【摘要】：紅外人體目標(biāo)檢測技術(shù)因其具有隱蔽性強、全天候工作和對熱目標(biāo)敏感等特點,當(dāng)今被廣泛應(yīng)用于智能安防與監(jiān)控、交通導(dǎo)航與識別、醫(yī)學(xué)圖像分析、軍事目標(biāo)檢測等社會各領(lǐng)域。在紅外人體目標(biāo)檢測技術(shù)中,基于脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)的圖像分割技術(shù),因其具有單層網(wǎng)絡(luò)結(jié)構(gòu),免訓(xùn)練機制,相同性質(zhì)神經(jīng)元同步捕捉的良好特性,在眾多紅外目標(biāo)分割方法中獨樹一幟,成為了紅外圖像技術(shù)和機器視覺領(lǐng)域研究的熱點之一。不同于傳統(tǒng)圖像分割方法,脈沖耦合神經(jīng)網(wǎng)絡(luò)對紅外人體目標(biāo)的分割是通過模擬哺乳動物視覺皮層神經(jīng)細(xì)胞的感光響應(yīng)機制來實現(xiàn)的。該網(wǎng)絡(luò)的每個神經(jīng)元會對外部輸入信號、內(nèi)部時域的迭代信號和內(nèi)部空間鄰域信號進(jìn)行非線性耦合,來促使具有相同性質(zhì)的神經(jīng)元同步點火,并以脈沖輸出形式分割出紅外目標(biāo)區(qū)域,從而達(dá)到從復(fù)雜環(huán)境中提取出人體對象的目的。目前,國內(nèi)外學(xué)者在研究分析該模型的自身機理和特性的基礎(chǔ)上,不斷改進(jìn)和完善其內(nèi)部結(jié)構(gòu),涌現(xiàn)出許多參數(shù)優(yōu)化、機制簡化且適用于不同應(yīng)用需求的改良模型。但同時,面對現(xiàn)實場景條件下紅外人體目標(biāo)的分割需求時,這些模型還存在著分割結(jié)果輪廓表達(dá)不完整,細(xì)節(jié)丟失嚴(yán)重,分類錯誤率高,對紅外噪聲敏感和參數(shù)自適應(yīng)調(diào)節(jié)能力差等不足,成為了脈沖耦合神經(jīng)網(wǎng)絡(luò)在紅外人體目標(biāo)分割上的關(guān)鍵性難點。為此,本論文針對這些難點問題展開了相關(guān)研究,做出了如下的主要工作:(1)分析了現(xiàn)有脈沖耦合神經(jīng)網(wǎng)絡(luò)模型在紅外圖像上的分割機理,建立了針對紅外人體目標(biāo)分割的簡化PCNN模型框架。在這些模型框架上,首先提出了根據(jù)紅外人體目標(biāo)的先驗特征去動態(tài)化設(shè)置調(diào)制域連接強度參數(shù)?的思路;其次,在脈沖點火輸出機制的簡化上,提出了依靠模型每一次迭代分割獲得結(jié)果的灰度分布信息去構(gòu)建動態(tài)閾值的方法;最后,在控制模型收斂的方式上,根據(jù)紅外人體目標(biāo)的熱成像特點,提出了通過檢測迭代點火輸出區(qū)域內(nèi)平均灰度級水平的相對變化情況,來判斷PCNN是否結(jié)束迭代運算過程。(2)針對當(dāng)前PCNN模型在現(xiàn)實場景紅外人體目標(biāo)分割中,易出現(xiàn)分割結(jié)果不準(zhǔn)確、細(xì)節(jié)特征缺失、區(qū)域形狀不完整等問題,提出了結(jié)合曲率灰度梯度張量(Curvature Grey-level Gradient Tensor,CGGT),這一描述人體目標(biāo)先驗特征的改進(jìn)PCNN模型。在200幅現(xiàn)場紅外人體圖像的對比分割實驗中,可以看到,該模型能夠有效適應(yīng)存在復(fù)雜干擾背景、目標(biāo)形態(tài)小且輪廓模糊、人體之間相互遮掩等情況,所獲分割結(jié)果的平均誤分類錯誤(ME)僅為0.59%,平均F值(F-Measure)達(dá)到了0.89,在主客觀效果評價上均具有競爭力。(3)針對PCNN模型在紅外人體目標(biāo)分割中噪聲適應(yīng)性差的問題,本文在分析了復(fù)雜環(huán)境下紅外熱成像噪聲的產(chǎn)生機理和表現(xiàn)特性的基礎(chǔ)上,提出采用“雙機制”方式來解決該問題。在改進(jìn)PCNN模型結(jié)構(gòu)中,一方面引入了能夠抑制混合噪聲的各向異性高斯核權(quán)值矩陣,另一方面加入了增強紅外人體目標(biāo)輪廓表達(dá)的視覺顯著性信息——頻率域譜殘差(Spectral Residual,SR),從而基本解決了PCNN模型在紅外人體目標(biāo)分割中的噪聲適應(yīng)性問題。在100幅不同峰值信噪比紅外圖像的分割測試中,該模型所獲得的實驗結(jié)果在平均誤分類錯誤(ME)、平均變化信息(VI)和平均概率蘭德指數(shù)(PRI)等三個客觀評價指標(biāo)上,均優(yōu)于當(dāng)前文獻(xiàn)提出的其他PCNN模型。(4)在解決PCNN模型的參數(shù)自適應(yīng)選擇問題上,本文從當(dāng)前流行的群智能優(yōu)化方法入手,提出了改進(jìn)布谷鳥搜索算法。該方法通過結(jié)合基于Kent混沌映射的局部搜索策略和基于KD樹結(jié)構(gòu)存儲歷史信息的指導(dǎo)尋優(yōu)機制,解決了在PCNN多參數(shù)尋優(yōu)過程中傳統(tǒng)算法存在的局部精度不高和較大搜索盲目性等問題,從而以更高效的群智能優(yōu)化方式,實現(xiàn)了在不同紅外人體目標(biāo)分割中PCNN模型的多參數(shù)協(xié)同自適應(yīng)選擇機制。對比其他文獻(xiàn)解決該問題所提出的群智能優(yōu)化方法,本文模型在執(zhí)行效果上、運行效率上更具優(yōu)勢。在100幅測試的紅外圖像中,其獲得的平均誤分類錯誤(ME)比其他模型至少低1%,算法運行的平均時間比其他模型至少快2秒。另外,通過實驗還同時將該算法對比了本文所提出的另外兩個改進(jìn)PCNN模型,即結(jié)合CGGT的改進(jìn)PCNN模型和面向噪聲環(huán)境的改進(jìn)PCNN模型(Denosing-PCNN模型)�？梢钥吹�,以改進(jìn)布谷鳥搜索算法實現(xiàn)參數(shù)自適應(yīng)設(shè)置的PCNN模型在信噪比理想的紅外人體圖像分割上,與CGGT-PCNN模型和Denosing-PCNN模型的分割效果差異性不大,但該算法不適合于強噪聲背景下的紅外人體目標(biāo)分割,且同時由于模型內(nèi)嵌入了群智能尋優(yōu)過程,其運行時間相對較長。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TN21
【圖文】：

制冷紅外傳感器技術(shù)的成熟，熱成像系 Power，SWaP）上得到了較大的改善。2非制冷紅外熱像儀[1]，如圖 1.1 所示，可靈敏度達(dá)到 0.15℃，重量卻僅為 365 g。首次將非制冷紅外熱像儀的價格推低到推動了非制冷紅外成像系統(tǒng)在全球商業(yè)熱像系統(tǒng)的出貨量就達(dá)到了前所未有的像為基礎(chǔ)的目標(biāo)智能識別、分析和理解為當(dāng)今的大規(guī)模商業(yè)應(yīng)用。紅外視覺技、醫(yī)療和交通等各個應(yīng)用領(lǐng)域，都實現(xiàn)這一市場的發(fā)展還將持續(xù)增長，如圖 1.系統(tǒng)出貨量可高達(dá) 170 萬臺[2]。

圖 1.2 2016~2022 年非制冷紅外攝像頭出貨量預(yù)測Fig. 1.2 2016~2022 uncooled infrared camera shipment forecasts紅外熱像是由溫度高于絕對零度（-273℃）的物體發(fā)射的紅外輻射電磁波像而形成。該電磁波是一種人眼不可見的“熱線”，最早于 1800 年被英國赫謝爾（S.W.Herschel）在研究可見太陽光的熱效應(yīng)時被發(fā)現(xiàn)，后被稱為”或“紅外線”。紅外輻射來源于物質(zhì)內(nèi)部大量分子和原子的無規(guī)則運動，停息的運動造成了物質(zhì)不斷向外界輻射能量，這就是我們常說的熱輻射紅外熱像形成的本質(zhì)。紅外輻射的光譜區(qū)波長范圍通常位于 0.7~1000 m范圍大致為14 114 10 ~ 3 10Hz 。這段區(qū)域又可按頻譜分布，細(xì)分為遠(yuǎn)紅紅外區(qū)、中紅外區(qū)和近紅外區(qū)，反映了各段區(qū)域內(nèi)存在的紅外輻射光離區(qū)域的遠(yuǎn)近程度。另外，不同紅外輻射的光譜成分和強度由輻射體本身溫度所決定。依靠對目標(biāo)自身輻射或反射的紅外電磁波進(jìn)行探測的成像為紅外成像系統(tǒng)。對比可見光成像系統(tǒng)，紅外成像系統(tǒng)具有較強的復(fù)雜能力，不受外界光線條件的限制，在夜間和雨、霧、霾等天氣條件下均

這其中以美國卡耐基梅隆大學(xué)（Carnegie Mellon University，CMU）研發(fā)的 VSAM 系統(tǒng)[3]，美國 ObjectVideo 公司開發(fā)的 ObjectVideoVEW 系統(tǒng)[4]，瑞典 Axis 公司旗下的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)[5]和中國科學(xué)院自動化所智能監(jiān)控中心自主研發(fā)的 Vstar 系統(tǒng)[6]，天津中星電子與上海貝爾(ASB)公司共同研制的 VISS 系統(tǒng)[7]為代表。圖 1.3 展示了一個以紅外熱成像技術(shù)為核心，對重點區(qū)域進(jìn)行監(jiān)控的安防系統(tǒng)。這類系統(tǒng)具有全天候作業(yè)，無人值守，智能識別、跟蹤和預(yù)警出現(xiàn)的目標(biāo)以及信息互聯(lián)互通、網(wǎng)絡(luò)共享等功能，可以有效地監(jiān)控學(xué)校、醫(yī)院、銀行、倉庫等重要場所，及時地發(fā)現(xiàn)在夜間、雨雪、霧霾等不利天氣條件下或是惡意偽裝條件下當(dāng)前視場范圍內(nèi)出現(xiàn)的人體目標(biāo)，可靠地識別出攜帶刀具、武器等這類帶恐怖主義性質(zhì)的危險人員，前瞻預(yù)警狹窄空間內(nèi)聚集人員的擁擠程度，從而在應(yīng)對2014 年昆明火車站暴恐事件、上海外灘踩踏事件這類公共安全威脅時，可以起到重要的作用。這類系統(tǒng)不僅可以預(yù)防、發(fā)現(xiàn)、控制和打擊違法犯罪，為案件偵破提供線索，還對于提升城市可視化、智能化管理水平，提高政府應(yīng)急處置能力，滿足人民群眾對平安社會的需求具有十分重大的意義。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高國龍;;美國雷神視覺系統(tǒng)公司研制下一代電光/紅外探測器[J];紅外;2015年09期

2 吳駿;劉玉偉;肖志濤;張芳;耿磊;;結(jié)合果蠅算法優(yōu)化PCNN和相位一致性的圖像檢索[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2015年08期

3 ;安訊士全新發(fā)布特別針對中國市場推出的視頻存儲系統(tǒng)——AXIS VMS N16-Z[J];中國安防;2015年14期

4 賈松敏;徐濤;董政胤;李秀智;;采用脈沖耦合神經(jīng)網(wǎng)絡(luò)的改進(jìn)顯著性區(qū)域提取方法[J];光學(xué)精密工程;2015年03期

5 徐亮;李欣;;PSO最優(yōu)化PCNN參數(shù)的皮質(zhì)骨微觀結(jié)構(gòu)圖像分割研究[J];激光雜志;2015年02期

6 孫曉昕;曲偉;侯力梅;孫境余;;空域濾波與頻域濾波下數(shù)字圖像平滑比較[J];黑龍江大學(xué)工程學(xué)報;2014年04期

7 廖傳柱;張旦;江銘炎;;基于ABC-PCNN模型的圖像分割[J];南京理工大學(xué)學(xué)報;2014年04期

8 唐麟;劉琳;蘇君紅;;紅外圖像噪聲建模及仿真研究[J];紅外技術(shù);2014年07期

9 周東國;高潮;郭永彩;;一種參數(shù)自適應(yīng)的簡化PCNN圖像分割方法[J];自動化學(xué)報;2014年06期

10 楊娜;陳后金;郝曉莉;李艷鳳;;基于多尺度空間PCNN模型的圖像分割算法[J];北京交通大學(xué)學(xué)報;2013年02期

相關(guān)博士學(xué)位論文 前2條

1 安旭;早期視覺皮層對運動和方位信息的處理機制[D];中國科學(xué)技術(shù)大學(xué);2014年

2 陳昱蒞;基于參數(shù)自動設(shè)置的簡化PCNN模型（SPCNN）的圖像分割及其在目標(biāo)識別上的應(yīng)用[D];蘭州大學(xué);2011年

相關(guān)碩士學(xué)位論文 前2條

1 劉世超;夜間紅外靶標(biāo)設(shè)計與研究[D];山東大學(xué);2016年

2 喬世權(quán);基于熵算法的膝關(guān)節(jié)紅外圖像特征提取研究[D];河北科技大學(xué);2011年

本文編號：2788154