基于紅外圖像的內(nèi)河運動船舶目標檢測和跟蹤技術(shù)研究.pdf

1、隨著內(nèi)河航運的增長，導(dǎo)致航運事故發(fā)生的風險也同樣的增加。在雨、雪、霧、夜間等能見度不良氣候條件下航行是造成船舶互撞和船撞橋事故的主要因素。船-船、船-橋避碰成功的關(guān)鍵是獲取其他運動船舶和危險目標的準確信息。前視紅外成像設(shè)備具有抗干擾能力強，氣候環(huán)境適應(yīng)性強，晝夜連續(xù)探測等優(yōu)點。通過在各種內(nèi)河行駛船舶上以及橋梁、閘口、限制區(qū)等重點區(qū)域安裝價格便宜、技術(shù)成熟的非致冷紅外焦平面陣列前視紅外成像設(shè)備，實時采集紅外視頻圖像，綜合利用圖像處理、目標

2、檢測、目標跟蹤等技術(shù)，對采集的紅外視頻圖像進行魯棒的實時的分析處理、實現(xiàn)在內(nèi)河復(fù)雜背景不良氣候條件下，對其他內(nèi)河運動船舶目標進行檢測和跟蹤，并利用得到的船舶目標檢測和跟蹤結(jié)果輔助船舶航行，提高監(jiān)管人員和操船人員對航行環(huán)境的感知能力，輔助操船人員進行避撞決策，減少操船的失誤，提高船、橋避碰成功率，保障人員的生命和財產(chǎn)的安全，減少或避免嚴重污染水域和自然環(huán)境事故的發(fā)生，確保航行運輸安全。
　　在基于視頻的監(jiān)控系統(tǒng)中有三個關(guān)鍵步驟：檢測

3、感興趣的運動目標、跟蹤這些目標、通過分析目標軌跡來識別相應(yīng)目標的行為。紅外目標檢測和跟蹤技術(shù)，作為智能化信息處理的關(guān)鍵環(huán)節(jié)之一，一直是困擾和制約紅外成像探測實用性能的瓶頸問題和技術(shù)難點而亟待解決；同時，要把紅外技術(shù)應(yīng)用于內(nèi)河水上交通安全，首先必須解決的關(guān)鍵技術(shù)就是基于紅外圖像的內(nèi)河運動船舶目標檢測和跟蹤；因此，基于紅外圖像的內(nèi)河運動船舶目標檢測和跟蹤技術(shù)研究，不僅具有重要的實用價值，還有重要的學術(shù)研究價值。本論文圍繞基于紅外圖像的內(nèi)河運

4、動船舶目標檢測和跟蹤技術(shù)展開研究。
　　首先，介紹前視紅外成像系統(tǒng)的原理、組成及其優(yōu)缺點、定性分析紅外圖像中內(nèi)河船舶目標和背景的紅外特征、紅外圖像的噪聲特性、提出對目標檢測和跟蹤算法的性能要求；
　　第二，在學習和借鑒已有天水線提取算法的基礎(chǔ)上，提出了一種能夠在復(fù)雜內(nèi)河背景下進行天水線提取及其評價的方法；實驗表明，該方法適應(yīng)性好，定位精度高，實時性和可靠性高；給出了感興趣區(qū)域ROI的提取方法；
　　第三，總結(jié)已有的基于

5、分形技術(shù)的人造目標檢測算法，在此基礎(chǔ)上提出了一種新的多尺度分形特征參數(shù)（MFFK）；實驗證明，當該參數(shù)應(yīng)用于內(nèi)河紅外圖像時，可以對內(nèi)河船舶目標和內(nèi)河自然背景進行很好的區(qū)分；進一步，提出了基于MFFK的內(nèi)河船舶目標的檢測算法；實驗證明：該算法適用于內(nèi)河復(fù)雜背景，適應(yīng)性強，檢測精度高，能夠滿足實時性和可靠性的要求；
　　第四，首先對Mean Shift算法進行回顧，然后提出基于Mean-Shift的內(nèi)河運動船舶目標跟蹤算法。該算法最大

6、的特點是在多尺度分形特征參數(shù) MFFK圖像中描述內(nèi)河運動船舶目標；實驗證明：對紅外圖像中處于各種內(nèi)河復(fù)雜背景中的單個運動船舶目標，該算法可實時、可靠、魯棒的跟蹤，但是當出現(xiàn)多個運動船舶目標相互遮擋時，該算法的跟蹤可靠性降低；
　　第五，首先回顧了粒子濾波相關(guān)理論及其在視頻目標跟蹤中的應(yīng)用；然后提出基于單一灰度特征的粒子濾波內(nèi)河船舶目標跟蹤算法。在粒子濾波理論框架下，MFFK灰度圖像中的內(nèi)河船舶目標的狀態(tài)后驗概率分布用加權(quán)隨機樣本集

7、表示，通過這些隨機樣本的Bayesian迭代進化實現(xiàn)對紅外圖像序列中的內(nèi)河船舶目標跟蹤；實驗證明：單一灰度特征不足以描述內(nèi)河運動船舶目標，該算法可用于簡單內(nèi)河背景，但不適用于內(nèi)河復(fù)雜背景；
　　第六，由于紅外圖像中的內(nèi)河運動船舶目標的輪廓、形狀和紋理特征一般不明顯、沒有顏色信息，同時單一灰度特征又不足以描述目標，因此，提出把船舶的灰度特征和運動特征融合來對內(nèi)河運動船舶目標進行描述。通過在 MFFK灰度圖像中提取內(nèi)河運動船舶目標的灰

8、度特征，在兩兩 MFFK灰度圖像幀之間利用時間差分方法提取內(nèi)河運動船舶目標的運動特征，利用模糊邏輯定義灰度特征與運動特征融合后的多特征融合相似系數(shù)；最終提出了基于灰度特征與運動特征融合的粒子濾波跟蹤算法。該算法集成了分形幾何、Mean Shift、差分運動檢測、粒子濾波、模糊論等理論。實驗證明：該算法不僅能夠在內(nèi)河復(fù)雜背景中對內(nèi)河運動船舶進行穩(wěn)健的有效的跟蹤，而且能夠應(yīng)付場景的各種變化以及多運動船舶目標交錯遮擋等情形，算法具有魯棒性；算