采用融合异常算法和图像特征的红外图像检测爆炸物

MS.F.FATHIMA
印度巴拉特大学计算机科学与工程系助理教授，印度钦奈-600073

摘要

长波红外(LWIR)系统中不同异常算法决策与图像空间细胞结构特征融合的创新策略，用于道路前视埋地爆炸物危险探测。首先进行预筛选，广泛地帮助生成集中在通用横向墨卡托(UTM)空间的可训练大小的对比度滤波器集合，然后在通用横向墨卡托(UTM)空间中利用平均移位分组从UTM置信图中挖掘不同算法的特征。从基于最大稳定极值区域(mser)和高斯混合模型(GMMs)的UTM置信图中提取图像芯片中可用的特征，展示不同算法的异常决策。将UTM空间中的扫描前命中点以多个距离投影回视频中，提取细胞结构的局部二值模式(lbp)、梯度直方图(hog)和均值方差描述符。实验是在美国陆军试验场使用不同金属含量和深度的埋藏挥发物进行的。FL成像结果非常令人鼓舞，显示假警报(Fas)的数量显著减少。目前未被我们的系统检测到的目标也未被人工可视化检测到

关键字

异常检测，数据融合，爆炸危险检测，前视红外图像。

介绍

暴露于探测和识别极为重要的爆炸性危险中，这些危险对世界上许多武装分子的死亡和受伤负有广泛责任。探测爆炸危险的装置包括探地雷达。红外(IR)摄像机。课题组研究开发了多种前视(FL)车载爆炸物检测技术的算法。， FL探地雷达和红外图像。独立组织早期方法，在每个地方进行测试检测。本文在扫描前位置修改新的图像空间描述符。本文主要研究了前视红外图像中埋藏爆炸物的发现问题。本文提出了五个重要的标准主题:首先，改进了在移动平台的FL透视图像中检测目标的方法。随后，采用多种不同的异常检测算法，将不同的图像聚类进行分组。第三，集成检测器，跨帧操作异常决策。识别细胞结构的图像特征，用于FAR的降低。用前视方法寻找目标，如埋藏的爆炸物。 This paper is widely structured around the flow of information. The image space anomaly detection algorithms and their individual temporal aggregations. The extraction of cell-structured image space features by the back projection of hits at standalone distance. It is achieved by UTM Algorithm decision maps. The information sources are then combined and receiver operating characteristic (ROC) curve analysis is used to determine Positive Detection(PD) and reduce False Alarm Rate(FAR) at different operating levels.

这个项目的主要目标是发现和补救爆炸性危险，因为这些危险在世界各地造成无数平民和士兵的伤亡。这个任务致力于，但不偏向于，在FL透视红外图像中发现埋藏的爆炸性物质。在这部作品中存在着五个重要的主题。首先，讨论了一种用于移动平台(特别是地面)的FL视点图像中难以发现目标的新方法。使用多种不同的异常检测算法来发现每个图像级别和跨图像(时间变化)的不同图像伪影。第三，它讨论了图像内、图像间和检测器集合内的聚类，以及用于跨帧组合异常决策的聚合算子。该项目还提出了一种结合不同系统信息的方法，这些信息是多种异常算法决策和最先进的细胞结构图像空间特征，用于FAR降低。最后，在遥感领域寻找目标(如埋地炸药)的课题很重要。

描述了一种基于可训练大小对比度滤波器和加权均值移位聚类的爆炸物(特别是埋地目标)识别算法。该方法的核心假设是，被埋目标的证据根据已知的近似大小出现在LWIR图像中，并且具有较高的局部图像对比度。这种方法并不局限于LWIR。

方法筛选

在UTM空间中，预筛选命中被反投影到多个距离的视频中，并提取细胞结构的局部二值模式(lbp)、梯度直方图(hog)和均值方差描述符。

2.1可训练大小对比过滤器

用于爆炸物(特别是埋地目标)识别的可训练大小对比度滤波器和加权均值移位聚类。该方法的核心假设是，被埋目标的证据根据已知的近似大小出现在LWIR图像中，并表现出较高的局部图像对比度。

2.2高斯混合模型

详细介绍一种图像空间算法，该算法基于检测道路上最近的局部变化(异常)的概念，特别是在车辆行驶时。该方法基于Stauffer和Grimson的高斯混合模型(GMM)算法。GMM是一种来自视频监控领域的低级计算机视觉工具，用于变化检测。

2.3最稳定极值区

最终探索的图像空间异常检测算法不假设目标形状。它像讨论的其他两种算法一样，并不局限于LWIR。MSER方法背后的激励思想是通过使用最大稳定极值区域(MSER)分割算法寻找期望近似大小的空间相干连接区域来搜索LWIR中的埋藏爆炸危险。

2.4细胞结构平均值

探索了两个最先进的纹理特征和一个对比度特征的效用。具体来说，加权平均偏移聚类中心(预筛选命中)是基于图像特征的第二轮分类。进行第二阶段分类的原因是FAR的进一步降低。

结论

本文提出了一种将长波红外(LWIR)系统中多异常算法决策与图像空间细胞结构特征相结合的方法，用于道路前视埋地爆炸物危险探测。减少FA是这项工作的主要好处。主要是在[0%，85%]的检测率范围内，该项目显示出最大的改进。

未来的工作

在未来的工作中，它将研究优化策略，以学习目前由人类指定的系统参数。虽然它在开发过程中做了一些初始的敏感性分析，但不是针对所有参数，需要进行更详尽和正式的分析。未来的工作还将包括继续探索不同的图像空间算法、特征和分类器。具体来说，需要额外的图像空间算法和其他传感器来处理当前丢失的目标集(预筛选器在任何操作级别上都无法识别的目标)。

数字一览


图1	图2	图3	图4

参考文献

基于图像特征和异常算法的前视红外图像爆炸危险检测[j]，Derek T. Anderson,Kevin E. Stone。应用地球观测与遥感，2012年2月。

J. Farrell, T. Havens, K. C. Ho, J. M. Keller, T. Ton, D. Wong和M. Soumekh，“利用前瞻性探地雷达图像的光谱特征检测爆炸危险”，在国防，安全和传感会议上发表，奥兰多，佛罗里达州，2011。

H. Frigui和P. Gader，“基于边缘直方图描述符和可能最近邻分类器的探地雷达地雷探测和识别”，IEEE翻译。模糊系统。，vol. 17, no. 1, pp.185–199, Feb. 2009.

T. C. Havens, J.M. Keller, K. C. Ho, T. T. Ton, D. C. Wong和M. Soumekh，“FLGPR中爆炸危险探测的窄带处理和融合方法”，发表于2011年国防、安全和传感会议，奥兰多，佛罗里达州。

T. C. Havens, K. C. Ho, J. M. Keller, M. Popescu, T. T. Ton, D. C. Wong和M. Soumekh，“前瞻性探地雷达的局部自适应检测算法”，《地雷、爆炸物体和隐蔽目标的检测与传感》，2010年，奥兰多。

t.c.哈文斯，C。J.Spain, kc何，J.M.凯勒，t.t.t ton,D.C.C. R. Ratto, P. a . Torrione, L.M. Collins，“地雷探测与传感中地雷探测与识别的环境依赖框架中探地雷达现象学的开发”，IEEE译。Geosci。《遥感》，第49卷，第1期。5, pp. 1689-1700, 2011年5月。

F. Soldovieri, O. Lopera, S. Lambot，“结合先进的反演技术，利用探地雷达进行精确的目标定位”，IEEE Trans。Geosci。《遥感》，第49卷，第1期。1，第451-461页，1月。2011.

王涛，王志强，王志强，“基于前视探地雷达信号的特征分析与频率子带处理”，中国机械工程学报。Geosci。遥感，第45卷，no。3，第718-729页，2007。

王涛，J. M. Keller, P. D. Gader，“基于探地雷达的前瞻性地雷探测特征分析”，《地雷和类地雷目标探测与修复技术》，2005年第1期。5794，第1233-1244页。

王涛，O. Sjahputera, J. M. Keller, P. D. Gader，“基于目标跟踪的前向GPR地雷探测”，《地雷和类地雷目标探测与修复技术》，2005年第1期。5794，第1080-1088页。

何建军，李建军，李建军，“利用探地雷达光谱特征进行地雷/杂波识别的研究”，电子工程学报。Geosci。《遥感》，第46卷，第6期。4, pp.1177-1191, 2008年4月。

D. T. Anderson, J. M. Keller和O. Sjahputera，“用于埋藏爆炸物危险探测的前瞻性长波红外图像算法融合”，在国防、安全和传感会议上发表，2011年，佛罗里达州奥兰多。

M. Popescu, K. E. Stone和J. M. Keller，“使用多实例学习框架的前视红外成像目标检测”，在国防、安全和传感会议上发表，奥兰多，佛罗里达州，2011。

M. Popescu, K. Stone, T. Havens, D. Ho和J. Keller，“基于一类分类器的前视红外成像异常检测”，《地雷、爆炸物体和模糊目标的检测与传感》，奥兰多，佛罗里达，2010,pp. 76642B-76642B-8。

C. J. Spain, D. T. Anderson, J. M. Keller, M. Popescu和K. E. Stone，“用于爆炸危险探测的LWIR图像中测量局部变化的高斯混合模型”，在国防、安全和传感会议上发表，奥兰多，2011。

K. Stone, J. M. Keller, M. Popescu, T. C. Havens，和K. C. Ho，“基于红外和彩色图像融合的前视异常检测”，《地雷、爆炸物体和模糊目标的检测与传感》，奥兰多，佛罗里达，2010，第766425-766425-12页。

K. E. Stone, J. M. Keller, M. Popescu和C. J. Spain，“使用前瞻性长波红外图像进行埋藏爆炸物危险探测”，在2011年佛罗里达奥兰多国防、安全和传感会议上发表。

陈志明，郝德宁，“红外热成像技术在地埋地雷探测中的应用:逆问题设置”，电子工程学报。Geosci。遥感，2008年12月。

N. Xiang和J. M. Sabatier，“基于快速序列变换的激光多普勒测震仪的声波地雷探测”，IEEE地球物理学报。遥感，左。，第1卷，第1期。2004年10月4日。

J. M. Sabatier和N. Xiang，“声-震耦合探测埋地反坦克地雷的研究”，IEEE翻译。Geosci。《遥感》，第39卷，第39期。6，第1146-1154页，2001年6月。