基于形态学与聚类相结合的图像特征提取方法研究.docx
- 文档编号:25039830
- 上传时间:2023-06-04
- 格式:DOCX
- 页数:11
- 大小:94.11KB
基于形态学与聚类相结合的图像特征提取方法研究.docx
《基于形态学与聚类相结合的图像特征提取方法研究.docx》由会员分享,可在线阅读,更多相关《基于形态学与聚类相结合的图像特征提取方法研究.docx(11页珍藏版)》请在冰豆网上搜索。
基于形态学与聚类相结合的图像特征提取方法研究
第30卷第2期2010年4月
弹箭与制导学报
JournalofProjectiles。
Rockets.MissilesandGuidance
V01.30No.2Apr2010
基于形态学与聚类相结合的图像特征提取方法研究‘
赵英亮,王黎明,韩焱
(中北大学电子测试技术国家重点实验室.太原030051
摘要:
利用可见光图像进行军事侦察与制导时,目标往往掩盖在复杂背景中.难以准确识别.研究一种能准
确提取目标特征的图像处理方法就成为图像精确制导的关键j文中提出了利用数学形态学的方法先确定目
标范围.然后结合聚类方法进行小目标精确检测的算法。
实验证明这种算法在背景复杂、目标可视面积较小
的情况下,仍可以精确识别目标。
该算法克服了聚类运算速度慢的缺点,从而能够快速的、准确地将目标提取
出来.且具有良好的适应性。
美键词:
形态学;聚类;特征提取;空中制导
中图分类号:
TJ765.3文献标志码:
A
ResearchofImageFeatureExtractionBasedon
MorphologyandClustering
ZHAOYingliang.WANGLiming。
HANYan
(NationalKeyLaboratoryforElectronicMeasurementTechnology,NorthUniversityofChina,Taiyuan030051。
ChinaAbstract:
Inmilitaryreconnaissanceandaerialguidancebyvisiblelight,targetsoftenconcealinacomplexbackgroundanddifficulttOidentify.SOitisofvitalimportancetoexactlyextractfeatureutilizingimageprocessingmethods.BasedonthecharacteristicsOfbackgroundandtarget.itisputforwardthatmorphologycanbeusedtOdeterminetargetscope。
andfurthercombinedwiththe
methodofclusteringtOaccuratelydetectsmallobiects.Theexperimentalresultsshowthatthemethodcanrealizeaccuraterecogni—tionevenincomplexbackgroundandtelativelysmallervisualtargetarea.Themethodcanovercomethe10Wspeedofclusteringandquicklyandaccuratelyextractthetargetwithgoodadaptability.
Keywords:
morphology;clustering;featureextraction;aerialguidance
O引言
在军事侦察或图像制导过程中,需要精确确定目标图像,才能进行下一步的工作。
目前常用的红外制导方式由于其容易受云、雾和烟尘的影响,并有可能被曳光弹、红外诱饵、云层反射的阳光和其它热源诱惑,偏离和丢失目标。
同时红外制导作用距离有限,成本非常高。
而利用可见光进行目标定位或军事侦察时,由于其成像方式与环境的温度没有关系,不易受目前常规干扰武器的干扰,经飞行员或侦察员从视频显示器上锁定目标图像后,目标难以隐蔽,有较高的命中精度,且成本较低,适合大面积的推广使用。
但在背景比较复杂或目标形成的电平无显著特征的情况下,真接寻找目标就成为可见光侦查和制导技术的难点,需要好的图像处理的方法来帮助准确识别目标。
文中就是从上述问题出发,研究一种复杂背景下目标特征的精确提取方法。
1传统特征提取方法
图像的边缘表示图像信号的突变,其中包含了大量的信息,这些信息可用于目标的识别。
经典的边缘检测算子在没有噪声干扰
的情况下,检测效果比较理
想。
如图1所示是一幅坦克
的图像,其背景较为简单,首
先采用传统的边缘检测算子
来对其进行边缘检测,以提
图1原始图像
取出目标物体的边缘特征
来。
文中选取prewitt算子、canny算子、sobel算子和似;算子进行计算。
实验的结果如图2所示。
*收稿日期:
2009--06—25
作者简介:
赵英亮(1975一.女.山西万荣人。
讲师,博士研究生。
研究方向:
信号处理与信号重建。
万方数据
・60・弹箭与制导学报第30卷
图2传统检测算子的检测效果图
从图2中可以看出,由于目标坦克与背景的颜色差别较小,转换为灰度图像后灰度差别较小,背景对目标物体的噪声干扰相对较大,而噪声和边缘在空间域中表现为梯度的突变,在频域中表现为高频信息,这就使边缘检测非常困难。
因此传统的边缘检测算子无法将图1所示目标物体与背景分割开来。
2基于数学形态学的目标识别方法2.1灰度形态学基本运算
数学形态学是建立在严格数学理论之上的一门新兴学科,其基本思想是利用具有一定形态的结构元素去提取目标对象以达到目标识别和图像分析的目的。
灰度形态学的基本运算有4种,分别是腐蚀、膨胀、开运算和闭运算‘1一钊。
1膨胀和腐蚀
设f(u,口是输入的图像灰度函数,b(x,y是给定的结构元素,且都定义在R2或刃上,G,、G分别是函数f(u,u和b(x,y的定义域。
则b(x,y对f(u,口进行灰度膨胀的运算式为:
(厂④6(“,u=max{f(u—z,可一Y+
b(x,3,f(U—z,u一3,∈G,;(z,y∈G}(1图像f(u,u被结构元素b(x,y腐蚀定义为厂ob,记为:
(,e6(群,口=rain{f(u+z,口+y一
b(x,yI(“十z,口+y∈Gs;(z,y∈Gb(22开运算和闭运算
开运算是结构元b先对灰度图像,进行腐蚀运算,然后再对图像,进行膨胀的复合运算,数学运算式为:
f(x,y。
b(x,3,一[(厂e6obJ(x,3,(3闭运算是结构元b先对灰度图像,进行膨胀运算,然后再对图像,进行腐蚀的复合运算,数学运算式为:
f(x,y・b(x,y一[(厂①6ebJ(x,了(42.2基于形态学的目标特征提取方法
侦察图像或制导图像中的目标大多隐蔽在复杂背景下,因此针对其特点拟进行以下步骤的算法。
第一步,形态学边缘检测。
形态学边缘检测主要用到形态梯度的概念,其基本思想是对图像用一定的结构元素进行操作后与原图像相减。
用,表示图像,B表示结构元素,则可以有3种形态学边缘检测算子,即膨胀型、腐蚀型与膨胀一腐蚀型。
其中,膨胀型提取的是图像的外边缘,腐蚀型提取的是图像的内边缘,膨胀一腐蚀型提取的是图像骑跨在实际边界上的边缘,它既提取出了物体的外边缘,也提取出了物像的内边缘。
因此给出膨胀一腐蚀型提取边缘的公式如下【3叫]:
Grada=f④B一,eB(5第二步,利用Top—Hat变换和Bot—Hat变换提高图像的对比度。
在灰度形态学中,Top—Hat变换的定义为图像和其开运算之差‘21:
TOPHAT(f一f一(厂。
g(6其中:
g为结构元素,f。
g为用结构元素g对厂进行灰度开运算,其结果即是估计出图像中较亮的细节,体现出了图像中灰度峰值。
对Bot—Hat变换的定义为图像的闭运算与图像之差:
BOTTOMHAT(f=(厂・g一f(7其中:
g同样为结构元素,f・g为用结构元素g对厂进行灰度闭运算,其结果即是估计出图像中暗的细节,体现出了图像中灰度的谷值。
第三步,通过图像的直方图,对整个图像选取一个全局的阈值,利用此阈值,对图像进行分割。
第四步,由于分割不可能全部的把目标显示出来,它会或多或少的保留些背景的干扰,因此需要迸一步经过滤波把小的目标去掉。
2.3实验结果
对图l所示坦克图像进行如上运算,选取的结构
元素是一个以2为半径的圆盘形结构,这样选取既可万方数据
第2期赵英亮等:
基于形态学与聚类相结合的图像特征提取方法研究
・61・
以保证细节,又可以使目标尽可能完整地被检测出来。
结果如图3所示。
从图3可以看出,目标坦克已清晰出现在图像中。
可以得出结论:
对于背景较为简单,目标在图像中所占比例较大的图像,应用数学形态学对图像的边缘进行检测,并进行
图3基于形态学的目标识别结果
阈值进行图像分割的算法,效果比较明显。
但是由于该算法的阈值选取是依靠经验来完成,自适应能力较差,且在背景复杂、目标的目视面积较小时,该算法不能很好地区分背景和目标,无法很好地检测出目标物体来。
3
基于形态学与聚类相结合算法的目
标特征提取方法
在实际的军事应用中,更为一般的情况是遇到如
图4中的图像,背景比较复杂,且目标比较小。
将上述算法应用于图4中,得到如图5所示的二值图像。
从图5可以看到,由于背景中的草地对目标有着严重的影响,图像中已经分辨不出坦克的具体位置。
第一步,对图像进行Top—Hat形态变换,抑制大面积的背景干扰,提取出图像中的孤立目标和强噪声点或虚假目标;
第二步,针对残留的背景强噪声点或虚假目标,选择结构元素,对图像进行腐蚀运算,除去强噪声点
或虚假目标;
第三步,对图像进行膨胀运算,获得少量的目标候选点;
第四步,设定阈值为图像中最大灰度级与最小灰度级和的一半,这样选取就能使目标很好地被分割出来,从而使本算法具有了一定的自适应性,从而获得图像中的目标点。
这里仍以图4为例,对其中的坦克进行检测。
首先,选取半径为20的圆形结构元素,对图像执行
Top-Hat变换。
选取一个半径为4的圆形结构元素去除掉图像的大部分噪声干扰点和虚假目标。
实验的结果如图6所示。
图4复杂背景下的图5对图4应用形态
甲物’接下来结合聚类算法,对目标物体进行精确的
小目标图像学算法后的结果
特,仕提取。
基于此,针对背景复杂且被检测目标在图像中所3・2基于聚类的目标特征精确提取算法
占比例较小的情况,文中提出了利用数学形态学与聚由图4可以看出,相对目标而言,背景处于离散类相结合进行复杂背景下小目标检测的算法。
状态,草地中的连续明亮面积或阴暗面积显然要比目
3.1基于形态学的目标范围确定
墨半克小得多,在图像中基本鬯jlj:
冲形式出现。
而目
…。
黧盟黧:
登霎筌篓璧淼茎墓鬟篡焉裟然
曼罂苎篓耋算法搜索目标的精确度和速度,具体算法
蓁关篡翥;毒;三:
磊莒亲扬葆;高三磊;五;熹磊
万方数据
・62・弹箭与制导学报第30卷
确地分割开来。
同时,由于聚类算法固有的低速度特点,因此。
在图6(d确定的可疑目标位置附近,选取小范围图像进行目标的精确提取,以提高系统的整体检测速度。
具体算法实现如下:
1设定阈值差为d=120;
2选取基准点,这里以最大灰度级为基准点;
3对图中每个像素点进行逐个扫描,计算其灰度级与基准点的灰度级的差值c;
4按下式对图像进行二值化分割:
厂一Ⅸ簇兰㈣其中,厂可以理解为对图像中的每一个点的操作。
最后对得到的二值图像进行滤波处理,从而得到了一幅只含目标坦克的二值图像。
如图7所示。
图7特征精确提取结果
从图7中可以看出,目标坦克的特征已经被精确地提取出来,各个部位的信息也已经可以明显地分辨出来。
3.3算法的实现速度
对于图像制导而言,图像处理的实时性是非常重要的。
在算法设计中,既要考虑比常规算法特征提取的精确性,又考虑算法在实际使用的实时性,因此在下述条件下对本算法进行了测试,测试结果如表l所示。
cPu:
IntelPentiumDualE2140@1.6GHz
内存:
1GHz
图像尺寸:
768*576
软件编译环境:
VC++6.0
衰1实际算法实现速度
从表1可以看出,文中所提出的算法在背景较简单时完全可以实现实时处理,在背景复杂时,基本达到15帧/s的处理能力,如果采用DSP、FPGA等硬件电路实现图像处理,则能实现实时处理,表明本算法具有工程应用的可行性。
4结论
文中在特征提取方面,针对不同图像的特点来进行特征提取。
在背景较为简单、目标的可视面积较大时的情况下,研究了利用数学形态学对其进行边缘提取的算法;在背景复杂且目标的可视面积较小时,研究了基于数学形态学先确定目标大致范围,聚类相结合进行小目标精确检测的算法,从而能够克服聚类运算工作量大、速度比较慢的缺点,又能准确地将目标提取出来,且算法具有良好的适应性。
参考文献:
[1]连静,王珂.多尺度形态学图像边缘检测方法[J].计算机工程与应用.2006,42(5:
77—79.
[2]TChen,QHWu,RRahmaniTorkaman.eta1.Apseudotop-hatmathematicalmorphologicalapproachtoedgede—tectionindarkregions[J].PatternRecognition。
2002.35(1:
199—2lO.
[3]赵怀勋.郑敏.李志强.一种基于数学形态学的含噪、低对比度图像的边缘检测方法[J].计算机与数字工程,2006.34(7:
11—13.
[4]杨晖.张继武.数学形态学在图像边缘检测中的应用研究[J].辽宁大学学报,2005.32(1;50一53.
[5]赵锋.赵荣椿.纹理分割及特征提取方法综述[J].中国
体视学与图像分析。
1998。
3(4:
238—246.万方数据
基于形态学与聚类相结合的图像特征提取方法研究
作者:
赵英亮,王黎明,韩焱
作者单位:
中北大学电子测试技术国家重点实验室,太原,030051
刊名:
弹箭与制导学报
英文刊名:
JOURNALOFPROJECTILES,ROCKETS,MISSILESANDGUIDANCE
年,卷(期:
2010,30(2
参考文献(5条
1.连静.王珂多尺度形态学图像边缘检测方法2006(5
2.TChen.QHWu.RRahmaniTorkamanApseudotop-hatmathematicalmorphologicalapproachtoedgedetectionindarkregions2002(1
3.赵怀勋.郑敏.李志强一种基于数学形态学的含噪、低对比度图像的边缘检测方法2006(7
4.杨晖.张继武数学形态学在图像边缘检测中的应用研究2005(1
5.赵锋.赵荣椿纹理分割及特征提取方法综述1998(4
本文链接:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 形态学 相结合 图像 特征 提取 方法 研究