红外图像目标检测方法研究

作     者：崔紫薇 

作者单位：长春理工大学 

学位级别：硕士

导师姓名：詹伟达

授予年度：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：目标检测 红外图像 感兴趣区域提取 阈值分割 多特征融合 

摘      要：红外图像目标检测技术由于其全天候工作的优势,在智能驾驶、智能监控等领域都具有非常广泛的应用。尽管红外图像目标检测技术已经取得了很大的进步,但由于行人目标的多样性以及复杂场景的影响,现有红外图像行人检测方法仍存在感兴趣区域(Regions of Interest,ROIs)提取效果不好、单一特征无法准确地描述目标等问题。因此,红外图像行人目标检测技术仍然具有较大的提升空间,具有重要的研究意义。针对这些现有的问题,本文的主要研究工作如下:(1)针对感兴趣区域方法中阈值分割效果不佳、过分割以及目标定位产生大量冗余候选框等问题,提出了一种基于萤火虫算法的二维Otsu阈值分割和基于几何参数约束的连通区域标记相结合的感兴趣区域提取方法。该方法首先采用二维Otsu阈值分割对图像进行分割,在寻找最优阈值时,通过引入模拟退火因子的萤火虫算法对其进行优化,得到最精确的阈值。然后采用形态学的方式对分割后的图像进行处理。最后将处理后的图像采用基于几何参数约束的连通区域标记法进行候选框标记,得到感兴趣区域即包含行人目标的区域。(2)针对在不同场景下,单一特征无法准确描述目标以及检测率低的问题,提出了一种基于多特征融合的红外图像目标检测方法。首先,针对红外图像目标检测中的纹理丢失问题,采用基于距离加权的LBP特征,通过对邻域内各像素距中心像素的距离不同进行距离加权。针对红外目标检测中边缘提取能力不足问题,采用基于熵加权的局部放大HOG特征,先对HOG特征在Cell内的Bin通道进行局部放大,再对其以一个Block为单位进行熵加权。最后将两种改进的特征进行加权融合送入已经训练好的SVM分类器中进行分类,得到最终的检测结果。通过仿真对比实验,并进行主客观分析,验证了本文方法具有先进性、准确性和鲁棒性。针对感兴趣区域提取任务,本文所提出的ROIs提取方法,相比于其他方法,分割效果更好,目标定位更准确,并且降低了ROIs数量,提高了分割效率。针对目标检测任务,本文所提出的基于多特征融合的红外图像目标检测方法相比于其他方法具有较好的检测性能,在不同场景下的TPR值达到96%。