[发明专利]一种序列图像变化检测的伪变化目标去除方法

摘要

一种序列图像变化检测的伪变化目标去除方法，本发明属于序列图像变化检测技术领域，目的是解决现有的图像变化检测方法未能有效的利用序列图像间的帧间信息且伪变化目标排除率低的技术问题，本发明采用的技术方案为：首先将序列图像中具有伪变化目标的第一帧作为样本进行分块并计算各块的特征；然后对各特征进行矢量分析，训练出用于伪目标去除的双向圆锥形决策规则进行决策，最后利用帧间变化对该规则进行自适应递推。本发明解决了现有的图像变化检测方法未能有效的利用序列图像间的帧间信息，不适用于目标较少或目标类型不统一甚至类型未知的情况，且伪变化目标排除率低的技术问题，并提出了一种双向圆锥三维矢量分析的伪目标去除方法。

主权项

1.一种序列图像变化检测的伪变化目标去除方法，其特征在于：它包含以下步骤：S1：将同一地区不同时间拍摄的两组图像序列输入，并进行配准，使得序列各帧一一对应；S2：选取每组图像序列的第一帧图像，利用模糊C均值聚类的方法进行变化检测，并通过人工判读的方法标记出模糊C均值聚类检测结果中的伪变化目标；S3：将每组图像序列的第一帧图像分块处理获得图像块；S4：计算各个图像块的三种鉴别特征值；S5：利用S4步骤中选取的鉴别特征构建直角坐标系，将各图像块按其鉴别特征构建三维坐标，将其对应的三维点标记在直角坐标中；S6：根据S2步骤中标记出的伪变化目标，选出S5步骤中存在伪变化目标的图像块的三维点；S7：利用S6步骤中获得的存在伪变化目标的图像块的三维点训练出存在伪变化目标的图像块的决策规则；S8：将S7步骤中获得的决策规则对应的图像进行自适应递推，使其用于序列中后续图像中；S9：去除符合S8步骤中决策规则的伪变化目标图像块，输出剩余变化目标图像块；所述S4步骤中的三种鉴别特征为边缘变化特征、图像纹理复杂度变化特征和图像视觉对比度变化特征，按以下步骤确定三种鉴别特征值：S41：确定边缘变化特征值：首先，采用如下整体变分算法模型提取图像块的结构图，求解能量泛函最小值得到结构图S，提取得到的结构图S的边缘特征，并利用Sobel算子得到图像块的图像边缘；上式中：E表示能量泛函，I为输入图像，S为结构图，p为像素位置，λ为正则化参数，取值范围为[0,1]，表示梯度，用来抑制噪声；(S_p‑I_p)²为正则项，用来保护边缘；然后，提取每组图像序列的第一帧图像的图像块边缘的长宽特征，并将第一组图像序列的第一帧图像中的图像块边缘的长宽特征与另一组图像序列的第一帧图像中对应图像块边缘的长宽特征作差，得到的差值作为边缘变化特征值；S42：确定图像纹理复杂度变化特征值：采用如下公式提取两组图像序列的第一帧图像中相应图像块的图像纹理复杂度变化特征值XD2；上式中：P为x的概率密度函数，x为像素点的灰度值；S43：确定图像视觉对比度变化特征值：采用如下公式提取两组图像序列的第一帧图像中相应图像块的图像视觉对比度变化特征值XD3；XD3＝CA‑CB上式中：C为图像对比度特征，μ1(m,n)为图像块的平均灰度，μ2(m,n)为整幅图像的平均灰度，L为图像块灰度的量程，λ为加权参数上式中：S为整幅面积，ST为图像块的面积，μT为图像块边界像素灰度均值，μT0为图像块边界像素领域像素均值。