基于優化Renyi熵的航拍飛行運動目標圖像提取研究

惲鴻峰 王 超 馬菁源 胡雨峰長春光華學院

0 引言

航拍又稱為空中攝影或航空攝影，是指從空中拍攝獲得俯視圖，即空照圖。航拍的攝像機可以由攝影師控制，也可以自動拍攝或遠程控制?！昂脚娘w行系統”可以展示出高質量的真實現場感和交互感，廣泛應用于房地產全景樓房航拍、旅游景區航拍、城市全景航拍、工業園區航拍等。在森林防火、地震調查、核輻射探測、邊境巡邏、應急救災、農作物估產、管道巡檢、保護區野生動物監測、搭載航拍電子設備進行科研試驗、海事偵察等方面都有應用航拍的需求，具備較好的研究意義和價值。

1 航拍飛行器硬件系統

航拍飛行系統設計中，采用STM32F407微處理器作為主控，利用I2C總線連接電子羅盤、6軸MEMS、氣壓高度計，GPS模塊通過UART串口相連，實時更新當前的位置信息。飛行器底部掛接700線航拍攝像頭，實時采集圖像信息，并通過另外的串口進行遙測數據傳輸。700線攝像頭帶有PAL/NTSC的模擬信號輸出接口，滿足FPV航拍穿越機的基本需求。為保持低空飛行中的距離限制，在飛行器底部安裝超聲波測距模塊，保證低空距離的穩定可調節。

2 運動目標圖像提取

航拍飛行器在慢速飛行中可以實時對運動目標圖像特征進行提取，對相對運動狀態下的目標進行快速識別與處理。研究發現，引入螢火蟲算法可以獲取最優的閾值，通過二維熵方法提取目標圖像以提升速度，但處理過程中存在局部最優解降低識別準確度的情況。在引入逐維更新方法基礎上，利用Tsallis熵的多閾值圖像提取方法，實現運動目標的提取，可以較好地提升目標圖像的識別率，但在處理過程中，存在較多噪聲，獲得的目標圖像效果不佳。傳統Renyi熵方法主要通過單通道的方式對目標圖像進行提取，無法適應航拍過程中目標圖像背景多變的特點。因此，本研究提出一種優化的Renyi熵的目標提取方法，利用圖像的YCbCr顏色計算得到的Renyi熵，更符合運動狀態下多變復雜的背景環境。

3 提取原理與模型

在慢速航拍飛行過程中，最為常見目標圖像提取方法是灰度提取法，但無法適用于背景差異較小且存在明顯噪聲的情況，不能準確劃分圖像的灰度級別。而利用顏色進行圖像的分析與處理，直接劃分運動目標與復雜背景，具備較好的提取效果。首先，利用航拍飛行器批量采集圖像信息，并將信息映射到YCbCr雙通道顏色空間，針對先驗圖像進行的RGB顏色提取，作為后續處理對象的顏色合集。其次，通過均值法對顏色合集進行處理，并獲取協方差矩陣。結合以上因素，計算獲得運動目標的高斯模型，集合雙通道獲得各自的中心點A和中心點B，并對圖形信息和中心點信息進行更新。運動目標圖像識別流程如圖1所示。

4 優化Renyi熵的計算

對于優化Renyi熵的計算，采用直方圖估算YCbCr顏色概率，利用閾值向量劃分4個子區域。其中，區域1為圖像背景區，區域2為噪聲，區域3為運動目標，區域4為邊緣點，如表1所示。

圖1 運動目標圖像識別流程

表1 閾值向量劃分4個子區域

根據閾值向量劃分和像素點顏色分布概率，計算獲得運動目標圖像區域概率和背景區域概率，最后獲取運動目標與區域背景的優化Renyi熵。為了避免受因顏色均值而造成的噪聲影響，在直方圖計算過程中，采用中值濾波方式提高抗噪性能。主要表達式為：

其 中，f(x,y)為 點（x,y） 的 像 素 顏 色 定 義。的 圖 像，為中心點。優化的圖像顏色合集表達式：其中，是 (,)fxym= 與n= 聯合概率。

5 優化Renyi熵閾值圖像提取

利用當前獲取的中心點估算后續中心點，如果迭代處理過程中達到預設值時計算出結果。在后續運動目標圖像提取過程中，主要依據提取閾值、中心點進行判定。迭代處理中，不斷更新中心點和閾值，并實時估算偏移中心點的值，直至中心點滿足更新條件。在運動目標不斷更新變化過程中，獲取的中心點一直逼近運動目標中心點，并根據獲取運動目標進行閾值和邊界的調節，以實現最小化閾值范圍內的寬閾值提取。

原始中心點：

迭代計算公式：

還原操作過程描述：

利用Matlab作為仿真數據分析平臺，對比灰度熵、Tsallis熵、Renyi熵在運動目標圖像提取的速度。具體情況如表2所示。

表2 運動目標圖像提取數據對比

6 結束語

比較得知，基于優化的Renyi熵方法收斂速度較快，執行效率較高，適用于運動目標圖像的提取及圖像批處理。因此，在航拍飛行器的設計中，采用優化的Renyi熵的方法可以較好地提高圖像信息處理速度，為后續數據處理做好準備。