ES2335517T3

ES2335517T3 - Procedimiento de deteccion y de seguimiento de blancos puntuales, en un sistema de vigilancia optronico.

Info

Publication number: ES2335517T3
Application number: ES05787158T
Authority: ES
Inventors: Yves Klein; Vincent Megaides; Nadege Van Puymbroeck Lemperiere
Original assignee: Thales SA
Current assignee: Thales SA
Priority date: 2004-09-21
Filing date: 2005-09-19
Publication date: 2010-03-29
Anticipated expiration: 2025-09-19
Also published as: DE602005017646D1; KR101207225B1; WO2006032650A1; FR2875626B1; EP1792278A1; KR20070067095A; IL181820A; EP1792278B1; IL181820A0; JP2008513868A; JP4900611B2; MY140799A; ATE448530T1; FR2875626A1

Abstract

Procedimiento de tratamiento de imágenes optrónico, para asegurar la detección de blancos puntuales y el seguimiento de la pista de cada blanco detectado en las indicadas imágenes, mediante creación y validación de pistas hipótesis a partir de puntos detectados en una imagen observada, comprendiendo una pista hipótesis al menos un punto detectado, comprendiendo el mencionado procedimiento para cada imagen observada, una etapa de detección (4) de puntos en la imagen, que comprende una partición de la imagen observada en una pluralidad de zonas homogéneas, siendo una zona homogénea una zona sobre la cual se comprueba un criterio de uniformidad definido por una función de distribución radiométrica determinada, el cálculo para cada píxel de la imagen observada de una relación entre señal y ruido (RSB) correspondiente con relación a la zona homogénea en la cual se encuentra el indicado píxel, y la comparación de la relación entre señal y ruido calculada con un umbral de detección (thd), tal que se detecta un punto para un píxel de la imagen si la relación entre señal y ruido calculada para este píxel es superior o igual al indicado umbral de detección, y para cada punto detectado, la determinación de un conjunto (Ek) de umbrales de comparación asociado con dicho punto, comprendiendo el mencionado conjunto una o más pluralidades de umbrales, siendo los indicados umbrales de comparación superiores o iguales al mencionado umbral de detección (thd), una etapa de validación de pistas hipótesis que comprende para cada punto detectado, una etapa de aplicación de un criterio de validación de la pista hipótesis asociada con dicho punto, siendo el indicado criterio de validación función de los umbrales de comparación asociados con cada uno de los puntos de la pista hipótesis.

Description

Procedimiento de detección y de seguimiento de blancos puntuales, en un sistema de vigilancia optrónico.

La presente invención se refiere a un procedimiento de detección y de seguimiento de blancos puntuales, en un sistema de vigilancia optrónico, basado en las observaciones de imágenes proporcionadas por sensores optrónicos, por ejemplo sensores de infrarrojos. La invención se refiere más particularmente a un procedimiento de asociación de puntos singulares y de creación de pistas particularmente adaptado para la vigilancia optrónica sectorial o panorámica a gran velocidad.

En un sistema de vigilancia optrónico, el tratamiento digital de las imágenes tiene por objeto extraer la señal útil que puede corresponder a una amenaza en una escena vigilada y realizar un seguimiento espacial y temporal de esta eventual amenaza. Comprende así particularmente un módulo de detección, que permite extraer puntos singulares, denominados "plots" (representación gráfica), de la escena optrónica observada y un módulo de seguimiento que permite asociar entre sí puntos extraídos, sobre criterios espaciales y temporales: Un conjunto de puntos observados en diferentes momentos y asociados por el módulo de seguimiento, se denomina pista. Cada pista representa un blanco potencial (un objeto real).

Un ejemplo de un sistema de vigilancia optrónico de este tipo se ilustra en la figura 1. Está compuesto por sensor(es)
optrónico(s) 1 que permite(n) cubrir el campo de la escena 2 a observar. Este(os) sensor(es) optrónico(s) proporcio-
na(n) a intervalos de tiempo regulares, por medio de un enlace de datos, imágenes Data_{IN} de la escena de observación 2 en un calculador 3 de tratamiento digital de señal. Este calculador aplica en tiempo real funciones algorítmicas sobre estas imágenes.

Además de los algoritmos de tratamiento de las imágenes propiamente dichas (filtrado, restauración de píxeles defectuosos...) que son habitualmente previstos, las funciones algorítmicas realizadas en tiempo real por el calculador 3 se dividen en dos módulos principales, un módulo 4 de detección y un módulo 5 de seguimiento.

Se sitúa más particularmente dentro del marco de la búsqueda de una amenaza cuya superficie y distancias de aparición son tales que deberían producir una mancha óptica sobre el sensor optrónico del tamaño de un píxel. En este contexto, las funciones algorítmicas de los módulos de detección y de seguimiento están definidas para blancos puntuales, es decir que corresponden a un píxel de la imagen. En el caso en que un blanco correspondiese a varios píxeles de la imagen, funciones de reducción (zoom hacia atrás) se utilizan localmente, en el módulo de detección, para volver de nuevo al caso de un blanco puntual. Estas particularidades de tratamiento de imagen bien conocidas del experto en la materia no forman parte de la invención propiamente dicha, y no se detallarán por consiguiente aquí.

En el con texto precisado de búsqueda de blancos puntuales, los tratamientos realizados por el calculador 3 en tiempo real pueden organizarse del modo siguiente:

-: El módulo de detección 4 recibe imágenes optrónicas de la escena observada proporcionadas por el(los) sensor(es) optrónico(s) 1, generalmente pre-filtradas. A partir de una imagen optrónica de observación DATA_{IN} aplicada a la entrada, en la entrada, se extrae de esta imagen el conjunto de puntos que pueden corresponder espacial y radiométricamente a una amenaza, correspondiendo un punto a un píxel (blanco puntual).

-: El módulo de seguimiento 5 tiene por objeto proporcionar a un sistema de orden superior, tal como una interfaz hombre-máquina o un sistema de armas, informaciones sobre una amenaza potencial detectada, llamada pista.

\vskip1.000000\baselineskip

La creación de pistas consiste en resolver el problema siguiente:

¿Cuáles son los puntos detectados procedentes de imágenes observadas sucesivas que tienen un origen común, es decir una misma fuente en movimiento?. Así, en la práctica, se definirá una pista como un conjunto de puntos asociados en el tiempo. De este conjunto de puntos, se deduce un comportamiento cinemático del blanco, que permite particularmente predecir su desplazamiento en la escena observada.

Más particularmente, el módulo 4 de detección se basa habitualmente en un análisis de la imagen. Más precisamente, el módulo de detección puede por ejemplo proceder a un análisis local del ruido observado en la imagen (incluyendo el ruido propio del sensor y el ruido de la escena propiamente dicho) para extraer los puntos cuya relación señal - ruido sobrepase un cierto umbral. A cada punto así extraído se asocia un cierto número de características o atributos, como, por ejemplo, su posición angular y su nivel de señal (nivel radiométrico).

La utilización de sensores optrónicos más recientes, permite un análisis de las características espaciales y/o espectrales de la imagen (según el tipo de informaciones proporcionadas por el sensor). Así, es posible asociar con cada punto, informaciones sobre la distribución espacial y espectral del fondo del cual el punto ha sido extraído. Se prevé para ello un módulo de descomposición de la imagen que tiene por objeto identificar las diferentes partes de la imagen que pueden presentar caracteres de homogeneidad, reagruparlas en zonas homogéneas determinar las características de cada zona, en particular, un nivel de ruido medio sobre la zona y una diferencia tipo. Se trata de informaciones que serán seguidamente utilizadas para calcular en cada punto (pixel) de la imagen, la relación entre señal y ruido en este punto, indicada con la porción de imagen correspondiente a la zona homogénea en la cual se encuentra este punto.

El módulo de cálculo de la relación entre señal y ruido en un pixel dado utiliza las características de la zona homogénea Z_{i} asociada que caracteriza el fondo local del píxel considerado: nivel m_{Z_{i}} de ruido medio \sigma_{Z_{i}} y diferencia tipo.

Más precisamente, el cálculo de la relación entre señal y ruido RSB en un punto de la imagen consiste en realizar el cálculo siguiente:

1

donde S es el nivel de la señal radiométrica (es decir el nivel de gris) del pixel considerado, y m_{Z_{i}} y \sigma_{Z_{i}} la media y diferencia tipo de las señales radiométricas (típicamente, los niveles infrarrojos) sobre la zona homogénea Z_{i} asociada con este píxel.

La relación entre señal y ruido RSB calculada en cada píxel de la imagen observada se compara con un umbral de detección predeterminado th_{d}, para discriminar los puntos para los cuales se tiene RSB\geqth_{d}. Los puntos que verifican esta relación son los puntos detectados. Estos puntos detectados pueden corresponder bien sea a objetos contrastados de la escena, o a píxeles viciados de ruido.

En la práctica, el umbral de detección predeterminado th_{d} se calcula de forma que garantice un par de probabilidades dado de detección y de falsas alarmas para un píxel que presenta una relación entre señal y ruido igual a la de un blanco en límite de alcance. Este valor depende en la práctica del blanco que se desea detectar y del alcance requerido para este blanco.

A la salida del módulo de detección, se proporcionan datos de salida DET_{OUT}. Estos datos de salida DET_{OUT} del módulo de detección se aplican a la entrada del módulo de seguimiento.

Es lo que se ha representado de forma esquemática en la figura 2. Al término de la etapa de descomposición de la imagen y de búsqueda de los puntos, se obtienen puntos detectados pl_{1}, pl_{2}, pl_{3} para cada uno de los cuales la relación entre señal y ruido RSB calculada en la zona homogénea Z_{i} asociada es superior al umbral de detección th_{d}.

Al inicio de esta tapa, el módulo 4 de detección transmite al módulo 5 de seguimiento datos DET_{OUT} que comprenden la lista de los puntos detectados, con para cada punto, sus atributos respectivos, particularmente: posición del punto en la imagen, nivel radiométrico del punto S, media de las señales radiométricas sobre la zona homogénea Z_{i} asociada con el punto, diferencia tipo de las señales radiométricas sobre esta zona homogénea Z_{i}.

Estos atributos se utilizan particularmente en el módulo de seguimiento para asociar un punto con una pista hipótesis o una pista validada, y para predecir la posición de estas pistas en la imagen observada siguiente (posición, nivel de señal, velocidad, aceleración) a partir de los atributos de cada uno de los puntos de la pista hipótesis o validada considerada.

Tratándose del módulo 5 de seguimiento, se utilizan dos procesos de asociación de puntos: la asociación de puntos con el fin de validar una hipótesis de pista, y la asociación de puntos con el fin de mantener las pistas validadas. Se trata de dos procesos que utilizan algoritmos diferentes. Al término de estos dos procesos de asociación, si queda un punto que no haya podido asociarse ni con una hipótesis de pista ni con una pista validada, se crea una nueva hipótesis de pista con este punto.

La asociación de un punto procedente de la imagen observada corriente con otros puntos procedentes de observaciones precedentes, asociados entre sí y que forman una pista de hipótesis o validada, se basa de forma general en la existencia de una coherencia temporal y espacial entre todos estos puntos. Las técnicas de asociación son bien conocidas por el experto en la materia. Las mismas están generalmente basadas en criterios cinemáticos o espaciales, mediante los cuales se determina un modelo de movimiento común a los puntos.

Este modelo de movimiento permite realizar una predicción de la posición del blanco. Es alrededor de esta posición que se buscará el punto correspondiente a la detección de la pista en la nueva observación. Como el modelo de movimiento no es perfecto y puede cambiar si el blanco se mueve, se deja una cierta latitud al proceso de asociación para buscar un punto alrededor de la posición predicha de la pista. Esta zona de búsqueda de punto constituye la zona de asociación. Su tamaño depende en la práctica de la maniobrabilidad de los blancos buscados, de la frecuencia del sistema, de la velocidad máxima de los blancos,...

\newpage

El proceso de asociación y validación consiste en la práctica en realizar las operaciones siguientes:

En la primera imagen, para cada punto detectado (cuya relación entre señal y ruido RSB es superior o igual al umbral de detección th_{d}), se inicializa una pista hipótesis con una velocidad nula, y se aplican operaciones de filtrado para predecir la posición del blanco supuesto en la imagen siguiente;

En la imagen siguiente, por cada pista hipótesis creada, se mira en la zona de asociación alrededor de la posición predicha en la etapa precedente si un punto ha sido detectado por el módulo 3 de detección. Si es afirmativo, se aplican las operaciones de filtrado sobre los dos puntos asociados con esta pista hipótesis, para actualizar el modelo de movimiento y predecir la posición del blanco supuesto en la imagen siguiente ... etc.

Según el estado de la técnica, una pista hipótesis se valida al cabo de Q imágenes de observaciones sucesivas, si un número P de puntos han sido asociados entre estas Q observaciones. El triplete (P, Q, th_{d}) constituye por consiguiente el criterio de validación de una pista hipótesis.

En la práctica, los valores de P y Q y el umbral de detección th_{d} se determinan para asegurar un par de probabilidades (creación de pistas, falsas pistas) predeterminado, por ejemplo igual al (90%, 10%): una pista creada sobre este criterio tiene así el 90% de probabilidades de representar un objeto real (una amenaza potencial) presente en la escena optrónica, y un 10% de probabilidades de ser una falsa alarma, debido a una mala asociación de puntos.

Así, si en la primera observación, se detecta un primer punto (RSB\geqth_{d}), se crea una pista hipótesis correspondiente. Esta pista hipótesis solo será validada al cabo de la Q^{a} observación, si a esta Q^{a} observación se hubiera asociado con esta pista hipótesis un Pº punto. Cada uno de los P puntos asociados con la pista hipótesis comprueba RSB\geqth_{d}.

Si se valida la pista hipótesis [criterio (P, Q, th_{d}) satisfecho], los datos asociados con esta pista validada (posición de los puntos, características cinemáticas...) se transmiten al sistema de orden superior (DATA_{OUT}).

En la práctica, para cada pista hipótesis o validada, se memoriza el histórico de la pista en una tabla informática, por ejemplo sobre las H últimas observaciones (con H>Q). Cada vez que se asocia un nuevo punto, las operaciones de filtrado se aplican sobre el conjunto de puntos de la tabla actualizada, para re-inicializar cada vez los parámetros de predicción (cinemática...).

En los sistemas de vigilancia que reflejan el estado de la técnica, el umbral de detección th_{d} utilizado en el módulo de detección para discriminar los puntos de la imagen observada y los números P y Q utilizados en el módulo de seguimiento para validad una hipótesis de pista, son parámetros sistema fijados, predefinidos en función de las características del sistema de vigilancia y de las amenazas a vigilar. Los valores de estos parámetros sistema P, Q y th_{d} se determinan para que los puntos detectados, pero que corresponderían en realidad al ruido, no puedan servir para validar una pista hipótesis ni para mantener una pista ya creada. Estos valores P, Q y th_{d} dependen por consiguiente de la probabilidad FA de falsas alarmas a la salida de la detección para un blanco en el límite de alcance del sensor optrónico.

La probabilidad de crear h falsas pistas por hora sigue una ley de Poisson. La misma se escribe:

2 donde m es el número medio de falsas pistas creadas por hora.

Este número medio m de falsas pistas por hora admisibles está relacionado en la práctica con el par (P,Q) así como con el valor FA del porcentaje de falsas alarmas procedentes de la detección.

En efecto, el número medio m de falsas pistas por hora es igual a 3600.f veces el número medio N_{m} de falsas pistas creadas por imagen (por barrido), siendo f la frecuencia de barrido de la zona cubierta por el sistema de vigilancia, o sea:

(ec.1)m = 3600.f.N_{m}.

El número medio N_{m} de falsas pistas por barrido es igual al número N_{pi} de píxeles que sirven para cubrir la zona de barrido, multiplicado por la probabilidad de P_{fp} que este píxel dé lugar a una falsa pista, o sea N_{m} = N_{pi} x P_{fp}.

El número N_{pi} es conocido, función del sensor utilizado.

La probabilidad de P_{fp} que un píxel dé lugar a una falsa pista es la probabilidad de que este píxel dé lugar a una falsa alarma y de que este píxel esté asociado consecuentemente con al menos P falsas alarmas entre Q observaciones del sector de vigilancia.

\newpage

Para determinar esta probabilidad P_{fp}, es preciso considerar la probabilidad FA de falsas alarmas a la salida de la detección, que se expresa como sigue:

3 P(falsas alarmas sobre Q observaciones)

\hskip2.5cm

(ec. 2)

La probabilidad de tener una falsa alarma suplementaria para asociar con una pista existente es la probabilidad del acontecimiento siguiente: "Abriendo una zona de asociación de tamaño R*R alrededor de la posición extrapolada de la pista, se encuentra al menos una falsa alarma". Este acontecimiento es el acontecimiento contrario de "Abriendo una zona de asociación alrededor de la posición extrapolada de la pista, no se encuentra ninguna falsa alarma", lo cual puede también expresarse como sigue: "Ninguno de los píxeles de la zona de asociación ha dado lugar a una falsa alarma", acontecimiento cuya probabilidad es (1-FA^{R*R}), donde R*R representa el tamaño de la zona de asociación. De donde viene que la probabilidad de tener una falsa alarma suplementaria para asociar con una pista existente sea igual a 1-(1-FA^{R*R}).

La probabilidad del acontecimiento "obtener i falsas alarmas sobre Q-1 observaciones" es la probabilidad de obtener i veces "una falsa alarma suplementaria para asociar con una pista existente" y (Q-1-i) veces "ninguna falsa alarma en la zona de asociación".

Esta probabilidad es por consiguiente igual a C^{i}_{Q-1}(1-(1-FA)^{R*R})^{i}(1-FA)^{R*R(Q-1-i)}, donde C_{Q-1}^{i} designa el número de combinaciones de i elementos entre Q-1.

De donde procede 4

Partiendo de m=3600.f.N_{pi}.P_{fp}, se obtiene por consiguiente:

5

Esta relación entre el número medio m de falsas pistas por hora admisibles y el par (P.Q) así como en el valor FA del porcentaje de falsas alarmas procedentes de la detección, permite por consiguiente, fijando Q como el número máximo de observaciones admisibles antes de tomar una decisión de creación de pista (Lo cual corresponde al tiempo de retraso admisible para los tratamientos), encontrar los parámetros FA y P que permitirán garantizar un porcentaje de creación de falsas pistas dado. Esta fórmula muestra por ejemplo que si se selecciona, para un porcentaje de falsas pistas dado, disminuir el valor de P, las obligaciones sobre la asociación de alarmas para la creación de pistas disminuyen. Entonces será preciso disminuir el valor del porcentaje de falsas alarmas FA para disminuir el porcentaje de falsas alarmas a la salida de la detección. Por el contrario, si se aumenta P, se podrá permitir aumentar el porcentaje de falsas alarmas, ya que se ha hecho más exigente sobre el número de alarmas necesarias para crear pistas.

Un problema encontrado en la fase de tratamiento de seguimiento, reside en la complejidad del fondo de la escena optrónica por el cual el blanco se desplaza. Por ejemplo, en el caso de una pista hipótesis validada, si el blanco pasa por una zona compleja, la misma puede no ser detectada en la imagen correspondiente. En efecto, la señal radiométrica de un blanco es a priori constante. La relación entre señal y ruido de un blanco puntual en una zona compleja tiene por consiguiente tendencia a disminuir. Si es inferior al umbral de detección th_{d}, el blanco no se detectará en un fondo complejo de este tipo. Ahora bien si no existe detección del banco puntual en la imagen actual, los atributos de cinemática (operaciones de filtrado) se modificarán de forma errónea y la predicción será por si misma errónea. Existe riesgo de desincronización del blanco. Este problema de desincronización puede también plantearse si el blanco pasa al límite de alcance del sensor optrónico: su señal radiométrica se vuelve más débil. La relación entre señal y ruido disminuye también.

Un objeto de la invención es así hacer más robusto el proceso de asociación, para evitar los problemas de desincronización.

Otro problema encontrado con el módulo de seguimiento, reside en el tiempo necesario para la validación de las pistas hipótesis. En efecto, es deseable validar una pista lo más rápidamente posible, cumpliendo con los imperativos de probabilidad de falsas alarmas, que debe permanecer bajo. Ahora bien, para un umbral de detección predeterminado th_{d}, si se considera un fondo simple, uniforme, la probabilidad de falsas alarmas es más bajo que en el caso de un fondo complejo. Ahora bien el módulo de seguimiento del estado de la técnica aplica un criterio predefinido, fijo, que necesita realizar al menos Q observaciones, y tener asociado P puntos respecto a estas Q observaciones para validar una pista.

Si se puede reducir este número de observaciones al menos en algunos casos de observaciones favorables, se reduce ventajosamente la distancia temporal entre la detección (del primer punto) y la puesta en pista: se mejora así la reactividad del sensor. En el caso en que el blanco se aproxime al sensor optrónico, eso equivale a una mejora del alcance del sistema de vigilancia.

Una idea en la base de la invención es hacer el seguimiento adaptativo.

Es conocido particularmente por el documento de Chummun M R et al, "An adaptative early detection ML/PDA estimator for LO targets with EO sensors" Aerospace proceedings, 2000 IEEE March 18-25, 2000, Piscataway, NJ, USA, IEEE vol.3, 18 de Marzo 2000, páginas 449-464, XP10518713, ISBN:0-7803-5846-5, estimar en cada nueva imagen, un umbral de detección en función de una relación de señal sobre ruido estimada con el fin de limitar las falsas alarmas. Sin embargo esta adaptación penaliza la probabilidad de detección de blancos entrantes y no se refiere al seguimiento.

Según la invención, con cada nuevo punto detectado, se determina un umbral o una pluralidad de umbrales de comparación asociados con este punto, superiores o iguales al umbral de detección y se aplica un criterio de validación de la pista hipótesis asociada, función de los umbrales de comparación asociados con los puntos de la pista hipótesis.

En cada nuevo punto asociado con una pista, se mira si un criterio de validación de pista se ha verificado con relación al umbral o a la pluralidad de umbrales asociados con cada punto de la pista. Así, se pasa de un criterio estereotipado (P, Q, th_{d}) a un criterio adaptativo, en el cual, por la utilización de umbrales adaptados, los valores de P y Q pueden variar según las condiciones de observación.

Así, tal como se caracteriza, la invención se refiere a un procedimiento de tratamiento de imágenes optrónico, para asegurar la detección de blancos puntuales y el seguimiento de la pista de cada blanco detectado en las indicadas imágenes, que comprende una etapa de comparación en cada píxel de una imagen observada, para comparar la relación entre señal y ruido con un umbral de detección (th_{d}) y una etapa de creación de pistas hipótesis, comprendiendo cada pista hipótesis al menos un punto detectado, caracterizado porque para cada punto detectado, comprende una etapa de determinación de un conjunto de umbrales de comparación asociado con dicho punto, comprendiendo el indicado conjunto un umbral o una pluralidad de umbrales de comparación, siendo los indicados umbrales de comparación superiores o iguales al mencionado umbral de detección (th_{d}), y una etapa de aplicación de un criterio de validación de la pista hipótesis asociada con dicho punto, siendo el indicado criterio de validación función de los umbrales de comparación de cada uno de los puntos de la pista hipótesis.

Según un aspecto de la invención, los indicados umbrales de comparación se determinan en función de la complejidad del fondo local del punto considerado.

La introducción de un criterio adaptativo de validación en función del fondo local permite adaptar el algoritmo de tratamiento a las condiciones de detección encontradas en las diferentes zonas de las imágenes proporcionadas por los sensores de vigilancia optrónica.

Según un aspecto de la invención, los indicados umbrales de comparación asociados con el punto detectado se determinan en función del número de puntos ya asociados con la pista hipótesis considerada.

Los rendimientos se mejoran también previendo la adaptación del criterio en función del número de puntos de la pista sobre el cual se ha aplicado. Se determina entonces para cada punto un umbral de comparación aplicable en función del número i de puntos de la pista hipótesis sobre los cuales se aplica el criterio de validación.

Si la pista hipótesis comprende p puntos, el criterio de validación consiste en verificar si existen i puntos, i=1 en p, tales que para cada uno de los i puntos, la relación entre señal y ruido del punto sea superior al umbral de comparación aplicable para i puntos.

Particularmente, si un punto detectado tiene un RSB muy fuerte, superior al umbral de detección de comparación para un punto que le hubiera sido asociado según la invención, entonces la pista será validada por aplicación del criterio de validación sobre este único punto, independientemente de las relaciones de señal sobre ruido de los otros puntos. La reactividad de un sistema de vigilancia que pone en práctica un procedimiento según la invención se encuentra con ello sustancialmente mejorada.

De preferencia, se modeliza la complejidad del fondo local sobre el cual se ha detectado un punto, y se pre-calculan los conjuntos de umbrales de comparación, para cada modelo. De este modo, la realización de un procedimiento según la invención se facilita. Además, el precálculo de los conjuntos de detección a aplicar permite un tratamiento de un algoritmo de seguimiento según la invención más rápido, adaptado a cadencias de imágenes elevadas.

Según otro modo de realización de la invención que puede combinarse con el precedente, se utiliza un criterio adaptativo en el proceso de asociación de puntos para el seguimiento (el mantenimiento) de las pistas validadas. Según este modo de realización, en cada nueva observación, este criterio adaptativo se utilizará cuando el módulo de detección no haya proporcionado ningún punto en la zona de asociación anteriormente dicha para la pista validada considerada, para esta nueva observación. Este criterio permite la detección de puntos fantasma, por reducción del umbral de detección en la zona de asociación considerada. Estos puntos fantasma permitirán ventajosamente no desincronizar del blanco en caso de paso por una zona de imagen compleja. Aquí, en función de las características del fondo local sobre el cual se predice la futura posición del blanco correspondiente a la pista validada considerada, se acciona el módulo de detección con un umbral de detección inferior al umbral de detección nominal th_{d}, para obtener una probabilidad de detección en esta zona próxima del 100%. Este aspecto de la invención se basa en el hecho de que la pista al ser validada, la probabilidad de falsa alarma ha sido disminuida de forma significativa.

Otras ventajas y características de la invención aparecerán más claramente con la lectura de la descripción que sigue, realizada a título indicativo y no limitativo de la invención y haciendo referencia a los dibujos adjuntos, en los cuales:

- La figura 1 ya descrita es un esquema-bloque de un sistema de vigilancia optrónico;

- La figura 2 ya descrita es un esquema-bloque de un módulo de detección 4 según el estado de la técnica sobre datos de imagen DATA_{IN} aplicados a la entrada,

- La figura 3 ilustra el proceso de un módulo de seguimiento 5 que utiliza criterios adaptativos según la invención,

- La figura 4 evidencia los procesos adaptativos según la invención, en los módulos de detección y de seguimiento;

- La figura 5 ilustra un conjunto de umbrales de detección definidos en función del nivel de complejidad del fondo local según la invención;

- Las figuras 6 y 7 son representaciones de las curvas de densidad de probabilidad de detección, con relación al ruido captador y una señal de blanco, según la complejidad del fondo local sobre el cual evoluciona el blanco.

Según la invención, cada vez que un punto es detectado en una observación corriente, se define un umbral o una pluralidad de umbrales de comparación aplicables como criterio de validación de pista, permitiendo a la vez garantizar un porcentaje de detección de blanco y de falsa alarma, y validar rápidamente una pista en condiciones favorables, cuando el blanco se desplaza sobre un fondo sencillo o poco complejo. Así, se mejoran los rendimientos del sistema en términos de reactividad satisfaciendo el criterio de fiabilidad del sistema (porcentajes de detección, porcentajes de falta alarma).

Más particularmente, según un aspecto de la invención, se definen estos umbrales de comparación, mediante cálculo, en función de las características radiométricas del fondo local sobre el cual ha sido detectado el punto, y curvas de probabilidad de detección y de falsas alarmas para este punto.

Si se retoma la figura 2, se prevé así que el módulo de detección proporcione en cada nueva observación:

-: El conjunto de zonas homogéneas Z_{i} de la imagen, con los atributos de cada zona, típicamente al

-: menos su posición, su tamaño, el nivel de ruido medio m_{Z_{i}} y la diferencia tipo \sigma_{Z_{i}} de los niveles radiométricos sobre la zona Z_{i};

-: El conjunto de puntos detectados con los atributos de cada punto (posición, nivel radiométrico S, nivel de ruido medio m_{Z_{i}} y diferencia tipo \sigma_{Z_{i}} de los niveles radiométricos sobre la zona Z_{i});

Así, cada vez que un punto ha sido detectado en una nueva observación, se es capaz de determinar un conjunto de umbrales de comparación (un umbral o una pluralidad de umbrales), en función de las características radiométricas de la zona homogénea sobre el cual el punto ha sido detectado, y en aplicar un criterio de validación de la pista hipótesis asociada PH_{i}, función de los umbrales de comparación asociados con cada uno de los puntos de esta pista. Típicamente, estos umbrales se determinan explotando la ecuación (ec. 3). Para cada pista de la cual se conoce el número Q de observaciones y P de detecciones actuales, se calcula el porcentaje de falsas alarmas necesario para asegurar el porcentaje de falsas pistas requerido. Se deduce de ello el umbral th_{d} que permite obtener este porcentaje de falsas alarmas. Si las detecciones que han servido para crear la pista han sobrepasado este umbral, entonces la decisión de creación de la pista es tomada inmediatamente.

Más precisamente el criterio adaptativo según la invención, consiste en mirar si existen i puntos entre los p puntos de la pista para los cuales su relación entre señal y ruido es superior o igual a un umbral de comparación definido para i puntos. Así, la pista hipótesis puede ser validada al cabo de 1, 2,...p puntos, o no validada, según las condiciones de observación.

Este criterio es adaptativo y dinámico, pues se re-evalúa cada vez que un nuevo punto se asocia con la pista hipótesis:

-: en función de la zona homogénea sobre la cual se habrá detectado, el blanco al desplazarse, de una observación a otra puede no estar del todo sobre el mismo tipo de fondo; por consiguiente la complejidad puede variar.

-: en función del número q de observaciones realizadas, contabilizadas. Los umbrales no son tan selectivos si se trata de la 10^{a} observación que si lo son de la primera, lo cual está relacionado con la ley estadística de probabilidad de detección.

-: En función del número p de puntos asociados con la pista hipótesis considerada: para un número q de observaciones predeterminado, los umbrales son menos selectivos según se consideren 4 puntos o un solo punto, lo cual está relacionado con la ley estadística de probabilidad de detección.

Esto permite por consiguiente aumentar la reactividad sobre las alarmas cuya relación entre señal y ruido es elevada y que tiene por consiguiente más probabilidad de sobrepasar umbrales th_{d} asociados con una puesta en pista más rápida.

Se obtiene así un procedimiento de validación adaptativo y dinámico, que permite la puesta en pista rápida (es decir, la validación de pista hipótesis) en el caso de puntos con fuertes RSB, permitiendo siempre la puesta en pista en el caso de puntos con bajo RSB. En otras palabras, el tiempo de puesta en pista va en función del contraste del píxel. La reactividad del sistema se mejora por consiguiente. Particularmente, el procedimiento descrito permite una puesta en pista rápida de los objetos más próximos del sensor que el alcance límite.

Este proceso de validación de una pista hipótesis según la invención se desencadena en cada nueva observación, si en esta observación, un nuevo punto se ha asociado con esta pista hipótesis. Este procedimiento necesita determinar los umbrales de comparación asociados con cada punto detectado en la imagen. Estos umbrales se determinan a partir de las características radiométricas asociadas con la zona homogénea sobre la cual el punto ha sido detectado, y esto para cada punto y con cada nueva imagen. También se determinan en función del número de puntos que se consideran para verificar el criterio.

En la práctica la determinación de las características radiométricas del fondo local para definir los umbrales de comparación aplicables para cada punto detectado puede ser más o menos facilitada según el modo de descomposición de la imagen en zonas homogéneas.

Un método conocido de descomposición de una imagen en zonas homogéneas utiliza como criterio de definición de una zona homogénea, un mismo nivel radiométrico (nivel de gris) en cada píxel de la zona. Según este método, se establece una especie de radiografía de la imagen observada, como se ha representado esquemáticamente en la tabla dada a continuación:

6

Se obtiene así una partición de la imagen en zonas homogéneas, con el mismo nivel de señal (nivel de gris), sobre las cuales se realizan cálculos de ruido medio y diferencia tipo.

Luego, para cada punto detectado, se observa en que zona homogénea de esta radiografía se encuentra este punto, para calcular una relación entre señal y ruido correspondiente.

Según la invención, se define entonces un umbral o una pluralidad de umbrales en función del fondo local definido por la zona homogénea sobre la cual el punto ha sido detectado. Sin embargo, un método de este tipo necesita tiempos de cálculo suplementarios de puesta en práctica por cada punto detectado.

Según un modo de realización preferido, el modo de descomposición de la imagen en zonas homogéneas permite una modelización de la complejidad del fondo local. En este modo de realización preferido, se utiliza un criterio de mayor proximidad uniforme alrededor de cada píxel. Así, en este método, se parte del píxel, para determinar las zonas homogéneas en la imagen.

Un criterio de uniformidad puede definirse a partir de una función de distribución radiométrica. Por ejemplo, puede definirse a partir de la diferencia-tipo: una zona uniforme es entonces una zona sobre la cual la diferencia tipo del nivel radiométrico es constante, igual al nivel de ruido del sensor optrónico. Se puede también integrar en la definición nociones de rampas de niveles.

Según una descomposición de este tipo en zona homogéneas, se trata entonces de determinar en cada píxel de la imagen, la zona homogénea Z_{i} que es la mayor zona de proximidad uniforme alrededor de este píxel: es la zona más grande alrededor del píxel, fuera del píxel propiamente dicho, sobre la cual se verifica el criterio de uniformidad. Los tratamientos algorítmicos asociados con este método de descomposición de imagen en zonas homogéneas son bien conocidos por el experto en la materia y no serán detallados.

En la práctica, se puede modelizar esta descomposición utilizando tamaños TF_{k} de ventanas comprendidas entre un tamaño máximo TF_{1} y un tamaño mínimo TF_{t}. La descomposición consiste entonces en mirar en cada píxel, que tamaño de ventana responde al criterio de mayor proximidad uniforme. Más precisamente, el método de descomposición de la imagen consiste en cada píxel en abrir la ventana de tamaño máximo (u óptimo) TF_{1} alrededor del píxel, y en aplicar los cálculos de criterio de uniformidad sobre la zona de imagen en la ventana. Si el criterio de uniformidad se verifica en esta zona, es que se trata de la zona de proximidad local uniforme más grande en el sentido precisado anteriormente. Si no se reduce el tamaño de ventana alrededor del píxel y así sucesivamente, hasta el tamaño más pequeño de ventana TF_{t} definido.

Al término de esta fase de descomposición, cada píxel está así asociado con un tamaño TF_{k} de ventana. La zona homogénea Z_{i} en cada píxel queda así definida por un tamaño de ventana TF_{k}, y el cálculo de la relación entre señal y ruido RSB en un píxel dado de la imagen se realiza con relación a esta zona.

Esta descomposición se basa en un criterio de distribución radiométrico uniforme permite hacer corresponder con cada tamaño TF_{k} de ventana, variando k de 1 a t, un criterio k de complejidad de fondo local. Si se utilizan t tamaños de ventana, se obtiene así un criterio de complejidad que varía de 1 a t. Por convención, se ha indicado TF_{1} el tamaño más grande de ventana y por TF_{t} el tamaño más pequeño de ventana. Con esta convención, obtener una ventana de tamaño máximo TF_{1}, significa que el píxel considerado se sitúa en una región simple de la escena observada y obtener una ventana de tamaño mínimo TF_{t}, significa que el píxel considerado se sitúa en una región compleja de la escena observada. En una región de este tipo, la probabilidad de detección de puntos es mucho más baja que en una región simple.

Al término de esta fase de división, cada píxel se asocia así con un tamaño TF_{k} de ventana en la imagen observada. Este tamaño TF_{k} de ventana define la zona homogénea Z_{i} (Z_{i} es igual a la ventana de tamaño TF_{k} centrada sobre el pixel considerado). Se comprende que se encontrarán las zonas homogéneas más grandes en las regiones "simples" de la escena observada correspondiente a campos, bosques...y las zonas homogéneas más pequeñas, en las regiones "complejas": carreteras, lindes...

Se ha modelizado así la complejidad del fondo de la imagen mediante tamaños de ventana.

Según un modo de realización preferido de la invención, esta modelización permite predefinir los umbrales de comparación asociados con los puntos detectados, en función del tamaño de la zona homogénea asociada con cada punto.

En una realización preferida de la invención, se utiliza un sistema de vigilancia optrónico que utiliza una división de la imagen en zonas homogéneas, basado en un criterio de distribución radiométrico uniforme, aplicándose el indicado criterio en cada píxel de la imagen observada para determinar el tamaño más grande de ventana aplicada alrededor de dicho píxel sobre el cual se ha verificado el indicado criterio.

En este contexto, el nivel k de complejidad del fondo asociado con un punto detectado es facilitado por el tamaño de la ventana asociada con este punto, por esta división. Se puede así cuantificar la complejidad de un fondo local sobre k niveles, correspondientes a los tamaños k de ventana del criterio de distribución uniforme.

Cada ventana que representa un fondo uniforme, la densidad de probabilidad de detección sobre esta ventana está únicamente relacionada con el ruido captador y con la señal blanco.

La utilización de un modelo de ventanas "normalizadas" para representar la complejidad del fondo permite el conocimiento a priori de las curvas de densidad de probabilidad de detección y de falsas alarmas, para cada tamaño de ventana. En efecto, cuando se está sobre un fondo uniforme, la densidad de probabilidad de detección es una escala gausiana cuyos parámetros están únicamente relacionados con el ruido captador y con la señal blanco. Se puede por consiguiente determinarla estadísticamente. Es lo que se utiliza para pre-determinar un conjunto E_{k} de umbrales de comparación aplicables para cada nivel cuantificado k de complejidad del fondo.

La puesta en práctica del criterio adaptativo, consiste entonces en simplemente indexar el conjunto de umbrales de comparación aplicable al nuevo punto detectado, sobre el tamaño TF_{k} o sobre el criterio k de complejidad de la zona homogénea asociada, luego en aplicar el criterio de validación sobre la pista hipótesis correspondiente seleccionando los conjuntos de umbrales de comparación así indexados de los puntos de la pista hipótesis.

Así, se es capaz de decidir la validación de una pista cada vez que se detecta un nuevo punto, y esto, asegurando la fiabilidad del sistema (porcentajes de detección y porcentajes de falsas alarmas).

En la figura 5, se proporciona una representación de un conjunto E_{k} de umbrales de comparación determinados en función del nivel k de complejidad del fondo local según la invención.

Como se aprecia claramente en esta figura 5, cada conjunto E_{k} comprende \frac{P\times Q}{2} umbrales th_{i,j,k}, con i=1 en P y j=1 en Q, con i\leqj, y donde P es el número máximo de puntos asociados y Q el número máximo de observaciones. En la práctica, se tiene P=Q.

Cada conjunto E_{k} se estructura en forma de una tabla de dos entradas, que define, para un número q de observaciones corrientes (es decir ya realizadas, comprendida la observación actual), un subconjunto T_{q,k} de q umbrales de comparación th_{i,q,k,} i=1 en q, con th_{1,q,k}>th_{2,q,k}>th_{3,q,k....}>th_{i,q,k}>...>th_{q,q,k} (para un número q de observaciones dado, los umbrales son menos selectivos si se consideran 4 puntos que si se considera un solo punto, lo cual está relacionado con la ley estadística de probabilidad de detección).

Se puede escribir así:

7

lo que corresponde en la tabla de la figura 5 a las columnas.

En cada conjunto E_{k}, se tiene también (en cada línea, en la tabla de la figura 5) : th_{p,1,k}\leqth_{p,2,k....}\leqth_{p,Q,k}, (para un número p de puntos considerado, los umbrales no son tan selectivos si se encuentra en la 10^{a} observación que si se encuentra en la primera, unido a la ley estadística de probabilidad de detección).

En esta representación:

-: El nivel k de complejidad de la zona sobre la cual un punto ha sido detectado se utiliza como apuntador en el conjunto E_{k} de umbrales a utilizar para este punto en el proceso de validación;

-: El número q de observaciones realizadas desde el primer punto asociado de la pista hipótesis considerada, se utiliza como apuntador para seleccionar el subconjunto de umbrales T_{q,k} en el conjunto E_{k} y

-: El número p de puntos asociados con la pista hipótesis se utiliza como apuntador para seleccionar los p primeros umbrales de este subconjunto, o

: sea: 8

Estos umbrales forman en realidad un multi-criterio de validación, pues son todos a considerar sucesivamente, comenzando por el primero, th_{1,q,k}. Todos los umbrales se pasan así sucesivamente en revisión hasta el último, salvo que se encuentre en un valor de i\leqp, para el cual el criterio de validación se verifica es decir si existen i puntos entre los p puntos asociados de la pista hipótesis tal que cada uno de los i puntos tenga su RSB que comprueba: RSB \geq th_{i,q,k} para su valor de k asociado.

En un ejemplo dado a título ilustrativo de la invención, el proceso de validación realizado por el módulo de seguimiento puede ser como sigue, retomando las observaciones siguientes: se está en la qª observación para la pista hipótesis PH (es decir la qª observación desde un primer punto ha sido asociada con la pista hipótesis, o sea, desde que la pista hipótesis ha sido creada) y durante esta qª observación, un pº punto se asocia con esta pista hipótesis. Se obtiene p\leqq.

Un atributo de cada uno de los p puntos asociados con la pista hipótesis PH_{i} es el nivel k de complejidad de la zona homogénea sobre la cual este punto ha sido detectado.

Según la invención, el módulo de seguimiento consiste:

\ding{172}- En los conjuntos E_{k} de umbrales de comparación aplicables, indexados por los niveles de complejidad k asociados con los p puntos de la pista hipótesis considerada, para seleccionar los subconjuntos indexados por el número q de observaciones corrientes, es decir los subconjuntos

9

\ding{173}- En inicializar un bucle de comparación con i=1, consistiendo este bucle en las etapas siguientes:

-a).: Selección de los umbrales th_{i,q,k} de índice i en los subconjuntos T_{q,k} y verificación del criterio siguiente:

\sqbullet: Si existen i puntos entre los p puntos de la pista hipótesis PHI tales que cada punto entre estos i puntos compruebe la desigualdad siguiente: RSB \geq th_{i,q,k} para el valor del nivel de complejidad k asociado con este punto.

\bullet: entonces la pista se valida - final del bucle.

\sqbullet: si no, etapa b).

-b).: i=i+1.

\sqbullet: Mientras que i\leqp, vuelve a la etapa a).

\sqbullet: Si no, etapa c).

-c).: si i>p, entonces la pista no es validada - final del bucle.

\vskip1.000000\baselineskip

Se supone por ejemplo que q=4. Si se supone que los dos primeros puntos de la pista hipótesis tienen un atributo k asociado igual a 2, y que los otros dos puntos de la pista hipótesis tienen un atributo k asociado igual a 3, se selecciona por consiguiente en el conjunto E_{2}, el subconjunto T_{4,2} que comprende los umbrales siguientes (figura 5): th_{1,4,2}> th_{2,4,2}> th_{3,4,2}> th_{4,4,2}. Se selecciona igualmente el subconjunto T_{4,3} que comprende los umbrales siguientes (figura 5): th_{1,4,3}> th_{2,4,3}> th_{3,4,3}> th_{4,4,3}.

En un ejemplo, se tiene

th_{1,4,2} \approx =8,3> th_{2,4,2} \approx 5,5 > th_{3,4,2} \approx 4,4 > th_{4,4,2}\approx 3,7.

th_{1,4,3} \approx 9> th_{2,4,3} \approx 6> th_{3,4,3} \approx 4,6> th_{4,4,3} \approx 3,8.

\vskip1.000000\baselineskip

El proceso de validación de la pista en la q=4ª observación, es observar:

- si un punto entre los p puntos asociados comprueba RSB\leqth_{1,4,k} para su valor de k asociado; si es afirmativo, la pista es validada. Si no es así, observar:

- si p\geq2, si dos puntos entre los p puntos asociados verifican cada uno RSB\leqth_{2,4,k} para su valor de k respectivo: si es afirmativo, la pista se valida. Si no es así, observar:

- si p\geq3, si tres puntos entre los p puntos asociados comprueban cada uno RSB\leqth_{3,4,k} para su valor de k respectivo: si es afirmativo, la pista se valida. Si no es así, observar:

- si p\geq4, si cuatro puntos entre los p puntos asociados verifican cada uno RSB\leqth_{4,4,k} para su valor de k respectivo: si es así, la pista es validada.

\vskip1.000000\baselineskip

Si no es así, la pista no es validada.

Por ejemplo, en el caso de la pista hipótesis descrita, si el segundo punto (k = 2) tiene un RSB superior a 5,5 y si el tercer punto (k=3) tiene un RSB superior a 6, los dos cumplen las condiciones para una creación de pista en P=2 sobre sus niveles k de complejidad respectivos, y por consiguiente la pista puede ser creada.

Se comprende que se obtiene la puesta en pista mucho más rápidamente que en el caso del criterio establecido (P, Q, th_{d}) habitualmente utilizado en el estado de la técnica.

En un perfeccionamiento de la invención, si en una observación, ningún punto está asociado con la pista hipótesis PH, se compara el par (p,q) asociado con la pista (es decir que el número p de observaciones realizadas desde el primer punto asociado, y el número q de puntos asociados). Si este par se encuentra próximo a valores máximos (P, Q) establecidos en el proceso de validación, entonces se observa el nivel de complejidad asociado con la zona de predicción de la pista hipótesis. Si esta predicción se realiza con un fondo complejo, entonces se decide la validación de la pista hipótesis. Esto será típicamente el caso si se tiene un nivel de complejidad k en la zona de predicción igual a t o t-1 (correspondiente al tamaño de ventana mínimo), según la convención de modelización retenida. Así, en otras palabras, en el caso en que ningún punto sea detectado en la imagen observada corriente para una pista hipótesis dada, se prevé una etapa de comparación del par (p,q) del número p de puntos de una pista hipótesis y de un número q de observaciones realizadas desde el primer punto asociado con la indicada pista hipótesis, con un par óptimo (P,Q), para validar la indicada pista hipótesis en función de la diferencia entre estos dos pares (p,q) y (P,Q) y en función del nivel de complejidad k asociado con la zona de predicción de posición de punto en la imagen corriente.

Para ilustrar este propósito, si se tiene (P,Q)=(10,10), un perfeccionamiento de este tipo podrá ser puesto en práctica con (p,q)=8,9) por ejemplo.

Según otro aspecto de la invención, el nivel de complejidad k se utiliza también para hacer adaptativo el proceso de asociación de puntos con una pista validada. Se trata aquí de asegurar el seguimiento de la pista, es decir el alcance del blanco.

Un blanco dado tiene una señal radiométrica que permanece constante en primer orden. Así, si la trayectoria de este blanco pasa sobre fondos simples y complejos, la relación entre señal y ruido de este blanco variará fuertemente. En zonas complejas, puede resultar demasiado débil para ser detectado por el módulo de detección.

Se recuerda que el módulo de detección aplica un umbral de detección fijo th_{d}. En la práctica este umbral fijo th_{d} corresponde al umbral mínimo de las tablas E_{k}, que será dado por el umbral th_{Q,Q,1} de la Tabla E_{1} (correspondiente a un fondo simple).

La figura 6 representa las densidades de probabilidad de detección dp(x), para un blanco y para el ruido, en función de la relación entre señal y ruido, para una ventana de tamaño dada.

Con ventana de tamaño constante, la probabilidad de detección es el área bajo la curva dp(x) del blanco, delimitada a la izquierda por la recta vertical correspondiente al umbral de detección th_{d} del módulo de detección, lo cual se escribe p(det) 10 blanco . th_{d} es elegido para que p(det)=90%.

La probabilidad de falsa alarma se facilita por el área delimitada a la izquierda por el umbral de detección th_{d} y la porción de curva de densidad de probabilidad del ruido a la derecha.

Ahora, si el blanco pasa por un fondo más complejo, el tamaño de la ventana varía. Esto se traduce por una curva de densidad de probabilidad de detección de blanco que se desplaza hacia la izquierda como se ha representado con líneas de trazo discontinuo en la figura 7. Para mantener la misma probabilidad de detección, es preciso entonces disminuir el umbral de detección. En el cálculo de área, eso viene a añadir la porción "a" de superficie grisácea bajo la curva de densidad de probabilidad de detección de blanco, es decir 11 _{blanco}. Este umbral se indica por th_{da} en la figura 7. Es elegido para que la probabilidad de detección del blanco sea del 90%.

Se aprecia, que de este modo, la probabilidad de falsa alarma aumenta al mismo tiempo.

La idea es por consiguiente, en el caso de una pista validada, controlar en el módulo de detección una reducción local del umbral de detección, en el caso de un fondo local complejo, si el módulo de detección que aplica el umbral establecido th_{d} de detección no ha permitido detectar un punto correspondiente a esta pista validada, en la zona de predicción. Adaptando localmente el umbral de detección, se permite la detección de un punto que se llama punto fantasma. Este principio no es del todo aplicable en la detección de puntos para las pistas hipótesis, pues en el caso de las pistas hipótesis, se aumentaría entonces la probabilidad de falsa alarma, lo cual no es buscado.

En la práctica, una realización del procedimiento según la invención comprende dos aspectos: un aspecto predicción y un aspecto detección.

En esta realización, cuando un nuevo punto ha sido asociado con la pista validada considerada PV_{i}:

-: El módulo de predicción calcula para esta pista validada PV_{i}, la posición que debería tener el punto del blanco en la imagen observada siguiente, pero también, en que zona de la imagen este punto debería encontrarse. El módulo puede realizar esta predicción ya que dispone a la entrada de la posición del punto y de la zona homogénea asociada en el cual se encuentra en la imagen actual. Puede a partir de esta predicción, y utilizando los atributos del punto asociado con la pista validada en la imagen actual, de la zona asociada y de la zona de predicción en la imagen observada siguiente, deducir llegado el caso la futura pérdida de contraste del blanco en función de la cinemática asociada con el blanco. Si el blanco se desplaza de una zona simple a una zona más compleja, se podrá así predecir el RSB del punto que se deberá detectar en la imagen siguiente.

-: En la observación siguiente, el módulo de asociación de puntos en las pistas validadas, abre una zona de asociación alrededor de la predicción de posición de punto para cada pista validada. Se recuerda que la zona de asociación es la zona de búsqueda de un punto, función del modelo de movimiento asociado con la pista. El modelo de movimiento permite en efecto realizar una predicción de la futura posición del blanco. Es alrededor de esta posición que se buscará el punto correspondiente a la nueva fecha (nueva observación). Como el modelo de movimiento no es perfecto y puede cambiar si el blanco se mueve, se proporciona una latitud al módulo de asociación para realizar su búsqueda. Es la zona de asociación definida por un radio de asociación alrededor de la posición predicha.

: Si en esta zona de asociación el módulo de asociación no encuentra ningún punto detectado por el módulo de detección, observa el nivel k de complejidad en la zona en la cual se encuentra la posición predicha del punto, como se ha determinado en la imagen precedente por el módulo de predicción. Esta zona es facilitada por el proceso de descomposición de la imagen del módulo de detección.

: Si k=1, indicando un fondo simple, el proceso se detiene. No existe punto detectado, y por consiguiente ningún punto asociado con la pista PV para esta observación.

: Si k es superior a 1, selecciona un umbral de detección adaptado th_{da}, correspondiente al nivel k de complejidad de esta zona y aplica este umbral adaptado a la entrada del módulo de detección para una aplicación local sobre la zona de asociación considerada. El módulo de detección envía en retorno, el resultado de la detección: cero, uno o más puntos fantasma pf_{i}.

\vskip1.000000\baselineskip

Así, la utilización del criterio de complejidad del fondo local de los puntos, permite de forma ventajosa hacer más robusto el módulo de asociación de puntos con las pistas validadas. El riesgo de desvinculación de pista se disminuye.

La invención mejora los rendimientos del módulo de seguimiento de un sistema de vigilancia optrónico, explotando las informaciones radiométricas sobre las imágenes, para definir niveles de complejidad de zonas homogéneas de la imagen.

De forma más detallada, para determinar el umbral de detección adaptado th_{da} a las condiciones de la detección, se aplica el proceso siguiente:

-: La tabla de puntos asociados con la pista validada proporciona un valor medio S_{m} de la señal radiométrica del blanco correspondiente.

\vskip1.000000\baselineskip

En efecto para un punto pl_{i}, se conoce la señal radiométrica S_{i} medida, transmitida por el módulo de detección.

La señal media S_{m} asociada con el blanco se facilita por consiguiente por:

12 donde N es el número máximo de puntos guardados en la tabla de memoria para la pista considerada.

El valor S_{m} se calcula de nuevo cada vez que se asocia un nuevo punto con la pista._{ }

Este valor puede ser utilizado por el módulo de predicción para predecir la relación entre señal y ruido que debería tener un punto de esta pista en la imagen siguiente. Se indica con RSB_{p} esta predicción.

En efecto, el módulo de predicción proporciona una predicción de posición. Es por consiguiente capaz de predecir la zona homogénea Z_{i} sobre la cual se encuentra esta predicción. Como se conoce el valor medio de la señal de blanco S_{m}, y la media y la diferencia tipo de la señal radiométrica sobre la zona Z_{i'}, se deduce con ello la relación entre señal y ruido predicha en la futura observación:

13

El tamaño de ventana (o el nivel de complejidad k) asociado con esta zona Z_{i'} es conocido por la observación precedente.

De estas diferentes informaciones, se es capaz de determinar un umbral de detección th_{da} adaptado, para ser capaz de detectar una relación señal sobre ruido correspondiente a la relación entre señal y ruido anteriormente indicada RSB_{p} del blanco, utilizando las ecuaciones clásicas de densidad de probabilidad de detección (figuras 7 y 8) habitualmente utilizadas para la determinación del umbral de detección. El umbral th_{da} de detección está de preferencia determinado para obtener una probabilidad de detección del punto buscado próximo al 100%, en la zona de asociación abierta. El punto detectado por este procedimiento se denomina punto fantasma.

\newpage

Cada vez que sea necesario, el módulo de conducción conducirá el módulo de detección para que aplique localmente un umbral adaptado th_{dai}, en una zona de asociación determinada Z_{ai}, correspondiente a la búsqueda de un punto para una pista validada PV_{i}, (Figura 4).

El módulo de detección así conducido, observará la relación entre señal y ruido en cada píxel de esta zona de asociación Z_{ai} para compararlo, píxel por píxel, con el umbral de detección adaptado th_{dai}. Si detecta un punto fantasma pf_{i}, envía los atributos de este punto fantasma al módulo de asociación, que puede asociar este punto con la pista validada PV_{i}.

El principio de detección de los puntos fantasma, para las pistas validadas puede también comprenderse del modo siguiente: Se sabe sobre que zona Z_{i'}, se hace la detección. Si esta zona tiene un nivel de complejidad elevado, la detección se realiza en realidad sobre una pequeña zona de proximidad uniforme de la imagen, y por consiguiente los errores sobre la media y la diferencia tipo calculados para esta zona son grandes (debido al bajo número de píxeles de la zona considerada). La relación entre señal y ruido RSB calculada es por consiguiente subestimada. Para detectar un punto que permita la asociación con la pista validada, es preciso por consiguiente reducir el umbral de detección localmente sobre esta zona, para garantizar la misma probabilidad de detección que la que habría sido obtenida para el mismo RSB_{p} predicho, pero sobre un fondo más simple.

Así, la puesta en práctica de este procedimiento permite por medio de la función de predicción predecir el tipo de fondo sobre el cual se encontrará una pista en una fecha ulterior (observación siguiente). Utilizando esta información el seguimiento es capaz de prever la futura pérdida de probabilidad de detección sobre los fondos complejos, y remediar con ello conduciendo localmente un umbral de detección adaptado, que permita el mantenimiento de las pistas.

Así en un primer aspecto de la invención, el nivel de complejidad asociado con cada una de las zonas de la imagen observada permite definir un juego de umbrales de comparación aplicable para validar una pista hipótesis, que permite hacer el criterio de validación adaptativo y dinámico, en función de las condiciones locales de detección de los puntos, del número p de puntos de la pista hipótesis y del número q de observaciones.

En un segundo aspecto de la invención, el nivel de complejidad asociado con cada una de las zonas de la imagen observada permite adaptar localmente el umbral de detección, para detectar un punto correspondiente a una pista validada, en función del nivel de complejidad de la zona sobre el cal se sitúa la predicción de posición de este punto.

Así, el módulo de seguimiento se adapta a las condiciones de detección encontradas en las diferentes zonas de las imágenes proporcionadas por los sensores de vigilancia optrónica. El módulo toma en cuenta las características radiométricas del fondo local sobre el cual evolucionan los puntos extraídos por el módulo de detección, con el fin de adaptar los criterios de validación de pistas hipótesis, y de mantenimiento de las pistas validadas.

Los diferentes aspectos de la invención se presentan de forma esquemática en las figuras 4 y 5.

En la figura 3, los tres tratamientos realizados por el módulo de seguimiento se presentan: en primer lugar, el módulo de seguimiento se interesa por las pistas ya validadas PV_{i}. Es en esta fase de asociación con las pistas validadas, cuando el módulo de seguimiento acciona el módulo de detección para la búsqueda de puntos fantasma mediante reducción local del umbral de detección, utilizando las informaciones proporcionadas por el módulo de predicción.

En segundo lugar, el módulo de seguimiento se interesa por las pistas hipótesis PH_{i}. Es en esta fase cuando el módulo de seguimiento pone en práctica el criterio adaptativo y dinámico, utilizando los conjuntos de umbrales de comparación determinados en función de la complejidad local del fondo sobre el cual los puntos considerados en esta fase han sido detectados, para decidir la validación de una pista hipótesis.

Por último, en tercer lugar, el módulo de seguimiento se interesa por los puntos detectados no atribuidos en las dos etapas precedentes, para crear nuevas pistas hipótesis.

Por otro lado, el módulo de seguimiento comprende un módulo de predicción, que realiza los tratamientos adaptados (filtrado de Kalman) para determinar para las pistas hipótesis y las pistas validadas, su posición futura.

En la figura 4, se ha recuperado el esquema-bloque de la figura 3 respecto al módulo de detección, y se ha completado mediante un esquema-bloque simplificado del módulo de seguimiento 5, indicando las entradas/salidas de cada uno. En particular, los datos de salida DET_{OUT} del módulo de detección aplicados en entradas del módulo de seguimiento comprenden los atributos de los puntos pero también de las zonas Z_{i}.

El módulo de seguimiento pilota además la fase de detección del módulo de detección 4, para aplicar localmente un umbral de detección adaptado th_{dai}, en una zona determinada z_{ai} con el fin de detectar puntos fantasma pf_{i}.

Por último, los conjuntos de umbrales E_{k} utilizados en el módulo de seguimiento, por la fase de asociación de las pistas hipótesis del módulo de seguimiento, para la validación de estas pistas, se representan simbólicamente, en forma de tablas.

\newpage

La puesta en práctica de la invención en un tratamiento de imagen optrónico, para detectar y seguir pistas de blancos puntuales, permite mediante la toma en cuenta del nivel de complejidad del fondo local sobre el cual se detecta un blanco puntual, validar más rápidamente las pistas hipótesis para las cuales los puntos detectados son de fuerte contraste. Permite además la detección de puntos fantasma, para fines exclusivos de seguimiento de las pistas validadas, mediante reducción del umbral de detección de punto, localmente, en una zona de la imagen compleja en la cual debería situarse el blanco.

Una utilización ventajosa de la invención aplica la modelización de la complejidad del fondo local por medio del criterio de complejidad k, asociado con un criterio de distribución radiométrico uniforme, que permite pre-calcular los conjuntos E_{k}. Pero la misma se aplica más generalmente a todas las técnicas de recorte de imagen en zonas homogéneas.

Claims

1. Procedimiento de tratamiento de imágenes optrónico, para asegurar la detección de blancos puntuales y el seguimiento de la pista de cada blanco detectado en las indicadas imágenes, mediante creación y validación de pistas hipótesis a partir de puntos detectados en una imagen observada, comprendiendo una pista hipótesis al menos un punto detectado, comprendiendo el mencionado procedimiento para cada imagen observada,

una etapa de detección (4) de puntos en la imagen, que comprende

una partición de la imagen observada en una pluralidad de zonas homogéneas, siendo una zona homogénea una zona sobre la cual se comprueba un criterio de uniformidad definido por una función de distribución radiométrica determinada,

el cálculo para cada píxel de la imagen observada de una relación entre señal y ruido (RSB) correspondiente con relación a la zona homogénea en la cual se encuentra el indicado píxel, y la comparación de la relación entre señal y ruido calculada con un umbral de detección (thd), tal que se detecta un punto para un píxel de la imagen si la relación entre señal y ruido calculada para este píxel es superior o igual al indicado umbral de detección,

y para cada punto detectado, la determinación de un conjunto (Ek) de umbrales de comparación asociado con dicho punto, comprendiendo el mencionado conjunto una o más pluralidades de umbrales, siendo los indicados umbrales de comparación superiores o iguales al mencionado umbral de detección (thd),

una etapa de validación de pistas hipótesis que comprende para cada punto detectado, una etapa de aplicación de un criterio de validación de la pista hipótesis asociada con dicho punto, siendo el indicado criterio de validación función de los umbrales de comparación asociados con cada uno de los puntos de la pista hipótesis.

\vskip1.000000\baselineskip

2. Procedimiento según la reivindicación 1, caracterizado porque la indicada etapa de determinación de umbrales de comparación asociados con un punto es función del fondo local definido por la zona homogénea sobre el cual se ha detectado el indicado punto.

3. Procedimiento según la reivindicación 1 ó 2, caracterizado porque la indicada etapa de determinación de umbrales de comparación asociados con un punto comprende la determinación de un umbral de comparación aplicable en función de un número i de puntos de la pista hipótesis sobre los cuales se aplica el criterio de validación.

4. Procedimiento según la reivindicación 3, caracterizado porque si la pista hipótesis comprende p puntos, el criterio de validación consiste en comprobar si existen i puntos, i=1 en p, tales que para cada punto entre los i puntos, la relación entre señal y ruido (RSB) sea superior que el umbral de comparación aplicable para i puntos.

5. Procedimiento según una cualquiera de las reivindicaciones 1 a 4, caracterizado porque comprende para cada zona homogénea (Z_{i}) de la imagen, el cálculo de una media (m_{Z_{i}}) y una diferencia tipo (\sigma_{Z_{i}}) de los niveles radiométricos de los píxeles sobre la indicada zona, permitiendo el cálculo de la relación entre señal y ruido en cada píxel de la imagen observada con relación a la zona homogénea en la cual se encuentra, 14 dado por donde S es el nivel de la señal radiométrica del píxel considerado.

6. Procedimiento según una cualquiera de las reivindicaciones 1 a 5, caracterizado porque la partición de la imagen en zonas homogéneas comprende la aplicación de una etapa de determinación de una zona homogénea (Z_{i}) para cada píxel de la imagen observada, correspondiente a una búsqueda de una zona de la imagen que es la más grande posible alrededor del píxel, aparte del píxel, sobre la cual se comprueba el indicado criterio de uniformidad de distribución radiométrica, siendo la indicada zona homogénea (Z_{i}) así definida denominada la mayor zona de proximidad alrededor de dicho píxel.

7. Procedimiento según la reivindicación 6, caracterizado porque la indicada etapa de determinación de la mayor zona de proximidad alrededor de dicho píxel, aplica una modelización por tamaño TFk de ventana, correspondiente a un nivel de complejidad k de fondo local, comprendiendo la mencionada modelización la definición de t tamaños de ventana, consistiendo la determinación de la indicada mayor zona de proximidad alrededor de un píxel en determinar el tamaño más grande de ventana sobre la cual se comprueba el indicado criterio de uniformidad, y la definición de un criterio de complejidad k de fondo local asociado con cada tamaño de ventana, variando k de 1 en t, tal que es igual a 1 para la ventana de tamaño más grande y en t para la ventana de tamaño más pequeño, y porque en cada punto detectado se asocia el nivel de complejidad k correspondiente al tamaño de ventana TF_{k} de la indicada zona más grande de proximidad así determinada.

8. Procedimiento según la reivindicación 7, caracterizado porque un conjunto de umbrales de comparación (E_{k}) se determina \frac{P\times Q}{2} para cada nivel de complejidad k de fondo local, comprendiendo cada conjunto (E_{k}) umbrales th_{i,j,k}, con i=1 en P y j=1 en Q, con i\leq j, donde P representa un número máximo de puntos asociados y Q un número máximo de observaciones.

9. Procedimiento según la reivindicación 8, caracterizado porque cada conjunto de umbrales de comparación (E_{k}) define, para un número q de observaciones actuales, un subconjunto de q umbrales de comparación th_{i,q,k} i=1 a q, con th_{1,q,k}>th_{2,q,k}>th_{3,q,k,}....>th_{i,q,k}>...>th_{q,q,k}.

10. Procedimiento según la reivindicación 9, caracterizado porque consiste, cuando un pº punto de una pista hipótesis PH ha sido detectado en la qª observación:

-: en los conjuntos de umbrales de comparación (E_{k}) indexados por los niveles de complejidad k asociados con los p puntos de la pista hipótesis (PH_{i}), en seleccionar los subconjuntos en función del número q de observaciones;

-: en inicializar un bucle de comparación con i=1, consistiendo este bucle en las etapas siguientes:

-a).: Selección de los umbrales th_{i,q,k} de índice i en los subconjuntos seleccionados y aplicación del criterio siguiente:

\sqbullet: Si existen i puntos entre los p puntos de la pista hipótesis PH tales que cada punto entre estos i puntos verifica la desigualdad siguiente: RSB \geq th_{i,q,k} para el valor del nivel de complejidad k asociado con este punto.

\bullet: Entonces la pista se valida - final del bucle.

\sqbullet: si no, etapa b).

-b).: i=i+1.

\sqbullet: Mientras que i\leqp, vuelve a la etapa a).

\sqbullet: Si no, etapa c).

-c).: si es i>p, entonces la pista no es validada.

\vskip1.000000\baselineskip

11. Procedimiento según una cualquiera de las reivindicaciones anteriores, que comprende una etapa de predicción de una posición de un punto de una pista en la imagen observada siguiente, comprendiendo la indicada predicción, la predicción de una zona homogénea asociada.

12. Procedimiento según la reivindicación precedente, en el caso en que ningún punto sea detectado en la imagen observada actual para una pista hipótesis dada, el procedimiento comprende una etapa de comparación del número p de puntos de una pista hipótesis y de un número q de observaciones realizadas desde el primer punto asociado con la indicada pista hipótesis, con valores óptimos predefinidos, respectivamente un número máximo de puntos P a comparar con el valor p y un número máximo de observaciones Q a comparar con el valor q, para validar la indicada pista hipótesis en función de la diferencia a los indicados valores óptimos y en función del nivel de complejidad k asociado con la zona de predicción de posición de punto en la imagen actual.

13. Procedimiento según la reivindicación 11 ó 12, que comprende una etapa suplementaria de asociación de puntos a una pista validada (PV_{i}), donde en el caso en que ningún punto sea detectado en la imagen observada actual para una pista validada (PV_{i}) dada, la indicada etapa comprende el control del umbral de detección en la etapa de detección (4), para adaptarlo localmente en función del nivel de complejidad k asociado con una zona de predicción de posición de punto para la pista validada considerada.

14. Sistema de vigilancia optrónico que comprende una o varias pluralidades de sensores optrónicos aptos para proporcionar imágenes de observación de una escena, comprendiendo el sistema medios de tratamiento de las indicadas imágenes que ponen en práctica un procedimiento según una cualquiera de las reivindicaciones precedentes.