CN102722706A - 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 - Google Patents

Abstract

本发明提供的是一种基于粒子滤波的红外弱小目标检测与跟踪方法及装置。采用形态学对图像进行开启操作获得背景图像，将原图像减去背景图像获得含有目标和噪声的去背景图像；根据设定的阈值和初始目标出现概率，在全视场大于阈值的范围内抽取粒子；跟踪阶段分为预测和更新两个步骤，预测包括目标出现状态的预测和目标状态的预测，在更新过程中利用似然函数计算粒子权重值、对权重值归一化、根据归一化后的权重值对粒子进行重采样；根据重采样之后的当前时刻的粒子状态计算目标存在的后验概率，并以此计算似然比，再利用似然比完成目标检测。本发明在低信噪比复杂背景的情况下，实现对红外弱小目标的有效检测和高精度跟踪。可广泛应用于各类系统。

Description

基于粒子滤波的红外弱小目标检测与跟踪方法及装置

技术领域

本发明涉及的是一种红外弱小目标检测与跟踪方法。本发明也涉及一种红外弱小目标检测与跟踪装置。

背景技术

随着红外成像技术的不断发展，红外成像系统已经广泛应用在光学遥感、安全监视、夜间导航、目标探测等领域中。目前关键问题是如何在远距离、低信噪比的条件下尽早检测和跟踪目标，但由于远距离时目标成像面积太小，可检测信号相对较弱，特别是非平稳的起伏背景干扰下，目标被背景杂波淹没，无结构、形状信息可利用，使得那些传统的近距离目标图像检测和识别方法无法达到检测识别的目的。因此，复杂背景、低信噪比情况下的红外弱小目标检测与跟踪问题以及硬件实现成为目前亟待解决的关键问题。

经过对现有的技术文献及专利的检索发现，目前粒子滤波理论和算法的研究比较成熟，如：敬忠良在2005年的发明专利《红外图像序列中弱小目标的检测和跟踪方法》，该专利将基于粒子滤波的检测前跟踪方法应用到红外图像检测和跟踪领域，该方法的理论研究比较成熟，但是目前没有该方法在实用化方面的文献及研究成果，特别是在硬件实现方面还有很多关键问题需要解决。

发明内容

本发明的目的在于提供一种具有良好的检测性能和较高的跟踪精度的基于粒子滤波的红外弱小目标检测与跟踪方法。本发明的目的还在于提供一种具有实用价值的基于粒子滤波的红外弱小目标检测与跟踪装置。

本发明的目的是这样实现的：

本发明的基于粒子滤波的红外弱小目标检测与跟踪方法，包括由如下步骤构成的基于全视场进行检测的粒子滤波检测前跟踪方法：

（1）图像预处理：采用形态学对图像进行开启操作获得背景图像，将原图像减去背景图像获得含有目标和噪声的去背景图像；

（2）粒子初始化：根据设定的阈值和初始目标出现概率，在全视场大于阈值的范围内抽取粒子，粒子的速度和强度服从最大值和最小值间的均匀分布；

（3）目标跟踪阶段：跟踪阶段分为预测和更新两个步骤；

1）在预测过程中，分为目标出现状态的预测和目标状态的预测，根据目标前一时刻的状态和状态转移概率矩阵对当前时刻目标状态进行预测，预测之后的状态为不存在的粒子没有意义，预测之后的状态为存在的粒子分为新生粒子和已存在的粒子两种，对新生粒子从大于阈值的范围内抽取粒子，已存在粒子由系统模型确定的一步转移概率函数中抽取；

2）在更新过程中，根据当前图像信息和粒子的状态参数利用似然函数计算粒子权重值，对权重值归一化，根据归一化后的权重值对粒子进行重采样；

（4）目标检测阶段：根据重采样之后的当前时刻的粒子状态计算目标存在的后验概率，并以此计算似然比，再利用似然比完成目标检测，如果似然比大于设定的阈值，就采用粒子滤波得到的预测结果作为目标的状态估计值。

本发明的方法还可以包括：由基于全视场进行检测的粒子滤波检测前跟踪方法实现目标的搜索后，判定是否搜索的目标，如果搜索到目标再采用基于窗口的粒子滤波的检测前跟踪的算法实现目标的跟踪。

本发明的基于粒子滤波的红外弱小目标检测与跟踪装置由视频采集模块、目标检测与跟踪模块和显示模块构成，其中视频采集模块由红外热像仪IR109-HGC和SAA7115HL解码器构成，目标检测与跟踪模块由ICETEK-DM642开发板构成，显示模块由监视器构成；

视频采集模块利用DM642芯片的实时操作系统即DSP／BIOS、驱动开发套件即DDK、SAA7115和SAA7105芯片的配置函数完成对红外图像的采集与输出；主要包含以下函数和配置：

1)DSP／BIOS的配置

①设置放置缓存图像的内存空间：在System下的MEM模块中加入自己定义的内存空间名SDRAM1和SDRAM2，并对SDRAM1和SDRAM2进行配置；

②设置运行时间统计函数：在Instrumentation下的STS模块中添加需要统计的对象STS_algorithm和tskLoopback；

③设置算法运行函数：在Scheduling下的TSK模块添加算法运行任务函数tskVideoprocess，并对其进行配置：函数名为_tskVideoprocess，并在源程序中编写tskVideoprocess函数的具体实现程序；

④对视频设备进行驱动：在Input/Output下的Device Drivers模块中的User-Defined Devices子模块配置视频设备驱动，添加自定义的视频捕获设备VP0CAPTURE和显示设备VP2DISPLAY，并对设备进行配置；

2)SAA7115和SAA7105芯片的配置

①对SAA7115进行配置：将inMode配置为SAA7115_MODE_PAL720；

②对SAA7105进行配置：将SAA7105_AnalogFormat配置为SAA7105_AFMT_SVIDEO，将SAA7105_Mode配置为SAA7105_MODE_PAL720；

目标检测与跟踪模块完成：

1）图像预处理

利用函数MEM_copy将每一帧待处理红外图像复制至划分的临时存储空间中，再利用函数ICETEKDM642PCIYuchuli(unsigned char*in)完成对每帧图像的预处理，得到只有目标和噪声的图像，将函数代码放置在ISRAM中划分的段".text1"中，在预处理中使用MEM_calloc函数动态在内存段MEMTEMP内划分一个指向临时数据存储空间的unsigned char型的指针tempdata，用于存储存每次腐蚀与膨胀之后的图像信息；

2）初始化粒子

在初始化粒子之前，定义算法运算中需要的参数：粒子个数Num_particle、视场行数LINE_SZ、视场每行像素数NUM_LINES、矩形分辨单元宽度delta_x、矩形分辨单元高度delta_y、初始时刻目标存在的概率Init_Pro_exist、x方向矩形分辨单元个数Num_Cell_x、y方向矩形分辨单元个数Num_Cell_y、状态转移概率矩阵Trans_Matrix[2][2]、目标运动中过程噪声的大小q₁，目标强度噪声大小q₂、模糊参数I_Blur；

使用函数float*find_M_D(unsinged char*in,int m,int n,int length,int th)在预处理之后的第一帧图像的全视场内找出大于阈值th的像素点，返回其坐标值，粒子初始化时的位置坐标值从大于阈值th的像素点中抽取；速度

采用建议分布函数

v_max是目标的最大速度，

方向也是如此处理；目标的强度I_k□U[I_min,I_max]，I_min和I_max是合适的灰度级，粒子状态的初始化：使用函数randn(Num_particle)产生与粒子个数相等的值在0到1间的随机序列，用函数find_M_X(U_rand,1,Num_particle,length_u,Init_Pro_exist)找出随即序列中小于Init_Pro_exist的随机数位置，将与之位置相同的粒子的状态定义为存在用值2表示，其余粒子状态为不存在用值1表示，完成对粒子的初始化；

3）跟踪

预测：由k-1时刻目标出现的状态

与转移概率矩阵∏＝[π_ij]作为参数，利用函数int*Regime_Transition(int*in,int le_RP,float**T_M,int len_TM)完成前后两帧中粒子状态的转移；对于

的粒子，其状态变量没有意义；对于

的粒子，预测每个粒子k时刻的状态变量，分两种情况：（a）新生粒子，这些粒子是由

转换到

时产生的，用函数float*find_M_D(unsinged char*in,int m,int n,int length,int th)在全视场内找出大于阈值th的像素点得位置，粒子的位置坐标值随即从大于阈值th的像素点中抽取；速度

采用建议分布函数

v_max是目标的最大速度，

方向也是如此处理；目标的强度I_kU[I_min,I_max]，I_min和I_max是合适的灰度级，（b）已存在粒子，这些粒子是

转换到

时一直存在的，其状态值利用函数s_k+1＝Fs_k+v_k计算，s_k+1为当前时刻状态值，s_k为前一时刻粒子状态值，v_k为高斯噪声，利用DSP计算；

更新：用似然比计算重要性权值，在计算出粒子的重要性权值之后，对重要性权值进行归一化。利用重采样函数float*multinomialR(int n,float*q)对粒子进行重采样，在重采样完之后对粒子进行更新；

4）检测

在对粒子重采样和更新之后，利用函数int find_k_E(int*in,int m,int n,float th)计算粒子中状态为存在即粒子状态值为2的个数，以此求出k时刻目标存在的后验概率

如果

认为目标存在，否则认为目标不存在，在目标存在的情况下，通过对状态值为2的粒子各个状态求均值得到目标的状态值，完成检测。

本发明在DSP硬件平台上实现了基于全视场和基于窗口粒子滤波的检测前跟踪算法，实现了对低信噪比的红外弱小目标的有效检测和跟踪，具有良好的检测性能和较高的跟踪精度。

本发明首先通过形态学对红外图像进行预处理，完成对图像的去噪以及背景抑制，得到含有目标和噪声的去背景图像，在粒子初始化阶段采用在全视场中大于阈值的范围内抽取粒子的方法，在跟踪阶段采用粒子滤波得到状态的后验概率分布，在检测阶段利用似然比假设检验方法判决目标是否存在，如果目标存在，则进行目标状态估计，最后得出目标的航迹。

目前针对红外弱小目标的基于粒子滤波的检测前跟踪算法，为了减少计算量都是在一个窗口内实现的，这就需要首先选定窗口，也就是需要一步预检测算法。因此预检测算法的性能对整个算法的性能来说是至关重要的，而在如此低的信噪比下并没有稳健的预检测算法。因此本发明针对这个问题，提出在整个视场进行检测前跟踪算法的方案，从而提高了检测概率。

本发明将基于粒子滤波的检测前跟踪算法应用于红外弱小目标的检测和跟踪，是一个实用化的系统，在低信噪比（SNR＞1.5）复杂背景的情况下，实现对红外弱小目标的有效检测和高精度跟踪。可广泛应用于各类系统，具有广阔的市场前景和应用价值。

附图说明

图1为硬件系统框图。

图2为软件系统框图。

图3基于全视场采样的粒子滤波的TDB方法总体框图。

图4基于全视场采样的粒子滤波的检测前跟踪算法流程图。

图5基于窗口的粒子滤波的检测前跟踪算法流程图。

图6(a)-图6(f)为跟踪结果，其中：图6(a)为第4帧；图6(b)为第6帧；图6(c)为第8帧；图6(d)为第10帧；图6(e)为第12帧；图6(f)为第14帧。

具体实施方式

下面举例对本发明做更详细的描述：

本发明采用软、硬件协同工作，完成红外弱小目标的检测和跟踪。利用红外热成像仪、ICETEK-DM642开发板和监视器构成硬件系统，硬件系统框图如附图1。软件系统包括视频驱动模块、图像预处理模块和目标检测与跟踪模块，软件系统框图如附图2。

本发明具体实施方案如下：

本发明可采用两种方案，一种是采用基于全视场进行检测的粒子滤波的检测前跟踪方法，另一种方案是结合全视场和窗口的粒子滤波的检测前跟踪方法。

一、基于全视场进行检测的粒子滤波的检测前跟踪方法

本发明的核心内容是提出了基于全视场进行检测的粒子滤波的检测前跟踪算法。具体实现方法和步骤如下：

1．图像预处理：采用背景抑制技术对图像进行预处理，具体方法为：用2×2方形结构元素对红外图像进行开操作，以去除各类亮噪声及小目标，获得图像背景。再用原图像减去背景图像得到含有目标和噪声的图像。

2．粒子初始化：在整个视场大于阈值的范围内抽取粒子。粒子在整个视场大于阈值的范围内服从均匀分布。粒子的速度和强度在最大与最小值之间服从均匀分布。

3．建立系统模型和观测模型：

红外弱小目标在k时刻的状态向量为 $s_k={\left[\begin{array}{ccccc}{x}_k& {\stackrel{\·}{x}}_k& y_k& {\stackrel{\·}{y}}_k& I_k\end{array}\right]}^T,$ 其中包含目标位置(x_k,y_k)，速度

和目标的强度幅值I_k；系统方程为：

s_k+1＝Fs_k+v_k        （1）

其中， $F=\left[\begin{array}{ccccc}1& T& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 0& 0& 1& T& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right],$ $Q=\left[\begin{array}{ccccc}\frac{q_1}{3}{T}^3& \frac{q_1}{2}{T}^2& 0& 0& 0\\ \frac{q_1}{2}{T}^2& q_{1}T& 0& 0& 0\\ 0& 0& \frac{q_1}{3}{T}^3& \frac{q_1}{2}{T}^2& 0\\ 0& 0& \frac{q_1}{2}{T}^2& q_{1}T& 0\\ 0& 0& 0& 0& q_{2T}\end{array}\right],$ v_k是服从零均值，方差为Q的高斯白噪声，q₁代表目标运动中过程噪声的大小，q₂代表目标强度噪声的大小。T为采样间隔T＝1s。

把通过红外热像仪获得的前k帧序列图像当成量测，用符号Z_k表示，设z_k表示第k帧图像，则前k次量测为Z_k＝{z₁,z₂,...,z_k}。假设传感器对x-y平面上的区域进行扫描，传感器含有N×M个矩形分辨单元，每个分辨单元的大小为Δ_x×Δ_y。在每个采样时刻k，每个分辨单元(i,j)(1≤i≤N,1≤j≤M)分别记录一个量测

而：

$z_k^{(i,j)}=\left\{\begin{array}{cc}{I}_k^{(i,j)}\left(s_k\right)+n_k^{(i,j)}& {\mathrm{\δ}}_k=1\\ n_k^{(i,j)}& {\mathrm{\δ}}_k=0\end{array}\right.---\left(2\right)$

式中δ_k＝1表示k时刻目标出现，δ_k＝0表示目标未出现，δ_k服从Markov过程，

为k时刻目标质心位于(x_k,y_k)时像素单元(i,j)处接受的信号强度，

为量测噪声，像素间帧间噪声相互独立。分辨单元(i,j)处强度

按传感器的点传播函数可近似为（其中∑是传感器引起的模糊程度参数，目标(x_k,y_k)处的幅值为I_k）：

$I_k^{(i,j)}\left(s_k\right)\≈\frac{{\mathrm{\Δ}}_x{\mathrm{\Δ}}_y{I}_k}{2\mathrm{\π}{\mathrm{\Σ}}^2}\exp (-\frac{{({\mathrm{i\Δ}}_x-x_k)}^2}{{2\mathrm{\Σ}}^2}-\frac{{({\mathrm{j\Δ}}_y-y_k)}^2}{{2\mathrm{\Σ}}^2})---\left(3\right)$

4．目标跟踪阶段。目标跟踪阶段分为预测与更新两个步骤。

在预测过程中，由k-1时刻目标出现状态

与转移概率矩阵∏＝[π_ij]，i,j＝{0,1}对k时刻目标出现状态变量

的预测。在预测完成之后，对粒子的状态进行分析：对于的粒子，其状态变量没有意义；对于的粒子，预测每个粒子k时刻的状态变量。分两种情况：（a）新生粒子，这些粒子是由

转换到

时产生的，本发明提出目标状态从建议分布函数q_b(s_k|z_k)中采样，q_b(s_k|z_k)由如下方法获得：对于位置(x_k,y_k)，γ为一个经过实际检验过较为合适的阈值，将量测z_k中

的分辨单元组成的区域，q_b(x_k,y_k|z_k)是均匀分布在此区域上的。对于目标的速度

本发明提出分布函数v_max是目标的最大速度（方向也是如此处理）；对于目标的强度I_k □U[I_min,I_max]，I_min和I_max是合适的灰度级（根据目标的信噪比）。（b）已存在粒子，这些粒子是

转换到

时一直存在的，此时分布函数选择为由系统模型确定的一步转移概率

在更新过程中，利用似然比计算粒子的重要性权值，再进行权值归一化和重采样。

5．目标检测阶段。

重采样后得到k时刻的一组粒子

逼近状态的后验概率分布p(s_k,δ_k＝1|Z_k)，k时刻目标存在的后验概率：

${\hat{P}}_k=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\δ}}_k^n}{N}---\left(4\right)$

用上式近似计算，最后利用似然比检测完成目标检测，似然比为：

${\mathrm{\Λ}}_k=\frac{P({\mathrm{\δ}}_k=1|Z_k)}{P({\mathrm{\δ}}_k=0|Z_k)}\≈\frac{{\hat{P}}_k}{1-{\hat{P}}_k}---\left(5\right)$

设定某一阈值Δ_t，因为

为0.6，所以阈值Δ_t为1.5。若Λ_k＞Λ_t表明目标出现，此时求出目标状态估计值：

${\hat{s}}_k=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{s}_k^n{\mathrm{\δ}}_k^n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\δ}}_k^n}---\left(6\right)$

二、基于窗口粒子滤波的检测前跟踪方法

首先在整个视场进行目标搜索，采用基于全视场的粒子滤波的检测前跟踪算法实现目标的搜索，如果没有搜到目标，继续搜索；如果目标出现，一个较小的窗口内采用基于窗口的粒子滤波检测前跟踪算法实现目标的跟踪，如果目标消失，再在整个窗口进行目标搜索。窗口的大小为10×10。

三、基于全视场进行检测的粒子滤波的检测前跟踪系统的软硬件设计

本发明采用红外热像仪、ICETEK-DM642开发板和监视器构成硬件系统。

1．系统的硬件设计与构成

本系统分为视频采集模块、目标检测与跟踪模块和显示模块三部分。其中视频采集模块由红外热像仪IR109-HGC和SAA7115HL解码器构成，目标检测与跟踪模块由ICETEK-DM642开发板构成，显示模块由监视器构成。

（1）IR109-HGC红外热像仪

IR109-HGC红外热像仪采用多晶硅非制冷焦平面探测器(UFPA)和IR109机芯组件，是理想的红外观测分析系统。工作波段为8～14μm，工作温度－40℃～＋50℃，输出为标准PAL制模拟视频。

（2）ICETEK-DM642开发板

ICETEK-DM642开发板采用600MHz的TMS320DM642型的DSP芯片，具有4800MIPS的计算能力，并配置了4路视频端口、4M×64bit同步动态存储器和SAA7115和SAA7105型的编解码芯片。

（3）监视器

监视器为普通黑白监视器。

2．系统的软件实现

（1）红外图像采集与输出

利用DM642芯片的实时操作系统(DSP／BIOS)、驱动开发套件(DDK)、SAA7115和SAA7105芯片的配置函数完成对红外图像的采集与输出。主要包含以下函数和配置。

3)DSP／BIOS的配置

①设置放置缓存图像的内存空间：在System下的MEM模块中加入自己定义的内存空间名SDRAM1和SDRAM2，并对SDRAM1和SDRAM2进行配置。SDRAM1配置为：其起始地址为0x80000000和长度为0x01000000，并在SDRAM1中定义一个大小为0x00800000和表示符号为_EXTERNALHEAP的堆，用于存放采集和输出的图像。SDRAM2配置为：其起始地址为0x81000000和长度为0x00800000，并在SDRAM2中定义一个大小为0x00800000和表示符号为_MEMTEMP的堆，用于算法运行过程中需要动态分配的内存空间。

②设置运行时间统计函数：在Instrumentation下的STS模块中添加需要统计的对象STS_algorithm和tskLoopback，用以统计每帧图像运行的时间和处理每帧图像时算法所需要的时间。

③设置算法运行函数：在Scheduling下的TSK模块添加算法运行任务函数tskVideoprocess，并对其进行配置：函数名为_tskVideoprocess，并在源程序中编写tskVideoprocess函数的具体实现程序。

④对视频设备进行驱动：在Input/Output下的Device Drivers模块中的User-Defined Devices子模块配置视频设备驱动。添加自定义的视频捕获设备VP0CAPTURE和显示设备VP2DISPLAY，并对设备进行配置。视频捕获设备VP0CAPTURE配置为：function table ptr中填入_VPORTCAP_Fxns，function table type中填入IOM_Fxns，device id中填入设备号0x00000000，在device params ptr中填入_EVMDM642_vCapParamsPort。视频显示设备VP2DISPLAY配置为：function table ptr中填入_VPORTDIS_Fxns，function table type中填入IOM_Fxns，device id中填入设备号0x00000002，在device params ptr中填入_EVMDM642_vDisParamsPort。

4)SAA7115和SAA7105芯片的配置

①对SAA7115进行配置：将inMode配置为SAA7115_MODE_PAL720。

②对SAA7105进行配置：将SAA7105_AnalogFormat配置为SAA7105_AFMT_SVIDEO，将SAA7105_Mode配置为SAA7105_MODE_PAL720。

（2）图像预处理

利用函数MEM_copy将每一帧待处理红外图像复制至划分的临时存储空间中，再利用函数ICETEKDM642PCIYuchuli(unsigned char*in)完成对每帧图像的预处理，得到只有目标和噪声的图像。将函数代码放置在ISRAM中划分的段".text1″中。在预处理中使用MEM_calloc函数动态在内存段MEMTEMP内划分一个指向临时数据存储空间的unsigned char型的指针tempdata，用于存储存每次腐蚀与膨胀之后的图像信息。

（3）初始化粒子

在初始化粒子之前，定义算法运算中需要的参数：粒子个数Num_particle、视场行数LINE_SZ、视场每行像素数NUM_LINES、矩形分辨单元宽度delta_x、矩形分辨单元高度delta_y、初始时刻目标存在的概率Init_Pro_exist、x方向矩形分辨单元个数Num_Cell_x、y方向矩形分辨单元个数Num_Cell_y、状态转移概率矩阵Trans_Matrix[2][2]、目标运动中过程噪声的大小q₁，目标强度噪声大小q₂、模糊参数I_Blur等。

使用函数float*find_M_D(unsinged char*in,int m,int n,int length,int th)在预处理之后的第一帧图像的全视场内找出大于阈值th的像素点，返回其坐标值。粒子初始化时的位置坐标值从大于阈值th的像素点中抽取；速度

采用建议分布函数

v_max是目标的最大速度（

方向也是如此处理）；目标的强度I_k □U[I_min,I_max]，I_min和I_max是合适的灰度级（根据目标的信噪比）。粒子状态的初始化：使用函数randn(Num_particle)产生与粒子个数相等的值在0到1间的随机序列，用函数find_M_X(U_rand,1,Num_particle,length_u,Init_Pro_exist)找出随即序列中小于Init_Pro_exist的随机数位置，将与之位置相同的粒子的状态定义为存在用值2表示，其余粒子状态为不存在用值1表示，完成对粒子的初始化。

（4）跟踪阶段

跟踪阶段分为预测与更新两个步骤。

预测：由k-1时刻目标出现的状态

与转移概率矩阵∏＝[π_ij]作为参数，利用函数int*Regime_Transition(int*in,int le_RP,float**T_M,int len_TM)完成前后两帧中粒子状态的转移。对于

的粒子，其状态变量没有意义；对于

的粒子，预测每个粒子k时刻的状态变量。分两种情况：（a）新生粒子，这些粒子是由

转换到

时产生的，用函数float*find_M_D(unsinged char*in,int m,int n,int length,int th)在全视场内找出大于阈值th的像素点得位置，粒子的位置坐标值随即从大于阈值th的像素点中抽取；速度

采用建议分布函数

v_max是目标的最大速度（方向也是如此处理）；目标的强度I_kU[I_min,I_max]，I_min和I_max是合适的灰度级（根据目标的信噪比）。（b）已存在粒子，这些粒子是

转换到

时一直存在的，其状态值利用函数s_k+1＝Fs_k+v_k计算，s_k+1为当前时刻状态值，s_k为前一时刻粒子状态值，v_k为高斯噪声，利用DSP计算。

更新：用似然比计算重要性权值。在计算出粒子的重要性权值之后，对重要性权值进行归一化。利用重采样函数float*multinomialR(int n,float*q)对粒子进行重采样。在重采样完之后对粒子进行更新。

（5）检测阶段

在对粒子重采样和更新之后，利用函数int find_k_E(int*in,int m,int n,float th)计算粒子中状态为存在即粒子状态值为2的个数，以此求出k时刻目标存在的后验概率

如果

认为目标存在，否则认为目标不存在。在目标存在的情况下，通过对状态值为2的粒子各个状态求均值得到目标的状态值，完成检测。

Claims (3)

1.一种基于粒子滤波的红外弱小目标检测与跟踪方法，其特征是包括由如下步骤构成的基于全视场进行检测的粒子滤波检测前跟踪方法：

（1）图像预处理：采用形态学对图像进行开启操作获得背景图像，将原图像减去背景图像获得含有目标和噪声的去背景图像；

（2）粒子初始化：根据设定的阈值和初始目标出现概率，在全视场大于阈值的范围内抽取粒子，粒子的速度和强度服从最大值和最小值间的均匀分布；

（3）目标跟踪阶段：跟踪阶段分为预测和更新两个步骤；

1）在预测过程中，分为目标出现状态的预测和目标状态的预测，根据目标前一时刻的状态和状态转移概率矩阵对当前时刻目标状态进行预测，预测之后的状态为不存在的粒子没有意义，预测之后的状态为存在的粒子分为新生粒子和已存在的粒子两种，对新生粒子从大于阈值的范围内抽取粒子，已存在粒子由系统模型确定的一步转移概率函数中抽取；

2）在更新过程中，根据当前图像信息和粒子的状态参数利用似然函数计算粒子权重值，对权重值归一化，根据归一化后的权重值对粒子进行重采样；

（4）目标检测阶段：根据重采样之后的当前时刻的粒子状态计算目标存在的后验概率，并以此计算似然比，再利用似然比完成目标检测，如果似然比大于设定的阈值，就采用粒子滤波得到的预测结果作为目标的状态估计值。

2.根据权利要求1所述的基于粒子滤波的红外弱小目标检测与跟踪方法，其特征是：由基于全视场进行检测的粒子滤波检测前跟踪方法实现目标的搜索后，判定是否搜索的目标，如果搜索到目标再采用基于窗口的粒子滤波的检测前跟踪的算法实现目标的跟踪。

3.一种基于粒子滤波的红外弱小目标检测与跟踪装置，由视频采集模块、目标检测与跟踪模块和显示模块构成，其特征是：其中视频采集模块由红外热像仪IR109-HGC和SAA7115HL解码器构成，目标检测与跟踪模块由ICETEK-DM642开发板构成，显示模块由监视器构成；

视频采集模块利用DM642芯片的实时操作系统即DSP／BIOS、驱动开发套件即DDK、SAA7115和SAA7105芯片的配置函数完成对红外图像的采集与输出；主要包含以下函数和配置：

1)DSP／BIOS的配置

①设置放置缓存图像的内存空间：在System下的MEM模块中加入自己定义的内存空间名SDRAM1和SDRAM2，并对SDRAM1和SDRAM2进行配置；

②设置运行时间统计函数：在Instrumentation下的STS模块中添加需要统计的对象STS_algorithm和tskLoopback；

③设置算法运行函数：在Scheduling下的TSK模块添加算法运行任务函数tskVideoprocess，并对其进行配置：函数名为_tskVideoprocess，并在源程序中编写tskVideoprocess函数的具体实现程序；

④对视频设备进行驱动：在Input/Output下的Device Drivers模块中的User-Defined Devices子模块配置视频设备驱动，添加自定义的视频捕获设备VP0CAPTURE和显示设备VP2DISPLAY，并对设备进行配置；

2)SAA7115和SAA7105芯片的配置

①对SAA7115进行配置：将inMode配置为SAA7115_MODE_PAL720；

②对SAA7105进行配置：将SAA7105_AnalogFormat配置为SAA7105_AFMT_SVIDEO，将SAA7105_Mode配置为SAA7105_MODE_PAL720；

目标检测与跟踪模块完成：

1）图像预处理

利用函数MEM_copy将每一帧待处理红外图像复制至划分的临时存储空间中，再利用函数ICETEKDM642PCIYuchuli(unsigned char*in)完成对每帧图像的预处理，得到只有目标和噪声的图像，将函数代码放置在ISRAM中划分的段".text1″中，在预处理中使用MEM_calloc函数动态在内存段MEMTEMP内划分一个指向临时数据存储空间的unsigned char型的指针tempdata，用于存储存每次腐蚀与膨胀之后的图像信息；

2）初始化粒子

在初始化粒子之前，定义算法运算中需要的参数：粒子个数Num_particle、视场行数LINE_SZ、视场每行像素数NUM_LINES、矩形分辨单元宽度delta_x、矩形分辨单元高度delta_y、初始时刻目标存在的概率Init_Pro_exist、x方向矩形分辨单元个数Num_Cell_x、y方向矩形分辨单元个数Num_Cell_y、状态转移概率矩阵Trans_Matrix[2][2]、目标运动中过程噪声的大小q₁，目标强度噪声大小q₂、模糊参数I_Blur；

使用函数float*find_M_D(unsinged char*in,int m,int n,int length,int th)在预处理之后的第一帧图像的全视场内找出大于阈值th的像素点，返回其坐标值，粒子初始化时的位置坐标值从大于阈值th的像素点中抽取；速度

采用建议分布函数qb

＝U[-v_max，v_max]，v_max是目标的最大速度，

方向也是如此处理；目标的强度I_k □U[I_min,I_max]，I_min和I_max是合适的灰度级，粒子状态的初始化：使用函数randn(Num_particle)产生与粒子个数相等的值在0到1间的随机序列，用函数find_M_X(U_rand，1，Num_particle，length_u，Init_Pro_exist)找出随即序列中小于Init_Pro_exist的随机数位置，将与之位置相同的粒子的状态定义为存在用值2表示，其余粒子状态为不存在用值1表示，完成对粒子的初始化；

3）跟踪

预测：由k-1时刻目标出现的状态

与转移概率矩阵∏＝[π_ij]作为参数，利用函数int*Regime_Transition(int*in，int le_RP，float**T_M，int len_TM)完成前后两帧中粒子状态的转移；对于的粒子，其状态变量没有意义；对于

的粒子，预测每个粒子k时刻的状态变量，分两种情况：(a)新生粒子，这些粒子是由

转换到

时产生的，用函数float*find_M_D(unsinged char*in，int m，int n，int length，int th)在全视场内找出大于阈值th的像素点得位置，粒子的位置坐标值随即从大于阈值th的像素点中抽取；速度采用建议分布函数qb

＝U[-v_max，v_max]，v_max是目标的最大速度，

方向也是如此处理；目标的强度I_kU[I_min，I_max]，I_min和I_max是合适的灰度级，(b)已存在粒子，这些粒子是

＝1转换到

时一直存在的，其状态值利用函数s_k+1＝Fs_k+v_k计算，s_k+1为当前时刻状态值，s_k为前一时刻粒子状态值，v_k为高斯噪声，利用DSP计算；

更新：用似然比计算重要性权值，在计算出粒子的重要性权值之后，对重要性权值进行归一化。利用重采样函数float*multinomialR(int n，float*q)对粒子进行重采样，在重采样完之后对粒子进行更新；

4)检测

在对粒子重采样和更新之后，利用函数int find_k_E(int*in，int m，int n，float th)计算粒子中状态为存在即粒子状态值为2的个数，以此求出k时刻目标存在的后验概率

如果

认为目标存在，否则认为目标不存在，在目标存在的情况下，通过对状态值为2的粒子各个状态求均值得到目标的状态值，完成检测。

Images