差分算法外文翻译

1、中原工学院毕业设计（论文）译文 毕业设计（论文）译文题目名称：Target Detection and Tracking of moving objects for terrestrial optical images（地面光学图像的运动目标检测与跟踪）院系名称：计算机学院班 级： 学 号：学生姓名： 指导教师： 2015 年 3 月摘要地面光学摄影测量学是一种低成本的监控技术，是常用的变化检测研究。对于滑坡监测来说，图像相关技术通常用于生成数字表面模型（DSM）从立体声或测量从单一视图的时间间隔序列的二维表面位移场。图像相关性允许在亚像素精度检测领域的空间连续位移。然而，这些技术在评估位移方

2、面有一定的局限性，其原因在于：1）它在纹理的变化，图像中的桩的形状和辐射的敏感度，2）空间规则采样网格的需要，3）尽可能高的计算时间，可能阻挡大型图像数据集的处理。为了解决这些限制，实现了一种基于目标检测和跟踪的一种替代和互补的方法（TDT）算法对图像序列的目标位移的快速计算算法。TDT的代码，是一个基于MATLAB的工具，能够自然的或人为的目标跟踪。在基于地面的测量中，TDT的编码精度在与几个图像在超索兹滑坡取得了一系列的评估（法国南部阿尔卑斯山）相比，计算相对精度在10.3 10.4之间（5厘米的相当于在115米）。虽然该方法不提供空间上连续的信息，它提供了一下两点：1）在相同图像相关精度

3、的命令下，一个量化的目标位移（亚像素精度）；2）由于地面位移过大，图像匹配失败的信息。敏感性分析表明，不确定性的主要来源是摄影机的运动和/或镜头畸变和TDT本身。关键字：位移监测；时间序列图像；地面光学图像；滑坡；目标检测与跟踪1.引言数字无源传感器（即在可见光光谱中的操作的传感器），如单镜头反光（SLR）相机，越来越多地被用于地面地质灾害监测（例如，冰河，火山侧翼，山体滑坡）。因为与较昂贵的地面激光扫描仪（TLS）或雷达成像（GB InSAR）相比，其成本较低。事实上，由于大的消费市场，传感器的分辨率迅速增加；例如，廉价的9到16像素的摄像头可在2013即可很容易得到，允许阵列的相机可以在领

4、域中广泛使用。提供定性信息的被动光学传感器（即，识别大景观变化，气候条件，积雪覆盖的存在和位置的传感器。以立体视图的三维定量信息（即，数字表面模型（DSM）的创作，位移监测，跟踪和表面状态的变化）。就地表位移监测的情况来说，最新研究的重点是图像相关技术的发展，通过最大化之间的相关函数的至少一对立体图像来确定平均的空间移位。该技术已经在冰河位移域和缓慢的滑坡在亚像素精度和产生伪的变形的连续映射中证明其性能。然而，在辐射变化较大的情况下，减少在图像相关技术的性能下降方面来说，纹理或几何对象处于两个不同的时期。因此，结合刚性和非刚性变形很难评估复杂的位移模式，快速运动的特征是重要的表面状态的变化，或

5、物体的透视失真所造成的运动。这些特征都能在特定的滑坡遇到。此外，图像的相关性可以对光照条件（例如，太阳高度）和在图像低信噪比方面非常敏感。因此，必须为每个案例研究图像的相关处理参数的最优组合的选择（数字图像相关，相关窗口的大小，数量的分层步骤的处理，相关阈值），仔细评估和限制的过程自动化的能力，特别是需要快速分析的加速运动。这个约束是由一个普通的空间采样网格上的图像的常规的应用扩增。因此图像相关技术可应用于随机点。但这并不是显著的。这可能导致在感兴趣的的区域估计的位移不一致。对于长时间序列的分析，目标检测与跟踪的方法可以用来补充图像相关技术。可以用此方法来估计离散位移随着时间的推移自然的（岩块

6、，大裂缝）或人为的基准。所选择的对象根据其辐射性能标记出来，以确保其检测的有效性和准确准确性。TDT方法在图像相关技术的主要优点是其在空间和时间测量复杂大变形位移模式的能力，拥有很高的信噪比，以及在目标的形状变化和图像在低角度的时间滞后。此外，TDT方法可用于快速评估，如预警系统。该方法的主要局限是量化只有局部（点）的位置处的目标位移的可能性。在已经被提出用于实时测量系统，包括顶部的设计监测火山活动，但其监测边坡运动的潜在用途的情，为白天观测提供了足够的信息进行了限制。这项工作提出了一种基于MATLAB的TDT方法用于滑坡监测，可以用来作为一种补充的图像相关和其他位移观测方法或快速评估。该方法

7、能够鲁棒地跟踪运动目标在背景经历大位移只是稍微敏感目标的纹理变化和旋转。首先，给出了该方法的步骤，包括（i）图像堆栈登记，（ii）目标检测，（iii）在2D图像平面的目标自动跟踪。其次，应用本发明的方法，用两个数据集在超索兹滑坡获得验证（法国南部阿尔卑斯山）使用一些天然和人造目标。第三，误差的来源进行量化。最后，指导建立了顶级的监控系统提出了限制收购的几何形状和摄像机运动所产生的错误。2.方法框架本节介绍的标准来考虑采用TDT方法。本标准适用于对摄像机位置的几何约束条件的研究网站的特点，在视图类型振幅和位移矢量的方向和目标。2.1 建立一个面向TDT方法标准及滑坡的可能途径在对目标跟踪算法的不

8、同类别分类时，确定了四个问题可以根据对象的类型进行检测和量化的变形类型选择最有效的检测方法：如何跟踪对象（即，由线，点，面或补丁）滑坡位移监测，TDT算法可以应用于简单的表面的对象（圆，椭圆，矩形）。在所提出的方法中，对象被减少到一个点，定义为基本面质心。这样的选择，特别适合于小物体占据很小的区域在图像平面。如何实现跟踪功能？滑坡位移监测，边缘和纹理信息的使用进行跟踪是困难的由于高度异质性的表面存在。因此，对象使用其辐射性能跟踪，它总是与周围环境（例如，土壤）。选择最合适的目标跟踪算法的标准是什么？经典的目标检测算法，如点探测器，背景减法或图像分割不能用于滑坡位移监测由于对象可以在图像的时间序

9、列表现出非常大的位移。因此，假设图像采集速率为地面位移率是适当的（即，例如，两个连续的图像之间的像素移位比较小），简单的对比度增强算法和质心计算算法。选择最合适的目标跟踪算法的标准是什么？经典的目标检测算法，如点探测器，背景减法，或图像分割不能用于滑坡位移监测由于对象可以在图像的时间序列表现出非常大的位移。因此，假设图像采集速率为地面位移率是适当的（即，例如，两个连续的图像之间的像素移位比较小），简单的对比度增强算法和质心计算算法。选择最合适的算法来跟踪对象的标准是什么？滑坡位移监测，可以合理地假设，跟踪对象的辐射特性具有足够的对比度与周围的材料（即，土壤）。因此，它是假定在一个搜索窗口检测图

10、像中的对象的n对应于在搜索窗口中检测到的对象集中在物体坐标系中的先前图像的n + 1。在该方法中一个重要的假设是在搜索窗口的感兴趣的对象的唯一性。基于这一概念框架，方法论的工作流来跟踪图像的时间序列的自然和人造物体在图1中提出的。其目的是为了获得一个时间序列的坐标系中的图像平面的每个跟踪对象。输入数据的图像的时间序列从一个独特的相机拍摄的，该镜头的径向畸变进行了标定。图像从RGB值转换，然后通过消除色调和饱和度信息，同时保持亮度的亮度灰度值。在下面的章节中，每个处理步骤的详细描述。2.2图像配准在许多自然的环境中，延时相机不能保持很长一段时间，绝对静止的（例如，个月）尽管小心地设置。这个结果在

11、整个图像桩需要去除时间的转变。精确的图像配准是变化检测方法的应用的一个关键元素，因为它决定了位移的可靠性估计。图像配准一般由校正摄像机的运动引起的风或温度的变化（该，1989）和转移的时间序列的每个图像为参考图像的几何。此操作在四个阶段进行，已完全自动化：1图像中的不变的时间点检测：可检测的多种算法中的不变点，Harris角点检测算法是因为它是研究使用固定摄像机的计算更高效。它是基于一阶图像衍生物在Xy方向的灰度图像。图像中对应于滑坡的地区被屏蔽的注册图像只在假定稳定斜坡滑坡。在傅里叶域互相关是在Harris角点进行坐标达到0.1像素匹配的分辨率。2特征匹配：这一阶段包括在完整的图像的时间序列

12、建立不变的点之间的对应关系。使用相关测量计算假定之间的匹配特征点，并指出在XY方向密切相关的配对在一起。3该映射模型的估计：这一阶段包括估计的全局映射模型（MM）最适合在时间序列图像的Harris角点对。即使相机固定在一个极有力巩固土壤，极可能存在的残余运动，和温度循环可以改变相机的内部几何。最合适的模型，通过比较不同的变换（仿射，投影，选择多项式非反射，反射的相似性）和相关的拟合优度的均方根误差准则。在这种情况下，仿射变换（如平移和旋转）产生最低的残差。4物体的投影坐标：这一阶段包括向前突出的物体坐标（而不是完整的图像）使用最好的映射模型。这种方法避免了在投影由于图像插值和重采样误差，保留了

13、图像的辐射和减少处理时间。2.3自动特征检测与跟踪要检测在时间序列图像跟踪的对象是手动选择与接口中的一个互动的画笔工具。手工采摘，对参考图像进行物体的坐标，并利用特征点检测和跟踪方法精制而成（图2）。用于自动检测技术的性能目标（物体的大小，形状，亮度）在下面的章节中讨论。图2假设一个兴趣点的位置并没有改变，特别是从一个图像到另一个（耶尔马兹等人。，2006），一个灵活的搜索窗的中心是从以前的图像对象的坐标。窗口的大小是界定，位移（像素）的两个连续的图像之间的对象的搜索窗口的一半大小。尺寸越大，更大的概率，可以检测出物体在搜索窗口也可以混合与其他对象。从最初的搜索窗口（图2A），背景图片，然后利

14、用秩阶滤波器构造（图2b）中的每个像素与相邻的像素替换的黑暗。数学形态学运算，称为“侵蚀”，只保留了原始图像的大趋势。一个新的缩略图，然后通过从原始图像减去腐蚀图像创建。辐射延伸应用于产生灰度强度范围0和255之间（图2C）。这个操作，称为“开放”，提高了对比度，允许更好的目标检测阈值，并补偿在照明条件的变化。一个二值图像用大津法，从而最大限度地减少了灰度方差在两类假设组成图像。质心位置（例如，坐标系中的图像平面）被计算为先前创建的二进制图像的质心（图2E）。最后，坐标，这是相对于当前图像，通过施加径向透镜畸变模型，提出了映射模型的修正。2.4三维摄影测量重建在第一个步骤，图像处理的每一个独立

15、的相机。在第三步中，三维物体的位移是从对采用摄影测量原理的图像或从独立的DSMS确定。第一，固有参数（比例因子，图像中心，径向透镜畸变）的相机都使用PhotoModeler不同焦距的估计（自检校光束）和Adobe®透镜剖面Creator软件。两个不同的平面棋盘九图像允许反转的径向畸变模型使用布朗，焦距和摄像机的主点。摄像机的外部取向，然后计算（三个欧拉角为取向，为相机位置的局部坐标系）的共线方程（米哈伊尔等人。，2001）利用地面控制点（控制点）在野外调查与DGNSS测量：在u0或v0是在图像平面的中心点坐标，f是焦距，我是旋转矩阵。在立体的情况（或多个）视图，三维重建进行立体观测。

16、在研究现场，从21点计算外部参数。随着摄像机的方位信息，然后就可以确定局部坐标（x，y，z）由两对坐标对象（UA1，1）和（UA2，VA2）通过求解方程的系统（1）A1和A2的相机。为一个独特的案例提出的获取物体的三维坐标通过投影矩阵。在研究现场，DSMS被用来定义45个控制点和反转的外部参数的共线性方程（方程（1）。对DSM的每一个点，一个落后的投影来计算其相应的位置，在图像平面上的图像的每个像素与三维坐标。3对超索兹滑坡图像时间序列中的应用3.1 的超索兹滑坡特征超索兹滑坡（法国南部阿尔卑斯山）是一个流滑坡发展的Callovo牛津黑色泥灰岩海拔2105米在脚趾的冠和1740米。滑坡不断活跃

17、在0.05的平均位移速率为0.20 m 1但每天几米的最大速率已被观察到。从主壁大块连续脱离，他们的进步的机械和化学风化的细小颗粒，保持材料在原位黑色泥灰岩连续下行传播。滑坡的活动是由水文为主，与运动加速度的降雨和融雪事件后续。下面的幻灯片基岩地形复杂和不同的水文地质分区单元，流变和运动行为。表面位移反映埋地形为理解复杂的滑动机制提供有用的信息。他们的测量结果可以用来校准的水力机械模型。这也导致了地下复杂地形，稀疏的点的观察（利用GNSS或全站仪）测量，超出了他们的维修费用，无法捕捉整个形变场。远程滑坡监测是安全设备，提供了一个更好的空间观测的观点。因此，安装三个摄像头在2007和2010获得

18、全局观的滑坡。3.2相机的位置和特点三相机（A1，A2，B）分别安装在不同的稳定位置。A1和A2的相机，寻找下坡，配对，提供一个近距离立体视滑坡的上部，具有位移率最高。相机是安装在滑坡前缘稳定顶看起来上坡。摄像机的特点总结在表1。A1和A2的相机放在75米外，看了N的组成人造目标的横截面（塑料球）50米至140米的相机（图3a）是指在视场。A1和A2的相机设置几何导致基地高度比B / H从1.6到2.1，其中B是两个摄像头之间的距离（基地），和H是从目标到基线的距离。照相机是由一个2000定时器控制（digisnap harbortronics）；每一天，六张在6:0，8:00，10:00，1

19、2:00，14:00，16:00 UTC收购。每一张照片都是存储在一个16 GB的SD记忆卡超二RAW格式。超索兹滑坡现场：a）照片纹理的三维和三摄像头的位置和角度的滑坡渲染。b）一个由宾得相机系统k200d典型安装，一个2000定时器（digisnap harbortronics）和电池安装在一个玻璃房。c）摄像机A1设置：玻璃纤维外壳和5瓦的太阳能电池板固定在一个金属杆。室B is installed on a混凝土柱上嵴前端并置of the滑坡稳定（图3a）。房间900并置和崖下300 m滑坡。控制室是在B模式数据记录器cr10x坎贝尔，which is 40 W太阳能面板供电模式。每一

20、天，acquired影业六是在6点、8点、10点，12点，14点和16点GMT。在完整的B室设置在travelletti等人。（2012年）。应用到图像的选择是从保留最好的照片每一天。一个典型的灰度图像A1，A2和B are如图4。图4说明：从图像的图像acquired室A1，A2和B）B）C）。3.3的目标的特点TDT算法可以跟踪不同类型的具有不同颜色的物体，形状和大小。四种类型的位于50至400米的距离从相机的目标是用于两阶段的性能测试的方法。目标的第一类型是一组十三个白色泡沫球（直径10厘米），放置在顶部的金属棒打入土壤（图5A）。金属杆伸出地面30厘米，放置每0.5，1和2米沿N形（图

21、3D）。这种类型的对象被选中是因为它特别容易跟踪。球形形状允许一个非模糊的中心被定义无论视角。白颜色的图像很少，从而保证了比较好的对比土壤表面。球体的大小对应于5有效像素的直径为25像素，最小的质心坐标计算中的错误。目标是位于47米和88米，从相机A1和77米和140米之间从相机A2。图5跟踪目标的例子：聚苯乙烯球），DGPS天线B），C）和金属板的目标自然明亮的块D）目标二型是细长和扁平的椭球作为GNSS天线和位于下部的档案（图5B）。天线是白色的，被以同样的方式作为发泡胶球。这一目标被选中是因为天线的毫米波定位可每日，可用于评估的TDT算法的性能。对象是位于88.4米和139.7米从相机摄

22、像机A1 A2。有效像素大小分别为20.9毫米和28.1毫米，和目标措施14.2像素和10.8像素摄像头的A1和A2的图像，分别。这些性能与那些最遥远的聚苯乙烯球（# 13）。目标第三式是由人为的一平方米的金属板，涂有黄色和红色的象限（图5C）。这些目标并不总是可见的图像的灰度强度。因此，自动图像跟踪算法对我，这是从RGB图像的颜色带计算，应用。像我计算公式为：I = R（R+G+B），其中R，G和B是红色，绿色和蓝色条带，分别。它是红色的每像素的亮度的比例，使目标与背景的对比度足够。目标第四型由坡面上观察到的自然块（图5D）。相反的人造物体，大小和形状可以有所不同，这些天然的目标是未知的。他

23、们是313米和468米之间的相机，和他们的尺寸范围在1和2米。4.结论在本文中，我们提出了一个目标的检测与跟踪（TDT）方法是基于简单的二进制图像处理作为图像相关配套技术。代码开发工具Matlab和基于开源，如图像相关，允许在一个图像的时间序列的自然的或人为的目标跟踪。方法之间的区别是TDT方法的目的是在图像跟踪目标辐射突出，而图像相关技术常用于轨道上的空间规则网格的随机辐射点。虽然它不允许的空间分布的位移测量，该方法允许在大位移的地区，土壤的改造和辐射和纹理的变化影响的自然或人造的物体跟踪。对象可以通过旋转和尺度变化的影响，并跟踪过程仍然是有效的如果物体的辐射特性都不同于周围的地面。所提出的该代码的使用三序列从超索兹滑坡获得评估（法国南部阿尔卑斯山）。通