推荐星级：
- 1
- 2
- 3
- 4
- 5
基于流形特征与形状先验的红外直升机图像分割
资料介绍
为有效分割复杂天空背景下的直升机目标,提出了基于流形特征与形状先验的变分分割模型.根据图像数据的灰度分布构造区域能量项,推动变形曲线向目标边界演化;引入对称正定(Symmetric Positive Definite,SPD)矩阵流形上的区域协方差描述子构造流形特征能量项以提高分割算法的鲁棒性.在区域项、边界项和流形特征项的共同作用下获取红外直升机目标的第一阶段分割结果.在第二阶段分割过程中,基于主成分分析(Principal Component Analysis,PCA)方法获取直升机目标的先验形状变化模式,以变形曲线在PCA空间重构的形状作为先验知识约束曲线的演化,最终实现红外直升机图像的分割.实验结果表明,本文方法能够有效获取直升机目标的完整轮廓.
部分文件列表
| 文件名 | 大小 |
| 基于流形特征与形状先验的红外直升机图像分割.pdf | 1M |
部分页面预览
（完整内容请下载后查看）4
Vol． 46 No． 4
Apr． 2018
第
期
电
子
学
报
2018
4
ACTA ELECTRONICA SINICA
年
月
基于流形特征与形状先验的红外直升机图像分割
， ， ， ，
周则明 胡 彪 孟 勇 陈超迁 罗其祥
(
，
国防科技大学气象海洋学院 江苏南京
211101)
:
， ．
为有效分割复杂天空背景下的直升机目标 提出了基于流形特征与形状先验的变分分割模型 根据图
摘
要
， ;
像数据的灰度分布构造区域能量项 推动变形曲线向目标边界演化 引入对称正定
( Symmetric Positive Definite，SPD)
． 、
矩阵流形上的区域协方差描述子构造流形特征能量项以提高分割算法的鲁棒性 在区域项 边界项和流形特征项的共
． ，
同作用下获取红外直升机目标的第一阶段分割结果 在第二阶段分割过程中 基于主成分分析
( Principal Component A-
nalysis，PCA) ， PCA
方法获取直升机目标的先验形状变化模式 以变形曲线在
空间重构的形状作为先验知识约束曲线
， ． ，
的演化 最终实现红外直升机图像的分割 实验结果表明 本文方法能够有效获取直升机目标的完整轮廓
．
:
;
;
;
关键词
中图分类号
URL: http: / /www． ejournal． org． cn
红外图像分割 对称正定矩阵流形 区域协方差描述子 先验形状
TP391. 4 0372-2112 ( 2018) 04-0834-06
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 04． 010
:
:
A
:
文章编号
文献标识码
电子学报
Infrared Helicopter Image Segmentation Based on Manifold Feature
and Shape Priori
ZHOU Ze-ming，HU Biao，MENG Yong，CHEN Chao-qian，LUO Qi-xiang
( College of Meteorology and Oceanography，National University of Defense Technology，Nanjing，Jiangsu 211101，China)
Abstract: In order to segment the helicopter target in the infrared image with complex cloud background effectively，
a variational segmentation model based on manifold feature and shape priori is proposed． The region energy term is construc-
ted on the basis of gray distribution of the image data to drive the deformation curve to target boundary． A regional covari-
ance descriptor is introduced on Symmetric Positive Definite ( SPD) matrix manifold to define a prior feature energy term to
improve the robustness of the segmentation algorithm． The segmentation result of the helicopter in the first stage of the infra-
red image is obtained by the combination of the region term，the boundary term and the prior feature term． In the second
stage，Principal Component Analysis( PCA) is used to capture the prior shape variation pattern of the infrared helicopter tar-
get，and the shape of evolution curve is reconstructed in PCA space as the prior knowledge to restrain the curve deforming．
Finally，the complete contour of the infrared helicopter is obtained． Experimental results demonstrate that this method can ef-
fectively extract the whole contour of the infrared target．
Key words: infrared image segmentation; SPD matrix manifold; regional covariance descriptor; prior shape
．
困难
1
引言
［1，2］
， :
目前 红外图像分割的方法主要有 阈值分割
、
［3，4］
［5，6］
［7 ～ 13］
红外图像由探测器依据覆盖区域的红外辐射强度
、
．
聚类方法
神经网络方法
和变分方法
等 何
阈值的
快速计算并递归求解分割阈值 提高了算法的执行效
．
分布获取 红外成像技术摆脱了光照条件对成像过程
［1］
Otsu
志勇等 通过减少计算二阶矩的次数实现
， 、 ，
的约束 具备抗干扰能力强 全天候工作等特点 已被广
，
．
泛应用于军事及民用领域
由于受目标与背景的热交换以及大气散射和吸收
［3］
． 、
率 宋长新等 利用像素内在相关性 局部信息以及空
，
间类别属性 提出了一种结合稀疏编码和空间约束的
， 、
作用等因素的影响 红外图像具有噪声大 对比度低以
，
聚类分割算法 扩展了基于
K-means
聚类的红外图像分
，
及目标边缘模糊等特点 给分割过程带 来了极大的
: 2016-12-09;
: 2017-05-22;
:
责任编辑 李勇锋
收稿日期
修回日期
:
基金项目 国家自然科学基金面上项目
( No． 61473310，No． 41174164) ;
( No． 41305138)
国家自然科学基金青年科学基金项目
835
4
:
周则明 基于流形特征与形状先验的红外直升机图像分割
第
期
．
割方法 阈值方法和聚类方法应用于红外图像分割易
2
基于流形特征和形状先验的分割
， ，
于实现 但其难以有效利用红外图像的边缘信息 当目
2． 1
基于流形特征和形状先验的分割模型
、
标边缘模糊 灰度分布不均匀时难以得到理想的分割
［5］
2． 1． 1
区域与边界能量项定义
．
结果 周东国等 利用动态阈值和区域均值之间的关
2
I:
［0，255］
Ω 为定义在空间域 Ω 上的图
→
R
设
， ，
系 提出一种自适应确定连接系数的方法 优化了原始
，
像 假设目标和背景区域
R ，i 1，2
∈
i
中的像素灰度服从
PCNN
，
图像分割算法 但其仍然存
的脉冲耦合神经网络
、
Gaussian
，
均值和方差分别为 μ σ 的
分布 分布函数为
( I| R ) ．
根据目标和背景区域的灰度概率分布构
、 、
在计算量大 耗时长 抗噪性能差的问题
．
Ri
Ri
P
Gaussian
i
、 ，
相比于阈值化 聚类和神经网络方法 基于变分的
:
造区域能量项
水平集方法能够自然地处理轮廓曲线拓扑结构的变
2
［7］
，
化 具有更强的实用性
． Chan-Vese
方法 在能量泛函中
E
=
G( I， ， ) d
σ Ω
Ri
( 1)
μ
region
∑
Ri
∫
Ri
i = 1
，
引入区域信息 降低了对初始零水平集曲线的位置要
，
其中
，
求 但该方法在弱边界条件下很难得到理想的分割结
G( I， ， ) = － logP
σ
Ri
( I| R )
i
( 2)
μ
Ri
Gaussian
［8］
， ．
果 且存在易陷入局部极小化的问题 姜慧研等 结合
该能量项根据像素属于目标和背景的概率定义曲线的
待分割目标灰度统计信息和图像梯度信息提出了一种
，
演化速度 推动变形曲线向目标的边界运动
．
，
改进的水平集方法 利用区域生长解决了水平集方法
，
为了保证变形曲线在演化过程中的平滑 定义能
［10］
． Yu
对初始曲线位置敏感的问题
等
基于可变区域拟
:
量泛函
［9］
合模型 提出了一种全局最优的红外图像边缘检测算
l(
)
γ
［11］
E
=
gds
( 3)
boundary
． Wu
C-V
模型及对其相关改进算法的基础
法
等
在
∫
0
，
，
上 加入一个严格凸的能量项 提出了一种点态收敛的
． Yu Wu
模型有效避免了能量泛函的
，l( ) ，g ．
其中 γ 为闭合曲线 γ 的长度 为停止函数
数值计算方法
和
2． 1． 2
设图像 的大小为
W × H × d
SPD
基于
的流形特征能量项定义
，
局部最优解 显著提高了红外图像分割的质量
．
I
W × H， I
从
d ，
中抽取 维特征 得
，
近年来 黎曼流形在计算机视觉领域的研究和应
F， :
记
到
的特征向量图像
，
用获得越来越多的关注 对称正定
( Symmetric Positive
F( x，y) = f( I，x，y)
( 4)
［17］
Definite，SPD)
．
矩阵是其中研究的热点之一 区域协方差
( 4)
:
式
中的特征映射可取为
T
SPD
，
矩阵的一个显著应用 能够融合图像
2
2
描述子作为
f =
( 5)
[
对于特征图像 中的一个区域
]
n
中包含 个
I( x，y) | I | | I | ( I ) + ( I ) | I | | I |
x
y
x
y
xx
yy
槡
［14］
［15］
、 ，
的灰度 梯度等特征 在处理行为识别
、
面部识别
F
R， R
设
［16］
．
及目标跟踪 等任务时取得了显著的效果 本文在变
分框架中引入区域协方差描述子描述红外目标和背景
d
{ f ，k = 1，2，…，n} ，
其协方差描述子可以表
k
维特征点
d × d
:
的协方差矩阵
示为一个
n
， 、
的流形特征 有效解决了光照 视角及姿态变化给分割
1
T
C =
( f － ) ( f －
μ
k
)
μ
( 6)
∑
k
，
过程带来的困难 提高了算法的鲁棒性
．
n － 1
k = 1
n
，
抽取红外图像序列中的直升机轮廓 对于估计其
1
， =
其中 μ
f
．
为特征均值向量
∑
k
． ，
运动速度和方向具有重要的价值 然而 由于背景云层
n
k = 1
T
、
复杂 直升机目标与背景灰度的对比度低以及目标区
Sym( n) = { A M( n) : A = A}
∈
n × n
实
记
为全体
，
域的灰度分布不均匀 精确获取直升机目标的完整轮
，M( n)
n × n
，
矩阵的集合 则
对称矩阵的集合
表示全体
+
．
廓成为一个难题
Sym ( n) = { A Sym( n) : A ＞ 0}
∈
n × n
有
为全体
对称正
n( n +
，
本文提出一种基于变分的分割模型 基于
Gaussian
． n
定矩阵的集合 阶正定对称矩阵的集合构成
、
分布拟合红外图像的目标和背景 构造区域能量项推
1) /2
．
维 对 称 正 定 矩 阵 流 形 根 据 矩 阵 的 运 算 规 则
，
+
;
动变形曲线向直升机目标边缘演化 以直升机目标的
Sym( n)
， Sym ( n)
构成向量空间 而
，
是非向量空间 需要
+
，
先验形状二值图像作为模板 通过采样目标及背景区
Sym ( n)
．
空间的距离 基
赋予不同的黎曼结构度量在
， ，
域 定义先验协方差描述子 在
SPD
矩阵流形空间计算
于双不 变 黎 曼 度 量 可 得 到 流 形 上 两 点 的 测 地 线 距
［17］
，
红外图像的置信图以构造流形特征能量项 从而提高
:
离为
;
复杂背景下红外目标的分割精度 基于 主成分分析
d( x，y) = log( x) － log( y)
( 7)
2
( Principal Component Analysis，PCA)
，log( ·)
，
表示矩阵对数 对数操作沿矩阵对角线按
抽取直升机目标轮
其中
， ，
廓的变化模式 定义先验形状能量项 以获取遮挡或灰
．
位进行
．
，
在红外图像序列中选取一定数量的图像样本 分
度分布不均匀等复杂条件下目标的完整轮廓
全部评论(0)