CN101930072B - 基于多特征融合的红外弱小运动目标航迹起始方法 - Google Patents

Abstract

本发明提出一种基于多特征融合的红外弱小运动目标起始航迹探测方法。涉及测控技术领域。本发明利用灰度形态滤波估计图像背景，获取去均值图像；采用恒虚警率单帧检测，提取目标，去除虚警区域，抑制杂散噪声；最近邻关联法寻找属性最相似的疑似目标；估计目标的运动速度，对相邻两帧的去均值图像进行移动累加，积累能量；利用M/N逻辑法确认目标航迹。本发明充分利用目标特征在空域和时域表现出的一致性，提高目标航迹起始性能，可广泛应用于各类军、民用系统，具有广阔的市场前景和应用价值。

Description

基于多特征融合的红外弱小运动目标航迹起始方法

技术领域

本发明属于深空飞行器测控领域，具体涉及探测红外弱小运动目标起始航迹的方法，是红外成像搜索与跟踪系统、目标监视系统、卫星遥感系统、安全检查系统等的一项核心技术，在各类军、民用系统中均可有广泛的应用。

背景技术

在各种成像探测跟踪系统中，要求能够尽快地截获并锁定跟踪目标。当探测器与目标之间的距离较远时，目标在成像上表现为只占若干个像素的小目标，并且易于淹没在各种杂波背景和强噪声中，这给目标检测与跟踪带来了很大难度。受多种因素的影响，即使是经过杂波抑制、能量积累后，目标信号能量虽然有所提高，但信噪比仍较低，仍然存在大量虚警，因此如何实时有效地从虚警中将目标辨识出来十分重要。利用目标在时域上的连续性是检测该类目标方法的出发点，而利用目标运动连续性建立运动目标初始航迹则是小弱目标检测与跟踪的首要问题。现有的目标起始航迹探测方法可分为顺序处理法和批数据处理法两大类。顺序处理法适用于在相对弱杂波背景中起始目标的航迹，而批数据处理法用于起始强杂波背景下目标的航迹具有较好的效果。目前用于起始小弱运动目标航迹的批数据处理法主要有Hough变换、动态规划和假设检验等。Hough变换最早应用于图像处理中，主要适用于检测图像中的直线，目前被应用到搜索雷达中检测直线运动或近似直线运动的小弱目标(又称低可观测目标)。然而，该方法较难探测起始机动目标的航迹，尤其难以起始探测平台不稳定导致影射到序列图像中的目标轨迹不是规则曲线的机动目标轨迹。动态规划利用概率密度函数构造以目标运动状态为主要参数的决策目标函数，并优化该函数来建立目标起始轨迹。假设检验与动态规划的出发点相似，它假定目标处于某种运动状态，并在一定时间积累后判决目标是否处于该运动状态。动态规划和假设检验方法简单，成为建立低信噪比小弱运动目标航迹起始的最为常用的方法。

这些起始运动目标航迹的探测方法主要利用的目标特征是其运动连续性，即它在时域上的连续性，却较少利用目标所表现出的其它属性，如其在空域上聚集程度，即空域相关性，造成探测平台不稳定导致影射到序列图像中的目标轨迹不是规则的直线，传统航迹起始方法效果不佳。本发明利用红外弱小目标在序列图像的时域与空域中所表现出的特性，运用多特征融合的思想建立准确的、有效的弱小运动目标起始航迹。

发明内容

探测平台不稳定导致影射到序列图像中的目标轨迹不是规则的直线，传统航迹起始方法效果不佳。针对此问题，本发明以目标与噪声之间的空时显著性差异特征为出发点，提出基于空域邻域聚类和时域轨迹连续性相结合的红外弱小运动目标起始航迹探测方法。本发明采用以下技术方案解决上述技术问题。

图像去均值化处理，采用灰度形态滤波器处理红外图像背景，获取含有目标和噪声的去均值图像；抑制低幅度噪声，空域邻域聚类分析，抑制杂散噪声，去除虚警区域，采用恒虚警率单帧检测提取疑似目标信号，确定疑似目标信号区域，对疑似目标信号区域统计目标像素点数，如果该疑似目标区域内目标像素点数大于给定阈值，则判断目标出现在该区域；分别根据目标的位置、幅度、面积特征λ_i(k)的波动状况确定该区域多特征融合的加权系数；最近邻关联法寻找属性最相似的疑似目标，即根据加权系数与运动目标前后时刻的位置、幅度和面积特征的差异度量目标相似性，确定最相似疑似目标；估计最相似疑似目标的运动速度，并对相邻两帧的去均值图像进行移动累加(可采用匀速直线运动模型)，积累能量；利用M/N逻辑法确认目标航迹，在连续的多帧图像中，如果疑似目标出现次数达到次数阈值，则该疑似目标的航迹为所述运动目标的航迹。

所述图像去均值处理中，对红外图像进行灰度开形态滤波估计红外图像背景，消除与结构元素相比尺寸较小的噪声，获取去均值图像；利用恒虚警率准则选取检测阈值，利用检测阈值对去均值图像进行二元判断获得二值化图像，如果去均值图像的特征值大于检测阈值，则判定为疑似目标，否则判定为噪声，得到二值化图像疑似目标区域；对二值化图像疑似目标区域统计疑似目标像素点数，如果该区域内疑似目标像素点数大于给定阈值，则确定目标出现在该区域，反之，则是虚警区域，予以去除；在连续图像帧的关联区域内采用最近邻关联法寻找属性最相疑似目标，根据目标的运动特征、幅度特征和面积特征的波动状况确定多特征融合的加权系数，并根据加权系数与目标的运动、幅度和面积前后时刻各特征的差异度量目标相似性，确定最相疑似目标；针对确定的最相疑似目标，估计目标的运动速度，去均值图像按此速度移动，并进行累加，积累能量；利用M/N逻辑法确认目标航迹，即对连续的N帧图像中，如果疑似目标出现M次，则认为确认的目标航迹为真实航迹，予以保留，相反，则是虚假航迹，予以去除。

该发明有效利用目标与噪声之间的空时显著性差异，不仅可起始弱小目标直线运动轨迹，同时还能起始弱小目标曲线运动轨迹，克服了以往航迹方法单纯依靠运动连续性，难以起始曲线运动轨迹的缺点，可快速有效提取弱小运动目标起始航迹，为弱小目标跟踪建立基础。

附图说明

图1为本发明工作原理框图。

具体实施方式

针对弱小运动目标在时域和空域上具有与噪声或虚警不同的特征，即时域上，运动目标的连续性决定了其在图像上的投影具有一定的连续性，将以较大概率出现在预测点的邻域内，相反，虚警是杂乱无章，没有规律的，连续多次出现在该邻域内的几率很小；空域上，小目标是占有少量像素且灰度较均匀的小块，聚集程度较高，而噪声点则是独立、不相关的，聚集程度较低。

为了更好地理解本发明的技术方案，下面结合附图对本发明的实施方式作进一步描述。

图1为本发明红外弱小运动目标起始航迹探测方法的工作原理框图。采用灰度形态滤波器对红外图像进行处理得到去均值图像；利用恒虚警率单帧检测器对含目标与噪声的去均值图像选取阈值，进行单帧检测，确定疑似目标区域；然后对疑似目标区域进行空域邻域聚类，去除虚警区域；利用最近邻关联法寻找疑似目标区域内属性最相似的疑似目标；对相邻两帧去均值图像进行移动累加，积累能量；最后利用M/N逻辑法确认目标起始航迹。

1.灰度形态滤波去均值处理。采用灰度形态滤波器获取红外图像背景，消除与结构元素相比尺寸较小的噪声，得到含有目标和噪声的去均值图像。

可用结构元素对图像进行灰度膨胀和腐蚀，并对图像进行灰度开运算，估计红外图像背景，消除比结构元素尺寸小的噪声。

例如，用结构元素b对图像f进行灰度膨胀和腐蚀分别记为：

$(f\⊕b)=\max \{f(x-s)+b\left(s\right)|x-s\∈D_f,s|\∈D_b\}$

$\left(\mathrm{f\Θb}\right)=\min \{f(x-s)-b\left(s\right)|x-s\∈D_f,s\∈D_b\}$

式中，D_f和D_b分别为图像f和结构元素b的定义域，x和s则分别是图像和结构元素的坐标。结构元素b选定准则是较目标约大，通常为5x5的平顶结构。

用结构元素b对图像f进行灰度开运算记为：

利用灰度开运算估计红外图像背景，消除与结构元素相比尺寸较小的噪声。由于远距离目标在红外图像中表现为小的亮斑，本实施例可采用7x7全零平顶形结构元素对红外图像进行灰度形态开运算后，去除了噪声和小目标，获得了红外图像背景，并将其与原图像相减，得到含有目标和噪声的去均值图像。也可采用其他常规方式实现图像的去均值处理。

2.恒虚警率单帧检测，恒虚警率单帧检测器对含目标与噪声的去均值图像确定阈值，利用阈值对去均值图像进行二元判断，即如果幅度大于检测阈值，则认为是疑似目标，否则认为是噪声，得到二值化图像。具体可采用如下方法，

统计去均值红外图像的均值m₀和方差σ，如虚警概率为P_F，调用公式

获取恒虚警概率准则下的阈值η。为了确保目标不丢失，根据经验值虚警概率通常可设为P_F＝0.97。采用恒虚警率准则的单帧检测，使得大量低幅度噪声得到抑制。由于信噪比低、目标幅度小，采用恒虚警率单帧检测获得的图像还存在高亮度噪声。

3.空域邻域聚类。统计二值化图像区域内疑似目标的像素点数，以此计算目标在该区域内出现的概率，再通过判决准则判断目标是否出现在该区域。

例如，假设G(.)是二值化图像，则邻域聚集函数D(.)表示为：

$D(i,j,k)=\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}\underset{n=-p}{\overset{p}{\mathrm{\Σ}}}G(i+m,j+n,k)$

其中，p是邻域半宽。对邻域聚集函数D()采用邻域判断阈值S进行评估目标区域指示函数I(i，j，k)进行判断，如在该区域内疑似像素点个数大于给定阈值，则判断目标出现在该区域；反之，则认为该区域是虚警区域。

$I(i,j,k)=\left\{\begin{array}{cc}1& \begin{array}{cc}\mathrm{if}& D(i,j,k)>S\end{array}\\ 0& \mathrm{others}\end{array}\right.$

通常，区域虚警概率随阈值S增大而急剧下降，随信噪比SNR增加却变化不明显；区域检测概率随阈值S增大而降低缓慢，随信噪比SNR增大而增加；在信噪比一定时，区域检测概率大于区域虚警概率。在信噪比SNR＝3和虚警概率为P_F＝0.97时，参数p＝3和S＝10可达到区域检测概率约为90％，而区域虚警概率小于10％。

经空域邻域聚类滤波后，孤立的虚警点大量减少，有利于后续的目标关联。

4.目标多帧关联，在连续图像帧的关联区域内采用最近邻关联法寻找属性最相似的疑似目标。对经上述判断确定目标出现的区域，分别根据运动目标的位置特征幅度特征

和面积特征

的波动状况确定多特征融合的加权系数。根据加权系数与运动目标前后时刻的位置特征

幅度特征和面积特征

的差异度量目标相似性，确定最相似疑似目标。

对于k时刻，根据目标特征λ_i(k)的预测值

在连续多帧内特征λ_i(k)的方差

调用公式：

${\mathrm{\β}}_i\left(k\right)=\frac{1}{2\mathrm{\π}{s}_{{\mathrm{\λ}}_i}{\left(k\right)}^{1/2}}\exp \{-\frac{{[{\mathrm{\λ}}_i\left(k\right)-{\widehat{\mathrm{\λ}}}_i\left(k\right|k-1)]}^2}{2s_{{\mathrm{\λ}}_i}\left(k\right)}\}---\left(1\right)$

确定特征的加权系数β_i(k)。其中，目标特征λ_i(k)包括：位置特征

幅度特征

和面积特征

对于位置特征，将位置特征及位置方差，根据运动目标的第i个位置特征

的预测值

调用以下公式确定第i个位置特征

的加权系数

为：

${\mathrm{\β}}_i^p\left(k\right)=\frac{1}{2\mathrm{\π}{s}_{{\mathrm{\λ}}_i^p}{\left(k\right)}^{1/2}}\exp \{-\frac{{[{\mathrm{\λ}}_i^p\left(k\right)-{\widehat{\mathrm{\λ}}}_i^p\left(k\right|k-1)]}^2}{2s_{{\mathrm{\λ}}_i^p}\left(k\right)}\}$

其中，

为在连续多帧内第i个位置特征

的位置方差。显然，特征

波动越小，特征值相差

越小，其加权系数

则越大，即特征

波动越小，加权系数

越大。

求取幅度特征

和面积特征

的加权系数

和

的计算过程与计算位置

的加权系数

的过程相同。根据目标特征λ_i(k)、预测值、权系数确定目标相似性。分别将幅度特征、面积特征及其预测值代入公式(1)，然后，根据加权系数与运动目标前后时刻的位置、幅度和面积特征的差异度量目标相似性，即调用公式

$P\left(k\right)={\mathrm{\β}}_i^p\left(k\right)|{\mathrm{\λ}}_i^p\left(k\right)-{\widehat{\mathrm{\λ}}}_i^p\left(k\right|k-1)|+{\mathrm{\β}}_i^a\left(k\right)|{\mathrm{\λ}}_i^a\left(k\right)-{\widehat{\mathrm{\λ}}}_i^a\left(k\right|k-1)|+{\mathrm{\β}}_i^s\left(k\right)|{\mathrm{\λ}}_i^s\left(k\right)-{\widehat{\mathrm{\λ}}}_i^s\left(k\right|k-1)|$ 确定目标相似度。

将特征值

和分别代人上述公式，对关联区域内的可疑目标分别计算目标相似度，依次进行比较，以目标相似度最小的疑似目标作为最相似疑似目标。

5.能量累积。对所确定的最相似疑似目标，估计相邻两帧的目标运动速度，并可采用匀速直线运动模型对相邻两帧的去均值图像进行移动累加，积累能量。通过多帧积累，提高小弱目标能量，降低噪声，提升目标检测概率，减低虚警率。

6.确认目标起始航迹。利用M/N逻辑法确认目标航迹，即对连续的多帧图像(如N帧)中，如果疑似目标出现的次数大于某个次数阈值(如M)，则认为所确定的目标航迹为真实航迹，予以保留；否则，则是虚假航迹，予以去除。航迹检测概率、航迹虚警概率随M/N值增大而减小。其中，图像的帧数N和阈值M根据信噪比和虚警概率、航迹检测概率确定，由航迹检测概率和航迹虚警概率达到所要求的指标选择合适的N和M值。如在信噪比SNR＝3时，和虚警概率为P_F＝0.97时，N和M分别取为7和5可使航迹检测概率约为80％，而航迹虚警概率约为15％。

本发明充分利用目标特征在空域和时域表现出的一致性，可快速有效提取弱小运动目标起始航迹，提高目标航迹起始性能，克服了现有技术航迹方法单纯依靠运动连续性，难以起始曲线运动轨迹的缺点。可广泛应用于各类军、民用系统，具有广阔的市场前景和应用价值。

Claims (3)

1.一种基于多特征融合的红外弱小运动目标起始航迹探测方法，其特征在于，所述探测方法包括步骤：灰度形态滤波器处理红外图像背景，获取去均值红外图像；恒虚警率单帧检测器根据去均值红外图像提取疑似目标信号，确定疑似目标信号区域，对疑似目标信号区域统计目标像素点数，如果该疑似目标信号区域内目标像素点数大于给定阈值，则判断目标出现在该区域；分别根据目标的特征值λ_i(k)的波动状况确定该区域多特征融合的加权系数；根据加权系数与运动目标前后时刻的位置、幅度和面积特征的差异度量目标相似性，确定最相似疑似目标；估计最相似疑似目标的运动速度，并对相邻两帧的去均值红外图像进行移动累加，积累能量；在连续的多帧图像中，如果最相似疑似目标的出现次数达到次数阈值，则该最相似疑似目标的航迹为所述运动目标的航迹；

确定所述加权系数的步骤具体为，根据目标区域内任一点目标的特征值λ_i(k)及其预测值

在连续多帧内目标特征值的方差

调用公式 ${\mathrm{\β}}_i\left(k\right)=\frac{1}{2\mathrm{\π}{s}_{{\mathrm{\λ}}_i}{\left(k\right)}^{1/2}}\exp \{-\frac{{[{\mathrm{\λ}}_i\left(k\right)-{\widehat{\mathrm{\λ}}}_i\left(k\right|k-1)]}^2}{2s_{{\mathrm{\λ}}_i}\left(k\right)}\}$ 确定加权系数β_i(k)，其中，目标的特征值λ_i(k)包括：位置特征幅度特征

和面积特征

所述度量目标相似性具体为，根据位置特征

幅度特征面积特征

及其各自的预测值

加权系数

调用公式：

$P\left(k\right)={\mathrm{\β}}_i^p\left(k\right)|{\mathrm{\λ}}_i^p\left(k\right)-{\widehat{\mathrm{\λ}}}_i^p\left(k\right|k-1)|+{\mathrm{\β}}_i^a\left(k\right)|{\mathrm{\λ}}_i^a\left(k\right)-{\widehat{\mathrm{\λ}}}_i^a\left(k\right|k-1)|+{\mathrm{\β}}_i^s\left(k\right)|{\mathrm{\λ}}_i^s\left(k\right)-{\widehat{\mathrm{\λ}}}_i^s\left(k\right|k-1)|$

确定目标相似度。

2.根据权利要求1所述的探测方法，其特征在于，所述灰度形态滤波器处理红外图像背景具体包括，用结构元素对图像进行灰度膨胀、腐蚀，并进行灰度开运算，估计红外图像背景，消除比结构元素尺寸小的噪声。

3.根据权利要求1所述的探测方法，其特征在于，所述提取疑似目标信号具体包括，对去均值红外图像选取检测阈值，利用检测阈值对去均值红外图像进行二元判断，如果去均值红外图像的特征值大于检测阈值，则是疑似目标，否则是噪声。

Images