论文部分内容阅读
随着内河航运的增长,导致航运事故发生的风险也同样的增加。在雨、雪、雾、夜间等能见度不良气候条件下航行是造成船舶互撞和船撞桥事故的主要因素。船-船、船-桥避碰成功的关键是获取其他运动船舶和危险目标的准确信息。前视红外成像设备具有抗干扰能力强,气候环境适应性强,昼夜连续探测等优点。通过在各种内河行驶船舶上以及桥梁、闸口、限制区等重点区域安装价格便宜、技术成熟的非致冷红外焦平面阵列前视红外成像设备,实时采集红外视频图像,综合利用图像处理、目标检测、目标跟踪等技术,对采集的红外视频图像进行鲁棒的实时的分析处理、实现在内河复杂背景不良气候条件下,对其他内河运动船舶目标进行检测和跟踪,并利用得到的船舶目标检测和跟踪结果辅助船舶航行,提高监管人员和操船人员对航行环境的感知能力,辅助操船人员进行避撞决策,减少操船的失误,提高船、桥避碰成功率,保障人员的生命和财产的安全,减少或避免严重污染水域和自然环境事故的发生,确保航行运输安全。在基于视频的监控系统中有三个关键步骤:检测感兴趣的运动目标、跟踪这些目标、通过分析目标轨迹来识别相应目标的行为。红外目标检测和跟踪技术,作为智能化信息处理的关键环节之一,一直是困扰和制约红外成像探测实用性能的瓶颈问题和技术难点而亟待解决;同时,要把红外技术应用于内河水上交通安全,首先必须解决的关键技术就是基于红外图像的内河运动船舶目标检测和跟踪;因此,基于红外图像的内河运动船舶目标检测和跟踪技术研究,不仅具有重要的实用价值,还有重要的学术研究价值。本论文围绕基于红外图像的内河运动船舶目标检测和跟踪技术展开研究。首先,介绍前视红外成像系统的原理、组成及其优缺点、定性分析红外图像中内河船舶目标和背景的红外特征、红外图像的噪声特性、提出对目标检测和跟踪算法的性能要求;第二,在学习和借鉴已有天水线提取算法的基础上,提出了一种能够在复杂内河背景下进行天水线提取及其评价的方法;实验表明,该方法适应性好,定位精度高,实时性和可靠性高;给出了感兴趣区域ROI的提取方法;第三,总结已有的基于分形技术的人造目标检测算法,在此基础上提出了一种新的多尺度分形特征参数(MFFK);实验证明,当该参数应用于内河红外图像时,可以对内河船舶目标和内河自然背景进行很好的区分;进一步,提出了基于MFFK的内河船舶目标的检测算法;实验证明:该算法适用于内河复杂背景,适应性强,检测精度高,能够满足实时性和可靠性的要求;第四,首先对Mean Shift算法进行回顾,然后提出基于Mean-Shift的内河运动船舶目标跟踪算法。该算法最大的特点是在多尺度分形特征参数MFFK图像中描述内河运动船舶目标;实验证明:对红外图像中处于各种内河复杂背景中的单个运动船舶目标,该算法可实时、可靠、鲁棒的跟踪,但是当出现多个运动船舶目标相互遮挡时,该算法的跟踪可靠性降低;第五,首先回顾了粒子滤波相关理论及其在视频目标跟踪中的应用;然后提出基于单一灰度特征的粒子滤波内河船舶目标跟踪算法。在粒子滤波理论框架下,MFFK灰度图像中的内河船舶目标的状态后验概率分布用加权随机样本集表示,通过这些随机样本的Bayesian迭代进化实现对红外图像序列中的内河船舶目标跟踪;实验证明:单一灰度特征不足以描述内河运动船舶目标,该算法可用于简单内河背景,但不适用于内河复杂背景;第六,由于红外图像中的内河运动船舶目标的轮廓、形状和纹理特征一般不明显、没有颜色信息,同时单一灰度特征又不足以描述目标,因此,提出把船舶的灰度特征和运动特征融合来对内河运动船舶目标进行描述。通过在MFFK灰度图像中提取内河运动船舶目标的灰度特征,在两两MFFK灰度图像帧之间利用时间差分方法提取内河运动船舶目标的运动特征,利用模糊逻辑定义灰度特征与运动特征融合后的多特征融合相似系数;最终提出了基于灰度特征与运动特征融合的粒子滤波跟踪算法。该算法集成了分形几何、Mean Shift、差分运动检测、粒子滤波、模糊论等理论。实验证明:该算法不仅能够在内河复杂背景中对内河运动船舶进行稳健的有效的跟踪,而且能够应付场景的各种变化以及多运动船舶目标交错遮挡等情形,算法具有鲁棒性;算法在应用过程中仅需要很少的状态采样数,满足实时性的要求;最后,对全文的研究工作进行总结,指出今后工作中进一步研究的方向。