CN111161345B - 一种基于谱段特性差异的红外抗干扰方法及装置 - Google Patents

一种基于谱段特性差异的红外抗干扰方法及装置 Download PDF

Info

Publication number
CN111161345B
CN111161345B CN201911330751.9A CN201911330751A CN111161345B CN 111161345 B CN111161345 B CN 111161345B CN 201911330751 A CN201911330751 A CN 201911330751A CN 111161345 B CN111161345 B CN 111161345B
Authority
CN
China
Prior art keywords
target
infrared
image sequence
target object
infrared 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.)
Active
Application number
CN201911330751.9A
Other languages
English (en)
Other versions
CN111161345A (zh
Inventor
杨俊彦
钱琨
余跃
王兴
杨波
蔡彬
陈宗镁
刘浩伟
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 Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
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 Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN201911330751.9A priority Critical patent/CN111161345B/zh
Publication of CN111161345A publication Critical patent/CN111161345A/zh
Application granted granted Critical
Publication of CN111161345B publication Critical patent/CN111161345B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种基于谱段特性差异的红外抗干扰方法及装置。所述方法包括：在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；根据所述跟踪结果，对所述目标物体进行定位。本发明实施例可以有效地弥补单目标跟踪方法在丢失目标后不能再次探测到目标的缺陷，能有效地缓解背景边缘对目标定位的影响，从而在连续帧之间快速地估计出目标位置。

Description

一种基于谱段特性差异的红外抗干扰方法及装置
技术领域
本发明涉及图像处理技术领域，特别是一种基于谱段特性差异的红外抗干扰方法及装置。
背景技术
伴随着光电子技术、微电子技术、光学成像技术和高速处理设备的发展，各种攻击性武器性能不断提高。精确制导武器这类高新技术兵器作为基本主攻火力大量使用，已成为现代战争的突出特点。更有效的目标检测与跟踪技术将成为节约战斗力或保障地面设施免受打击的决定性因素。
随着红外成像技术的不断发展，红外成像系统已经被广泛的应用在航空航天遥感、精确制导、夜间导航等军用或民用领域中。国内外已有众多学者在红外图像的目标检测与跟踪的领域中展开了深入而细致的研究工作，例如，在IEEE Transaction ImageProcessing.、Infrared Physics and Technology、光子学报、红外与激光工程等国际或国内刊物上经常会发表一些该领域的最新研究成果。
在足够远的距离发现目标，防御系统才有足够的反应时间。而距离越远，目标在红外成像系统上的成像面积就越小(一般只有几个或几十个像素面积，且无形状和纹理等信息)，因而越容易受到噪声和杂波干扰。更有甚者，目标系统主动投放红外干扰来干扰探测系统。红外诱饵通常具有强辐射特性，其在将目标淹没，从而导致探测系统在短时间内丢失目标；
目标跟踪方法通常可快速有效地对已知目标进行匹配，但在存在遮挡或受相似特征物体干扰的情况下，目标丢失且很难再次被探测到。与此同时在红外干扰消失后，可通过局部搜索再次探测到目标。但检测方法通常需要多帧图像信息来确定目标位置，在进行全局搜索时耗时较多。
发明内容
本发明解决的技术问题是：克服现有技术中的检测方法通常需要多帧图像信息来确定目标位置，在进行全局搜索时耗时较多的不足，提供了一种基于谱段特性差异的红外抗干扰方法及装置。
为了解决上述技术问题，本发明实施例提供了一种基于谱段特性差异的红外抗干扰方法方法，包括：
在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；
基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；
基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；
根据所述跟踪结果，对所述目标物体进行定位。
优选地，所述在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列的步骤，包括：
在所述目标物体位于空中时，在某一时刻向所述目标物体投放红外干扰；
采用红外探测器采集所述目标物体对应的双波段红外图像序列；
获取所述双波段红外图像序列中在所述外红干扰投放前的第一红外图像序列，及投放后的第二红外图像序列；
将所述第一红外图像序列和所述第二红外图像序列确定所述红外图像序列。
优选地，所述基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置的步骤，包括：
设定所述移动管道对应的管道参数；
从所述第一红外图像序列的第一帧图像开始，连续输入N帧红外图像；
将所述第一帧图像作为当前帧，确定第一候选目标点，并记录所述第一帧图像的位置信息；
判断所述第一候选目标点对应的下一帧图像的局部邻域内是否存在第二候选目标点；
在处理完所述N帧红外图像后，获取每个计数器的输出值；
移出所述移动管道中的所述第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端；
输出所述目标物体的运动轨迹；
针对所述第二红外图像序列执行所述连续输入N帧红外图像，至所述输出所述目标物体的运动轨迹的步骤；
整合所述第一红外图像序列和所述第二红外图像序列中的所有候选目标位置，获取整合结果；
通过双波段信息中的目标特定发射率和所述整合结果，获取所述目标位置。
优选地，所述基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果的步骤，包括：
初始化所述目标位置，并设定上下文区域；
根据当前帧目标位置，解算得到所述当前帧目标位置的置信图；
根据所述置信图，计算得到目标上下文先验概率；
对所述上下文区域进行侧窗滤波处理，得到滤波处理后的图像；
使用原图像减去所述滤波处理后的图像，获得目标上下文先验；
根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型；
根据所述当前帧的空间上下文模型，对所述目标物体进行跟踪，得到跟踪结果。
优选地，所述根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型的步骤，包括：
采用下述公式获取所述空间上下文模型：
上述公式中，hSC(x)为空间上下文模型，F为傅里叶变换函数，P[c(z)|o]为目标上下文先验概率，c(x)为目标上下文先验。
为了解决上述技术问题，本发明实施例提供了一种基于谱段特性差异的红外抗干扰装置，包括：
红外图像序列获取模块，用于在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；
目标位置确定模块，用于基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；
跟踪结果获取模块，用于基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；
目标物体定位模块，用于根据所述跟踪结果，对所述目标物体进行定位。
优选地，所述红外图像序列获取模块包括：
红外干扰投放单元，用于在所述目标物体位于空中时，在某一时刻向所述目标物体投放红外干扰；
红外图像序列采集单元，用于采用红外探测器采集所述目标物体对应的双波段红外图像序列；
波段图像序列获取单元，用于获取所述双波段红外图像序列中在所述外红干扰投放前的第一红外图像序列，及投放后的第二红外图像序列；
红外图像序列确定单元，用于将所述第一红外图像序列和所述第二红外图像序列确定所述红外图像序列。
优选地，所述目标位置确定模块包括：
管道参数设定单元，用于设定所述移动管道对应的管道参数；
红外图像输入单元，用于从所述第一红外图像序列的第一帧图像开始，连续输入N帧红外图像；
第一候选目标点确定单元，用于将所述第一帧图像作为当前帧，确定第一候选目标点，并记录所述第一帧图像的位置信息；
第二候选目标点判断单元，用于判断所述第一候选目标点对应的下一帧图像的局部邻域内是否存在第二候选目标点；
输出值获取单元，用于在处理完所述N帧红外图像后，获取每个计数器的输出值；
新一帧图像放置单元，用于移出所述移动管道中的所述第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端；
运动轨迹输出单元，用于输出所述目标物体的运动轨迹；
图像序列执行单元，用于针对所述第二红外图像序列执行所述红外图像输入单元，至所述运动轨迹输出单元；
整合结果获取单元，用于整合所述第一红外图像序列和所述第二红外图像序列中的所有候选目标位置，获取整合结果；
目标位置获取单元，用于通过双波段信息中的目标特定发射率和所述整合结果，获取所述目标位置。
优选地，所述跟踪结果获取模块包括：
上下文区域设定单元，用于初始化所述目标位置，并设定上下文区域；
置信图解算单元，用于根据当前帧目标位置，解算得到所述当前帧目标位置的置信图；
目标先验概率计算单元，用于根据所述置信图，计算得到目标上下文先验概率；
滤波后图像获取单元，用于对所述上下文区域进行侧窗滤波处理，得到滤波处理后的图像；
目标上下文先验获取单元，用于使用原图像减去所述滤波处理后的图像，获得目标上下文先验；
上下文模型获取单元，用于根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型；
跟踪结果获取单元，用于根据所述当前帧的空间上下文模型，对所述目标物体进行跟踪，得到跟踪结果。
优选地，所述上下文模型获取单元包括：
采用下述公式获取所述空间上下文模型：
上述公式中，hSC(x)为空间上下文模型，F为傅里叶变换函数，P[c(z)|o]为目标上下文先验概率，c(x)为目标上下文先验。
本发明与现有技术相比的优点在于：
(1)本发明方法有效地弥补了单目标跟踪方法在丢失目标后不能再次探测到目标的缺陷；
(2)检测方法部分，兼顾了图像的时空信息以及目标和红外干扰在不同波段上的响应差别，较好地从管道滤波的结果中提取出真实目标。
(3)跟踪方法部分，考虑图像的时空信息，并且侧窗滤波的保边去噪性能有效地缓解了背景边缘对目标定位的影响，从而在连续帧之间快速地估计出目标位置。
附图说明
图1为本发明实施例提供的一种基于谱段特性差异的红外抗干扰方法的步骤流程图；
图2为本发明实施例提供的一种投放诱饵序列中的某一双波段图像帧的示意图；
图3为本发明实施例提供的一种复杂背景杂波序列中的某一双波段图像帧的示意图；
图4为本发明实施例提供的一种管道滤波在投放诱饵序列上的处理效果的示意图；
图5为本发明实施例提供的一种管道滤波在复杂背景杂波序列上的处理效果的示意图；
图6为本发明实施例提供的一种侧窗滤波处理效果的示意图；
图7为本发明实施例提供的一种跟踪方法在投放诱饵序列上的部分结果的示意图；
图8为本发明实施例提供的一种跟踪方法在复杂背景杂波序列上的部分结果的示意图；
图9为本发明实施例提供的一种基于谱段特性差异的红外抗干扰装置的结构示意图。
具体实施方式
下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的实施例一部分实施例，而不是全部的实施例。基于本发明的实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的实施例保护的范围。
实施例一
参照图1，示出了本发明实施例提供的一种基于谱段特性差异的红外抗干扰方法的步骤流程图，如图1所示，该基于谱段特性差异的红外抗干扰方法具体可以包括如下步骤：
步骤101：在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；
步骤102：基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；
步骤103：基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；
步骤104：根据所述跟踪结果，对所述目标物体进行定位。
优选地，所述在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列的步骤，包括：
在所述目标物体位于空中时，在某一时刻向所述目标物体投放红外干扰；
采用红外探测器采集所述目标物体对应的双波段红外图像序列；
获取所述双波段红外图像序列中在所述外红干扰投放前的第一红外图像序列，及投放后的第二红外图像序列；
将所述第一红外图像序列和所述第二红外图像序列确定所述红外图像序列。
优选地，所述基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置的步骤，包括：
设定所述移动管道对应的管道参数；
从所述第一红外图像序列的第一帧图像开始，连续输入N帧红外图像；
将所述第一帧图像作为当前帧，确定第一候选目标点，并记录所述第一帧图像的位置信息；
判断所述第一候选目标点对应的下一帧图像的局部邻域内是否存在第二候选目标点；
在处理完所述N帧红外图像后，获取每个计数器的输出值；
移出所述移动管道中的所述第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端；
输出所述目标物体的运动轨迹；
针对所述第二红外图像序列执行所述连续输入N帧红外图像，至所述输出所述目标物体的运动轨迹的步骤；
整合所述第一红外图像序列和所述第二红外图像序列中的所有候选目标位置，获取整合结果；
通过双波段信息中的目标特定发射率和所述整合结果，获取所述目标位置。
优选地，所述基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果的步骤，包括：
初始化所述目标位置，并设定上下文区域；
根据当前帧目标位置，解算得到所述当前帧目标位置的置信图；
根据所述置信图，计算得到目标上下文先验概率；
对所述上下文区域进行侧窗滤波处理，得到滤波处理后的图像；
使用原图像减去所述滤波处理后的图像，获得目标上下文先验；
根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型；
根据所述当前帧的空间上下文模型，对所述目标物体进行跟踪，得到跟踪结果。
优选地，所述根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型的步骤，包括：
采用下述公式获取所述空间上下文模型：
上述公式中，hSC(x)为空间上下文模型，F为傅里叶变换函数，P[c(z)|o]为目标上下文先验概率，c(x)为目标上下文先验。
首先，采用管道滤波对红外序列进行处理，并通过双色比信息提取出真实目标。然后，将该目标位置作为跟踪方法的输入，并通过侧窗滤波缓解边缘对目标定位的影响。当目标短时间内偏移较大时，即认为目标丢失。由此，通过检测方法再次探测到目标，并送入跟踪方法中，拟实现长时间的红外抗干扰跟踪方法。
接下来，结合图2～图8对本发明实施例提供的基于谱段特性差异的红外抗干扰方法进行如下详细描述。
步骤1：红外序列图像的获取：
步骤1-1：目标悬于空中，在某一时刻开始投放红外干扰；
步骤1-2：使用红外探测器采集双波段红外序列；
步骤1-3：找出包含干扰投放前后段的若干连续帧数，用于分析本发明方法的抗干扰性能；
步骤2：基于移动管道滤波与双色比的目标位置估计：
步骤2-1：参数初始化：设定管道所能容纳的图像帧数N、管道直径大小以及形状等参数；
步骤2-2：针对第一个波段，从序列图像的第一帧开始，连续输入N帧图像；
步骤2-3：取第一帧图像作为当前帧，确定候选目标点Pi，并记录其位置信息；
步骤2-4：对候选目标点Pi，在下一帧中观察其局部邻域内是否有候选目标点存在。若存在，则目标出现计数器加1，同时比较目标点和候选目标点的位置，判断位置是否发生变化。若有变化，则其相应的目标位置变化计数器加1；记录该帧中的候选目标点位置，并将其设为候选目标点的当前位置；若没有变化，则跳过该帧并转到下一帧继续搜索，直到管道中的N帧图像全部搜索完毕；
步骤2-5：处理完N帧图像后，判断每个计数器的输出值。若目标出现次数计数器值不小于K1，且目标位置变化计数器值不小于K2，即认为计数器所对应候选点为目标，并标记其位置，反之将其视为虚假目标剔除；
步骤2-6：更新管道中的图像：移出管道中的第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端。接着转到步骤2-3继续执行，直到全部图像序列被处理完；
步骤2-7：输出目标的运动轨迹：管道滤波在每帧图像上的管心都是上一帧图像中检测到的目标所对应的空间位置。若某一帧未检到目标，则延用前一帧位置。
本发明中采用5选4准则，即若连续5帧中有4帧满足关联阈值要求，就认为当前的候选目标为候选目标。
步骤2-8：针对第二个波段，采用类似于步骤2-2到步骤2-7法人方法进行处理，获得该波段序列的候选目标位置；
步骤2-9：整合两个波段序列的所有候选目标位置：判断某一波段上目标位置在另一个波段图像上的对应位置邻域内是否存在真实目标。若不存在，则将该目标点加入候选目标集；若存在，则将两者位置进行加权处理，并记为候选目标。
步骤2-10：通过双波段信息中的目标特定发射率，获取最终目标。假定两个波段的目标辐射比与背景或干扰辐射比的差别较大，利用这种差别区分目标与干扰。
步骤3：基于侧窗滤波的时空上下文跟踪方法：
当探测到目标后，将该目标作为跟踪器的输入，进行后续的实时跟踪。
步骤3-1：初始化目标位置，即目标检测结果；
步骤3-2：设定上下文区域，通常设为目标框尺寸的3-7倍；
步骤3-3：已知当前帧目标位置o，其置信图c(x)可采用公式(1)获得，
c(x)＝b·exp[-|(x-o)/α|β] (1)
其中，b为归一化常数，α和β分别表示尺度和形状参数。
步骤3-4：首先，采用公式(2)获取目标的上下文先验概率P[c(z)|o]，
P[c(z)|o]＝I(z)ωσ(z-o) (2)
其中，c(z)和I(z)分别表示置信图和上下文像素灰度，o是当前帧目标位置，ωσ表示高斯权重，其表达式为
ωσ(z)＝a·exp(-z2/σ2) (3)
其中，σ表示权重函数的分布幅度，表征了人眼视觉系统。
步骤3-5：对上下文区域I(z)进行侧窗滤波处理，在保留边缘信息的同时滤除了背景杂波，滤波结果为S(I(z))；若给定像素i，侧窗滤波通过枚举八个可能的方向，并通过最小化输入Ii与输出pij(j＝{1,2,...,8])之差的代价函数，来自适应选择最佳方向来计算
其中，q1表示像素i的一次滤波结果，pij则表示第j个方向的滤波结果，即
Iij＝Kj·pi (5)
其中，K表示半径为r的滤波窗，q1被当作下一次滤波的输入。进行m次迭代，可得原始图像输出结果qm。于是，侧窗滤波函数可抽象为qm＝S(I(z))，S为侧窗滤波函数。
步骤3-6：使用原图像减去滤波处理后的图像，获得较为理想的上下文先验(I(z)-S(I(z))；
步骤3-7：由目标似然函数的定义，当前帧的空间上下文模型hSC(x)在频域内表示为，
其中，F表示傅里叶变换；
步骤3-8：当获得了第t帧的空间上下文模型htSC(x)后，跟踪任务就转化为如公式(7)的检测任务，即
其中，F-1表示傅里叶逆变换，xt*表示第t帧的目标位置，时空上下文模型HSCt+1(x)可采用公式(8)来更新
其中，ρ表示学习因子；
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
下面结合附图对本发明过程做进一步描述。
1.仿真条件：
本发明仿真实验的运行系统为Intel(R)Core(TM)i7@3.20GHz，4GB内存Windows操作系统，仿真软件为Matlab2014a。
2.实验内容
为验证本发明的有效性，采集了红外诱饵序列和复杂背景序列，部分图像帧分别如图2和图3所示。本发明中，将检测器的管道半径设为16。侧窗滤波中，局部半径和迭代次数分别设为3和5。
由图2可知，经过管道滤波处理后，左边的主波段图像中依然存在较多候选目标点。得益于较强的背景抑制能力，右边的辅波段中的候选目标点较少。另外，进一步可通过双色比来区分其中的目标候选点与干扰候选点。
侧窗滤波是一种兼有边缘保留和噪声剔除的局部线性滤波，其将滤波子窗口的边缘置于待处理像素。传统的滤波方法(如引导滤波)仅仅是减少了边缘像素在法线方向上的扩散，而侧窗滤波切断了法线方向扩散的可能性，从而保护了图像边缘。由图6可见，原始先验图中存在高频边缘，将导致跟踪偏移。而经过侧窗滤波处理后，先验图中的边缘被有效地滤除。由图7和图8可以看出，在诱饵干扰和复杂背景存在的情况下，本发明方法可以有效地的对目标进行定位。
本发明实施例提供的基于谱段特性差异的红外抗干扰方法，与现有技术相比的优点在于：
(1)本发明方法有效地弥补了单目标跟踪方法在丢失目标后不能再次探测到目标的缺陷；
(2)检测方法部分，兼顾了图像的时空信息以及目标和红外干扰在不同波段上的响应差别，较好地从管道滤波的结果中提取出真实目标。
(3)跟踪方法部分，考虑图像的时空信息，并且侧窗滤波的保边去噪性能有效地缓解了背景边缘对目标定位的影响，从而在连续帧之间快速地估计出目标位置。
实施例二
参照图9，示出了本发明实施例提供的一种基于谱段特性差异的红外抗干扰装置的结构示意图，如图9所示，该基于谱段特性差异的红外抗干扰装置具体可以包括如下模块：
红外图像序列获取模块910，用于在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；
目标位置确定模块920，用于基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；
跟踪结果获取模块930，用于基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；
目标物体定位模块940，用于根据所述跟踪结果，对所述目标物体进行定位。
优选地，所述红外图像序列获取模块910包括：
红外干扰投放单元，用于在所述目标物体位于空中时，在某一时刻向所述目标物体投放红外干扰；
红外图像序列采集单元，用于采用红外探测器采集所述目标物体对应的双波段红外图像序列；
波段图像序列获取单元，用于获取所述双波段红外图像序列中在所述外红干扰投放前的第一红外图像序列，及投放后的第二红外图像序列；
红外图像序列确定单元，用于将所述第一红外图像序列和所述第二红外图像序列确定所述红外图像序列。
优选地，所述目标位置确定模块920包括：
管道参数设定单元，用于设定所述移动管道对应的管道参数；
红外图像输入单元，用于从所述第一红外图像序列的第一帧图像开始，连续输入N帧红外图像；
第一候选目标点确定单元，用于将所述第一帧图像作为当前帧，确定第一候选目标点，并记录所述第一帧图像的位置信息；
第二候选目标点判断单元，用于判断所述第一候选目标点对应的下一帧图像的局部邻域内是否存在第二候选目标点；
输出值获取单元，用于在处理完所述N帧红外图像后，获取每个计数器的输出值；
新一帧图像放置单元，用于移出所述移动管道中的所述第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端；
运动轨迹输出单元，用于输出所述目标物体的运动轨迹；
图像序列执行单元，用于针对所述第二红外图像序列执行所述红外图像输入单元，至所述运动轨迹输出单元；
整合结果获取单元，用于整合所述第一红外图像序列和所述第二红外图像序列中的所有候选目标位置，获取整合结果；
目标位置获取单元，用于通过双波段信息中的目标特定发射率和所述整合结果，获取所述目标位置。
优选地，所述跟踪结果获取模块930包括：
上下文区域设定单元，用于初始化所述目标位置，并设定上下文区域；
置信图解算单元，用于根据当前帧目标位置，解算得到所述当前帧目标位置的置信图；
目标先验概率计算单元，用于根据所述置信图，计算得到目标上下文先验概率；
滤波后图像获取单元，用于对所述上下文区域进行侧窗滤波处理，得到滤波处理后的图像；
目标上下文先验获取单元，用于使用原图像减去所述滤波处理后的图像，获得目标上下文先验；
上下文模型获取单元，用于根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型；
跟踪结果获取单元，用于根据所述当前帧的空间上下文模型，对所述目标物体进行跟踪，得到跟踪结果。
优选地，所述上下文模型获取单元包括：
采用下述公式获取所述空间上下文模型：
上述公式中，hSC(x)为空间上下文模型，F为傅里叶变换函数，P[c(z)|o]为目标上下文先验概率，c(x)为目标上下文先验。
本发明实施例提供的基于谱段特性差异的红外抗干扰装置，与现有技术相比的优点在于：
(1)本发明方法有效地弥补了单目标跟踪方法在丢失目标后不能再次探测到目标的缺陷；
(2)检测方法部分，兼顾了图像的时空信息以及目标和红外干扰在不同波段上的响应差别，较好地从管道滤波的结果中提取出真实目标。
(3)跟踪方法部分，考虑图像的时空信息，并且侧窗滤波的保边去噪性能有效地缓解了背景边缘对目标定位的影响，从而在连续帧之间快速地估计出目标位置。
以上所述仅为本发明的实施例的较佳实施例而已，并不用以限制本发明的实施例，凡在本发明的实施例的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的实施例的保护范围之内。
以上所述，仅为本发明的实施例的具体实施方式，但本发明的实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明的实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的实施例的保护范围之内。因此，本发明的实施例的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种基于谱段特性差异的红外抗干扰方法，其特征在于，包括：
在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；
基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；
基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；
根据所述跟踪结果，对所述目标物体进行定位；
所述在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列的步骤，包括：
在所述目标物体位于空中时，在某一时刻向所述目标物体投放红外干扰；
采用红外探测器采集所述目标物体对应的双波段红外图像序列；
获取所述双波段红外图像序列中在所述红外干扰投放前的第一红外图像序列，及投放后的第二红外图像序列；
将所述第一红外图像序列和所述第二红外图像序列确定所述红外图像序列；
所述基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置的步骤，包括：
设定所述移动管道对应的管道参数；
从所述第一红外图像序列的第一帧图像开始，连续输入N帧红外图像；
将所述第一帧图像作为当前帧，确定第一候选目标点，并记录所述第一帧图像的位置信息；
判断所述第一候选目标点对应的下一帧图像的局部邻域内是否存在第二候选目标点；
在处理完所述N帧红外图像后，获取每个计数器的输出值；
移出所述移动管道中的所述第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端；
输出所述目标物体的运动轨迹；
针对所述第二红外图像序列执行所述连续输入N帧红外图像，至所述输出所述目标物体的运动轨迹的步骤；
整合所述第一红外图像序列和所述第二红外图像序列中的所有候选目标位置，获取整合结果；
通过双波段信息中的目标特定发射率和所述整合结果，获取所述目标位置；
所述基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果的步骤，包括：
初始化所述目标位置，并设定上下文区域；
根据当前帧目标位置，解算得到所述当前帧目标位置的置信图；
根据所述置信图，计算得到目标上下文先验概率；
对所述上下文区域进行侧窗滤波处理，得到滤波处理后的图像；
使用原图像减去所述滤波处理后的图像，获得目标上下文先验；
根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型；
根据所述当前帧的空间上下文模型，对所述目标物体进行跟踪，得到跟踪结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型的步骤，包括：
采用下述公式获取所述空间上下文模型：
上述公式中，hSC(x)为空间上下文模型，F为傅里叶变换函数，P[c(z)|o]为目标上下文先验概率，c(x)为目标上下文先验。
3.一种基于谱段特性差异的红外抗干扰装置，其特征在于，包括：
红外图像序列获取模块，用于在目标物体位于空中时，获取所述目标物体对应的包含红外干扰的红外图像序列；
目标位置确定模块，用于基于移动管道对所述红外图像序列进行滤波与双色比，确定所述目标物体的目标位置；
跟踪结果获取模块，用于基于所述目标位置对所述目标物体进行跟踪，得到跟踪结果；
目标物体定位模块，用于根据所述跟踪结果，对所述目标物体进行定位；
所述红外图像序列获取模块包括：
红外干扰投放单元，用于在所述目标物体位于空中时，在某一时刻向所述目标物体投放红外干扰；
红外图像序列采集单元，用于采用红外探测器采集所述目标物体对应的双波段红外图像序列；
波段图像序列获取单元，用于获取所述双波段红外图像序列中在所述红外干扰投放前的第一红外图像序列，及投放后的第二红外图像序列；
红外图像序列确定单元，用于将所述第一红外图像序列和所述第二红外图像序列确定所述红外图像序列；
所述目标位置确定模块包括：
管道参数设定单元，用于设定所述移动管道对应的管道参数；
红外图像输入单元，用于从所述第一红外图像序列的第一帧图像开始，连续输入N帧红外图像；
第一候选目标点确定单元，用于将所述第一帧图像作为当前帧，确定第一候选目标点，并记录所述第一帧图像的位置信息；
第二候选目标点判断单元，用于判断所述第一候选目标点对应的下一帧图像的局部邻域内是否存在第二候选目标点；
输出值获取单元，用于在处理完所述N帧红外图像后，获取每个计数器的输出值；
新一帧图像放置单元，用于移出所述移动管道中的所述第一帧图像，并将管道中其余图像顺序前移一帧，将进入管道的新一帧图像放置在管道末端；
运动轨迹输出单元，用于输出所述目标物体的运动轨迹；
图像序列执行单元，用于针对所述第二红外图像序列执行所述红外图像输入单元，至所述运动轨迹输出单元；
整合结果获取单元，用于整合所述第一红外图像序列和所述第二红外图像序列中的所有候选目标位置，获取整合结果；
目标位置获取单元，用于通过双波段信息中的目标特定发射率和所述整合结果，获取所述目标位置；
所述跟踪结果获取模块包括：
上下文区域设定单元，用于初始化所述目标位置，并设定上下文区域；
置信图解算单元，用于根据当前帧目标位置，解算得到所述当前帧目标位置的置信图；
目标先验概率计算单元，用于根据所述置信图，计算得到目标上下文先验概率；
滤波后图像获取单元，用于对所述上下文区域进行侧窗滤波处理，得到滤波处理后的图像；
目标上下文先验获取单元，用于使用原图像减去所述滤波处理后的图像，获得目标上下文先验；
上下文模型获取单元，用于根据所述目标上下文先验和所述目标上下文先验概率，获取当前帧的空间上下文模型；
跟踪结果获取单元，用于根据所述当前帧的空间上下文模型，对所述目标物体进行跟踪，得到跟踪结果。
4.根据权利要求3所述的装置，其特征在于，所述上下文模型获取单元包括：
采用下述公式获取所述空间上下文模型：
上述公式中，hSC(x)为空间上下文模型，F为傅里叶变换函数，P[c(z)|o]为目标上下文先验概率，c(x)为目标上下文先验。
CN201911330751.9A 2019-12-20 2019-12-20 一种基于谱段特性差异的红外抗干扰方法及装置 Active CN111161345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911330751.9A CN111161345B (zh) 2019-12-20 2019-12-20 一种基于谱段特性差异的红外抗干扰方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911330751.9A CN111161345B (zh) 2019-12-20 2019-12-20 一种基于谱段特性差异的红外抗干扰方法及装置

Publications (2)

Publication Number Publication Date
CN111161345A CN111161345A (zh) 2020-05-15
CN111161345B true CN111161345B (zh) 2023-08-29

Family

ID=70557720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911330751.9A Active CN111161345B (zh) 2019-12-20 2019-12-20 一种基于谱段特性差异的红外抗干扰方法及装置

Country Status (1)

Country Link
CN (1) CN111161345B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220628A (zh) * 2017-06-06 2017-09-29 北京环境特性研究所 红外干扰源检测的方法
CN107610159A (zh) * 2017-09-03 2018-01-19 西安电子科技大学 基于曲率滤波和时空上下文的红外弱小目标跟踪方法
CN109410125A (zh) * 2017-08-16 2019-03-01 深圳超多维科技有限公司 红外图像噪声消除方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109893084A (zh) * 2014-06-20 2019-06-18 拉姆伯斯公司 用于有透镜和无透镜的光学感测的系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220628A (zh) * 2017-06-06 2017-09-29 北京环境特性研究所 红外干扰源检测的方法
CN109410125A (zh) * 2017-08-16 2019-03-01 深圳超多维科技有限公司 红外图像噪声消除方法、装置及系统
CN107610159A (zh) * 2017-09-03 2018-01-19 西安电子科技大学 基于曲率滤波和时空上下文的红外弱小目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Kun Bai,et al..Infrared small target tracking based on target and interference behaviors model.Infrared Physics & Technology.2014,256-265. *

Also Published As

Publication number Publication date
CN111161345A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
Tzannes et al. Detecting small moving objects using temporal hypothesis testing
CN102831620B (zh) 基于多假设跟踪数据关联的红外弱小目标搜索跟踪方法
CN109597065B (zh) 一种用于穿墙雷达检测的虚警抑制方法、装置
CN110400294B (zh) 一种红外目标探测系统及探测方法
CN109031277A (zh) 一种穿墙雷达多目标图像域稳健跟踪方法
CN109859247A (zh) 近地面场景红外小目标检测方法
CN115524724B (zh) 一种通用航空可信时空服务方法、系统及介质
Ma et al. Radiation intensity Gaussian mixture PHD filter for close target tracking
CN111161345B (zh) 一种基于谱段特性差异的红外抗干扰方法及装置
Lim et al. Adaptive mean and variance filter for detection of dim point-like targets
Nichtern et al. Parameter adjustment for a dynamic programming track-before-detect-based target detection algorithm
CN113919398B (zh) 一种基于深度学习的非视域目标信号辨识方法
Li et al. An infrared dim and small target detection method based on fractional differential
Li et al. Small moving infrared space target tracking algorithm based on probabilistic data association filter
CN112215146B (zh) 基于随机有限集的弱小目标联合检测与跟踪系统及方法
Liao et al. Multi-scale ship tracking based on maritime monitoring platform
Torteeka et al. Autonomous space target tracking through state estimation techniques via ground-based passive optical telescope
CN104616299B (zh) 一种基于空时偏微分方程的弱小目标检测方法
Cao et al. Improving star centroiding accuracy in stray light base on background estimation
Zhao et al. Point target detection in space-based infrared imaging system based on multi-direction filtering fusion
Nichtern et al. Tracking of a point target in an IR sequence using dynamic programming approach
Raji et al. Analgorithmic Framework for Automatic Detection and Tracking Moving Point Targets in IR Image Sequences.
Kim et al. Adjacent infrared multitarget detection using robust background estimation
McKenzie et al. An empirical evaluation of infrared clutter for point target detection algorithms
Zhang et al. Dim target detection based on image features analysis in generalized S-transform domain

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
GR01 Patent grant
GR01 Patent grant