分析云层运动对目标检测的影响及算法性能表现

为了验证基于变分熵流的运动目标检测(Moving Target Detection Based on Variational Entropy Flow ，MTDBVEF)的有效性，采用该方法依次检测三组不同天空背景的歼击战斗机图像序列第11 帧、18 帧与51 帧。三组序列图像的目标是一架歼击战斗机，对比周围云层，它们都是高强度点。云层运动对目标检测影响很大。

图7.6(a)为天空背景图像序列之一的第11 帧，图7.6(b)为图7.6(a)对应的熵图。对比两图，熵图中目标更亮，对应的信杂比更高。图7.6(c)为依据图像第11 帧与其相邻帧所计算出的熵流。图7.6(d)为7.6(c)所示熵流运动场的直方图分布。图7.6(e)为目标检测结果。图7.6(e)显示，MTDBVEF 算法能够有效检测出目标。

图7.6　序列1 运算处理结果

图7.7(a)为天空背景图像序列之二的第18 帧，图7.7(b)表示图7.7(a)对应的熵图。对比两图，熵图中目标更亮，对应的信杂比更高。图7.7(c)为依据图像第18 帧与其相邻帧所计算出的熵流。图7.7(d)为图7.7(c)所示熵流运动场的直方图分布。图7.7(e)为目标检测结果。图7.7(e)显示，MTDBVEF 算法能够有效检测出目标。

图7.7　序列2 运算处理结果

图7.8(a)为天空背景图像序列之三的第51 帧，图7.8(b)为图7.8(a)对应的熵图。对比两图，熵图中目标更亮，对应的信杂比更高。图7.8(c)为依据图像第58 帧与其相邻帧所计算出的熵流。图7.8(d)为7.8(c)所示熵流运动场的直方图分布。图7.8(e)为目标检测结果。从图7.8(e)显示，MTDBVEF 算法能够有效检测出目标。(www.xing528.com)

图7.8　序列3 运算处理结果

图像的背景复杂程度是不同的，云层的运动对目标检测的影响很大。通过管道滤波方法用于证实真实目标，剔除伪目标。我们采用检测率与虚警率来描述目标在不同云层背景下多帧图像序列的检测情况。其检测率与虚警率定义如下:

定义Mfalse 、Mtotal 、Ndetect 与Ntotal 分别表示为在图像序列中虚假目标的数量、检测到的目标数量、真实检测到的目标数量与图像序列中真实目标数量。具体指标对比情况参见表7.3。对于小目标的检测率，使用MTDBVEF 算法获得的结果要高于Lucas-Kanade 光流算法。对于小目标的虚警率，使用MTDBVEF 算法获得的结果要低于Lucas-Kanade 光流算法。这表明MTDBVEF 算法对于检测小目标是有效的。

表7.3　参数性能对比