连续三帧图像，将fk-1(x,y)和fk(x,y)进行差分后得到的差分图像D(k-1,k)(x,y)，fk(x,y)和fk+1(x,y)进行差分后得到的差分图像D(k,k+1)(x,y)。其计算公式如下：
D(k-1,k)(x,y)＝fk(x,y)-fk-1(x,y)
D(k,k+1)(x,y)＝fk+1(x,y)-fk(x,y)
本文选取出手时刻第二帧图片作为当前帧，第一帧和第三帧为前一帧、后一帧，进行差分。
对差分结果进行二值化。对差分图像D(k-1,k)(x,y)和D(k,k+1)(x,y)进行二值化，令二值化阈值分别为T1和T2，二值化差分的图像分别为M(k-1,k)(x,y)和M(k,k+1)(x,y)，其计算公式如下：
Figure BDA0002538874880000031
Figure BDA0002538874880000041
结果如图5左上、右上所示。
对两幅二值化结果图完成“与”运算。差分二值化图像M(k-1,k)(x,y)和M(k,k+1)(x,y)进行逻辑“与”运算，得到三帧差分图像M(k)(x,y)，其计算公式如下：
Figure BDA0002538874880000042
仿真结果如图5左下所示。
对“与”运算结果，利用顶帽变换，完成目标检测，获取结果图像。取矩阵B为元素均为1的15阶方阵作为结构元素，图像X于结构元素B的开运算记为XοB，其定义为：
Figure BDA0002538874880000043
Figure BDA0002538874880000044
仿真结果如图6右下形态学运算结果所示。从仿真结果不难看出，本方法在天空背景下，对小目标的检测准确性更高，并且复杂程度低，实现简单，具有较快的计算速度。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了侦差法、形态学、二值化、与运算等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质，把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (5)

1.一种基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述方法包括以下步骤：
S1获取连续视频图像；
S2利用三帧差分法完成背景滤除；
S3对差分结果进行二值化；
S4对两幅二值化结果图完成“与”运算；
S5对“与”运算结果，利用顶帽变换，完成目标检测，获取结果图像。
2.根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S1具体为：对待测视频按照帧进行分割，作为下一步输入。
3.根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S2具体为：由相邻三帧图像两两差分，公式如下
D(k-1,k)(x,y)＝fk(x,y)-fk-1(x,y) (1)
D(k,k+1)(x,y)＝fk+1(x,y)-fk(x,y) (2)
fk-1(x,y)，fk(x,y)和fk+1(x,y)分别为连续三帧图像，将fk-1(x,y)和fk(x,y)进行差分后得到的差分图像D(k-1,k)(x,y)，fk(x,y)和fk+1(x,y)进行差分后得到的差分图像D(k,k+1)(x,y)。
4.根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S3具体为：对差分图像D(k-1,k)(x,y)和D(k,k+1)(x,y)进行二值化，令二值化阈值分别为T1和T2，二值化差分的图像分别为M(k-1,k)(x,y)和M(k,k+1)(x,y)，其计算公式如下：
Figure FDA0002538874870000011
Figure FDA0002538874870000012
5.根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S4具体为：让差分二值化图像M(k-1,k)(x,y)和M(k,k+1)(x,y)进行逻辑“与”运算，得到三帧差分图像M(k)(x,y)，其计算公式如下：
Figure FDA0002538874870000021
根据权利要求1所述的基于帧间差分法和形态学的连续视频小目标检测方法，其特征在于，所述步骤S5具体为：像X于结构元素B的开运算记为
Figure FDA0002538874870000022
其定义为：
Figure FDA0002538874870000023
CN202010540843.6A 2020-06-15 2020-06-15 一种基于帧间差分法和形态学的连续视频小目标检测方法 Pending CN111814579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010540843.6A CN111814579A (zh) 2020-06-15 2020-06-15 一种基于帧间差分法和形态学的连续视频小目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010540843.6A CN111814579A (zh) 2020-06-15 2020-06-15 一种基于帧间差分法和形态学的连续视频小目标检测方法

Publications (1)

Publication Number Publication Date
CN111814579A true CN111814579A (zh) 2020-10-23

Family

ID=72845027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010540843.6A Pending CN111814579A (zh) 2020-06-15 2020-06-15 一种基于帧间差分法和形态学的连续视频小目标检测方法

Country Status (1)

Country Link
CN (1) CN111814579A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299229A (zh) * 2014-09-23 2015-01-21 西安电子科技大学 一种基于时空域背景抑制的红外弱小目标检测方法
CN110400294A (zh) * 2019-07-18 2019-11-01 湖南宏动光电有限公司 一种红外目标探测系统及探测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299229A (zh) * 2014-09-23 2015-01-21 西安电子科技大学 一种基于时空域背景抑制的红外弱小目标检测方法
CN110400294A (zh) * 2019-07-18 2019-11-01 湖南宏动光电有限公司 一种红外目标探测系统及探测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
殷苏民 等: "基于顶帽变换和最大类间方差法的图像分割方法研究", 科学技术与工程, vol. 14, no. 7, pages 1671 - 1815 *
王超: "运动小目标检测算法研究", 中国优秀硕士学位论文全文数据库 (信息科技辑), no. 2017, pages 138 - 761 *

Similar Documents

Publication Publication Date Title
WO2022027931A1 (zh) 基于视频图像的运动车辆前景检测方法
CN104392468B (zh) 基于改进视觉背景提取的运动目标检测方法
CN106296725B (zh) 运动目标实时检测与跟踪方法及目标检测装置
CN108288264B (zh) 一种广角摄像头模组脏污测试方法
CN110782477A (zh) 基于序列图像的运动目标快速检测方法、计算机视觉系统
CN111144337B (zh) 火灾检测方法、装置及终端设备
CN110738106A (zh) 一种基于fpga的光学遥感图像船舶检测方法
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
CN111539980B (zh) 一种基于可见光的多目标追踪方法
CN110687122A (zh) 一种陶瓦表面裂纹检测方法及系统
CN106683062A (zh) 一种静止摄像机下的基于ViBe的运动目标检测方法
CN108491796B (zh) 一种时域周期点目标检测方法
CN113205494B (zh) 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统
Wu et al. Video surveillance object recognition based on shape and color features
Xiang et al. Research on target detection method based on HSV fusion Gaussian mixture model
CN103473753A (zh) 一种基于多尺度小波阈值去噪的目标检测方法
CN111814579A (zh) 一种基于帧间差分法和形态学的连续视频小目标检测方法
CN106951831B (zh) 一种基于深度摄像机的行人检测跟踪方法
CN108492320B (zh) 一种基于并行处理的红外弱小目标检测方法
CN114373147A (zh) 一种用于低纹理视频车牌的检测方法
CN109784176B (zh) 车载热成像行人检测RoIs提取方法和装置
CN111862152A (zh) 一种基于帧间差分与超像素分割的动目标检测方法
Hu et al. Motion objects detection based on higher order statistics and hsv color space
Yu et al. A moving target detection algorithm based on the dynamic background
CN110852228B (zh) 监控视频中的动态背景提取及前景物体检测方法及系统

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