没有合适的资源?快使用搜索试试~ 我知道了~
基于方向选择性机制的图像背景杂波建模方法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 117 浏览量
2023-02-23
16:46:19
上传
评论
收藏 542KB DOCX 举报
温馨提示
试读
16页
基于方向选择性机制的图像背景杂波建模方法.docx
资源推荐
资源详情
资源评论
0. 引 言
随着探测器技术水平提升以及生产工艺的进步,光电成像系统的灵敏度和分辨率得到
了很大提高,已达到或接近背景限。在战术有效距离内显示出越来越多的目标细节和背景
杂波,使得背景杂波成为影响光电成像系统目标获取性能不可忽视的重要因素
[1]
。因此,
如何准确度量背景杂波,并合理地将量化的背景杂波嵌入到目标获取性能模型中,成为精
确预测和评估光电成像系统性能的关键问题。
光电成像系统目标获取过程中,一般将场景中分散观察者注意力、干扰目标探测识别
的背景因素称为杂波
[2]
。研究者们提出了多种背景杂波建模方法,可分为基于数学统计杂
波度量,如统计方差(SV)及其改进的杂波度量
[3]
、基于图像纹理特征的杂波度量,如灰度
共生矩阵及其改进方法
[4-5]
、基于人眼视觉特性的杂波度量
[6-13]
。文中关注利用人眼视觉特
性进行背景杂波表征。
杂波建模的目标是使量化的杂波尺度与人眼视觉系统对杂波的主观感知一致,为自动
定量评估背景杂波对目标获取性能的影响提供有效手段。为此,Biberman 等人基于人眼对
图像边缘特征敏感提出了边缘概率杂波度量(POE)
[6]
,通过统计图像中边缘点数目来度量杂
波的强弱。该方法过渡依赖于图像边缘检测阈值,而且阈值选取并没有固定标准,不同使
用者获得的量化结果不具备可比性;Chang 等人根据人眼对图像结构特征具有高度自适应
性,通过计算背景与目标在亮度、对比度和结构上的相似性来度量杂波,提出了目标结构
相似性杂波度量(TSSIM)
[7-8]
。该方法对其所使用的分母稳定性常数依赖较大,使杂波计算
结果不稳定;徐德江等人依据人眼对图像结构的高度自适应性以及图像质量评估领域广泛
使用的图像结构相似性度量(SSIM)
[9]
,计算杂波与目标的结构相似性,并利用视觉显著性
原理对结构相似性加权,提出了图像结构差异性杂波度量(VSD)
[10]
;李倩等人利用人眼对
图像边缘特征具有较强的敏感性,以背景和目标边缘结构分布的差异来表征二者之间结构
特征的相似性,提出了边缘结构背景杂波度量(SOE)
[11]
。虽然取得了较好的结果,但该方法
使用 Sobel 算子进行边缘检测,仍然存在阈值依赖问题;肖传民等人考虑到人眼对图像结
构敏感,采用梯度方向直方图表征目标结构特征,选用巴氏系数度量背景杂波与目标在梯
度方向直方图空间中的差异,提出了引入梯度分布特征的背景杂波度量法(ESSIM)
[12]
;Li
等人通过模拟人眼的适应性寻找目标的最优表征参数,并据此计算背景与目标的相似性,
提出了基于隐马尔科夫模型的杂波度量(HMMC)
[13]
;Yang 等人利用主成分分析法抽取目标
和背景的主特征,然后在该特征空间中寻找目标相对于背景的最稀疏表示,并以相似向量
中的非零项计算杂波,提出了基于稀疏表示的杂波度量(SRC)
[14]
;Li 等人基于人眼对目标
探测识别主要依赖于结构特征的事实,提出了一种基于边缘结构的背景杂波表征方法
(DOE)
[15]
,并将该杂波度量模型嵌入到目标获取性能模型中
[16]
,提高了目标获取性能评估
的精度。该方法更关注于目标的结构特征,而弱化目标的亮度信息。
在成像探测识别中,目标一般为人造物体,如军事车辆,背景杂波一般为自然场景,
如树木,草地等。人造目标具有很强的结构规则性,由自然场景构成的背景杂波结构通常
杂乱无序。背景杂波与目标在结构方面的差异是固有的,在图像结构空间中度量目标与杂
波之间的差异是杂波建模的有效方法之一。
人眼视觉系统在图像感知与理解过程中,对结构信息十分敏感。神经生理学在视觉认
知方面的研究表明,人眼视觉系统在初级视觉皮层局部感受野中存在着方向选择性机制。
局部感受野内神经元根据场景的结构方向调整自身的响应方向,其响应方向及相互作用关
系构成了与场景结构对应视觉模式。因此,初级视觉皮层局部感受野中神经元细胞的方向
选择性机制揭示了人眼视觉系统关于结构信息提取的处理过程。局部感受野中神经元之间
存在两种截然不同相互作用,即“兴奋”与“抑制”。一般而言,与中心神经元偏好方向相似
的神经元呈现出“兴奋”响应,与中心神经元偏好方向不同的神经元呈现出“抑制”响应。
为了模拟方向选择性机制,文中将图像中像素的梯度方向作为对应神经元的响应方
向,利用中心像素与其圆形邻域像素之间梯度方向的相似性模拟与度量局部感受野中神经
元 “兴奋”与“抑制”响应之间的相互作用及排列,提出方向选择性视觉模式,并用其对应的
直方图表征图像的结构信息。考虑到人眼视觉系统对图像对比度敏感,文中将对比度作为
权重因子对方向选择性视觉模式直方图加权,将图像的对比度信息与结构信息统一到加权
直方图中。然后在加权直方图空间中度量背景杂波与目标区域之间的差异,完成对背景杂
波建模,并将杂波模型嵌入到目标获取性能评估模型中。最后,利用公开数据集 Search_2
数据库对文中方法进行验证。
1. 图像方向选择性视觉模式
1.1 方向选择性机制
神经科学研究表明,人眼视觉系统具有明显的方向选择性机制,而且为了实现对场景
的感知与理解,人眼视觉系统利用方向选择性机制从场景中提取图像的结构信息。因此,
方向选择性机制揭示了人眼视觉系统关于图像结构特征提取的基本过程。
当人眼视觉系统感知图像场景时,初级视觉皮层神经元呈现出很强的方向选择性
[17-
19]
。视觉系统正是利用方向选择性机制提取场景中的结构信息以实现对场景的感知与理
解。方向选择性机制主要起源于初级视觉皮层中局部感受野内神经元对“视觉刺激”响应的
空间排列方式及其相互作用
[20]
。神经元对“视觉刺激”有两种截然不同的响应,即“兴奋”和
“抑制”,而且两种响应相互作用。如果神经元响应方向与中心神经元响应方向相同或相
似,那么该神经元呈现出“兴奋”响应。相反,如果神经元响应方向与中心神经元方向不
同,那么该神经元更可能呈现“抑制”响应。图 1 所示为神经元“兴奋”与“抑制”响应之间的
相互作用示意图。第 2、3、5、7 个神经元与中心神经元(最下方)之间的响应关系是“兴
奋”,因为这些神经元具有相似的响应方向。与之相反,第 1、4、6、8 个神经元与中心神
经元之间的响应关系是“抑制”,因为它们具有不同的响应方向。
图 1 局部感受野中神经元“兴奋”与“抑制”响应示意图
Fig. 1 Illustration of the excitation and inhibition response of neurons in the local receptive field
下载: 全尺寸图片 幻灯片
1.2 方向选择性视觉模式
受方向选择性机制启发,文中利用图像中像素的梯度方向模拟神经元的响应方向,根
据相邻像素梯度方向之间的相互关系设计方向选择视觉模式,以分析图像的结构。
对于给定的图像 II,像素 xx 的视觉结构可以利用该像素 xx 的梯度方向与其圆形邻域
像素 X={x1,x2,⋯,xn}X={x1,x2,⋯,xn}的梯度方向之间的相互关系来表示:
VP(x|X)=A(I(x|X))=A(I(x|x1,x2,⋯,xn))VP(x|X)=A(I(x|X))=A(I(x|x1,x2,⋯,xn))
(1)
式中:VP(x|X)VP(x|X)表示像素 xx 的视觉结构;AA 表示各像素梯度方向的空间关系
排列模式,I(x|X)I(x|X)表示像素 xx 与邻域像素 xi∈Xxi∈X 之间以及邻域像素 xi∈Xxi∈X 之
间梯度方向之间的相互关系。
每个神经元通过突触与其周围大量神经元连接在一起,神经元之间的相互作用关系极
其复杂,还不能完备地表示出来。为了有效地分析方向选择性机制,简化处理复杂的方向
选择性机制,Hubel
[18]
和 Ferster
[19]
研究了中心神经元和与其周围有信息传递的神经元之间的
关系,得出中心神经元与其周围神经元之间的突触传递信息,即兴奋和抑制,这种简化方
向选择性机制分析模型是合理、可计算的,并在实验中得到了验证
[18-19]
,视觉系统的信息
传递主要集中在中心神经元与邻域神经元之间。
受这种方向选择性分析方法启发,文中对圆形邻域内各像素 xi∈Xxi∈X 响应方向之间
的相互关系不予考虑,仅考虑中心像素 xx 与其圆形邻域像素 xixi 之间的相互关系模拟方向
选择性机制。因此,公式(1)可简化为:
VP(x|X)=A(I(x|X))≈A(I(x|x1,x|x2,⋯,x|xn))VP(x|X)=A(I(x|X))≈A(I(x|x1,x|x2,⋯,x|xn))
(2)
式中:I(x|xi)I(x|xi)表示中心像素梯度方向与圆形邻域像素 xixi 梯度方向之间的相互关
系。
神经元对输入场景有两种截然不同的响应,即“兴奋”和“抑制”,两种类型的响应相互
作用共同刻画场景中的结构信息。突触可塑性研究表明,“兴奋”与“抑制”两种响应类型由
两神经元响应方向之间的相似性决定。文中将像素的梯度方向作为神经元的响应方向,通
过比较中心像素与其圆形邻域像素之间梯度方向的相似性模拟对应神经元的“兴奋(‘1’)”
或“抑制(‘0’)”响应对 I(x|xi)I(x|xi)的建模。
对于输入图像 II,首先计算各个像素垂直和水平方向梯度幅值,然后结合两个方向上
梯度幅值计算像素的梯度方向。
θ(x,y)=arctan(Gv(x,y)Gh(x,y))θ(x,y)=arctan(Gv(x,y)Gh(x,y))
(3)
Gv=I∗Fv,Gh=I∗FhGv=I∗Fv,Gh=I∗Fh
(4)
式中:θ(x,y)θ(x,y)为图像 II 中像素(x,y)(x,y)处的梯度方向;GvGv、GhGh 为分别为图
像 II 垂直和水平方向梯度幅值,利用如下 Prewitt 算子计算得到。
Fh=13⎡⎣⎢10−110−110−1⎤⎦⎥Fv=13⎡⎣⎢111000−1−1−1⎤⎦⎥Fh=13[111000−1−1−1]Fv=13[10−110−110−1]
(5)
利用圆形邻域像素与其中心像素之间梯度方向的相似性对 I(x|xi)I(x|xi)建模,表征神
经元响应之间的相互关系(“兴奋”与“抑制”)。
I(x|xi)={1,if|θ(x)−θ(xi)|⩽T0,elseI(x|xi)={1,if|θ(x)−θ(xi)|⩽T0,else
(6)
式中:“1”表示“兴奋”响应;“0”表示“抑制”响应;TT 表示方向相似性阈值。当两个像
素梯度方向差的绝对值小于该阈值时,认为这两个像素的梯度方向相似或一致。TT 的大小
将影响方向选择性视觉模式构建,进而影响图像背景杂波建模的精度。
Campbell
[21]
在研究人类视觉系统方向选择性机制时,通过分析不同角度的相邻光栅方
向人眼视觉掩盖效应主观测试结果,对方向相似性阈值进行了研究。研究结果表明:两相
邻光栅,如果具有相同的方向,则两个光栅的掩盖效应会很强,认为两个光栅方向完全相
同;随着两光栅之间方向差异的不断增加,两光栅的掩盖效应迅速下降;当两光栅方向差
大于一定的阈值(12º)后,两光栅的掩盖效应变得很弱,人眼视觉系统很容易区分出相邻光
栅之间的方向差异。文中也是利用人眼视觉系统对图像中两像素梯度之间方向差异进行感
知,满足视觉掩盖效应。因此,TT 的取值参考了 Campbell
[21]
的研究结果。考虑到两个像
素之间方向差异的正负性,而且在公式(6)中方向差取绝对值,因此将 TT 设置为 6º,通过
实验也验证了将 TT 设置为 6º 是合适的。
剩余15页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3647
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功