李俊山 张 姣 隋中山 李建军

(1. 广东外语外贸大学南国商学院，广州，510545；2. 西安卫星测控中心，西安，710043；3. 火箭军士官学校，青州，262500)

引 言

目标检测是计算机视觉的重要应用之一，是后续目标识别、跟踪、目标分类以及行为分析的前提。远距离成像时通常会受到复杂变化的大气湍流影响，使得成像结果中存在不规则抖动、偏移和模糊等退化现象[1,2]。因此，如何从湍流退化视频中提取出全部真实的运动目标，同时尽可能降低湍流和噪声干扰导致的误检情况，实现高精度、低误检率的目标检测技术研究具有重要的意义。

传统目标检测算法的基础可分为前景检测、帧间差分和背景减除3类。前景检测是通过对场景中运动矢量的分析得到运动的前景物体，再辅以图像分析来获得运动目标。此类方法无需背景先验知识，常用的有光流法[3,4]、连续张量法[5]。其中，光流法计算复杂且对光照变化敏感，连续张量法提取快速运动的目标结果往往比实际大，难以满足实际应用的要求。帧间差分法[6]采用相邻帧的对应像素相减来揭示连续帧的变化，方法简单快速，但由于帧差法不能有效记录背景的历史信息，使得检测结果往往过于粗糙。背景减除法[7,8]通过一定规则建立背景模型，采用帧间相减和更新背景的方法获得检测结果，其最具有代表性的是混合高斯模型法(Gaussians mixture model, GMM)[9]。该模型利用多个高斯模型描述像素点状态，能够较好地适应场景变化。为改善场景变化(水面波动、树叶摇摆等)对检测效果的影响，不少学者深入研究了GMM方法并提出了相应的改进方法[10,11]。……