（模式識別與智能系統(tǒng)專業(yè)論文）微觀驅替動態(tài)圖象分析中的關鍵算法研究.pdf

y 6 5 43 45 微觀驅替動態(tài)圖象分析中的關鍵算法研究 模式識別2 j 智能系統(tǒng)專業(yè) 研究生 雷榮指導老師 龍建忠 摘要石油是一種重要且同漸枯竭的能源 基于巖石孔隙結構模型的微觀驅替 實驗方法是研究石油在各種巖石孔隙 的滲流特性及剩余油分和特征的一種重 要手段 本課題組將微觀模擬驅替技術與動態(tài)圖象分析技術相結合 丌發(fā)成功 了微觀模擬驅替動態(tài)圖象分析系統(tǒng) 實現(xiàn)了微觀模擬驅替過程中動態(tài)圖象的攝 錄及量化分析等功能 史時攝取驅瞥日標特征的變化過程 并記錄序列圖象的 各種參數(shù) j 4 超 計算攝錄序列圖緣的叢本特征參數(shù) 圖形化特征參數(shù)的動態(tài) 變化規(guī)律 并給出包含時問 6 n 杯m f l j 的數(shù)學表達式 在微觀序列圖中檢測 跟蹤特定孔隙 域的目標油珠的運動 并在宏微觀圖象中進行運動軌跡的比對 描述等 本文作者僅就系統(tǒng)中的部分關鍵技術及算法震丌討論和深入研究 針對本系 統(tǒng)動態(tài)圖象的特點 通過大量的實驗 提出并實現(xiàn)了以下的一些算法或方法 1 提出了一種新的綦于統(tǒng)計平均的盲修m 背景圖象提取方法 該方法不會 出現(xiàn)類似 幀統(tǒng)計平均留下的運動吲影 且也不需要人為設定或調整背景圖象 諺i e i t l 的各種參數(shù)和圍予 進而實現(xiàn)肖景圖象f l 勺畜修正 既減少了計算量 也 免除j 人為的反復二阿 具有較高的效率 且獲得了很好的背景估計效果 提出了揍j 巖石顆粒特征釣閑象配推算法 該算法復雜度較低 時效 性好 在理論上對待配準圖象的分辨率倍率差沒有限制 能提供巖石顆粒的特 征數(shù)據(jù)等 3 任綜合考慮 t l 弱 r q 油珠的運 鰣1 征和已有運動目標檢測 跟蹤算法的基 礎i p 進丁運動池珠的艙測 j 提取j 泓 撾m 了瓠 于運動b 標1 i 變特征進行 油珠跟蹤的算法 實驗表叫 浚算法出l 小了檢測搜索空間 加速了特征匹配跟 蹤 劃系統(tǒng)微觀序列岡豫具有i 過璺 蚋j i i 府挫 關鍵宇 微脫驅替動態(tài)圖琢背勻吲 汁圖象配準汕珠口r 蹤跡線捕述 r e s e a r c ho fs o m e k e ya l g o r i t h m s i n m i c r o d i s p l a c e m e n td y n a m i c i m a g ea n a l y s i ss y s t e m ad i s s e r t a t i o np r e s e n t e df o rt h ed e g r e eo fm a s t e r i n p a u e m r e c o g n i t i o r a n di n t e l l i g e n c e s y s t e m p o s t g r a d u a t e l e ir o n gd i r e c t o r l o n gj i a n z h o n g a b s t r a c tt h eo i li sak i n do fi m p o r t a n ta n dg r a d p a l l yd r i e du pe n e r g y t h e w a t e r o i ld i s p l a c e m e n te x p e r i m e n tb a s e d0 1 1 r o c kp o r em i c r o m o d e li sak i n do f i m p o r t a n tm e a n s t os t u d yt h eo i l sf i l t r a t i o nc h a r a c t e r i s t i ca n dt h ed i s t r i b u t i n gr u l eo f r e m a i n i n go i l c o m b i n i n gd y n a m i ci m a g ea n a l y z i n gt e c h n i q u e w i t hm i c r o m o d e d i s p l a c e m e n tt e c h n i q u e w eh a v ed e v e l o p e dt h em i c r o s c o p i cd i s p l a c e m e n td y n a m i c i m a g ea n a l y s i ss y s t e ms u c c e s s f u l l y t h i ss y s t e mc a nr e a l i z em a n y f u n c t i o n ss u c ha s r e c o r d i n gd y n a m i ci m a g e sr e a l t i m e l ya n da n a l y z i n g t h o s ei m a g e sq u a n t i t a t i v e l y 卜r e c o r dt h ec h a n g eo ft h ed i s p l a c e dt a r g e t sc h a r a c t e r i s t i c sr e a l t i m e l ya n da l l k i n d so f p a r a m e t e r so f t h es e r i a li m a g e s m e a s u r e c o m p u t et h eb a s i cc h a r a c t e r i s t i cp a r a m e t e r so f t h es e r i a l i m a g e s r e c o r d e d 卜d i a g r a m m a t i z e t h e d y n a m i cv a r i e t yr e g u l a t i o n o ft h ec h a r a c t e r i s t i c p a r a m e t e r s a n d c a l c u l a t et h e i rm a t h e m a t i c se x p r e s s i o n sc o n s i s t i n go ft i m ea n d c o o r d i n a t e s d e t e c t t r a c kt h em o v i n go i l b e a d sj n 證es o r e t er o c kp o r e a n ds k e t c ht h e i r t r a c k l i n ei nt h em a c r o s c o p i ca n d m i c r o s c o p i ci m a g e sc o n t r a s t i v e l y i nt h i s p a p e r w ej u s t m a k er e s c a z e h e so ns o m ek e y t e c h n i q u e s o ft h i s m i c r o s c o p i cd i s p l a c e m e n ti m a g ea n a l y s i ss y s t e mb ya n a l y z i n gd y n a m i ci m a g e sa n d d o i n gm a n ye x p e r i m e n t sc a r e f u l l y p r e s e n ta n d r e a l i z em ef o e o w i n ga t g o f i l h r n so r m e t h o d s 1 t h i st h e s i sp r e s e n t san o v e lm e t h o do f m a g eb a c k g r o u n dg e n e r a t i o nb a s e d o r lt h es t a t a v e r a g ea n db l i n dc o r r e c t i o n t h i sm e t h o dc a r l tr e s u l ti no b j e c t sm o v i n g s h a d o ww h i c ha p p e a r si nt h em e t h o do fn f a m e sa v e r a g ea n da l s od on o tn e e dt h e a r t i f i c i a l s e t t i n g o r a d j u s t m e n te v e r y k i n do fp a r a m e t e r so rf a c t o r si n i m a g e b a c k g r o u n dg e n e r a t i o n t h ee x p e r i m e n t s i n d i c a t et h a tt h i sm e t h o dh a v em a n y a d v a n t a g e ss u c h a st h el o w e rc o m p u t a t i o n a lc o m p l e x i t ya n dn oa r t i f i c i a li n t e r f e r e n c e e t c 2 f e a t u r es e l e c t i o ni st h ek e y p a r ti ni m a g em a t c h i n gb a s e d o nf e a t u r e s an e w i m a g er e g i s t r a t i o na l g o r i t h m sb a s e do nt h er o c kg r a i nc h a r a c t e r i s t i ci sp r o p o s e d i t h a sal o w e rc o m p u t a t i o n a lc o m p l e x i t ya n dh a sn ol i m i tt ot h er a t i oo ft h eh i i g h l o w i m a g e r e s o l u t i o n t h e o r e t i c a l l y a sl o n g a st h er o c kg r a i nc h a r a c t e r i s t i cc a nb eo b t m n e d i nt h el o w r e s o l u t i o n m a c r o s c o p i ci m a g ew e l l i t se f f i c i e n c yi s v a l i d a t e db yt h e e x p e r i m e n t s 3 h a dd i s c u s s e dt h e m o v i n gc h a r a c t e ro ft h ep a r t i c u l a ro i l b e a da n dt h e e x i s t i n ga l g o r i t h m sa b o u tt h ed e t e c t i o na n dt r a c k i n gt e c h n i q u eo fm o t i o no b j e c t w e i m p r o v et h eo i l b e a dd e t e c t i o na n dp i c k i n g u pm e t h o d p u tf o r w a r dan o v e lm e t h o d o ft h eo i l b e a d t r a c k i n gb a s e do ni t s i n v a r i a b l ec h a r a c t e r i s t i ct h ee x p e r i m e n l s i n d i c a t e s t h em e n t i o n e dm e t h o d sc a r lr e d u c et h es e a r c h s p a c e a c c e l e r a t et h e c h a r a c t e r i s t i c m a t c h i n ga n dt r a c k i n g h a v eg o o da d a p t a b i l i t yt o 聵l em i c r o s c o p i c s e r i a li m a g e si nt h ed e v e l o p e d s y s t e m k e y w o r d s m i c r o w a t e r o i l d i s p l a c e m e n t d y n a m i ci m a g e b a c k g r o u n d g e n e r a t i o n i m a g er e g i s t r a t i o n o i l b e a dt r a c k i n g t r a c k t r a c i n g 第1 章緒論 1 1 引言 第1 章緒論 石油是儲集在巖石的孔隙空間 并在其中流動的液體 巖石的孔隙結構是 影響石油的儲集 流動特性及開采效果的重要因素之一 因此巖石孔隙結構的 微觀模型及模擬驅替相關技術等的研究顯得格外重要 微觀模型驅替是一種用 來研究流體在多孔介質中流動特性的實驗方法 它不僅能直觀揭示不同潤濕性 和驅替劑的微觀滲流特點 也可以用來研究固體微粒對儲層的傷害以及二 三 次采油中提高采收率等問題 微觀模型模擬驅替實驗技術的關鍵是制作接近實際巖石孔隙結構的微觀模 型 早期制作的微觀模型有粒狀填充模型 規(guī)則網(wǎng)絡模型和刻蝕的人工隨機模 型等 但它們與油層孔隙結構相差甚遠 不能真正模擬流體在多孔介質中的滲 流規(guī)律 因此又發(fā)展了仿真模型 仿真模型是利用光刻技術 將油層巖石鑄體 薄片上的實際孔隙網(wǎng)絡刻蝕在玻璃板上制成的模型 該模型具有兩個突出的特 點 一是實現(xiàn)可視化 能直接觀察孔隙孔道中流體及運動狀況 二是孔隙幾何 形態(tài)和尺寸更接近儲層孔隙結構 可以研究不同孔隙結構中多相流體流動的特 征 驅替機理及剩余油微觀分布特征 砂巖微觀孔隙模型 1 是新一代微觀孔隙 模型 它較完整地保留了實際儲油層的i l 隙結構 粘土礦物 膠結物和巖石孔 隙表面物理特性 模擬注水開發(fā)實驗研究結果更真實可靠 總的來說 現(xiàn)階段 我國大多數(shù)油阡l 科研院所主要利用光刻模型 砂巖模型研究不同孔隙結構的 水驅油特征和剩余油分布等 本文闡述的微觀模擬驅替動態(tài)圖象分析系統(tǒng)是將 微觀模擬驅替技術 和 動態(tài)圖象分析技術 相結合 用于微觀模擬驅替試驗及動態(tài)圖象量化分析的 一項專門技術 微觀模擬驅替技術主要研究多孔介質中流體的微觀滲流特征及機理 它是 利用透明平面微觀模型在各種物理模擬條件下借助顯微設備直接觀測模型孔隙 川大學碩士學位論文微觀驅替動態(tài)幽臻分析中的關鍵算法研究i 鏊 體系內各相流體之間 固液兩相之間的相互作用 來用于模擬 研究孔隙水平 上流體滲流規(guī)律 該試驗手段 可以從微觀 孔隙水平 上觀察和研究驅替過程 中任意時刻的剩余油特征 束縛水分布 剩余油變化特征 采收率特征等 是 開展二 三次采油的重要研究方法 在油田開發(fā)及提高采收率等方面有著廣泛 的應用 本課題組開發(fā)研制的動態(tài)圖象攝錄及量化分析系統(tǒng) 完成了微觀模擬驅替 過程中動態(tài)圖象的攝錄及量化分析等工作 我們通過需求調研 系統(tǒng)分析 算 法設計 實驗等大量工作 實現(xiàn)了如下系統(tǒng)功能 實時攝取驅替目標 可以 是驅替液 被驅替液 孔隙等 特征的變化過程 并記錄每一幅圖象的參數(shù) 如 驅動類型 試驗日期 圖象序號 攝取時間 標尺等 測量攝錄序列圖象 的基本特征參數(shù) 如采蝮率 波及系數(shù) 運動速度 運動方程以及任意目標的 面積 周長 重心 曲率 f e r e t 直徑 面孔率等 也可選擇性地測量所需特征 參數(shù) 圖形化特征參數(shù)的動態(tài)變化規(guī)律 并給出包含時間 坐標在內的數(shù) 學表達式 在高放大倍數(shù)下 攝取目標 部分運動油珠 的動態(tài)商倍率圖象 檢測運動油珠及模型巖石的特征參數(shù) 并顯示油珠在整個模型孔隙中酌行程 進而對驅替特征和變化規(guī)律圖形化描述 通過系統(tǒng)上述動態(tài)圖象攝錄及量化分柝等功能的實現(xiàn) 井結合前面的微觀 模型結構及分析 我們對微觀模型的驅油前緣線特征 推進及波及特征 剩余 油分布特征 孔隙結構特征等就有了較全面和深入的了解 該系統(tǒng)完善的功能 及提供的各種圖象和數(shù)據(jù)對研究油f 開剩余油的分布特征及提高油 開的采收率等 都有重要的意義 目前該系統(tǒng)在勝利油田 江蘇濁圊 大慶濁網(wǎng)靼西南石油學 院等油田和科研科研院所運行良好 1 2 系統(tǒng)結構及功能概述 微觀模擬驅替動念圖象分析系統(tǒng)主要山微觀模型驅替 顯微成像攝錄和顯 微圖象量化分析等三部分組成 如圖1 1 所示 笙 皇墮堡 圖11系統(tǒng)結構 現(xiàn)對這三部分作如下簡要說明 1 微觀驅替部分由微觀模型 注液裝置及控制系統(tǒng)等構成 微觀模型使用 激光刻蝕孔隙模型和真實砂巖微觀孔隙模型這兩種 注液裝置及控制系統(tǒng)主要 用來控制微觀驅替過程中驅替液的流速 流量 微觀驅替功能部分主要用來模 擬石油在巖石孔隙中的滲流情況 一般的模擬操作流程為 熄飽和水壓進模型 以建立束縛水環(huán)境一 將飽和油壓進模型以建立模擬地層結構中油水混合的模 型一 注入驅替液 如水 聚合物等 驅油 觀察 2 成像攝錄部分由顯微鏡 攝像頭及采集卡等構成 顯微鏡采用具有廣視 野大景深的體視顯微鏡 攝像頭既可使用像素點陣為7 6 8 5 7 6 的標準c c 3 攝像 頭 也可使用高分辨率 如點陣數(shù)為1 3 9 0 1 0 4 0 或1 2 8 0 1 0 4 0 的非標攝像頭 采集卡一般根據(jù)實際需求與攝像頭配合選用 成像攝錄主要功能是在觀察驅替 的過程中對感興趣的驅油過程片斷或視場實時攝像 并連同每幅圖象的各項參 數(shù)進行存儲 3 量化分析部分由1 1 節(jié)介紹的四個功能模塊構成 即對先前攝錄的驅替 序列圖象及特征參數(shù)進行分析 測量 計算和圖形化表征 如采收率的計算及 曲線顯示 灌注區(qū)域 推進速度及波及系數(shù)的計算 水前緣線的擬合顯示 微 觀序列圖象中油珠運動參數(shù) 軌跡的計算及其在宏觀圖象中的跡線描述等 1 3 本文研究的內容及目標 限于篇幅 本文中作者的研究主要圍繞動態(tài)圖象攝錄及量化分析系統(tǒng)中的 一些關鍵算法 技術實現(xiàn)和應用展開 在具體介紹本文研究的內容和目標之前 先看看系統(tǒng)攝錄的驅替宏觀圖和 微觀圖 如圖1 2 所示 圖中 宏觀圖成像參數(shù)為 4 x 的物鏡倍率 1 2 的變焦 系數(shù) 微觀圖成像參數(shù)為 4 0 x 的物鏡倍率 1 0 左右的變焦系數(shù) 宏觀圖是 型型叁蘭堡 蘭垡笙壅壁嬰墨整壟查塑壘坌塹生塑羞壁竺壁翌 墮 里笪l 一 指在顯微鏡下能觀測到整個微觀模型的動態(tài)驅替時拍攝的序列圖 主要用于后 期進行采收率的計算及曲線顯示 n 主 n 域 推進速度及波及系數(shù)的計算 水 前緣線的擬合顯示等工作 在宏觀觀測或攝像過程中 若發(fā)現(xiàn)有興趣區(qū)域孔隙 油珠的出現(xiàn) 則調整物鏡倍率和 或變焦系數(shù) 拍攝商倍率的微觀序列圖 微觀 序列圖象主要用于后期進行微觀圖象油珠運動參數(shù) 軌跡的計算及其在宏觀圖 中的跡線描述等工作 宏觀圖 4 x 1 2 1 圖12 攝錄的宏 微觀視圈 微觀圖 4 0 x 1 o 本文研究的具體內容就是針對微觀局部圖象中某一運動油珠 確定其在宏 觀圖象中的位置 并生成油珠的流動軌跡 即研究目標為 固 在微觀圖中檢 測 跟蹤目標油珠的運動 在宏觀圖中配準微觀圖并描述相應油珠的跡線 仔細觀察和分析宏微觀序列圖 我們發(fā)現(xiàn) 宏觀圖和微觀圖的像素點 陣相同 本系統(tǒng)成像攝錄為 7 6 8 5 7 6 微觀圖對應著宏觀圖中的一個興趣 孔隙區(qū)域 基于 文中我們又稱宏觀圖為低倍率圖 微觀圖為高倍率圖1 在微觀圖中清晰可見的油珠并不存在于低倍率的宏觀圈中 因此 為了實 現(xiàn)上述目標 和 本文擬從以下幾個方面來展丌 從微觀序列圖象中提 取不含運動油珠信息的骨架 背景 圖 以供后面的宏微觀圖象配準和運動油 殊榆測跟蹤使用 將提取的背景圖與宏觀圖進行不同倍率的圖象配準 以 找到微觀圖在宏觀圖中的位置及區(qū)域 q 利用 中提取的背景圖 檢測 跟 蹤微觀圖象中部分油珠的運動 計算其運動參數(shù)并描繪其在微觀圖和宏觀圖中 的運動跡線 第1 章緒論 1 4 本文的結構安排 第一章介紹了課題涉及系統(tǒng)的研究背景及整個系統(tǒng)的結構和功能概貌 并 對本文的研究內容及目標作了簡單說明 第二章介紹課題涉及的第一個主題 即微觀序列圉的骨架 背景 圖象的 提取 從估計背景圖象和自適應背景模型估計兩個方面介紹了一些常見的背景 提取方法 接著介紹了在本系統(tǒng)微觀序列圖象特點的基礎上提出的一種新的基 于統(tǒng)計平均的盲修正背景提取方法 最后對算法和提取效果進行了分析車1 2 d 結 第三章主要介紹不同倍率的宏微觀圖象配準 先簡要回顧了常見的圖象配 準技術 而后提出不同倍率的圖象配準問題 介紹了基于尺度空間理論的圖象 配準技術 接下來提出了貼合本文宏微觀圖象特點的 時效較高的配準算法 最后對算法和實驗結果作了分析 討論與小結 第四章首先簡要介紹了常用的目標檢測 提取和跟蹤算法 接著在第二 三章討論的基礎上 并結合序列圖象中油珠的運動特征 介紹了改進的油珠目 標的檢測與提取算法和新提出的基于運動目標不變特征進行油珠跟蹤的算法 并對檢測跟蹤的油珠在宏微觀圖象中進行了運動跡線的比對擬合 最后對算法 和擬合效果作了分析和討論 第五章對本文所作的探討和工作進行了總結 并提出了課題相關技術今后 的研究方向 1 5 作者體會及論文新意 在課題分析 系統(tǒng)設計 實現(xiàn)和論文寫作期間 作者查閱了大量關于石油驅 替 背景估計 圖蘇配準 尺度空聞理論及應用 運動耳標檢測 提取及跟蹤 等方面的中英文書籍和資料 對系統(tǒng)課題涉及的相關技術理論和應用都有了一 定認識和理解 在進行算法對比和實驗分析的基礎上 本文改進或提出了 些 新的算法或實現(xiàn)方案 1 提出了一種新的基于統(tǒng)計平均的盲修 f 背景圖象提取方法 該方法不會出 現(xiàn)類似 幀統(tǒng)計平均留下的運動陰影 且也不需要人為設定或調整背景圖象修正時 叫川大學碩一一學位論文微規(guī)驅替動態(tài)捌象分析中的關鍵算法研究雷榮 的各種參數(shù)和因子 進而實現(xiàn)背景圖象的盲修正 既減少了計算量 也免除了人為 的反復干預 具有較高的提取效率 且獲得了很好的背景提取效果 2 提出了基于巖石顆粒特征的圖象配準算法 該算法復雜度較低 時效性 好 在理論上對待配準圖象的分辨率倍率差沒有限制 能提供巖石顆粒的特征 數(shù)據(jù)等 3 在綜合考慮油珠的運動特征和已有運動目標檢測 跟蹤算法的基礎上 改 進了運動油珠的檢測與提取算法 提出了基于運動目標不變特征進行油珠跟蹤的算 法 實驗表明 該算法減小了檢測搜索空間 加速了特征匹配跟蹤 對系統(tǒng)微觀序 列圖象具有良好的適應性 蘭 里堂型里笪墨笪鹽一一 2 1 引言 第2 章微觀圖背景估計 從緒論的介紹可知 本論文討論課題的基本任務是 在微觀圖中檢測 提取及跟蹤目標油珠的運動 在宏觀圖中配準微觀圖并描述相應油珠的跡 線 單就任務 中涉及的運動目標的檢測 提取與跟蹤來說 其方法主要有 光流法 運動能量檢測法 時域差分法 背景消減法等等 因而提取微觀圖背 景不是必需的 但是任務 中的待配準基準圖 宏觀圖 中并不含有油珠的圖象信 息 也即是需要將微觀背景圖象的估計圖與宏觀基準圖進行配準 綜合考慮任 務 和 系統(tǒng)采用基于背景估計圖象的視頻序列圖象運動目標的檢測與跟蹤 技術 故本章著重討論從微觀序列圖象中獲取背景圖象的估計圖 本文中的圖 象 背景 與一般運動目標檢測中的背景是有一定區(qū)別的 前者除了包含后者 中的圖象信息外 還需剔除微小運動或根本就沒有運動的油珠圖象信息 這是 任務 所要求的 2 2 現(xiàn)有背景圖象 模型 估計算法 由于能提供最完整的特征數(shù)據(jù) 利用當前圖象與背景圖象差分來檢測運動 目標成為運動分割中最常采用的一種方法 4 1 系統(tǒng)若采用光亥4 模型 則骨架背 景較穩(wěn)定 噪聲干擾小 易于估計出骨架背景圖象 若采甩真實砂巖模型 則 背景擾動較多 驅替過程中視場變化較大 不容易估計出一致的背景圖 需建 立 估計和更新背景模型 下面分別從估計背景圖象和自適應背景模型估計等 兩個方面介紹現(xiàn)有的背景圖象 模型 提取算法 2 2 1 估計背景圖象 視頻序列圖象背景提取的關鍵在于隨著對問的推移如何自適應更新背景 四川人學碩 仁學位論文微觀驅替動態(tài)圖蒙分析中的關鍵算 法研究避量 估計圖象 下面主要介e 召j l 種從序列圖象中獲取一個背景估計圖象的方法 如 統(tǒng)計平均法 i i r 濾波器方法 區(qū)分象素類別的背景圖象估計方法等 一 統(tǒng)計平均法 一種常用的自適應背景修正提取方法就是對序列圖象進行多幅平均 這種 方法通常適用于視場內的目標滯留時間較短 運動目標出現(xiàn)幾率小的情況 這 種簡單的背景修正提取方法可采用如下的公式計算 色 古 五十 一l 五一 玩一 吉 五一石一w 2 1 式中 無為第k 幀序列圖 鼠為第k 幀耐的背景估計圖 由上述公式可知 利用統(tǒng)計平均方法對背景圖象進行修正 其中最為關鍵的參數(shù)就是 若背景 中目標并不頻繁出現(xiàn) 剛適當?shù)倪x擇參數(shù) 可以獲得一個較為真實的背景圖象 的估計圖象 文獻 較深入地研究了基于扶度均值的序列圖象背景層估計技術 二 i i r 濾波器方法 與統(tǒng)計平均方法相比 另一種更為一般的自適應背景圖象修正提取的方法是 采用類似于i i r 濾波器的方法 計算公式為 最 1 一d 墳一l 畈 2 2 式中 為第k 幀序列圖 墳為第k 幀時的背景估計圖 口為修正因子 觀察 式 2 2 不難發(fā)現(xiàn) 當n 較小時 可以認為是一種緩慢修正背景圖象的過程 而 當n 較大時 則是一種較快更新背景圖象的過程 由此可推測 當視場中有目標 出現(xiàn) 若使用較大的因子d 則在一定程度上會將運動目標圖象疊加到背景圖象 上 這顯然是不利于真實背景圖象的估計提取和目標檢測的 因此進一步的改 進是在用當前幀圖象對背景圖象進行修正的同時 區(qū)別對待運動中的目標像素 與背景像素 當某一像素被判定為運動目標像素時 則不用該像素的值對背景 圖象進行修正 反之則利用該像素的值對背景進行修正 三 區(qū)分像索類別的背景圖象估計方法 由于使用式 2 2 對每 個新到的像素類別并不加以區(qū)分 在一定程度上會 將運動目標圖象疊加到背景圖象上 區(qū)分像素類型的背景圖象估計方法的修正 提取公式如下 一 腳 劣o 卜甜烈 簍嬲舯撇素 2 3 第2 章微觀圈背景估計 式中 正為第k 幀序列圖 b 第k 幀時的背景估計圖 a 為一常數(shù) 算法具體描述如下 要進行背景圖象修 f 提取 首先應對第k 幀圖象中的像素類型進行區(qū)分 看 其是否屬于運動目標的像素 如可以利用當前相鄰兩幀的差進行象素類別的區(qū) 分 礦恢 x y 一五一l 墨y t h r e s h o l d i n g t h e n x y 變化象素 e l s e x y 非變化象素或背景象素 進而利用式 2 3 就可以較好地獲取背景圖象的估計圖象 2 2 2 自適應背景模型估計 前面介紹的背景圖象估計方法對序列圖背景自身的細小變化很敏感 對那 些非規(guī)則運動的擾動不能很好地更新 維系背景估計 因而就有了自適應背景 模型估計方法 圖象的背景模型有單模態(tài)和多模態(tài)兩種 前者在每個背景點上 的灰值或顏色分布比較集中 可以用單個概率分布模型來描述 后者的分布則 比較分散 需要多個分布模型來共同描述 最常用的描述背景點顏色或灰值分 布的概率模型是高斯分柿 幣態(tài)分和 2 2 2 i 單高斯分布背景模型 該模型算法由背景圖象的估計和更新兩部分組成 在背景圖象的估計算法 中 我們在一段較長的時間段內計算視頻序列圖象每一像素的平均亮度 及像 素亮度的方差籪 由風和霹組成的具有高斯分御的圖象玩作為初始的背景估 計圖象 b o 瑤 2 4 1r i 其中 p o x y 睪 y 2 5 1 i o 霹 w 毒 w 一風 w r 2 6 9 嬰型查蘭堡 堂笪絲蘭壁嬰堅笪墊查塑墨坌塹 墮差墼簦壁嬰壅一墮苧 當背景估計圖象的初始化完成后 隨著每一幀新圖象的到來 需要使用下列 公式不斷自適應地更新背景圖象參數(shù) 得到更新后的背景估計圖象鼠 更新的背景估計圖象 玩 舜 2 7 其中 脅 1 一口 以一i 口 五 2 8 霹 i 口 砝l 口 六一 2 2 9 弘n 志唧 一 眨 其中 腥一給定常數(shù) 使得口的取值在 0 1 之間 其大小決定背景 圖的更新快慢 2 2 2 2多高斯分布背景模型 當視場中有不是運動目標造成的背景像素點擾動時 使得固定位置像素值在 不斷改變 顯示出非單峰分布的特點 使用上述單峰模型方法描述的背景模型 往往不能準確地模擬背景的變化和估計背景圖象 這種多模態(tài)背景的情形可以 用多個分布來共同描述一個圖象點上的顏色分量 s t a u f f e r 等 提出了一種自適 應混合高斯模型 對每個圖象點采用了多個高斯模型的混合表示 一 像素模型的定義 對每一個像素定義其分布模型 設像素值序列為饑 t 一 在其 基礎上定義由多個單模型組成的集合 r x p l f 1 m 2 1 1 m 其中只 h 碼 w f l b 為第f 個單模型 它由三個參數(shù)組 l 成 u 為單模型e 的權值 其大小體現(xiàn)了當前用這個模型表示像素值時的可 靠程度 為單模型p 的均值 體現(xiàn)了每個單峰分布的中心 為單模型b 單峰分稚的寬度 其大小體現(xiàn)了像紊值的不穩(wěn)定程度 m 是單模型的個數(shù) 其 值體現(xiàn)了像素值多峰分布的峰的個數(shù) m 的選取依賴于像素值分布情況 同時 也取決于系統(tǒng)的計算能力 通常的取值為3 5 之間 從上述定義可以看出 要使模型能不斷貼近當前點像素值的分布規(guī)律 需用 每一個新到的像素值 對這個混合模型1 l 勺參數(shù)進行修 f 更新 笙 翌壁翌里翌墨笪鹽 二 像素模型參數(shù)的修正 由于混合模型由多個單模型組成 因此它的修正與單模型參數(shù)修正略有不 同 其參數(shù)修正過程如下 a 對每一個新到的像素值 檢查它是否與這個模型匹配 向ri j t o m 礦k 女 m 葉 口 2 1 2 t h e nm a t c h e d e l s eu n m a t c h e d b 執(zhí)行步驟a 后 一般有以下兩種情況出現(xiàn) 一 清況一 耨翻像素值與相瘦像素混合模型中的某一個或幾個單模型匹配 此時需要改變相應單模型的參數(shù) 方法如下 修正與新到像素值匹配的單模型的權值w w i 1 p h 2 1 3 使用上式修正的原因是我們始終希望定義的背景模型能真實模擬背 景像素值最近時刻的分布情況 根據(jù)此混合模型定義 權重 體現(xiàn)了 最近像素值出現(xiàn)的概率大小 所以當一個新到的像素值與這個分布中的 某一個或幾個單模型像素相匹配時 說明該單模型較符合當前像素值的 分布 故適當增加其權重 b 的大小體現(xiàn)了權重的修正量 較大0 實現(xiàn) 了較快的修正 每次的修j 下量為 w 修正與新到像素值匹配的單模型的參數(shù)竹 及 當新到的像素值與某一單模型相匹配時 需要修正參數(shù)m 和 r 這是因為當新到的像素值與某個單模型匹配時 由概率論可知 其勢必 會影響先前估計 勻概率分布 當單模型的概率分布給定時 可以用過去 的觀測值以及新到的像素值 用極大似然估計的方法重新估計模型的參 數(shù) 下面就以文中采用的高斯 正態(tài) 分布為例 簡要說明修正方法 當 單模型概率密度分稚為高斯分御時 其最大似然分甸的解為 m t2 志薈k 嬰型查堂墮 蘭焦笙莖燮塑堅笪墊查鬯墨坌塹主塑叁堡蔓墮嬰塑一 要堡 一 廣而1 丟m x k j m i j 2 2 1 5 由于對參數(shù)卅f 及 的重新修正 需要保存先前的觀測值 會給系 統(tǒng)設計帶來一定的困難 所以這里的修 e 公式沿用上文修正單模型的方 法來代替 1 一口 t i a 杖 擘i 1 一口 t t 雎2 1 十口 吒一所 2 口書瓦1e x p 一訾2 1 2 f m i 一 2 1 6 2 1 7 2 1 8 未與新到的象素值匹配的單模型參數(shù)的修正 當新到的像素值沒能與某個單模型匹配時 可以認為這個新到的像 素值對這個單模型的分布沒有任何貢獻 故不需要改變這個單模型的參 數(shù) 而只需用下式修改權重 w f t 1 一盧 w 2 1 9 壤況二 頹到像素僮未與像素混臺模型中釣任弼 個單模型匹配 當沒有一個單模型與新到的像素值相匹配時 說明出現(xiàn)了新的分布形 式 而此新的分布形式應被包含在該像素混臺模型集合中 所以需要在加入 一個新的單模型的同時去除掉原混合模型中的一個單模型 具體操作是去除 當前混合模型中權重最小的單模型 同時加入一個參數(shù)如下的新的單模型 w 女 彤m m h f 厶 其中 q 為當前混合模型集合中的最小權重 n 為新到的像素值tt 是 一給定的較大常數(shù) c 對混合模型中各個單模型的權重進行歸一化處理 其中i 1 2 m 2 2 0 三 背景像素模型的建立 上述模型模擬了序列圖象的像素值 即對每一個新到的像素值 判斷其是屬 于目標像素還是背景像素 從某種意義上來說也是在判別哪些單模型適于表示 該背景像素 渺 i 第2 章微觀圖背景估計 一個像素混合模型中可作為背景像素的模型應具有下面的特點 a 權重 較大 b 方差 較小 應同時考慮這兩個因素 但在判斷某一單模型是否為背景像素模型時 很難 權衡兩參數(shù)中哪一個更重要 好在可以不必單獨討論這兩個參數(shù)對模型是否是 背景模型的影響 只需在模型集合中相互對比 以便找出那些屬于背景像素的 模型束 可以使用相對值w 的大小作為評測標準 當然也可以對使用 作為評測標準是否準確表示懷疑 但考慮到所討論的是相對值 所以 w i 就己經(jīng)足夠了 可用如下的方法求取背景像素的模型 a 計算每個單模型的嵋 值 b 按 的值對每個單模型由大到小排序 c 取肘個模型中的前 個作為背景像素模型 2 2 3 討論 前面討論的算法主要針對視頻監(jiān)視和目標跟蹤等一般應用 如飛行器的監(jiān) 視與跟蹤 陸地運動車輛 坦克等的檢測與跟蹤及各種場景下的視頻安保監(jiān)視 系統(tǒng)等 這些應用與系統(tǒng)所涉及的序列圖象一般具有以下特點 背景估計 及目標的跟蹤檢測等都在獲取序列圖象的同時進行 因此要求算法具有一定的 實時性 背景受各種時空環(huán)境的影響而受到較大的噪聲污染 跟蹤檢 測的目標較單一和恒定 位移和大的形態(tài)改變一般不同時發(fā)生等 2 2 1 中討論的背景圖象估計法 其基本的思想是對序列圖象進行加權和 或平均 得到的背景圖象基本是原始背景的近似 目標運動緩慢的情況下將在 提取的背景圖象中形成較嚴重的運動陰影 如圖2 1 所示 實驗表明 2 2 2 節(jié)的自適應背景模型估計法不論是對光刻模型還是砂巖真 實微觀模型的序列圖背景模型估計都會取得較好的效果 但是計算量大 時效 不高 且沒有結合本系統(tǒng)序列圖象所具有的特點 因此下面將在分析本微觀序 列圖象特征的基礎上 提出一種新的有針對性的時效較高的背景圖象估計算法 型型查堂堡圭蘭竺絲蘭壁嬰翌壁墊查塑墨坌塑生竺差堡苧鯊竺塞重苤 一 圖2 1背景估計法提取圖 2 3 本系統(tǒng)涉及微觀序列圖的特點 如圖2 2 所示 本微觀驅替系統(tǒng)涉及的微觀序列圖象具有這些特點 1 序 列圖象的攝錄和對圖象的量化分析是一前一后分開進行的 故在進行背景估計 宏微觀圖象的配準和運動油珠的檢測 跟蹤等處理分析時 所需的圖象都是已 知的 2 相對油珠的運動而言 模型的骨架背景較穩(wěn)定 受噪聲污染小 3 序列圖象中存在很多的運動油珠 且在它們運動的過程中 部分會產(chǎn)生合并和 分化 4 孔隙中并非所有的油珠都按一定的路徑運動 部分油珠會在其中沉 積 徘徊 5 由于孔隙的不規(guī)則和驅油壓力的不恒定等因素 油珠在孔隙中 運動產(chǎn)生位移的同時發(fā)生形變 上述序列圖象具有的這些特點對背景圖象的估計等后期工作將帶來下面的 影響 有利的方面如 系統(tǒng)量化分析的實時性要求不高 微觀背景圖的提取可 基于整個序列圖進行 較穩(wěn)定的 噪聲影響小的骨架背景等有利于減少背景估 計的計算量 同時對算法的實現(xiàn)會有這些不利 運動油珠的合并 分化會給目 標的檢瀏跟蹤工作帶來額外韻難度i 沉積 徘徊的泊珠將被誤認為背景區(qū)域而 被提取 檢測跟蹤的是非剛體特定目標 因此跟蹤目標的特征不容易描述和提 取 圖2 3 是5 9 幀微觀序列圖中油珠運動的合成效果圖 從圖中可以看出 模 型骨架背景較穩(wěn)定 運動油珠和背景反差較明顯 油珠在孔隙中運動較緩慢 導致幀問運動油珠的重疊較嚴重等 第2 章微觀圖背景估計 第1 幀 第2 1 幀 第1 1 幀 第3 1 幀 第4 1 幀 第5 1 幀 圖2 2 攝錄的微觀序n l l l 部分1 圖2 3 油珠運動合成效果圖 網(wǎng)川大學碩 l 學位論文 微觀驅替動態(tài)圖象分析中的關鍵算法研究雷榮 2 4 基于統(tǒng)計平均的盲修正背景提取法及效果分析 針對前面序列圖特征的分析和已有算法的討論 本文提出了 種基于統(tǒng)計 平均的盲修正背景提取算法 該算法主要分三步進行 笫 步 對整個序列圖象利用式 2 2 1 求取背景估計圖象中每像素點的均 值 b t y 2 專善z o 2 2 1 第二步 對上步中獲得的b x y 進行逐像素點的修正 加rx 0t o x 盯 1 加ry 01 0y y i 力ri 1 t oi nf n 為序列圖象幀數(shù) 礦 b x y r r 其比7 z 接近l o r 在這種情況下 基于圖象特征配準算法的搜索空間比前面介紹的經(jīng)典圖象 配準算法更大 更復雜 而且 由于以下原因 固 特征檢測和匹配都是依賴 于圖象分辨率的過程 高倍率圖象只對應低倍率圖象的 個小區(qū)域 因此 后者中含有很多與前者不相匹配的特征信息 由于有關高低倍率圖象的深 度信息不夠 很難建立和估計匹配映射函數(shù)及其參數(shù) 先前經(jīng)典圖象配準方法 叫川大學碩十學位論文微觀驅替動態(tài)圖象分析中的關鍵算法研究 雷榮 不能較好地解決本課題涉及的配準問題 為此 本文采用的第一個方法是 a 建立高倍率圖象的尺度空間表示 b 將高倍率圖象的尺度空間表示與低倍率圖 象進行配準 圖象的尺度空間表示可通過用具有可變方差 尺度因子 的高斯核 函數(shù)濾波 平滑 圖象而獲得 這樣高倍率圖象就可用具有不同尺度因子的離散 的圖象集合來描述 在這種描述的前提下 一對一 的圖象配準就變?yōu)?對 多 的圖象配準 在下面的小節(jié)中詳細討論了這種算法 圖象點特征或興 趣點及其相關描述符 尺度空問表示 從高倍率圖象到低倍率圖象對應區(qū) 域映射幾何模型的建立 待配準圖象的點對點配準策略及圖象區(qū)域間幾何 映射的魯棒估計 3 4 基于尺度空間理論的圖象配準技術 獬 以參摧率柬解釋圖象結構的圖象金字塔妤硯是一系列以金字塔形 狡排列的 分辨率逐步降低的圖象集合 這種類似于人類視覺感知機理的由粗到精的特征 提取策略及圖象分析方法已有深入的研究和廣泛的應用 w i k i n 和k o c n d e r i n k 認為圖象尺度足連續(xù)的 并在圖象高斯金字塔的基礎上提出了圖象結構不同尺 度的擴散方程表示等 后 柬就發(fā)展成了我 f 1 現(xiàn)在熱氮款足度窆闞理論 s c a l e s p a c et h e o r y 3 j l 3 41 尺度空間理論及高斯核 尺度空矧理論的基本思想是通過對原始圖象進行尺度變換 獲得圖象多尺 度下的尺度空叫表示序列 對這些序列進行尺度空間主輪廓的提取 并以該主 輪廓作為一種特征向量 實現(xiàn)邊緣 角點等的檢測和不同分辨率上的特征提取 等 尺度空問表示是一種基于區(qū)域而不是基于邊緣的表達 它不需關于圖象的 先驗知識 與通過減小圖象尺寸而降低計算復雜度的多分辨率表達相比 尺度 空間表示由平滑獲得 在所有尺度上都保持了一致的空間取樣 但對同一特征 而言 它在裥糙尺度上比在精細尺度上對應更多的象素點 這樣就使得對這些 數(shù)據(jù)的計算任務得到連續(xù)的簡化 尺度空f 哪核是尺度空間理論的一個重要概念 其定義為 對于某一己知信 第3 章宏微觀圖象的配準 號 若它與變換核k 相卷積后所得信號 f k f f 3 2 0 的極值數(shù) 一階微分過零點數(shù) 不超過原圖象的極值數(shù) 則稱k 為尺度空間核 所進行的變化稱為尺度變換 或稱對信號的尺度空間表示 可以證明 高斯核 是實現(xiàn)尺度變換的唯一變換核 貼 芻 e x p 一嘉 3 2 1 j 是g a u s s i a n 核函數(shù)的方差 或稱g a u s s i a n 變換的空間尺度因子 占越小 則函數(shù)越 集中 即平滑的范圍越小 反之越大 離散信號的尺度空間表示為 f x j k n s f x n 3 2 2 其中k n s 為離散高斯核 s 為空間尺度 且s 艿2 考慮到該離散尺度空 間核k n s 滿足子集特性和對稱性 可推導出完整的歸一化離散高斯核m 1 k n s e s s l j 一 s 一 以 i s r l o s 0 3 2 3 二維情況為 f x y s k m j k n s f x m y n 3 2 4 k 月 s p i o s s 0 根據(jù)視覺前端系統(tǒng)尺度空間理論 高倍率圖象r x y 的多尺度表示即是 t x y 與上述具有不同尺度s 的高斯核函數(shù)的卷積 3 4 2 幾何建模 不失一般性 我們假設攝錄的高倍率微觀圖中任 3 d 物體的成像物距相同 因而認為它們具有一致的分辨率 但很明顯 這種假設對低倍率的宏觀圖并不 成立 因為其中包含很多處于不同物距上的特征信息 這樣本節(jié)的配準任務就 是在低倍率圖象中找到一個與高倍率圖象相對應的區(qū)域 可這樣認為 模板圖 和基準圖之f n j 的映射為某 平面投影變換 而這個平面投影變換的可用 個 3 3 的齊次滿秩矩陣 來表示 凹川大學碩士學位論文微觀驅替動態(tài)圈象分析中的關鍵算法研究雷榮 設m n 分別為低倍率宏觀孔隙圖r x y 及高倍率的微觀背景圖t x y 中 平面投影變換具有不變性的圖象描述子是很難估算的 也就是說想要恰當?shù)卦?待配準圖象中尋找滿足式 3 2 5 的潛在點不是一件容易的事 為此 進一步簡化 r c o s 目一h s i n 0 a l m fh s i n 0 h c o s o b 卜 3 2 6 l 00 1 j 式中 p 表示待配準圖象間的旋轉 口 6 為投影平面間的位移矢量 為相似 在實際運算中 常用下面的二維矢量x x 替代表示上述的三維矢量聆 肌 n 及 竹 i x 2h r x t f 3 2 7 這里 r 為2 x 2 的旋轉矩陣 t 為映射變換中的位移矢量 為了將用這種幾何模型變換關聯(lián)起來的兩幅圖象進行配準 必須定義 種相 似性度量 在實驗中 使用如下定義的相似相關性作為度量 j r 一 a p 一r x 一印 r一 r x y 石 7 x j 3 2 8 式中 卸和卸 式相對于x 及一的偏移矢量 用式 3 2 7 t 拘一及 p h r a p 代入