一种基于DSP的实时图像处理仿真技术

屈东坡

(枣庄科技职业学院，山东 枣庄277500)

0 引 言

海上作战中，对对方运动舰船的定位与跟踪是制胜关键。在军事图像处理领域，基于移动背景下的运动目标物跟踪检测也是一个重要分支，这些算法通过对海上舰队视频图像实时监控，实现移动背景下移动船舰的检测﹑定位，在此基础上，进一步对对方舰队进行自动跟踪，实现锁定对方船舰。

经过几十年研究，现已经发展出如光流法、背景减除法、帧间差分法［1－3］等一系列比较成熟的算法，并在实际系统得到应用。但对于现有算法，还面临着一些比较辣手的问题，如对于运动目标物移动速度过快过慢﹑光线及阴影造成的折射反射等都会对识别精度造成影响。

本文利用小波变换中［4－5］分辨率高的特性，提出了一种小波更新背景框图的目标运动检测算法，利用小波的多高分辨率提升视频序列帧中背景图像的精度。同时，对背景图像的框架抽取，在图像频域中利用了对时域的采样计算，并结合了模糊匹配，减少了现行算法复杂度，对图像的实时性能更加突出。最后设计了基于多核DSP的实时图像处理系统，实验表明，此算法能够有效的识别目标运动物。

1 常用运动目标检测法

运动目标检测法现阶段主要有光流法、帧间差分法及背景减除法3 种。由于本文以背景减除法为基础，这里重点介绍背景减除法原理以及分析它的应用场景及利弊。

背景减除法是对当前时刻视频图像与此刻更新的背景模板进行对比，从而捕获视频图像中的运动目标物［6］。在简单背景减除法的背景上，基于对背景模板的更新方式不同，已发展出单高斯法、混合高斯法、W4 模型法、均值滤波法及内核密度估计法。

背景减除法分为预处理、背景建模、目标检测3个阶段。其中相比较于其他目标检测法背景建模是其核心所在。背景建模既要使其对环境变化足够敏感，也要对运动目标物有足够的区分度。

算法实现:将连续获取的视频图像按时间进行排序，设当前时刻图像为背景模板bk，而视频图像帧为fk，则做差分运算，公式如下:

式中:fk(i，j)为视频图像在坐(i，k)的灰度值;bk(i，j)为视频图像在(i，j)的灰度值;Dk(i，j)为差分后的绝对值。Dk(i，j)做如下判断:

式中k 为预设阀值。若Dk(i，j)大于阀值，则坐标点位置(i，j)为目标运动物，否则为背景像素。算法实现流程如图1所示。

图1 背景减除法流程图Fig.1 The flow chart of background subtraction

根据实验结果可知，背景减除法能够迅速检测出场景中的运动目标，而且计算量较小，便于实现，但是如图2所示其所提取的物体边界不完整，且物体内部有比较大的空洞，其次海面光线的反射折射现象以及海浪的移动等都会对目标船舰的检测造成误差。如图2所示，中间白色区域就是由海浪移动造成的检测误差。目前，提出混合高斯法、W4 模型法、均值滤波法及内核密度估计法等来改变背景模型，使之性能得到改善。

图2 背景减除法检测结果图Fig.2 The detection result of background subtraction

2 小波更新背景框图目标检测法

利用小波变换对图像框架进行提取是Sweldens等人率先提出的。与传统方法不同，它利用二重采样对原始图片信号奇偶剖析，后进行过滤处理。它的原理如图3所示。

图3 二维小波变换更新背景流程Fig.3 The background updating chat of 2D wavelet transform

2.1 小波对原始图像序列的变换

原始图像序列从信号处理角度出发，可以作为一个一维离散采样数字信号看待，而小波变换基于二维信号，这里作如下设定:含有运动目标物的原始图像，其相邻帧图片在同一位置像素灰度值具有耦合性。因此，由前一帧图像的像素灰度值可以推出后一帧的，反过来也同样成立。

小波变换在此假设条件下，对相邻的原始图像进行融合变换。设Gk-1(i，j)、Gk(i，k)分别为原始图像相邻两帧在(i，k)点的像素灰度(i=1，2，…，m;j=1，2，…，m)，可用如下矩阵表示:

则 利 用 融 合 合 并Gk-1(i，j)，Gk(i，j)，融 合 后 矩阵为:

然后根据实际需求，选择修正系数以及预测系数U和P［7］。将融合的图像矩阵Ak代入设计好修正系数以及预测系数进行小波变化。

2.2 运动目标提取物区域定位

合适的U和P 选择有利于小波变换，能够得到模型下运动目标的粗略框架。对于相邻帧Gk-1(i，j)，Gk(i，j)及融合和矩阵得到图像频域(i，k)f。通过时域﹑频域转换反映了前后帧的差异，利用ΔE 表示，对于具体位置点(i，j)则表示为ΔE(i，j)。先对此进行初始化处理，可得到目标提取物可能出现的初始位置，公式如下:

式中TΔE为预设的阀值，需要根据具体系统确定，这里按照精确选择灰度幅值的15%，如一般图像灰度值为256，则TΔE可设为40 。当Mk(i，j)确定后，即可估算第k 帧中目标运动物可能出现的运动区域，用第表示，步骤如下:

3)如果步骤2 中圆区域没有匹配成功，则去除前一次估算的运动目标物区域，同时更新η，返回步骤2;如果匹配成功，则进入下一帧的计算，直至所有的运动目标物区域都包含在同一圆内，则停止。

2.3 背景模板的匹配与更新

背景模板的更新与匹配利用当前模板Dk与2.2节获取的运动目标物框架做归一化计算，并作为下一时序模板更新的匹配参数。

式中F 为原始图像背景模板D 在像素点(i，j)的归一化子图像。

不考虑此刻其目标物对提取背景的重叠﹑粘连干扰，利用式(4)能很好的使更新后的背景模板匹配运动目标物的初始框架，这是在理想状态下，如果在t 时刻，背景模板中有新出现的干扰非目标运动物，做如下修改:

为了使背景模板的更新符合实际情况，而不至于在每一帧时刻都进行更新，可计算Δri=ri-1-ri，与阀值进行比较，如果大于阀值，进行模板背景更新，否则继续利用上一时刻背景模板。

3 基于DSP的实时算法实现

3.1 DSP 软件系统流程

基于本算法的运动目标检测软件主要有3个进程:运动目标物初始定位进程、背景模板更新进程、以及背景差分进程。利用DSP的多进程通信，提高进程执行效率，软件流程如图4所示。

图4 基于DSP的实时算法流程图Fig.4 The real-time algorithm flow char based on DSP

3.2 仿真结果及分析

对本文新的运动目标检测算法进行仿真，实验进行船舶的跟踪，VGA 640 ×480 像素为30 帧/s，仿真结果如图5所示。

图5 新方法与原始背景减除法检测结果Fig.5 The detection result compared new algorithm with background subtraction

分析实验:原始的背景减除法在舰船目标检测时，提取目标船舰中有较大的空洞，目标物检测结果精确度不高，并且舰船的速度与海面波浪的移动速度之间关联性高，对检测结果较易造成干扰，如图5(b)中间出现的白色区域即为海面波浪移动形成的检测误差。小波更新背景框图检测法，由于对背景模板定位精度提高，目标运动舰船的提取比较精确，避免了提取框架的变形及空洞;同时较好的避免了海浪造成的干扰。但是，对于海面阳光折射等现象造成的误差并没有消除，如图5(c)右上侧的白点，有待于进一步的研究。

4 结 语

本文研究海上移动目标舰队的检测跟踪的算法，着重分析了背景减除法及其利弊。随后基于小波变换对时域图像的高分辨率特性，提出了基于小波变换的背景模板更新法，算法利用了相邻帧图像的关联性，对相邻图像的灰色度矩阵进行了融合排序，此后利用小波变换估算运动目标物的粗略框架来更新原始图像的背景模板，提高了算法的精度。最后，设计了基于DSP的系统，通过实验进一步验证了本算法的高精度性，同时降低了原背景减除算法复杂度。

［1］COLLINS R，LIPTON A，KANADE T，et al.A system for video surveillance and monitoring.tech.report CMU－RITR－ 00－ 12［R］.Robotics Institute，Carnegie Mellon University，2000.

［2］JOHNSON A，BOBICK A.A multi-view method for gait recognition using static body parameters［C］//Audio－and Video－ Based Biometric Person Authentication.Springer Berlin/Heidelberg，2001:301－311.

［3］范莹.视频监控中运动图像检测与识别技术的研究［D］.武汉:武汉大学，2003.

［4］MALLAT S.A theory for multiresolution signal decomposition:the wavelet representation［J］.IEEE Transactions on Pattern Analysis and Machine Intellisgence，1989，11(7):674－693.

［5］MALLAT S.Characterization of signals from multi-scale edges［J］.IEEE Transactions on Pattern Analysis and Machine Intellisgence，1992，14(7):710－732.

［6］田晓东，刘忠.基于统计量的声呐图像目标检测算法［J］.舰船科学技术，2007，29(1):118－122.

［7］孟军，魏同立.数字图像离散小波变换的原理与硬件实现分析［J］.东南大学学报(自然科学版)，2002，32(6):842－847.

［8］赵高泽，刘定宇.用于运动目标参数估计的互谱定向技术研究［J］.舰船科学技术，1995(1):42－46.

［9］RAMAN R K.Active contour models for object tracking［D］.University of Cambridge Computer Laboratory，Cambridge，UK，2003.

［10］姜伟，田子希，张宝宇.基于当前统计模型的三维空间机动目标跟踪算法［J］.舰船科学技术，2011，33(12):24－27.