CN102116876B - 基于轨迹编目模型的空间点目标天基探测方法 - Google Patents

Abstract

本发明公开了一种基于轨迹编目模型的空间点目标天基探测方法，本发明对经过预处理的图像进行阈值分割和连通域计算，并对每个连通域进行轨迹编目，根据每个轨迹的运动特征和判断概率来识别并跟踪目标。本发明适用于大视场可见光空间点目标天基探测，可以扩大搜索范围，实现尽早探测、尽快预警。可以同时探测多个不同运动方式的目标，并对多个目标进行识别和跟踪。本发明对于探测空间点目标可以实现快速探测识别和稳定跟踪。

Description

基于轨迹编目模型的空间点目标天基探测方法

技术领域

本发明涉及目标探测技术，具体涉及一种利用轨道编目模型对在复杂星空背景下运动的空间点目标进行天基探测的方法，主要用于对空间目标的探测、识别、跟踪和测量。

背景技术

天基空间目标探测系统是指对光学传感器获取的观测图像序列进行处理，从中提取目标和背景恒星的位置、亮度等信息，并对空间目标进行定位跟踪、编目维护以及识别分类。

漆长松提出了一种星点间部最小距离特征概念，构建局部最小距离特征，根据点群间的相对位置关系，采用递归搜索的方法对运动目标进行检测。见漆长松等，“天基平台深空运动小目标检测”，光电工程，第35卷第5期。

李骏提出对帧集内目标运动条痕线性拟合提取帧集测量信息的空间目标被动跟踪方法。见李骏等，“基于天基光学监视的空间目标跟踪方法研究”，空间科学学报，2009，29(3)：326-331。

张健提出了基于序列图像多帧累加背景掩模帧生成的目标提取算法。见张健等，“空间目标运动轨迹提取算法研究”，红外技术，第29卷第8期。

上述探测方法都没能很好的解决在无任何初始化条件下，在复杂的星空背景中，对快速机动的多目标进行实时探测并长时间稳定跟踪的要求。

发明内容

本发明的目的在于提供一种在复杂星空背景中，对多个运动的空间点目标进行实时探测并可长时间稳定跟踪的方法。该方法可以探测并跟踪多个不同运动方式的空间目标，算法简单易用实现，可以减轻星载硬件设备的计算量。

本发明提出利用轨迹编目的方法对不同的提取点进行编目，根据每个轨迹的运动特征和判断概率来辨别哪些是目标。具体步骤包括：

(1)读取实时图像数据；

(2)对图像进行图像预处理；

(3)自适应确定图像阈值；

(4)对图像进行阈值分割；

(5)对图像进行连通域计算；

(6)确定每个连通域的质心；

(7)进行轨迹编目；

(8)利用轨迹编目进行目标识别。

本发明是利用轨道编目模型对复杂星空背景下的空间点目标进行天基探测。探测波段选取在可见光波段，即380nm-780nm，探测系统为大视场可见光探测系统，视场为20°×15°，探测器分辨率为1024×768，探测系统瞬时视场为1.2′。恒星最大张角为0.05″，可以计算1m×1m的目标在1.5km处的张角为1.15′。根据以上分析可知，在可见光范围内即能看到目标又能看到恒星，在15°视场内比5等星亮的星平均有6.2颗，恒星在视场内始终是点目标，1m×1m的目标在1.5km以外也是点目标。从上面的分析可知，要探测到目标，必须在恒星点和目标点中找到它们的区别。本发明采用对所有提取点全部进行轨迹编目和轨迹维护，在维护的轨迹中进行目标探测和识别。

识别的方法为：

(1)在所有轨迹中统计灰度变化，如果灰度变化超过阈值，则此轨迹编目被判为目标的概率加1；

(2)在所有轨迹中统计速度变化，首先统计出大众速度，如果轨迹的速度与大众速度差值超过阈值，则此轨迹编目被判为目标的概率加1；

(3)在所有轨迹中统计尺寸变化，如果尺寸变化超过阈值，则此轨迹编目被判为目标的概率加1；

最后，依据统计的概率来判断是否为目标，如果在整个轨迹编目中，被连续判为目标的数目大于整个轨迹编目的数目的一半，即被判为目标。

本发明的优点：

(1)本发明适用于大视场可见光空间点目标天基探测。探测系统采用大视场，可以扩大搜索范围，实现尽早探测、尽快预警。但同时也使背景星点成倍增加，加大探测识别的难度。本发明采用轨迹编目的方法，一旦进入稳定的轨迹维护，对视场大小不敏感，可以实现大视场探测识别。

(2)本发明适用于多目标同时探测、识别和跟踪。由于采用对视场内所有可疑点全部进行轨迹编目，可以同时探测多个目标，并对多个目标进行识别和跟踪。

(3)本发明对于探测空间点目标可以实现高稳定性和快速探测识别。由于对所有轨迹编目的特征进行概率统计，使得判别目标的虚警率极大降低，增强判别目标的稳定性。通常情况下，在10帧之内即可判别出目标，可以实现对空间目标的快速探测识别。

附图说明

图1为基于轨迹编目模型的空间点目标天基探测方法流程图。

图2为连通域计算用的九宫图。

图3为轨迹编目算法流程图。

具体实施方式

下面结合附图和实例对本发明作进一步详细的说明。

使用本发明对复杂星空背景中运动的空间点目标进行探测、识别和跟踪，其流程图如图1所示，具体步骤为：

1)首先，对采集到的实时图像数据进行坏点剔除、畸变校正和图像滤波预处理；

2)接着，对经过预处理的图像数据进行自适应阈值的确定，阈值D计算公式为：

D＝a×(M+2)

其中，M为整幅图像灰度均值，a常数，选取范围在1.8～2.4之间；

3)对采集到的图像进行阈值分割，阈值分割公式为：

$\left\{\begin{array}{cc}\mathrm{if}& f(x,y)\&GreaterEqual;D,f(x,y)=f(x,y)\\ \mathrm{if}& f(x,y)<D,f(x,y)=0\end{array}\right.$

其中，f(x，y)为图像坐标(x，y)处的灰度值；

4)对经过阈值分割的图像进行连通域计算，计算连通域的方法如下：

(1)从像元(1，1)开始，按照自上而下、从左到右的顺序逐行处理每一个像元，如果f(x，y)≥D，则执行步骤(2)，否则执行步骤(3)；

(2)在已经处理的相邻4个像元(x-1，y-1)、(x-1，y)、(x-1，y+1)和(x，y-1)中，统计不同连通域编号的个数，如果不同连通域编号的个数为0，待处理的像元(x，y)属于新的连通域，在已经编号的连通域中取最大值并且加1赋予像元(x，y)新的连通域编号；如果不同连通域编号的个数为1，则待处理的像元(x，y)和一个已知连通域连通，将此连通域的编号赋予像元(x，y)；如果不同连通域编号的个数为2，则待处理的像元(x，y)和两个已知连通域连通，将两个连通域中较小的编号赋予像元(x，y)，并用较小的编号替代较大编号的连通域；

(3)如果全部像元处理完毕，执行步骤(4)，否则，像元指针加1，执行步骤(2)；

(4)在不更改原有排列顺序的前提下，按照编号不间断的原则更新连通域的编号；

5)计算每个连通域的质心，质心坐标x_c，y_c计算公式为：

$x_c=\frac{\mathrm{\&Sigma;x}\&CenterDot;f(x,y)}{\mathrm{\&Sigma;f}(x,y)}$

$y_c=\frac{\mathrm{\&Sigma;y}\&CenterDot;f(x,y)}{\mathrm{\&Sigma;f}(x,y)}$

其中，f(x，y)为坐标(x，y)处图像像元的灰度值；

6)对经过处理的图像进行轨迹编目，轨迹编目的方法如下：

(1)在以连通域质心为中心，阈值为半径的范围内进行轨迹编目检索；

(2)如果有且只有一条轨迹，并且该轨迹没有被填充，则该连通域质心加入该轨迹；

(3)如果一条轨迹也没有，则开辟一条新的轨迹；

(4)如果存在一条轨迹，但是该轨迹已被填充，则需要判断新点和旧点哪一个更适合该轨迹，更适合的点加入该轨迹，被抛弃的点重新进行轨迹编目；

(5)对所有的连通域进行遍历；

7)利用轨迹编目进行目标识别，具体识别方法如下：

(1)在所有轨迹中统计灰度变化，如果灰度变化超过阈值，则此轨迹编目被判为目标的概率加1；

(2)在所有轨迹中统计速度变化，首先统计出大众速度，如果轨迹的速度与大众速度差值超过阈值，则此轨迹编目被判为目标的概率加1；

(3)在所有轨迹中统计尺寸变化，如果尺寸变化超过阈值，则此轨迹编目被判为目标的概率加1；

(4)最后，依据统计的概率来判断是否为目标，如果在整个轨迹编目中，被连续判为目标的数目大于整个轨迹编目的数目的一半，即被判为目标。

Claims (1)

1.一种基于轨迹编目模型的空间点目标天基探测方法，其特征在于包括以下步骤：

1)首先，对采集到的实时图像数据进行坏点剔除、畸变校正和图像滤波预处理；

2)接着，对经过预处理的图像数据进行自适应阈值的确定，阈值D计算公式为：

D＝a×(M+2)

其中，M为整幅图像灰度均值，a为常数，选取范围在1.8～2.4之间；

3)对采集到的图像进行阈值分割，阈值分割公式为：

$\left\{\begin{array}{ccc}\mathrm{if}& f(x,y)\&GreaterEqual;D,& f(x,y)=f(x,y)\\ \mathrm{if}& f(x,y)<D,& f(x,y)=0\end{array}\right.$

其中，f(x，y)为图像坐标(x，y)处的灰度值；

4)对经过阈值分割的图像进行连通域计算，计算连通域的方法如下：

(11)从像元(1，1)开始，执行步骤(12)；

(12)如果f(x，y)≥D，则执行步骤(13)，否则执行步骤(14)；

(13)在已经处理的相邻4个像元(x-1，y-1)、(x-1，y)、(x-1，y+1)和(x，y-1)中，统计不同连通域编号的个数，如果不同连通域编号的个数为0，待处理的像元(x，y)属于新的连通域，在已经编号的连通域中取最大值并且加1赋予像元(x，y)新的连通域编号；如果不同连通域编号的个数为1，则待处理的像元(x，y)和一个已知连通域连通，将此连通域的编号赋予像元(x，y)；如果不同连通域编号的个数为2，则待处理的像元(x，y)和两个已知连通域连通，将两个连通域中较小的编号赋予像元(x，y)，并用较小的编号替代较大编号的连通域；

(14)按照自上而下、从左到右的顺序逐行处理每一个像元；如果全部像元处理完毕，执行步骤(15)，否则，像元指针加1，执行步骤(12)；

(15)在不更改原有排列顺序的前提下，按照编号不间断的原则更新连通域的编号；

5)计算每个连通域的质心，质心坐标x_c，y_c计算公式为：

$x_c=\frac{\mathrm{\&Sigma;x}\&CenterDot;f(x,y)}{\mathrm{\&Sigma;f}(x,y)}$

$y_c=\frac{\mathrm{\&Sigma;y}\&CenterDot;f(x,y)}{\mathrm{\&Sigma;f}(x,y)}$

其中，f(x，y)为坐标(x，y)处图像像元的灰度值；

6)对经过处理的图像进行轨迹编目，轨迹编目的方法如下：

(1)在以连通域质心为中心，阈值为半径的范围内进行轨迹编目检索；

(2)如果有且只有一条轨迹，并且该轨迹没有被填充，则该连通域质心加入该轨迹；

(3)如果一条轨迹也没有，则开辟一条新的轨迹；

(4)如果存在一条轨迹，但是该轨迹已被填充，则需要判断新点和旧点哪一个更适合该轨迹，更适合的点加入该轨迹，被抛弃的点重新进行轨迹编目；

(5)对所有的连通域进行遍历；

7)利用轨迹编目进行目标识别，具体识别方法如下：

(1)在所有轨迹中统计灰度变化，如果灰度变化超过阈值，则此轨迹编目被判为目标的概率加1；

(2)在所有轨迹中统计速度变化，首先统计出大众速度，如果轨迹的速度与大众速度差值超过阈值，则此轨迹编目被判为目标的概率加1；

(3)在所有轨迹中统计尺寸变化，如果尺寸变化超过阈值，则此轨迹编目被判为目标的概率加1；

(4)最后，依据统计的概率来判断是否为目标，如果在整个轨迹编目中，被连续判为目标的数目大于整个轨迹编目的数目的一半，即被判为目标。

Images