CN109493365A - 一种弱小目标的跟踪方法 - Google Patents

一种弱小目标的跟踪方法 Download PDF

Info

Publication number
CN109493365A
CN109493365A CN201811182645.6A CN201811182645A CN109493365A CN 109493365 A CN109493365 A CN 109493365A CN 201811182645 A CN201811182645 A CN 201811182645A CN 109493365 A CN109493365 A CN 109493365A
Authority
CN
China
Prior art keywords
target
tracking
frame
parameter
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811182645.6A
Other languages
English (en)
Inventor
陈忻
饶鹏
朱含露
李夜金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Technical Physics of CAS
Original Assignee
Shanghai Institute of Technical Physics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Technical Physics of CAS filed Critical Shanghai Institute of Technical Physics of CAS
Priority to CN201811182645.6A priority Critical patent/CN109493365A/zh
Publication of CN109493365A publication Critical patent/CN109493365A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种弱小目标的跟踪方法。本方法按照预设参数对图像进行处理，并检测出目标。对目标提取其当前特征，对当前特征进行分析计算，动态调整跟踪过程中的空域像元合并参数、时域多帧累加参数、目标匹配滤波提取模板。通过在目标跟踪过程中对动态的调整时域空域处理参数，使目标的跟踪处理过程能匹配目标的特征变化，提高对目标和背景的适应能力，避免目标远离信噪比下降导致的影响，解决了长作用距离下的长时间目标跟踪问题。

Description

一种弱小目标的跟踪方法
技术领域
本发明涉及到图像处理技术，具体指一种动态调整时域空域参数的方法，特别是涉及到一种弱小目标的跟踪方法，所述的弱小目标的信噪比大小为2～3。
背景技术
在探测距离远、背景起伏和云层遮挡等情况下获取到的图像，其目标和背景均会发生巨大的波动，若均采用相同的参数对目标检测跟踪，则会导致部分目标很难从背景中分离出来，从而影响目标整体的跟踪。然而，现阶段针对于弱小目标的跟踪主要采用单一无参数变化的跟踪模式，这在一定程度上降低了目标跟踪的实时性，另一方面，也增加了目标跟踪的难度。因此，设计出一种适合于在不同目标和背景条件下的动态参数调整方法对目标的跟踪起到了至关重要的作用。
发明内容
为了克服上述现有技术的不足，本发明提供了一种弱小目标的跟踪方法，该方法获取图像传感器输出的灰度图像，按照预设参数对图像进行处理，并检测出目标。对目标提取其当前特征，对当前特征进行分析计算，动态调整跟踪过程中的空域像元合并参数、时域多帧累加参数、目标匹配滤波提取模板。通过在目标跟踪过程中动态的调整时域空域处理参数，使目标的跟踪处理过程能匹配目标的特征变化，提高对目标和背景的适应能力，避免目标远离信噪比下降导致的影响，解决了长作用距离下的长时间目标跟踪问题。
本发明的上述目的是通过如下技术方案予以实现的：
一种弱小目标的跟踪方法，其特征在于：包括如下步骤：
(1)获取探测器输出灰度图像，探测器类型为面阵型图像探测器，其输出帧频不低于30帧每秒；
(2)对图像进行处理和检测，提取出目标，图像处理处理和检测方法主要包括：背景抑制、空域像元合并、时域多帧累加、匹配滤波、阈值分割、目标提取，其中背景抑制方法为最大中值滤波，形态学滤波和双边滤波中的一种或多种，空域像元合并选用的尺寸为3×3，5×5或7×7，时域多帧累加采用10帧，匹配滤波模板为四个方向上的8-邻域模板，阈值分割采用最大熵分割、恒虚警率分割或自适应阈值方法；
(3)计算提取出的目标的当前特征，所需要提取的目标特征为：目标的能量峰值peaktarget、目标的位置positiontarget、目标的局部信噪比SNRlocal、目标的运动速度move_vectortarget、目标的能量集中度peak_rate、目标的形状shapetarget；其中目标的峰值能量peaktarget是指检测出的目标灰度最大值，目标的位置positiontarget是指根据目标的峰值能量为中心，在n×n邻域的灰度中心，其中n＝3，5或7；目标的局部信噪比是指目标的峰值能量与其m×m邻域去除n×n邻域后的标准差的比值，其中m＝3，5或7；目标的运动速度move_vectortarget是指用相邻两帧目标位置之间的差值除以多帧累加的进行估计；目标的能量集中度是指目标的峰值能量与其n×n领域的灰度和的比值，目标的shapetarget是指在进行正交PCA分解后两个方向方差的比值以及对应的投影方向；
(4)根据目标的当前特征动态调整跟踪过程中的空域像元合并参数、时域多帧累加参数、目标匹配滤波提取模板,所述的调节方法按照以下方法进行，首先确定空域像元合并尺度参数pixel_combine_scale:
然后确定时域多帧累加参数pixel_multiframe_num:
最后确定匹配滤波模板：
其中(x,y)是目标在图像上的坐标位置，g(x,y)为高斯点扩散函数；
(5)利用上帧扫描得到的参数，对每帧图像重复(1)-(4)步骤处理，实现对目标的跟踪。
与现有技术相比，本发明的有益效果是:
1.通过时空域的多尺度能量收集，动态的调整各个参数，提高对暗弱目标的探测能力和灵敏度，解决了长作用距离下的长时间目标跟踪问题。
2.对于低信噪比图像以及目标在运动过程中的目标特征变化，利用动态调整的参数，提高了对目标和背景的适应能力。
附图说明
图1为本发明的实现流程框图；
图2为本发明中图像序列中调整的像元合并数目；
图3为本发明中图像序列中调整的多帧累加数目；
图4为本发明中图像序列中的第一帧图像在参数调整后得到的各个图像，其中图(a)是多帧累加后的效果图，图(b)是匹配滤波后的效果图，图(c)是阈值分割后的效果图；
图5是本发明中图像序列中的第十二帧图像在参数调整后得到的各个图像，其中图(a)是多帧累加后的效果图，图(b)是匹配滤波后的效果图，图(c)是阈值分割后的效果图；
图6是整个序列的跟踪轨迹图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例并结合附图对本发明作进一步的详细描述：
图1是为实现本发明的具体方法流程图，首先获取图像传感器输出的灰度图像，按照预设参数对图像进行处理，并检测出目标。然后，对目标提取其当前特征，对当前特征进行分析计算，动态调整跟踪过程中的空域像元合并参数、时域多帧累加参数、目标匹配滤波提取模板。通过在目标跟踪过程中动态的调整时域空域处理参数，使目标的跟踪处理过程能匹配目标的特征变化，提高对目标和背景的适应能力，避免目标远离信噪比下降导致的影响，解决了长作用距离下的长时间目标跟踪问题。
图2是经过参数调整计算后，得到的整个序列中不同帧的像元合并数目。
图3是经过参数调整计算后，得到的整个序列中不同帧的多帧累加数目。
图4是整个图像序列中第一帧图像在参数调整后，得到的各个阶段的处理效果图，其中(a)是第一帧图像在得到像元合并参数和多帧累加参数后，得到的5像元合并十帧累加的结果，(b)是其与相应的匹配滤波模板得到的匹配滤波结果，(c)是在匹配滤波的基础上经过阈值分割得到的结果图。
图5是整个图像序列中第十二帧图像在参数调整后，得到的各个阶段的处理效果图，其中(a)是第十二帧图像在得到像元合并参数和多帧累加参数后，得到的3像元合并六帧累加的结果，(b)是其与相应的匹配滤波模板得到的匹配滤波结果，(c)是在匹配滤波的基础上经过阈值分割得到的结果图。
图6是经过整个流程图处理后得到的整个序列的跟踪轨迹结果图。

Claims (1)

1.一种弱小目标的跟踪方法，其特征在于包括如下步骤：
(1)获取探测器输出灰度图像，探测器类型为面阵型图像探测器，其输出帧频不低于30帧每秒；
(2)对图像进行处理和检测，提取出目标，图像处理处理和检测方法主要包括：背景抑制、空域像元合并、时域多帧累加、匹配滤波、阈值分割、目标提取，其中背景抑制方法为最大中值滤波，形态学滤波和双边滤波中的一种或多种，空域像元合并选用的尺寸为3×3，5×5或7×7，时域多帧累加采用10帧，匹配滤波模板为四个方向上的8-邻域模板，阈值分割采用最大熵分割、恒虚警率分割或自适应阈值方法；
(3)计算提取出的目标的当前特征，所需要提取的目标特征为：目标的能量峰值peaktarget、目标的位置positiontarget、目标的局部信噪比SNRlocal、目标的运动速度move_vectortarget、目标的能量集中度peak_rate、目标的形状shapetarget；其中目标的峰值能量peaktarget是指检测出的目标灰度最大值，目标的位置positiontarget是指根据目标的峰值能量为中心，在n×n邻域的灰度中心，其中n＝3，5或7；目标的局部信噪比是指目标的峰值能量与其m×m邻域去除n×n邻域后的标准差的比值，其中m＝3，5或7；目标的运动速度move_vectortarget是指用相邻两帧目标位置之间的差值除以多帧累加的进行估计；目标的能量集中度是指目标的峰值能量与其n×n领域的灰度和的比值，目标的shapetarget是指在进行正交PCA分解后两个方向方差的比值以及对应的投影方向；
(4)根据目标的当前特征动态调整跟踪过程中的空域像元合并参数、时域多帧累加参数、目标匹配滤波提取模板,所述的调节方法按照以下方法进行，首先确定空域像元合并尺度参数pixel_combine_scale:
然后确定时域多帧累加参数pixel_multiframe_num:
最后确定匹配滤波模板：
其中(x,y)是目标在图像上的坐标位置，g(x,y)为高斯点扩散函数；
(5)利用上帧扫描得到的参数，对每帧图像重复(1)-(4)步骤处理，实现对目标的跟踪。
CN201811182645.6A 2018-10-11 2018-10-11 一种弱小目标的跟踪方法 Pending CN109493365A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811182645.6A CN109493365A (zh) 2018-10-11 2018-10-11 一种弱小目标的跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811182645.6A CN109493365A (zh) 2018-10-11 2018-10-11 一种弱小目标的跟踪方法

Publications (1)

Publication Number Publication Date
CN109493365A true CN109493365A (zh) 2019-03-19

Family

ID=65689574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811182645.6A Pending CN109493365A (zh) 2018-10-11 2018-10-11 一种弱小目标的跟踪方法

Country Status (1)

Country Link
CN (1) CN109493365A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077393A (zh) * 2021-03-19 2021-07-06 聚融医疗科技(杭州)有限公司 一种彩色多普勒血流成像的空间平滑方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1514408A (zh) * 2002-09-12 2004-07-21 上海交通大学 复杂背景条件下红外弱小目标的检测与跟踪方法
JP2010087882A (ja) * 2008-09-30 2010-04-15 Secom Co Ltd 移動物体追跡装置
CN102096925A (zh) * 2010-11-26 2011-06-15 中国科学院上海技术物理研究所 一种机动目标的实时闭环预测跟踪方法
CN102103748A (zh) * 2010-12-14 2011-06-22 西北工业大学 一种复杂背景下红外弱小目标检测和跟踪方法
EP2372653A1 (en) * 2008-12-24 2011-10-05 Sony Computer Entertainment Inc. Image processing device and image processing method
CN103325126A (zh) * 2013-07-09 2013-09-25 中国石油大学(华东) 一种在尺度变化和遮挡情况下的视频目标跟踪方法
CN104103080A (zh) * 2014-07-02 2014-10-15 华中科技大学 一种复杂背景下弱小目标检测的方法
CN104766334A (zh) * 2015-04-21 2015-07-08 西安电子科技大学 红外弱小目标检测跟踪方法及其装置
CN104835178A (zh) * 2015-02-02 2015-08-12 郑州轻工业学院 一种低信噪比运动小目标的跟踪与识别的方法
CN105654511A (zh) * 2015-12-29 2016-06-08 浙江大学 一种弱小运动目标快速检测与跟踪方法
US20160267669A1 (en) * 2015-03-12 2016-09-15 James W. Justice 3D Active Warning and Recognition Environment (3D AWARE): A low Size, Weight, and Power (SWaP) LIDAR with Integrated Image Exploitation Processing for Diverse Applications
CN107369164A (zh) * 2017-06-20 2017-11-21 成都中昊英孚科技有限公司 一种红外弱小目标的跟踪方法
CN107610156A (zh) * 2017-09-02 2018-01-19 西安电子科技大学 基于引导滤波和核相关滤波的红外弱小目标跟踪方法
CN108320305A (zh) * 2018-01-15 2018-07-24 西北工业大学 一种基于ds证据理论的多光谱图像弱小目标跟踪方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1514408A (zh) * 2002-09-12 2004-07-21 上海交通大学 复杂背景条件下红外弱小目标的检测与跟踪方法
JP2010087882A (ja) * 2008-09-30 2010-04-15 Secom Co Ltd 移動物体追跡装置
EP2372653A1 (en) * 2008-12-24 2011-10-05 Sony Computer Entertainment Inc. Image processing device and image processing method
CN102096925A (zh) * 2010-11-26 2011-06-15 中国科学院上海技术物理研究所 一种机动目标的实时闭环预测跟踪方法
CN102103748A (zh) * 2010-12-14 2011-06-22 西北工业大学 一种复杂背景下红外弱小目标检测和跟踪方法
CN103325126A (zh) * 2013-07-09 2013-09-25 中国石油大学(华东) 一种在尺度变化和遮挡情况下的视频目标跟踪方法
CN104103080A (zh) * 2014-07-02 2014-10-15 华中科技大学 一种复杂背景下弱小目标检测的方法
CN104835178A (zh) * 2015-02-02 2015-08-12 郑州轻工业学院 一种低信噪比运动小目标的跟踪与识别的方法
US20160267669A1 (en) * 2015-03-12 2016-09-15 James W. Justice 3D Active Warning and Recognition Environment (3D AWARE): A low Size, Weight, and Power (SWaP) LIDAR with Integrated Image Exploitation Processing for Diverse Applications
CN104766334A (zh) * 2015-04-21 2015-07-08 西安电子科技大学 红外弱小目标检测跟踪方法及其装置
CN105654511A (zh) * 2015-12-29 2016-06-08 浙江大学 一种弱小运动目标快速检测与跟踪方法
CN107369164A (zh) * 2017-06-20 2017-11-21 成都中昊英孚科技有限公司 一种红外弱小目标的跟踪方法
CN107610156A (zh) * 2017-09-02 2018-01-19 西安电子科技大学 基于引导滤波和核相关滤波的红外弱小目标跟踪方法
CN108320305A (zh) * 2018-01-15 2018-07-24 西北工业大学 一种基于ds证据理论的多光谱图像弱小目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
薛永宏等: "基于生成MRF和局部统计特性的红外弱小目标检测算法", 《红外与毫米波学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077393A (zh) * 2021-03-19 2021-07-06 聚融医疗科技(杭州)有限公司 一种彩色多普勒血流成像的空间平滑方法及系统

Similar Documents

Publication Publication Date Title
CN109410230A (zh) 一种可抗噪声的改进Canny图像边缘检测方法
CN102663385B (zh) 一种星上点目标检测方法
CN106548488B (zh) 一种基于背景模型及帧间差分的前景检测方法
CN109803096B (zh) 一种基于脉冲信号的显示方法和系统
CN102184552A (zh) 一种基于差分融合与图像边缘信息的运动目标检测方法
CN105812618B (zh) 一种运动检测方法及运动检测装置
CN109711256B (zh) 一种低空复杂背景无人机目标检测方法
CN110414308A (zh) 一种针对输电线路上动态异物的目标识别方法
CN107516423B (zh) 一种基于视频的车辆行驶方向检测方法
CN108022249A (zh) 一种遥感视频卫星运动车辆目标感兴趣区域自动提取方法
CN104766079A (zh) 一种远距离红外弱小目标检测方法
CN109270853A (zh) 一种智能生态水资源管理系统的工作方法
CN108109117A (zh) 一种基于运动物体的颜色实时变换的方法
CN102222349B (zh) 一种基于边缘模型的前景帧检测方法
CN114066928A (zh) 一种真空开关触头的运动速度检测方法及装置
CN109472779A (zh) 一种基于形态结构的纱线外观特征参数提取与分析方法
CN115690190B (zh) 基于光流图像和小孔成像的运动目标检测与定位方法
CN109493365A (zh) 一种弱小目标的跟踪方法
CN110706171A (zh) 图像降噪方法及装置
CN104008396A (zh) 基于人头部色彩和形状特征的进出口人流量统计方法
CN106767467A (zh) 一种基于机器视觉的可转位刀片钝圆检测系统
CN109410137B (zh) 一种暗弱目标的探测方法
CN107944424A (zh) 分布前端人像采集及多角度人像比对方法
CN109547777B (zh) 一种复杂场景的视频噪声快速检测方法
Hui et al. Edge detection of growing citrus based on self-adaptive canny operator

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190319

WD01 Invention patent application deemed withdrawn after publication