基于优化Renyi熵的航拍飞行运动目标图像提取研究

恽鸿峰 王 超 马菁源 胡雨峰长春光华学院

0 引言

航拍又称为空中摄影或航空摄影，是指从空中拍摄获得俯视图，即空照图。航拍的摄像机可以由摄影师控制，也可以自动拍摄或远程控制。“航拍飞行系统”可以展示出高质量的真实现场感和交互感，广泛应用于房地产全景楼房航拍、旅游景区航拍、城市全景航拍、工业园区航拍等。在森林防火、地震调查、核辐射探测、边境巡逻、应急救灾、农作物估产、管道巡检、保护区野生动物监测、搭载航拍电子设备进行科研试验、海事侦察等方面都有应用航拍的需求，具备较好的研究意义和价值。

1 航拍飞行器硬件系统

航拍飞行系统设计中，采用STM32F407微处理器作为主控，利用I2C总线连接电子罗盘、6轴MEMS、气压高度计，GPS模块通过UART串口相连，实时更新当前的位置信息。飞行器底部挂接700线航拍摄像头，实时采集图像信息，并通过另外的串口进行遥测数据传输。700线摄像头带有PAL/NTSC的模拟信号输出接口，满足FPV航拍穿越机的基本需求。为保持低空飞行中的距离限制，在飞行器底部安装超声波测距模块，保证低空距离的稳定可调节。

2 运动目标图像提取

航拍飞行器在慢速飞行中可以实时对运动目标图像特征进行提取，对相对运动状态下的目标进行快速识别与处理。研究发现，引入萤火虫算法可以获取最优的阈值，通过二维熵方法提取目标图像以提升速度，但处理过程中存在局部最优解降低识别准确度的情况。在引入逐维更新方法基础上，利用Tsallis熵的多阈值图像提取方法，实现运动目标的提取，可以较好地提升目标图像的识别率，但在处理过程中，存在较多噪声，获得的目标图像效果不佳。传统Renyi熵方法主要通过单通道的方式对目标图像进行提取，无法适应航拍过程中目标图像背景多变的特点。因此，本研究提出一种优化的Renyi熵的目标提取方法，利用图像的YCbCr颜色计算得到的Renyi熵，更符合运动状态下多变复杂的背景环境。

3 提取原理与模型

在慢速航拍飞行过程中，最为常见目标图像提取方法是灰度提取法，但无法适用于背景差异较小且存在明显噪声的情况，不能准确划分图像的灰度级别。而利用颜色进行图像的分析与处理，直接划分运动目标与复杂背景，具备较好的提取效果。首先，利用航拍飞行器批量采集图像信息，并将信息映射到YCbCr双通道颜色空间，针对先验图像进行的RGB颜色提取，作为后续处理对象的颜色合集。其次，通过均值法对颜色合集进行处理，并获取协方差矩阵。结合以上因素，计算获得运动目标的高斯模型，集合双通道获得各自的中心点A和中心点B，并对图形信息和中心点信息进行更新。运动目标图像识别流程如图1所示。

4 优化Renyi熵的计算

对于优化Renyi熵的计算，采用直方图估算YCbCr颜色概率，利用阈值向量划分4个子区域。其中，区域1为图像背景区，区域2为噪声，区域3为运动目标，区域4为边缘点，如表1所示。

图1 运动目标图像识别流程

表1 阈值向量划分4个子区域

根据阈值向量划分和像素点颜色分布概率，计算获得运动目标图像区域概率和背景区域概率，最后获取运动目标与区域背景的优化Renyi熵。为了避免受因颜色均值而造成的噪声影响，在直方图计算过程中，采用中值滤波方式提高抗噪性能。主要表达式为：

其 中，f(x,y)为 点（x,y） 的 像 素 颜 色 定 义。的 图 像，为中心点。优化的图像颜色合集表达式：其中，是 (,)fxym= 与n= 联合概率。

5 优化Renyi熵阈值图像提取

利用当前获取的中心点估算后续中心点，如果迭代处理过程中达到预设值时计算出结果。在后续运动目标图像提取过程中，主要依据提取阈值、中心点进行判定。迭代处理中，不断更新中心点和阈值，并实时估算偏移中心点的值，直至中心点满足更新条件。在运动目标不断更新变化过程中，获取的中心点一直逼近运动目标中心点，并根据获取运动目标进行阈值和边界的调节，以实现最小化阈值范围内的宽阈值提取。

原始中心点：

迭代计算公式：

还原操作过程描述：

利用Matlab作为仿真数据分析平台，对比灰度熵、Tsallis熵、Renyi熵在运动目标图像提取的速度。具体情况如表2所示。

表2 运动目标图像提取数据对比

6 结束语

比较得知，基于优化的Renyi熵方法收敛速度较快，执行效率较高，适用于运动目标图像的提取及图像批处理。因此，在航拍飞行器的设计中，采用优化的Renyi熵的方法可以较好地提高图像信息处理速度，为后续数据处理做好准备。