由于熵图和熵流概念的形成，熵流很适合描述图像运动。我们采用熵流来检测红外图像目标。基于光流场的运动目标的检测通常有两种方法:一是在光流场寻求不连续点;二是基于直方图算法［108 － 10 9］。在这里采用直方图方法检测目标。针对特定的熵流场，采用两个运动方向参数k、q 描述熵流。红外图像成像时，由于成像器件的运动，会使得背景也在运动。对红外目标的检测必须考虑到背景补偿，它关系到检测的准确率。采用k 和q 构成二维直方图矩阵，直方图能够刻画出k和q 的联合出现频率。直方图主峰对应背景和传感器的影响。由于运动目标显著不同于背景运动，并且它们的面积远小于背景面积，而背景所占面积大，因而它对应的直方图峰值大。使用主峰对应矢量(k，q)补偿背景运动。由于图像中含有变化的场景，红外图像目标检测可能产生虚警。判定像素是目标还是背景，一般结合该像素邻域内其他像素信息获取。因此线性滤波根据被选择的像素与其相邻像素的线性组合返回差分结果，经过阈值比较判定目标。具体流程参见图5.1。
图5.1 滤波检测流程
通过求得背景运动补偿，获取熵图差分图像。由于差分图像中仍能存在伪目标成分，我们采取Robinson 滤波器消除这些扰动，Robinson 滤波器是非线性的非带参滤波器［110］，以3 ×3 模板分析，见表5.4:
表5.4 3 ×3 模板
(www.xing528.com)
Robinson 滤波器定义如下:
最后依据局部熵分割算法目标。对于红外目标的检测，由于受成像、传送等条件的影响，图像背景干扰大，背景总是处在变化状态中。传统的光流估计图像运动会带来误差，而采用熵流估计方法能够较好地克服上述缺点。算法分为三个步骤:首先依据原始红外图像建立熵图，它能充分反映原图像的对比度，在求解中采用加权方式可以减小噪声的影响;其次采用熵流的方法估计图像运动，并确定背景的运动补偿，进一步减小背景对目标检测的干扰;最后对熵图差分图像采用阈值滤波，以检测红外图像目标。其流程参见图5.2。
图5.2 目标检测流程
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
