CN101872484B - 图像域中多个微弱目标航迹自适应生长检测方法 - Google Patents

Abstract

本发明公开了一种图像域中多个微弱目标航迹自适应生长检测方法，它涉及运动目标跟踪领域，主要解决现有方法难以在低信噪比情况下检测多运动目标曲线航迹的问题。其检测过程为：首先在对雷达回波进行处理获得距离-时间图像的基础上，基于相位一致性模型进行边缘提取；然后通过对边缘检测结果采用数字图像处理方法，经过骨架化及自适应区域生长技术实现定位边缘中心，去除伪边缘和连通具有一致性边缘走向的连通区域的目的；最后采用结合clearing方法和迭代最小二乘方法估计目标运动轨迹和运动参数。本发明具有能够精确估计出多条曲线航迹参数的优点，可用于雷达等监视系统实现高速、微弱目标检测与跟踪的数据处理领域。

Description

图像域中多个微弱目标航迹自适应生长检测方法

技术领域

本发明涉及多运动目标跟踪领域，特别涉及高速、微弱运动目标航迹检测方法，可用于雷达等监视系统对高速、微弱目标实现检测与跟踪。

背景技术

高科技背景下的现代战争，对战场进行连续监视，能为势态评估、指挥等应用提供丰富的战略和战术信息，对取得战争胜利起着关键的作用。雷达以其全天时、全天候工作特点，一直是战场监视系统的核心。

针对高速、微弱目标的积累检测问题，通常采用短时相干积累和长时非相干积累结合的方法。航迹处理是长时非相干积累的有效手段，其核心问题是航迹起始、航迹关联与航迹跟踪。典型的航迹起始方法包括：面向目标的顺序处理技术，如直观法、逻辑法；面向量测的批处理技术，如Hough变换法。顺序处理技术适用于相对无杂波背景的目标航迹起始检测；而批处理技术适用于强杂波背景中目标航迹的起始检测，但增加了计算负担。

下面对几个典型航迹起始方法进行简略介绍。

1.直观法。针对雷达连续扫描期间接收到的顺序观测值，利用物体运动学原理，相邻两次扫描任意两个量测，若属于同一个目标，则两两量测与扫描时间之比介于目标最小速度与最大速度之间，另外加速度也会受到目标最大加速度值的约束，为减少形成虚假航迹可能性，还可以加入角度限制。此类方法是一种较为粗糙的不考虑量测噪声的确定性方法。在没有真假目标先验信息情况下，仍是一种可以应用于或参与部分应用的方法。具体应用时，此类方法易受量测噪声的影响，性能不稳定，易出现虚假航迹。

2.逻辑法。针对雷达连续扫描期间接收到的顺序观测值，是以多重假设的方式通过预测和相关波门来识别可能存在的航迹，对整个航迹处理过程均适用。此方法虽说比较直观法精细，但不适合密集杂波情况。

3.Hough变换法。将雷达经多次扫描得到的数据看作一幅图像，用Hough变换检测目标轨迹，此法可应用于搜索雷达中检测直线运动或近似直线运动的低可观测目标。Hough变换法是将图像域中的线检测问题简化成参数空间中的点检测问题。检测直线时需要两个参数，即斜距和斜率；若检测曲线，即使采用随机Hough变换，运算量也明显增加，实际应用中，使用Hough变换法难以实现曲线航迹的检测。此外，针对低信噪比图像，使用Hough变换法在进行参数空间极大值搜索时阈值难以确定，往往出现“虚峰”和“漏检”的问题，此时Hough变换的性能将急剧下降。因此该方法的缺点是检测速度慢；并且精度不够高。

发明内容

本发明的目的在于克服上述已有航迹起始方法的不足，提供一种图像域中多个微弱目标航迹自适应生长检测方法，以实现对多运动目标曲线航迹检测，降低噪声干扰，提高检测精度和检测速度。

本发明的技术方案是：首先基于相位一致性模型对目标航迹检测图像，如距离-多普勒图像，距离-时间图像，进行边缘提取；然后针对边缘检测结果进行骨架化及自适应区域生长处理，经过标记方向信息、方向一致性判断、杂乱点剔除及区域生长处理实现去除虚假边缘和连接断裂边缘的目的；最后结合clearing方法和迭代最小二乘法完成多目标航迹的提取检测和估计参数。具体实现步骤包括如下：

(1)利用Peter Kovesi改进的相位一致性公式计算相位一致性值，并利用该值对目标航迹检测图像进行边缘提取，所述的相位一致性公式为：

其中，W(x)为频率加权函数，符号

表示表达式为正时取自身，否则取0，A_no(x)代表x点处o方向傅里叶级数分解n次谐波的振幅，ΔΦ_no(x)代表x点处o方向傅里叶级数分解n次谐波的相位与o方向所有谐波相位均值的相位偏差函数值，T_o代表o方向的噪声门限，ε为极小正值；

(2)采用形态学骨架化处理法对提取到的边缘轮廓进行中心化处理；

(3)采用掩膜法对中心化后的边缘轮廓的点迹进行方向信息的标记，并依据方向信息的统计分布确定出点迹的方向一致性；

(4)设定连通域中点迹数目的门限为6，将中心化后的检测边缘中连通点迹数小于该门限并且方向不一致的点判定为噪声或伪边缘予以去除，以去除虚假检测边缘；

(5)采用区域生长法对去除虚假检测边缘后的边缘轮廓依据方向信息及方向一致性信息进行生长，连接其断裂边缘，实现对边缘轮廓的自适应区域生长；

(6)采用clearing方法和迭代最小二乘方法，对自适应区域生长后的边缘轮廓进行多目标航迹提取及运动参数估计处理。

本发明与现有技术相比具有以下优点：

1)本发明由于利用Peter Kovesi改进的相位一致性公式计算相位一致性值，并利用该值，对目标航迹检测图像进行边缘提取，并对该操作进行了噪声补偿，因而能减小噪声对边缘检测的影响，相比利用图像梯度信息的边缘检测方法，在一定程度上缓解了噪声对边缘检测的影响。

2)本发明由于对相位一致性模型边缘检测结果采用形态学骨架化处理法进行了中心化处理，克服相位一致性模型检测到的边缘存在边缘扩散的问题，因而使边缘中心定位更为精确，并能降低后续处理的运算量。

3)本发明由于对相位一致性模型边缘检测结果进行了自适应区域生长处理，该操作对检测边缘利用掩膜法进行像素方向信息标记，利用像素邻域内方向信息的统计结果进行方向一致性判断，再利用方向信息与一致性信息，设置连通域中点迹数目门限为6，将连通点迹数小于给定门限且方向不一致的点判定为噪声或伪边缘予以去除，并进行自适应区域生长操作，克服了受噪声影响而导致的相位一致性模型检测到的边缘存在虚假边缘和边缘断裂的问题。

4)本发明由于对已自适应区域生长后的图像采用结合clearing方法和迭代最小二乘拟合处理方法，能够有效检测出多目标的曲线航迹，即使航迹存在交叉，仍然能够检测出，同时提高了航迹检测精度，加快了航迹检测速度。

5)本发明相比现有Hough变换法，提高了检测精度和检测速度，并且能够有效检测多目标的曲线航迹。

附图说明

图1是本发明的多目标航迹检测的总流程示意图；

图2是本发明运动目标斜距历程示意图；

图3是本发明使用的数字形态学骨架化示意图；

图4是本发明多目标航迹提取子流程图；

图5是本发明信干噪比为4dB的距离-时间仿真图；

图6是用本发明对距离-时间图像采用相位一致性模型边缘检测的仿真图；

图7是本发明用掩膜法对相位一致性模型的边缘标记的方向信息图；

图8是用本发明对相位一致性模型的边缘自适应区域生长的处理仿真图；

图9是本发明用clearing方法与迭代最小二乘法提取拟合得到的多目标航迹仿真图。

具体实施方式

雷达图像中的运动目标航迹的信号模型如图2所示。其中，●代表运动目标的质心；v_r、v_α、α_r、α_α分别表示运动目标径向运动速度、方位速度、径向加速度、方位加速度；R₀代表t＝0时刻目标与雷达的斜距，R_t代表t时刻目标与雷达的瞬时斜距，其表达式为：

$R_t=\sqrt{{(R_0-(v_{r}t+a_r{t}^2/2))}^2+{(v_{\mathrm{\α}}t+a_{\mathrm{\α}}{t}^2/2)}^2}---1)$

在t＝0处对1)式做泰勒展开得到：

$R_t=R_0-v_{r}t+\frac{{v_{\mathrm{\α}}}^2-a_r{R}_0}{2R_0}{t}^2-(\frac{v_{\mathrm{\α}}{a}_{\mathrm{\α}}}{2R_0}+\frac{v_r{v}_{\mathrm{\α}}^2}{2{R_0}^2})t^3+o\left(t^3\right)---2)$

其中，o(t³)代表四次项及更高次项，忽略四次及更高次项，并且得到：

$R_t\≈R_0-v_{r}t+\frac{{v_{\mathrm{\α}}}^2-a_r{R}_0}{2R_0}{t}^2-\frac{v_{\mathrm{\α}}{a}_{\mathrm{\α}}}{2R_0}{t}^3---3)$

将式3)简化为：

$R_t\stackrel{\mathrm{\Δ}}{=}{R}_0+a_{1}t+a_2{t}^2+a_3{t}^3---4)$

其中，α₁＝-v_r， $a_2=\frac{{v_{\mathrm{\α}}}^2-a_r{R}_0}{2R_0},$ $a_3=-\frac{v_{\mathrm{\α}}{a}_{\mathrm{\α}}}{2R_0}.$

若以t＝0时为基准，则t时刻目标的相位历程为：

$\mathrm{\φ}\left(t\right)=-\frac{4\mathrm{\π}}{\mathrm{\λ}}(R_t-R_0)=-\frac{4\mathrm{\π}}{\mathrm{\λ}}(a_{1}t+a_2{t}^2+a_3{t}^3)---5)$

而回波多普勒为

多普勒调频率为

可以得到：

$f_d=-\frac{2}{\mathrm{\λ}}(a_1+2a_{2}t+3a_3{t}^2)---\left(6\right)$

$k=-\frac{4}{\mathrm{\λ}}(a_2+3a_{3}t)---7)$

将式6)简化为：

$f_d\stackrel{\mathrm{\Δ}}{=}{b}_0+b_{1}t+b_2{t}^2---8)$

将式7)简化为：

$k\stackrel{\mathrm{\Δ}}{=}{c}_1+c_{2}t---9)$

其中， $b_0=-\frac{2}{\mathrm{\λ}}{a}_1,$ $b_1=-\frac{4}{\mathrm{\λ}}{a}_2,$ $b_2=-\frac{6}{\mathrm{\λ}}{a}_3;$ $c_1=b_1=-\frac{4}{\mathrm{\λ}}{a}_2,$ $c_2=2b_2=-\frac{12}{\mathrm{\λ}}{a}_3,$

因此，在时间-多普勒图像中运动目标轨迹方程为一个二次项或更高次项曲线，在距离-时间图像中运动目标轨迹方程也是一个二次项或更高次项曲线，而现有方法如Hough变换法只能有效地检测出图像中的直线，为了能对曲线形式的航迹进行有效地检测，提出了本发明的方法。

参照图1，本发明的具体实施步骤如下：

步骤1.利用相位一致性模型对雷达图像进行边缘检测。

所谓相位一致性，就是指图像的各个位置上各个频率成分的相位相似度的一种度量方式，它是一个无量纲的量。在图像的特征点处，相位一致性值最大。因此，可以利用图像相位一致性值来提取图像的特征边缘。

(1.1)依据相位一致性公式计算相位一致性值。

相位一致性公式为：

其中，W(x)为频率加权函数，符号表示表达式为正时取自身，否则取0，A_no(x)代表x点处o方向傅里叶级数分解n次谐波的振幅，ΔΦ_no(x)代表x点处o方向傅里叶级数分解n次谐波的相位与o方向所有谐波相位均值的相位偏差函数值，T_o代表o方向的噪声门限，ε为极小正值。

由式10)可知相位一致性值的范围为[0，1]，越接近于1，相位一致性越高。

1.1a)计算x点处o方向傅里叶级数分解n次谐波的振幅A_no(x)与相位偏差函数ΔΦ_no(x)，通过用Log Gabor小波滤波器对距离-时间图像进行滤波处理得到的；

由于Log Gabor滤波器具有优良性能：一是在对数频率刻度，具有高斯形状的传输函数；二是奇对称滤波器在任意带宽保持0直流分量；三是可以使得信号特征的小波系数分散程度达到最小，从而使得信号能量局限在少数系数当中，使得消噪效果达到最好，因而本发明采用基于Log Gabor奇偶线性相位滤波器组的两个独立的小波变换来实现滤波处理，即：

设置用做径向滤波的Log Gabor传递函数为

用做角度向滤波的Log Gabor传递函数为

其中，ω为频率，ωo是滤波器中心频率，κ为2到3之间的固定值，θ为角度，θ₀是滤波器的方向角，σ_θ是在角度方向的高斯扩展函数的标准差。

用上述设置的Log Gabor滤波器对图像进行滤波处理，得到e_n(x)和O_n(x)，分别为n尺度滤波结果的实部和虚部，滤波器响应向量的幅值和相位信息分别记为A_n(x)和φ_n(x)，这几个量的关系为：

$A_n\left(x\right)=\sqrt{e_n{\left(x\right)}^2+o_n{\left(x\right)}^2}---11)$

φ_n(x)＝atan2(e_n(x)，o_n(x))                             12)

记

为x点处所有尺度傅立叶级数初相角的均值，为了使相位偏差函数更明显地体现相位一致性，使用

表示x点处傅里叶级数分解n次谐波相位偏差函数值。

对每个方向分别滤波，可得o方向傅里叶级数n次谐波的振幅A_no(x)与相位偏差函数值ΔΦ_no(x)；

1.1b)计算噪声补偿量T_o

针对含噪图像，为了减弱噪声对边缘检测的影响，需要进行噪声补偿，若图像具有如下三个特征：

图像噪声是加性噪声；噪声的功率谱是连续的；图像中的特征仅发生在该图像的孤立位置，则能够通过计算距离-时间图像中的噪声能量响应的均值与方差，并根据均值和方差对噪声补偿量T_o进行估计，噪声补偿量T_o的计算公式为：

T_o＝μ_R+κ’σ_R                                     13)

其中，κ′为2到3之间的固定值；μ_R和

是描述噪声能量响应的均值和方差；

1.1c)计算频率加权函数W(x)

使用如下公式计算频率加权函数W(x)：

$W\left(x\right)=\frac{1}{1+e^{\mathrm{\γ}(c-s\left(x\right))}}---14)$

其中，c是滤波器响应范围的切断值；γ是一个控制截止锋利程度的增益因子；s(x)为滤波器响应带宽；

1.1d)将上述步骤计算得到的A_no(x)、ΔΦ_no(x)、T_o与W(x)代入式10)计算相位一致性值。

(1.2)依据相位一致性值分离出图像特征，得到边缘检测结果。

步骤2.采用形态学骨架化处理法和自适应区域生长方法对提取到的边缘轮廓进行中心化、去虚假边缘及连通断裂边缘处理。

(2.1)形态学骨架化处理

由于用相位一致性模型进行边缘检测存在展宽现象，为了使得边缘定位更为精确，进行了骨架化的操作。

骨架具有三个主要特征：连续性，最小宽度为1，中心性。对相位一致性检测边缘进行骨架化处理的目的是在保留图像重要信息的同时，减少图像的冗余信息，使后续操作计算量减少。所谓骨架，以用最大圆盘概念定义的骨架为例，就是指图像内部所有最大内接圆圆心的点集合。如图3(a)所示，为最大圆盘骨架示意图。数学形态骨架抽取算法是获取图像骨架的一种有效方法，用形态学腐蚀和开运算能够获得以最大圆盘方式定义的图像骨架。若X为离散二值图像，X的骨架记为S(X)，则数学形态学对骨架可描述为：

$S\left(X\right)=\underset{n=0}{\overset{N}{\∪}}{S}_n\left(X\right)---15)$

其中，S_n(X)＝(X⊙nB)-[(X ⊙nB)оB]，n＞N时，(X ⊙nB)＝0

S_n(X)表示X的第n个骨架子集，-表示差集，B表示半径为1的数字圆盘，nB表示半径为n的数字圆盘，n＝0时nB为原点像素，N表示X中最大的最大圆盘的半径，⊙表示腐蚀运算，

表示膨胀运算，о表示开运算。

由于离散图像中不存在精确的圆盘，可用其他形状来近似，如图3(b)所示的几种结构元素来近似圆盘。

具体骨架化的操作，即标记相位一致性模型检测边缘的每一个连通区域，将每一连通区域用一系列其内滑动的最大圆盘中心表示，将每一连通区域收缩为单线宽的连通区域。

(2.2)自适应区域生长

由于受到噪声的影响，相位一致性模型检测到的边缘存在断边和伪边缘的问题，针对这一情况，对骨架化处理后的相位一致性模型检测边缘进行自适应区域生长处理。具体的自适应区域生长步骤为：

2.2a)采用掩膜法对中心化后的边缘轮廓的点迹进行方向信息的标记。所用的掩膜模板依次为：

$a=\left[\begin{array}{ccc}1& 0& -1\\ 1& 0& -1\\ 1& 0& -1\end{array}\right],$ $b=\left[\begin{array}{ccc}1& 1& 1\\ 0& 0& 0\\ -1& -1& -1\end{array}\right],$ $c=\left[\begin{array}{ccc}0& 1& 1\\ -1& 0& 1\\ -1& -1& 0\end{array}\right],$ $d=\left[\begin{array}{ccc}1& 1& 0\\ 1& 0& -1\\ 0& -1& -1\end{array}\right],$

其中a为垂直方向的掩膜模版；b为水平方向的掩膜模版；c为左斜45度方向的掩膜模版；d为右斜45度方向的掩膜模版。

用各模板对相位一致性模型检测边缘进行掩膜，取掩膜后绝对值最大的那一类方向代表该像素点的边缘走向；

2.2b)依据某一邻域内方向信息的统计分布进行方向一致性判断，以有值像素点(记为D)为中心，统计其U(D，nr)邻域中四个方向的点的个数，依次记为n₁、n₂、n₃、n₄，并将它们从大到小排序为m₁、m₂、m₃、m₄，以m₁类对应方向作为该点的主方向

以m₂类对应方向作为该点的辅助方向则方向一致性判断准则如下式：

其中，H₀表示方向不一致，H₁表示方向一致，N为m₁、m₂、m₃、m₄中非零的个数，T₀∈(0，1)为判断方向一致性的门限；

2.2c)设定连通域中点迹数目的门限为6，将中心化后的检测边缘中连通点迹数小于该门限并且方向不一致的点判定为噪声或伪边缘予以去除，以去除虚假检测边缘；

2.2d)采用区域生长法对去除虚假检测边缘后的边缘轮廓进行生长，该生长点选取为去除杂乱点后连通区域的末端点，生长方向取为其中α＝m₁/(m₁+m₂)，β＝m₂/(m₁+m₂)，若从生长点按照生长方向生长nr步之内存在像素点，则进行生长，将具有方向一致性并且属于同一目标的运动轨迹的断裂的检测边缘连接起来。

步骤3.采用clearing方法和迭代最小二乘方法对自适应区域生长后的边缘轮廓进行多目标航迹提取及运动参数估计处理。

参照图4，本步骤的具体实现如下：

(3.1)提取自适应区域生长后的边缘图像中所有点，即将已中心化及去噪后的边缘图像中值为1的每个点的位置坐标记录下来，并将所有点的坐标放入一个数组，以每个坐标值代表对应的点，使用数组中坐标信息作为提取出的相应点，记为候选点集；

(3.2)从候选点迹中取出最大连通域构成拟合子集，设所需求解的曲线航迹为一个二次曲线，将拟合子集中点迹的位置信息代入如下线性方程组进行求解，

$\left(\begin{array}{ccc}1& \mathrm{\τ}\left(1\right)& \mathrm{\τ}{\left(1\right)}^2\\ 1& \mathrm{\τ}\left(2\right)& \mathrm{\τ}{\left(2\right)}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ 1& \mathrm{\τ}\left(N\right)& \mathrm{\τ}{\left(N\right)}^2\end{array}\right)\left(\begin{array}{c}{z}_1\\ z_2\\ z_3\end{array}\right)=\left(\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ .\\ .\\ .\\ y\left(N\right)\end{array}\right)---17)$

将17)式记为Bz＝y，该方程的求解可转化为求正则方程(B^TB)z＝B^Ty的解，得到：

z＝(B^TB)^-1B^Ty                                                    18)

此时，对拟合子集拟合得到一条拟合曲线；

(3.3)计算候选点迹中各点到该拟合曲线的距离df，并统计出距离均值μ与距离方差σ²，根据统计距离自适应更新拟合子集；

(3.4)对更新后的拟合子集使用最小二乘方法重新拟合曲线参数；

(3.5)判断前后两次拟合曲线是否相同，若不相同，转至步骤(3.3)，否则，转至步骤(3.6)；

(3.6)得到一个目标的航迹提取结果，并且从候选点迹中剔除拟合子集以更新候选点迹；

(3.7)设定停止条件为候选点迹中不存在目标信息，判断是否满足停止条件，若是，则多目标航迹提取过程结束；否则，转至步骤(3.2)。

本发明的效果可以通过下述实验说明：

1.仿真条件

地基对空警戒雷达的工作波长λ＝0.03m，数据率20次/s，雷达脉冲重复频率为f_PRF＝2000Hz，信号带宽B＝50MHz，积累检测时间为3s。一帧数据包含四个运动目标，其中：

目标1的运动参数为： $R_0^1=20050m,$ $v_r^1=-100m/s,$ $v_{\mathrm{\α}}^1=447m/s,$ $a_r^1=50m/s^2,$ $a_{\mathrm{\α}}^1=1m/s^2;$

目标2的运动参数为： $R_0^2=20150m,$ $v_r^2=-50m/s,$ $v_{\mathrm{\α}}^2=0m/s,$ $a_r^2=-20m/s^2,$ $a_{\mathrm{\α}}^2=5m/s^2;$

目标3的运动参数为： $R_0^3=20300m,$ $v_r^3=20m/s,$ $v_{\mathrm{\α}}^3=200m/s,$ $a_r^3=32m/s^2,$ $a_{\mathrm{\α}}^3=3m/s^2;$

目标4的运动参数为： $R_0^4=20500m,$ $v_r^4=100m/s,$ $v_{\mathrm{\α}}^4=202m/s,$ $a_r^4=-42m/s^2,$ $a_{\mathrm{\α}}^4=2m/s^2;$

进而，在距离-时间图像中四个运动目标轨迹方程依次为：R₁(t)＝-20t²+100t+50，R₂(t)＝10t²+50t+150，R₃(t)＝-15t²-20t+300，R₄(t)＝20t²-100t+500。

2.仿真内容及结果

仿真A，对距离-时间图像进行仿真，其中包含了四条运动目标轨迹及噪声干扰，四个运动目标轨迹方程依次为：R₁(t)＝-20t²+100t+50，R₂(t)＝10t²+50t+150，R₃(t)＝-15t²-20t+300，R₄(t)＝20t²-100t+500，其仿真结果如图5所示。从图5中可以隐约看到四条运动轨迹。如何清晰正确地提取出这四条航迹并且正确估计出各航迹参数，是本发明的主要任务。为此对图5的仿真距离-时间图像采用本发明相位一致性模型边缘检测步骤进行边缘检测，得到的边缘检测结果如图6所示。其中计算相位一致性利用4个尺度、12个方向的Log Gabor滤波器函数组，相邻尺度的比值为2.1，最小尺度滤波器的波长取输入图像中心频率的倒数，相邻角度比值1.2，噪声补偿系数取8，频率范围加权函数截止点参数取0.4，增益参数取10。

从图6可以发现，使用相位一致性模型边缘检测能够基本检测出图像的边缘，但得到的边缘线宽不是单像素的，并且存在边缘展宽、虚假边缘和边缘断裂等问题。同时从图6可以看出，用本发明的相位一致性模型边缘检测结果，在一定程度上能够减少噪声对边缘检测的影响。

仿真B，对图6的检测结果进行处理的仿真试验。其中，图7为用本发明模版掩膜的方法标记相位一致性模型边缘检测得到的检测边缘的方向信息图，其中图7(a)为垂直方向边缘，图7(b)为水平方向边缘，图7(c)为左斜45度方向边缘，图7(d)为右斜45度方向边缘。

图8给出采用本发明的根据方向信息的一致性及连通区域长度去除杂乱点，并且根据方向信息自适应区域生长后的图像。将图8与图6对比，可以发现减少了很多杂乱的点，而保留了大部分目标轨迹点，并且连通了同一走向的几个边缘连通域。

仿真C，对图8的处理结果进行本发明的clearing方法和迭代最小二乘方法的目标航迹提取操作的仿真试验。仿真结果如图9所示，从图9中可以看出，经过本发明的相位一致性模型边缘检测，自适应区域生长，clearing方法和迭代最小二乘方法的目标航迹提取等步骤后得到的拟合航迹为：R₁(t)＝-17.9012t²+91.6349t+55.9847，R₂(t)＝8.5045t²+54.5265t+147.2233，R₃(t)＝-15.8620t²-19.5274t+299.3769，R₄(t)＝19.0920t²-95.3524t+491.8820，对比理想航迹R₁(t)＝-20t²+100t+50，R₂(t)＝10t²+50t+150，R₃(t)＝-15t²-20t+300，R₄(t)＝20t²-100t+500，参数偏差不大，说明本发明的一系列处理过程能够得到较理想的结果，最终能够正确得到提取拟合的曲线目标数并使目标航迹位置得到重现。

Claims (2)

1.一种图像域中多个微弱目标航迹自适应生长检测方法，包括如下步骤：

(1)利用Peter Kovesi改进的相位一致性公式计算相位一致性值，并利用该值对目标航迹检测图像进行边缘提取，所述的相位一致性公式为：

其中，W(x)为频率加权函数，符号

表示表达式为正时取自身，否则取0，A_no(x)代表x点处o方向傅里叶级数分解n次谐波的振幅，ΔΦ_no(x)代表x点处o方向傅里叶级数分解n次谐波的相位与o方向所有谐波相位均值的相位偏差函数值，T_o代表o方向的噪声门限，ε为极小正值；

(2)采用形态学骨架化处理法对提取到的边缘轮廓进行中心化处理；

(3)采用掩膜法对中心化后的边缘轮廓的点迹进行方向信息的标记，并依据方向信息的统计分布确定出点迹的方向一致性，用各模板对相位一致性模型检测边缘进行掩膜，取掩膜后绝对值最大的那一类方向代表该像素点的边缘走向；

(4)依据某一邻域内方向信息的统计分布进行方向一致性判断，以有值像素点D为中心，统计其U(D，nr)邻域中四个方向的点的个数，依次记为n₁、n₂、n₃、n₄，并将它们从大到小排序为m₁、m₂、m₃、m₄，以m₁类对应方向作为该点的主方向

以m₂类对应方向作为该点的辅助方向则方向一致性判断准则如下式：

其中，H₀表示方向不一致，H₁表示方向一致，N为m₁、m₂、m₃、m₄中非零的个数，T₀∈(0，1)为判断方向一致性的门限，设定连通域中点迹数目的门限为6，将中心化后的检测边缘中连通点迹数小于该门限并且方向不一致的点判定为噪声或伪边缘予以去除，以去除虚假检测边缘；

(5)采用区域生长法以具有方向一致性的连通域的端点作为起始生长点，并依据生长点的方向信息，按照方向信息指示的方向进行生长操作，生长方向取为

其中α＝m₁/(m₁+m₂)，β＝m₂/(m₁+m₂)，若从生长点按照生长方向生长nr步之内存在像素点，则进行生长，将具有方向一致性并且属于同一目标的运动轨迹的断裂的检测边缘连接起来，实现对边缘轮廓的自适应区域生长；

(6)采用clearing方法和迭代最小二乘方法，对自适应区域生长后的边缘轮廓进行多目标航迹提取及运动参数估计处理。

2.根据权利要求1所述的多目标航迹检测方法，其中步骤(6)按如下步骤进行：

(2a)以自适应区域生长后的图像边缘作为候选点迹；

(2b)从候选点迹中取出最大连通域构成拟合子集，对拟合子集采用迭代最小二乘方法拟合得到一条拟合曲线；

(2c)计算候选点迹中各点到该拟合曲线的距离df，并统计出距离均值μ与方差σ²，根据距离自适应更新拟合子集；

(2d)对更新后的拟合子集进行最小二乘拟合；

(2e)判断前后两次拟合曲线是否相同，若不相同，转至步骤(2c)，否则，转至步骤(2f)；

(2f)得到一个目标的航迹提取结果，从候选点迹中剔除拟合子集以更新候选点迹；

(2g)判断候选点迹是否存在目标信息，若是，转至步骤(2b)，否则，多目标航迹提取过程结束。

Images