JP3200372B2 - シーンクラッタを抑制するための最小スパン勾配フィルタを有する物体検出システム - Google Patents

シーンクラッタを抑制するための最小スパン勾配フィルタを有する物体検出システム

Info

Publication number
JP3200372B2
JP3200372B2 JP24539296A JP24539296A JP3200372B2 JP 3200372 B2 JP3200372 B2 JP 3200372B2 JP 24539296 A JP24539296 A JP 24539296A JP 24539296 A JP24539296 A JP 24539296A JP 3200372 B2 JP3200372 B2 JP 3200372B2
Authority
JP
Japan
Prior art keywords
clutter
sub
space
frame
model
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.)
Expired - Fee Related
Application number
JP24539296A
Other languages
English (en)
Other versions
JPH09138267A (ja
Inventor
ジェイ ホワイトシット スティーヴン
Original Assignee
ティアールダブリュー インコーポレイテッド
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 ティアールダブリュー インコーポレイテッド filed Critical ティアールダブリュー インコーポレイテッド
Publication of JPH09138267A publication Critical patent/JPH09138267A/ja
Application granted granted Critical
Publication of JP3200372B2 publication Critical patent/JP3200372B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
    • G01S3/782—Systems for determining direction or deviation from predetermined direction
    • G01S3/785—Systems for determining direction or deviation from predetermined direction using adjustment of orientation of directivity characteristics of a detector or detector system to give a desired condition of signal derived from that detector or detector system
    • G01S3/786—Systems for determining direction or deviation from predetermined direction using adjustment of orientation of directivity characteristics of a detector or detector system to give a desired condition of signal derived from that detector or detector system the desired condition being maintained automatically
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
    • G01S3/781—Details
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B5/00—Optical elements other than lenses
    • G02B5/20—Filters
    • G02B5/205—Neutral density filters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optics & Photonics (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Image Processing (AREA)

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、一般に、物体検出
及び追跡システムにおいてクラッタを抑制するためのク
ラッタ抑制技術に係り、より詳細には、視線ジッタを含
むクラッタノイズを抑制するためのクラッタ抑制技術で
あって、サブ空間投影を組み込んでいるが固有分析を必
要としないクラッタ抑制技術を含む物体検出システムに
係る。
【０００２】
【従来の技術】当該ターゲットを検出しそしてそれらの
進路を追跡する戦略的且つ策略的なターゲット検出シス
テムが知られている。これらの検出・追跡システムは、
航空機やミサイルや自動車等の戦略的物体を検出しそし
て追跡する地上ベースのシステム及び空中ベースのシス
テムを備えている。１つのこのような検出・追跡システ
ムが、参考としてここに取り上げる本発明の譲受人に譲
渡された「ミサイル監視方法及び装置（ＭＩＳＳＩＬＥ
ＳＵＲＶＥＩＬＬＡＮＣＥ ＭＥＴＨＯＤ ＡＮＤ
ＡＰＰＡＲＡＴＵＳ）」と題するデニー氏等の米国特許
第５，３００，７８０号に開示されている。該特許は、
地球の周りを回るサテライトからミサイルの検出及び追
跡を実行するミサイル発射検出・追跡システムを開示し
ている。この検出・追跡システムは、地表面並びにター
ゲット物体及びクラッタから放射される赤外線を検出す
る赤外線センサを組み込んでいる。このセンサは一連の
検出器を含み、各検出器は、地表面の特定のエリア又は
シーン（場面）からのエネルギーを吸収する。これら検
出器は、シーン内の物体の放射からセンサの周波数レン
ジ内の各波長ごとに異なる強度のエネルギーを吸収す
る。雲のような異なるバックグランドクラッタ物体と、
ミサイルのような当該物体は、感知される周波数レンジ
内の異なる波長において赤外線エネルギー強度を発生す
る。検出器の出力がサンプリングされそして画素（ピク
セル）に変換される。
【０００３】センサによって受け取られた放射は、一連
のカラーフィルタを経て送られた後に、検出器に当た
る。１つの考えられる形態において、カラーフィルタは
周波数レンジを一連の周波数帯域に分離し、各帯域は波
長の連続である。フィルタは、ホイールに組み込まれ、
ホイールが回転すると、各フィルタは衝撃放射を受け取
る。ホイールの回転速度及び動作は、各フィルタが所定
の時間中に放射を受け取り、各周波数帯域ごとに積分時
間をセットするように選択される。単一帯域のセンサに
おいては、このようなフィルタが１つだけホイールなし
に使用される。
【０００４】上記形式のターゲット検出及び追跡システ
ムは、信号対雑音比（ＳＮＲ）が、失敗したターゲット
検出及び偽のターゲット検出の回数を大幅に減少又は排
除するものでなければならないという点で、高度の信頼
性を有していなければならない。換言すれば、このシス
テムは、有効であるためには、ターゲットが存在すると
きにそれを検出しそしてターゲットが存在しないときに
ターゲットの指示を防止する確率が高くなければならな
い。それ故、全てのターゲット検出及び追跡システム
は、ターゲット（１つ又は複数）を分離しそして検出す
るシステムの能力を低下させるバックグランドクラッタ
及びノイズを抑制するためにある形式のクラッタ抑制技
術を組み込んでいる。例えば、上記システムにおいて、
１つのバックグランドクラッタ抑制技術は、受け取った
バックグランド放射と、当該ターゲットから受け取られ
る放射との間のＳＮＲを高めるために、カラーフィルタ
及びそれに対応する積分時間を適宜選択することを含
む。
【０００５】特にサテライトをベースとするスターリン
グセンサに対する最も一般的な形態のバックグランドク
ラッタは、視線（ＬＯＳ）運動によって生じる。このＬ
ＯＳクラッタノイズは、通常、ＬＯＳ制御感知システム
の運動の不完全さ及びサテライト自体のドリフトの結果
として生じる。センサは、可動プラットホームに取り付
けられているので、サテライトに関連したソーラパネル
の自然の共振、サテライトに関連した異なる要素の熱膨
張及び収縮、そしてある場合には、サテライトの姿勢を
維持する慣性スピン質量のような幾つかの現象が、セン
サの位置をジッタ状態のように変動させる。センサの運
動は、輝度の勾配を、地表面、雲等における明／暗境界
からセンサのピクセルを横切って移動させ、従って、像
の輝度を真のターゲットに良く似た状態で変化させる。
従って、追跡システムにより発生される像は、スプリア
スな信号変化を含み、システムのノイズを増加させる。
【０００６】ジッタ及びドリフトの影響を排除するよう
に試みる１つの公知形式のクラッタ抑制技術は、サブ空
間投影と称される。サブ空間投影とは、システムのノイ
ズのほとんどがクラッタサブ空間内で数学的に定義され
そしてクラッタサブ空間がセンサにより検出されたデー
タのフレームから分離されるようなクラッタ抑制技術で
ある。サブ空間投影クラッタ抑制においてクラッタサブ
空間を形成するために、センサからのクラッタ信号を表
すピクセル出力のモデルが形成され、そしてこの信号を
含むクラッタサブ空間は、感知される新たな像からそれ
を数学的に削除するように決定される。既知のサブ空間
投影技術は、クラッタサブ空間を形成するために固有分
析（ｅｉｇｅｎａｎａｌｙｓｉｓ）手順を使用する。こ
の形式のサブ空間投影クラッタ抑制技術について述べた
１つの参照文献は、１９８５年１１月６日から８日まで
カリフォルニア州パシフィック・グローブで開催された
第１９回アニュアル・アジロマー・コンファレンス・オ
ン・サーキット・システムズ・アンド・コンピュータに
おけるＪ．Ｄ．ハルスマン及びＰ．Ｅ．バリーの「スタ
ーリングモザイクセンサから視線ジッタ誘起ノイズを排
除するための固有ベクトル手順（ＡｎＥｉｇｅｎｖｅｃ
ｔｏｒ Ｐｒｏｃｅｄｕｒｅ ｆｏｒ Ｅｌｉｍｉｎａ
ｔｉｎｇ Ｌｉｎｅ−ｏｆ−ｓｉｇｈｔ Ｊｉｔｔｅｒ
Ｉｎｄｕｃｅｄ Ｎｏｉｓｅ ｆｒｏｍ Ｓｔａｒｉ
ｎｇ Ｍｏｓａｉｃ Ｓｅｎｓｏｒｓ）」という論文に
見ることができる。
【０００７】
【発明が解決しようとする課題】固有分析を使用する公
知のサブ空間投影技術は、ＬＯＳ誘起クラッタノイズを
首尾良く排除するが、固有分析は、相当量の処理負荷及
びメモリを必要とする。それ故、システムのコスト及び
計算時間を大幅に増加する固有分析を実行するのに必要
な処理を行うには、強靭な信号処理技術を実施しなけれ
ばならない。サブ空間投影クラッタ抑制装置を使用する
が、固有分析を必要とせず、且つ応答性を制御するため
の自然の反復方法を有するクラッタ抑制技術が必要とさ
れる。それ故、本発明の目的は、このようなクラッタ抑
制技術を提供することである。
【０００８】
【課題を解決するための手段】本発明の教示によれば、
サブ空間投影クラッタ抑制を使用するが固有分析は使用
しない最小スパン勾配フィルタが開示される。検出され
るターゲットを含まない焦点面センサアレーからのデー
タのモデルフレームが先入れ先出しバッファメモリに記
憶される。始動時に、データのモデルフレームはグラム
・シュミットシステムに付与され、このシステムは、モ
デルフレームのクラッタのほとんどが存在するクラッタ
サブ空間を定義する一連の単位ベクトルを発生する。セ
ンサアレーからのデータの現在フレームと、グラム・シ
ュミットシステムからの単位ベクトルは、サブ空間投影
システムに付与され、このシステムは、クラッタを除去
するためにクラッタサブ空間をデータの現在フレームか
ら除去する。元のクラッタサブ空間がいったん発生され
ると、反復平面平滑化システムが、サブ空間投影システ
ムからの出力とセンサアレーからのデータの現在フレー
ムとを受け取り、フィルタの動作中に更新されたクラッ
タサブ空間を発生する。サブ空間の除去されたデータの
フレームは、次いで、ターゲット検出システムへ送ら
れ、当該ターゲットが検出される。
【０００９】データの各モデルフレームのピクセル強度
を平均化するために平均化システムが設けられ、サブ空
間投影システムに付与されたフレームにおけるピクセル
強度がセンタリングされる。データの各モデルフレーム
におけるピクセル強度の標準偏差が決定され、そして予
想されるセンサ及び電子回路ノイズに基づく標準偏差ス
レッシュホールドに適用され、そのスレッシュホールド
より低いピクセルがクラッタサブ空間内で更新されるの
を防止し、処理負荷を低減する。閃光スレッシュホール
ド検出器を設けて、データフレームのピクセルが所定の
閃光スレッシュホールドを越えた場合に、そのピクセル
が、更新されるクラッタサブ空間に影響しないようにす
ることができる。
【００１０】
【発明の実施の形態】本発明の更に別の目的、効果及び
特徴は、添付図面を参照した以下の詳細な説明及び特許
請求の範囲から明らかとなろう。
【００１１】物体検出及び追跡システムに使用するサブ
空間投影クラッタ抑制技術に関する好ましい実施形態の
以下の説明は、単なる例示に過ぎず、本発明或いはその
応用又は用途を何ら限定するものではない。
【００１２】ターゲット検出システムのクラッタモデル
の定義 サブ空間投影クラッタ抑制は、各ピクセルの出力におけ
るクラッタ信号のモデルを形成することを必要とする。
少数のサンプル回数の場合には、センサアレー（図示せ
ず）の焦点面におけるＬＯＳ運動を、大きな空間的シー
ン輝度勾配を有するセンサアレーのピクセルに対し、サ
ンプリング時間ｊにおいてピクセルｉの二次元ジッタ及
びドリフトノイズ成分を組み込んだ積分された検出器出
力（ターゲットのない）に対する一次のテイラー級数近
似により、次のように表すことができる。 但し、Ｂｉｊ−１は、ｓｉｊ−１からのバックグランド
で、Ｂｉｊ−１＝Ｂｉｊ−２＋▽ｘｉｖｘＴ＋▽ｙｉｖ
ｙＴ、Ｂｉｏ＝Ｂｉである。Ｂｉは、ピクセルｉに対す
る初期の輝度である。▽ｉは、空間的輝度勾配ベクトル
である。Ｄｊは、センサのジッタ及びドリフトによるＬ
ＯＳ運動ベクトルである。▽ｘｉ、▽ｙｉは、▽ｉのｘ
及びｙ成分である。ｖｘ、ｖｙは、ＬＯＳドリフト速度
のｘ及びｙ成分である。Ｔは、サンプリング周期であ
る。ηｘｊ、ηｙｊは、ゼロの初期位置からのＬＯＳジ
ッタ運動変位のｘ及びｙ成分である。ηｉｊは、他の全
てのランダムな電子的ノイズ源を表す。ｋは、サンプル
時間である。Ｎは、ピクセルの数である。
【００１３】近似式（１）は、同時に得られたＮ個のピ
クセルの測定値のみに適用される。例えば、波長帯域が
連続的にサンプリングされる場合には、式（１）は、１
つの周波数帯域のピクセルのみに適用される。それ故、
Ｎ個の全クラッタピクセルに式（１）を使用すること
は、クラッタ像の１つの積分時間「スナップショット」
を表す。Ｎ個のピクセルは、像全体の小さな部分であっ
てもよい。これは、運動が、処理されている１組のピク
セルにわたり並進移動的であることを仮定する。しかし
ながら、この方法は、回転モデルを含むクラッタのいか
なる直線モデルにも拡張される。サンプル時間ｋの間に
各ピクセルの定数として勾配をモデリングすることによ
り、ピクセルは、同じ帯域の次の（ｋ＋１）サンプル時
間に根本的に変化しないと仮定することができる。又、
積分中の真の運動は複雑であるが、正味の作用は、クラ
ッタのある各像の全てのピクセルにおいてベクトルＤｊ
で表される。更に、ピクセルにおけるクラッタ信号は、
ηｉｊに比して大きいことも仮定される。ドリフトによ
るピクセルとＬＯＳのジッタ振動によるノイズ信号との
間のゆっくりと変化する輝度の差によるクラッタは、式
（１）では別々に示されるが、以下の説明では、クラッ
タという用語をその両方について使用する。というの
は、以下に述べるプロセスは、同じ機構を用いて各形式
のクラッタを抑制できるからである。
【００１４】図１は、式（１）によりモデリングされる
サンプリング周期Ｔ中のｓｉｊの重要な成分を示す。信
号ｓｉは、縦軸に示されたセンサからの特定信号の出力
でありそして時間は横軸に示されている。出力信号の拡
大された領域は、３つのサンプリング周期にわたるドリ
フト及びジッタの結果としてのクラッタ成分を明確に示
している。直線的モデルの短時間精度は、ぼけた円のサ
イズ、ピクセルサイズ、ドリフト率及びシーンの構造の
ような多数のファクタに基づいている。一般に、検出器
のサイズに一致する光学的な解像度については、ピクセ
ルサイズ／ドリフト速度のファクタが大きくなるほど、
良好になると仮定すべきである。又、輝度勾配、ひいて
は、ジッタノイズは、それらが最も迅速に変化する場合
に最小となり、直線的モデルに対するＬＯＳ及び雲の流
れの作用を相殺する。
【００１５】クラッタモデルの幾何学的な解釈 式（１）の電子的ノイズ項ηｉｊを一時的に無視するこ
とにより、理想的な直線的（固定勾配）クラッタモデル
を、パラメータ時間におけるパラメータ式として認識す
ることができ、即ち各ピクセル出力は、２つの独立した
パラメータηｘｊ及びηｙｊにおいて直線的である。η
ｘｊ＝ｘ（ｊＴ）＝ｘ（ｔ）、ηｙｊ＝ｙ（ｔ）とする
ことによりこのことを示すように式（１）を簡単化し、
そして手前のｊ−１Ｂ項を代入すると、次のようにな
る。 但し、ｐ（ｔ）及びｑ（ｔ）は、時間パラメータであ
る。
【００１６】全てのピクセルは、同じサンプル時間ｋに
対して同じ時間パラメータｐ（ｔ）及びｑ（ｔ）を有す
る。それ故、並進運動のみによる理想的な直線的クラッ
タの作用は、次元Ｎのクラッタ像空間において、クラッ
タサブ空間平面（ＣＰ）と称する二次元平面にピクセル
出力を分散することである。又、これは、全てのピクセ
ルに対して生じる式（２）からの１組の計算を考慮し、
次いで、いずれか２つのピクセル出力を使用して全ピク
セルに共通な時間パラメータｐ（ｔ）及びｑ（ｔ）を求
めそして排除することにより示すこともできる。この結
果、次のような１組の方程式が得られる。 但し、ａ、ｂ及びｃは、定数である。
【００１７】式（３）は、原点を通らないクラッタ平面
ＣＰの１組の方程式を生じる。データが最初にセンタリ
ング即ち平均化される場合には、クラッタ平面ＣＰは原
点を通り、定数ａ及びｂは、ピクセルの固定の輝度勾配
のみの関数としてクラッタ平面ＣＰの向きを決定する。
これは、次元Ｎの超空間における二次元平面であり、こ
こで、理論的に、１つのピクセルの値は、代数的に他の
２つのピクセルに依存するだけである。このサブ空間
は、サブ空間に含まれた非同一直線ベクトルの任意の対
の直線的な組み合わせによってスパンが決められる。ク
ラッタの平面的な 但し、Ｓｊは、クラッタ像のサンプル時間ｋにおいて１
組の「センタリング」されたクラッタピクセル値を表す
Ｎｘ１ベクトルである。この例において、センタリング
されたとは、各ピクセルのｋ回の平均を個々のピクセル
値から減算することを意味する。もちろん、第ｎ次のフ
ィルタ動作のような他の形式の重み付けさ この１組のベクトルは、一対の固定勾配ベクトルにｋ対
の異なる運動スカラーを乗算することによって形成され
る。それにより生じるターゲットのないクラッタ像ベク
トルは、全て、将来又は過去の像と同様に、２つの固定
勾配ベクトル▽ｘ及び▽ｙにより形成されたクラッタ平
面ＣＰに存在する。式（５）は、列−空間指向のもの
で、ピクセル出力が勾配ベクトルの直線的な組み合わせ
によって表されるので、ピクセル又は勾配スパン表示と
称される。
【００１８】別の解釈を進めることもできる。サンプル
時間ｋにわたる全ピクセルの共通の運動は、一対の次元
ｋの固定運動ベクトルｐ及びｑを形成し、これらは、Ｎ
個の異なる勾配スカラー対で乗算されて、クラッタ像を
形成することができる。この解釈は、行−空間指向のも
ので、時間又は運動スパン表示と称される。式（５）に
より形成されるマトリクスは、同じクラッタ像の２つの
解釈間の相違を強調するように操作することができる。
この第２の解釈は、次のように表される。
【００１９】もちろん、実際の検出信号におけるジッタ
の作用は、これらの数学的な観念に忠実に従うものでは
ない。クラッタ平面ＣＰは、二次元に留まらず、ノイ
ズ、勾配の変化、勾配の非直線性、ＬＯＳ及び雲の流れ
等によりピクセル空間において三次元以上の次元を有す
る揺動する「ぼやけたパンケーキ」に類似したものへと
成長する。検出器アレーがスキャナのような線又はスト
リップの場合には、ジッタが一方向に最も優勢となり、
従って、運動のｘ又はｙ成分のみを使用するモデルを許
す。この場合、理想的なクラッタ平面ＣＰは、Ｎ空間に
おける一次元の線であり、これは、二次元以上の「ぼや
けたホットドッグ」を表すねじれた図形へと拡張する。
これらのいずれの場合にも、クラッタエネルギーの分布
は、適度な短い時間周期（秒）にわたりクラッタピクセ
ルの全数に対して小さい次元のサブ空間に閉じ込められ
る傾向となる。このことは、各クラッタ像に対する測定
からサブ空間を削除することを許す。一次までは、サブ
空間は二次元焦点面に対して平面であるから、たとえサ
ブ空間モデルが実際の作用を捕らえるために更に高次の
ものであっても、「平面」という用語が使用される。
【００２０】サブ空間投影 次いで、式（５）のピクセルスパン表示を用いて、サブ
空間投影について説明する。サブ空間投影は、基礎とな
る相関構造の利用によりクラッタにより生じた相関エネ
ルギーを分離しそして除去しようと試みるという点でク
ラッタの抑制に対する有効な解決策である。例えば、ｋ
個の像を使用して、上記のクラッタ平面ＣＰを、全ての
クラッタエネルギーを含む最小次元の表面であるように
更に正式に定義されたものとしてモデリングすると仮定
する。次の補正されない（しかし サブ空間平面ＣＰの補数に対して投影したものは、その
補正された値であると定義する。補正された像は、現在
のクラッタモデルに適合しない次のクラッタモデルの部
分である。クラッタサブ空間平面ＣＰはその補数に対し
て直交するので、の補正された値は、補正されないベク
トルに対するモデルの最小平方適合の残余でもある。こ
れは、次のように表される。
【００２１】図２は、上記の関係を示している。ここ
で、クラッタサブ空間平面ＣＰは、ピクセル空間の任意
の次元ｍのサブ空間であり、但し、センタリングされた
データに対してｍ≦ｋ−１のみを条件とする。モデルに
対するクラッタサブ空間平面はＣＰ（ｍ）と称する。い
かなるサンプル時間ｋも、この方法で補正することがで ルによって補正することができる。しかしながら、実際
の問題として、モデルに使用されるサンプル時間は補正
されない。というのは、モデル像がクラッタのみを含
み、クラッタ平面ＣＰの推定を偏らせることのあるター
ゲット又は閃光のような情報を含まないと仮定するから
である。更に、ｍがｋ−１に近い場合には、モデル像が
サブ空間によってほぼ完全に覆われ、ターゲットエネル
ギーが残りの
【００２２】補正されたクラッタエネルギーは、小さな
サブ空間に集中されねばならないので、モデルを設定す
るための基礎として固有分析を考えることが当然であ
る。データセットの共変数マトリクス（ランク≧ｍ）の
ｍ個の最大固有値に対応する固有ベクトルＥｉ、ｉ＝
ｌ；ｍは、最大データ変数を含む次元ｍのサブ空間に対
する単位基礎ベクトルを形成する。又、このサブ空間
は、最小平方解でもあり、即ちこの次元の全てのサブ空
間にわたるモデルのデータに適合する。換言すれば、こ
のように定義されるモデル表面は、表面を定義するのに
使用されるデータセットにできるだけ近いものとされ
る。ここから、最後のｋ個のセンタリングされた
【００２３】例えば、ｘ次元のみにジッタを伴うドリフ
トのない簡単な場合を考える。このような例は、直線の
クラッタ平面ＣＰを招く。図３及び４は、２つのピクセ
ルに対しｋ＝９のサンプル時間にわたってセンタリング
されたデータ対の群を示しており、ここでは、更に大き
なクラッタ変化に対してランダムノイズが追加されてい
る。対角方向の破線は、データに対する一次元サブ空間
の最良のモデル適合を表す。表された線の傾斜は、第１
ピクセルで分割された第２ピクセルの輝度勾配の最良の
適合である。式（５）の勾配ベクトルの２つの成分が示
されている。同じ帯域からの次の補正されないピクセル
ベクトルがセンタリングの後に図示されたようになる場
合には、補正された値が、モデル線、ここでは、Ｎ＝２
に垂直な残余ベクトルとなる。この残余ベクトルは、実
際には、原点に向かうベクトルで は、データ対のサンプル共変数マトリクスの最大の固有
値に対応する固有ベクトルが、クラッタサブ空間をまた
ぐように効果的に使用される。この固有ベクトルは、図
３及び４に示すように、モデル線と同一直線である。モ
デルに対する１つの次元は、ｋ−１＝８より相当に小さ
いものが使用される。この演算は、次のように表すこと
ができる。
【００２４】クラッタ抑制のための最小スパン勾配フィ
ルタの説明 上記分析と共に、本発明の１つの実施形態による最小ス
パン勾配フィルタ（ＭＳＧＦ）について以下に説明す
る。ここに提案するＭＳＧＦ解決策には３つの重要な概
念がある。第１に、ｋ個のセンタリングされたクラッタ
像ベクトルに基づく次元ｋ−１のクラッタサブ空間モデ
ルが使用される場合には、ｋ個のベクトルがサブ空間を
自動的に決定する。即ち、ｋ個のセンタリングされたサ
ンプルは、Ｎ空間における次元ｋ−１表面、即ちＣＰ
（ｋ−１）を定義する。第２に、このサブ空間をまたぐ
任意の１組の直交ベクトルを用いて、サブ空間投影を行
うことができる。特に、ｋ個の像ファクタのｋ−１サイ
ズ選択を用いるグラム・シュミット又はそれと同等のＱ
Ｒ手順は、この組を形成するように実行することができ
る。当業者に明らかなように、グラム・シュミットプロ
セスは、相互に直交する単位ベクトルを見つける効果的
な方法である。この形式のプロセスでは、固有値及び固
有ベクトルを計算する必要がない。というのは、これら
の固有ベクトルが同じサブ空間をまたがねばならないか
らである。それ故、これら２つの異なる組のスパンベク
トルにより補正されないクラッタ像ベクトルから同じ情
報が削除される。しかしながら、モデル次元ｍは、この
等価性を保持するためにはｋ−１のセンタリングされた
データに等しいか又はセンタリングされないデータにつ
いてはｋに等しくなければならないことに注意された
い。そして第３に、モデルに新たなサンプルが含まれた
後にこのサブ空間が回転する角度は、簡単な技術で計算
しそして平滑化することができる。即ち、フィルタ関数
を、ｋ個のベクトルの窓が時間的にシフトするときにモ
デルの補正率に適用して、ノイズ及び勾配変化に対する
応答を制御し且つバランスをとることができる。
【００２５】本発明によるＭＳＧＦの１つの形態は、図
５ないし７を参照して以下に述べるように構成すること
ができる。先ず、ｋ個のセンタリングされた像ベクトル
のいずれか１つを正規化することにより単位ベクトルを
形成する。次いで、グラム・シュミット手順により１組
の単位ベクトルを次のように形成する。
【００２６】式（８）から、クラッタサブ空間を像から
除去するための次の像に対する補正は、次の式で与えら
れる。
【００２７】ＭＳＧＦプロセスの速度及び処理の効果
は、多数の動作を回避することから得られる。第１に、
共変数固有ベクトルを計算する必要がない。これは、時
間共変数マトリクスの形成及び空間共変数固有ベクトル
の構成を回避することにより乗算を節減する。Ｎ＞＞ｋ
３の場合の乗算の比のおおよその推定値は、ｋ＝３に対
して約５であり、そしてｋ＝４に対して約４であり、式
（８）及び（１１）を除外する。又、式（８）は、平方
根の数を約２倍は必要とする。マトリクス計算の当業者
に馴染み深い数値的技術を用いるグラム・シュミット手
順を使用してベクトルを形成することに注意を払う限
り、ＭＳＧＦにおけるスパンベクトルは、式（８）より
精度及び直交性が優れたものになるはずである。という
のは、それらは、固有値／固有ベクトルの計算に関連し
た収斂基準に依存しないからである。
【００２８】Ｎｘ（ｋ−１）の組の〔Ｃｉ〕は、ＣＰ
（ｋ−１）に対して直交基礎を形成するので、それによ
り得られる直交投影演算子Ｐｋ−１は、Ｎｘ（ｋ−１）
の組の固有ベクトル〔Ｅｉ］から得られたものと同一で
ある。即ち、
【００２９】平面の平滑化 ＭＳＧＦは、第１の（最も古い）サンプルを落としそし
てｋ＋１サンプルをモデルに追加することにより、ｋ個
のサンプルの移動窓として実施することができる。この
モデル更新は、クラッタ平面ＣＰの大きさを保持するの
で、更新の作用 以前のセンタリングされた像の周りで更新像の方向に平
面を傾斜させる。ノイズは、勾配傾斜の真の値の周りで
このサブ空間を「反発」する傾向があるので、データに
より決定された慣性を追加することができる。次いで、
以下の妥協が行われる。サブ空間をより以上の次元へと
開くことにより甚だしいクラッタをフィルタすることが
所望される場合には、より多くのデータを収集するに必
要な余分な時間が、クラッタ平面ＣＰが変化するとき
に、モデルの精度を低下させることになる。一方、２つ
の次元のクラッタモデルは、２つの次元のＬＯＳ運動及
び直線的勾配に対してのみ正確である。正しい解決策
は、サブ空間のサイズ及び変化に対する応答性のバラン
スをとることである。
【００３０】更新中にサブ空間ＣＰ（ｍ）の回転を平滑
化する方法は、多数ある。これらの解決策の１つは、反
復フィルタのように働く「βθ」解決策である。以前の
ｋ−１個のセンタリングされた像ベクトルを使用するの
ではなく、スパン組〔Ｃｉ〕が図８に示すように使用さ
れる。ｋ＋１の補正の後に、グラム・シュミット手順 ｋ−２スパンベクトルを使用して手順を完了することも
できる。これは、１つのベクトルがモデル適合と同一直
線になるまでスパンベクトルＣＰ（ｍ）を回転する。図
８に示すＣＰ（２）の例において、結果はＣ’及び
Ｃ２”である。Ｃ’と更新ベクトルとの間の角度が計算
され、そしてＣ’は、ＣＰ（２）と更新ベクト 向の両方に直交するので、この回転がこれに影響するこ
とはない。実際に、ｍのサイズに関わりなく、ベクトル
Ｃ’を更新に向かって回転するだけでよい。というの
は、全ての他のＣ’が、このＣ’ と、Ｃ’が回転され
るサブ空間との両方に直交するからである。これらの動
作は全て簡単である。というのは、モデル適合が各補正
の副産物であり、そして包含されるアークタンジェント
の計算がおおよその数値近似を使用できるからである。
この手順の作用は、ｋ空間においてＣＰ（ｋ−１）に直
角なランダムベクトルを平滑化するときと同じである。
【００３１】 のある付加的な洞察力を与える。便宜上、線ＣＰ（１）
のみをモデルとして与える一方向の運動を使用した例を
形成し、２ピクセル及び従属する０は、全てのジッタ及
びノイズ成分に対する通常の分布Ｎ（０、σ２）を意味
する。図９は、このモデルと、ジッタの行程がその標準
偏差の約１．５倍で且つランダムノイズの行程がその標
準偏差の約２倍であるようなその更新とを示している。
角度θの確率密度関数は、真のモデル線に沿ってジッタ
及びノイズの角度分布を計算し、そしてその結果として
ψを追加することにより、次のように導出できる。ラン
ダム／電子ノイズ成分は、両次元に同じ変数を有すると
仮定するので、真のクラッタ平面ＣＰへのその投影は、
ＣＰ（１）へのその投影と同じ標準偏差を有する。それ
故、θの分布を見つける問題は、ランダムノイズ成分
「ｘ」（図示せず）をクラッタ平面ＣＰに沿ってジッタ
成分に追加し、次いで、ＣＰに直角なランダムノイズ成
分「ｙ」をθに対する所望の直角三角形の高さとして取
り上げることにより、真のクラッタ平面ＣＰに整列され
た座標系に対して作用し得る。それ故、θは、次のよう
に与えられる。
【００３２】
【００３３】図１０は、ｆθ（θ）密度関数を示してい
る。θの分布は、ジッタ成分の値に基づいて調整され、
そしてジッタ信号の量のθに対する作用としてある程度
の感触を与える。従って、θは、所与のジッタ振幅を表
す定数をｚに置き換えることにより式（１３）により次
のように定義される。
【００３４】式（１５）は、当業者に知られたリシアン
（Ｒｉｃｉａｎ）分布の位相部分として認識される。こ
の位相部分は、包絡線検出及びフェージング通信チャン
ネルの両方の理論に広範囲に使用される振幅部分よりは
知られていない。観察長さの分布は、リシアン振幅のも
のとなる。位相の計算は、次のように、２πまで拡張さ
れるだけである。 但し、ｅｒｆは、数学的エラー関数である。図１１は、
式（１６）に対する密度関数ｆ（θ）のグラフである。
【００３５】条件付き及び無条件の密度の形状は、０度
付近で類似している。これらの密度は、ジッタが他のノ
イズ源に対して大きいときにサブ空間投影を使用して最
大の するのが実際的であると思われる。これは、図１２に示
す形状を有するある種の発見的「作用」関数を示唆す
る。この例では、モデリングされた像の測定長さがラン
ダムノイズの推定標準偏差に対して大きいときに反復フ
ァクタβまでの完全な補正が使用される。ノイズの分布
により、指数関数的な重み付け形態が自然であると思わ
れる。それ故、β及びｒで動作点を見出すように実験す
ることが必要である。π／２より大きなノイズ行程は検
出されず、ひいては、補正されないことに注意された
い。というのは、測定された角度は、最小のクラッタ平
面ＣＰと ることである。
【００３６】直観的には、良好な平滑化又は作用関数の
正味の効果は、共変数及び固有ベクトルの計算に関連し
た作業を行わずに、所定のサンプル時間ｋに及ぶサンプ
ル共変数解決策の本来の慣性に取って代わるものでなけ
ればならない。図１２に示す関数の考え方は、補正され
た更新像がランダムノイズではなくてクラッタモデルに
属する帰納的な確率に基づいて重み付けすることであ
る。いずれにせよ、主たる要点は、当業者に良く知られ
たカルマンフィルタにおけるモデル更新の場合と同様
に、モデル更新を制御又はフィルタして、ランダムノイ
ズに対する反応を減衰しながら勾配変化を組み込めるよ
うにすることにより、クラッタフィルタを制御すること
である。
【００３７】データのセンタリング ピクセル強度データをセンタリングすることも重要であ
る。センタリングされたデータから形成されるスパンベ
クトルは、クラッタモデルを記述するのに更に効率的で
ある。図１３は、センタリングされないデータ（ｍ＝ｋ
＝２）及びセンタリングされたデータ（ｍ＝ｋ−１＝
１）を用いてモデリングする場合を示している。データ
がセンタリングされないときには、第１の固有ベクトル
Ｅ１を使用して、クラッタの分散方向に対して一般的に
何ら関係をもたないデータクラスターのセントロイドの
方向が記述される。第２の固有ベクトルＥ２は、第１の
固有ベクトルに対して直角でなければならない。それ
故、一般的には、分散の線に沿って向けられることはな
い。Ｅ１及びＥ２について最も言えることは、それらが
定義する平面が効率的なモデルを含むことである。セン
タリングされないデータを用いたＭＳＧＦ解決策のサブ
空間についても同じことが言える。図１３において、最
良のクラッタモデルは一次元である。
【００３８】 分散の方向を指す。いずれのスレッシュホールド決定に
ついても、ある種の平均又はバックグランド推定値が維
持されるので、センタリングは、１つのベクトル計算を
排除することにより内積が節約するより少ない処理負荷
しか追加してはならない。
【００３９】センタリングされたモデルの重要性は、１
つの次元を排除することによりクラッタサブ空間をでき
るだけ小さくする助けをすることである。例えば、図１
３を見ると、正しい一次元モデルから大きな垂直距離だ
け離れているが、センタリングされないデータによりモ
デリングされた平面に接近して配置された粗野なデータ
点は、小さな値に補正される。換言すれば、センタリン
グされないモデルは、潜在的なターゲットの活動性を低
減する１つの余分な不必要な次元を有する。もちろん、
良好なセンタリングのための鍵は、良好なバックグラン
ド推定である。
【００４０】ターゲットエネルギーのロス サブ空間投影を用いてクラッタを減少する場合の１つの
欠点は、若干のターゲットエネルギー（又はモデルに投
影されるエネルギー）がモデルにおいて失われそして若
干がターゲットピクセルから他のピクセルへ「漏洩」す
ることである。モデルに多数のピクセルをもたせること
により、後者の作用が抑制される。漏洩は一般に僅かで
あるから、クラッタのある別のピクセルに偽警報の問題
を生じさせるおそれはほとんどないと思われる。閃光の
ような大きな偽のターゲットは、以下に示すように検出
されそして分離される。
【００４１】ターゲットロス作用は、クラッタモデルが
Ｎ空間内で（１、１・・・１）Ｔに向けられた図１４に
示すＣＰ（１）の例を考慮することにより説明すること
ができる。即ち、全てのピクセルは同じ勾配を有する。
図１４は、Ｎ＝３の場合のモデルにおける他のピクセル
と、ピクセルＳ３におけるターゲットとに対するピクセ
ル補正の作用を示している。ピクセルＳ３におけるほと
んどのターゲットエネルギーは、Ｓ３によって保持され
る。というのは、その軸が、モデル線及びクラッタサン
プルと同一平面である唯一のものだからである。Ｎ個の
ピクセルの場合には、幾何学的な構造は、Ｔのターゲッ
ト値が電子的ノイズを伴わずにこれらの条件のもとでピ
クセルｉに追加された場合に、フィルタの出力が次式で
与えられることを示す。 これらの項は、一般的な性能に対する利益の指数と考え
られる。個々のピクセルｉに対するターゲットロス又は
漏れは、単位ベクトル〔０、０・・・０、１、０・・・
０〕ＴにＰを付与し（１はｉ番目の成分）そしてその結
果を検討することにより計算することができる。これ
は、Ｉ−Ｐの第ｉ番目の列を適用することと等価であ
り、これは、明らかにＰを計算せずにＣＣＴ又はＥＥＴ
の内積から計算することができる。
【００４２】ターゲットスレッシュホールド 直交投影Ｐは、直線的な演算子であるから、補正された
像の空間的共変数は、次のように与えることができる。 ＫＩ−Ｐ＝ｃｏｖ（〔Ｉ−Ｐ〕Ｓ）＝〔Ｉ−Ｐ〕ｃｏｖ（Ｓ）〔Ｉ−Ｐ〕Ｔ ＝〔Ｉ−Ｐ〕Ｋ〔Ｉ−Ｐ〕＝Ｋ−ＰＫ−ＫＰ＋ＰＫＰ （１８） ジッタ及び電子ノイズのｘ及びｙ成分が独立していてド
リフトが無視される場合には、ＫＩ−Ｐを次のように近
似することができる。先ず、ｍ＝ｋ−１＝２と仮 の直交完成を表すＮｘＮマトリクスをＥとする。このサ
ンプル共変数が真の共変数を表す程度までは、正しいピ
クセルの分布を推定することができる。Ｋの固有 としてＣＰ（２）スパン固有ベクトル及びそれらの補数
へと細分化することができる。それ故、次のようにな
る。 ＫＩ−Ｐ＝ＥＥＴＫＩ−ＰＥＥＴ＝ＥＥＴ（Ｋ−ＰＫ−ＫＰ＋ＰＫＰ）ＥＥＴ （ＥＥＴ＝Ｉとして） （１９） ドリフトをもたない理想的なクラッタの場合には、Ｅは
Ｋを次のように対角化する。 ＥＴＫＥ＝Σ＝ｄｉａｇ（ａσｃ ２＋σｅ ２、ａσｃ ２＋σｅ ２、σｅ ２、 σｅ ２．．．σｅ ２） ＝ｄｉａｇ（σ１ ２、σ２ ２・・・σＮ ２） （２０） 但し、ａは、式（１）から見た２Ｎピクセル勾配各々の
平方の直線関数であり、σｃ ２は、ジッタ変数（ｘ及び
ｙにおいて同じであると仮定する）、そしてσｅ ２は、
電子的ノイズの変数（式（１）におけるηｉｊの変数）
である。
【００４３】対角共変数の第１のｍ項の正確な形態は、
この導出においては、投影の作用ほど重要ではない。次
いで、Ｐの定義とこの対角化とを用いて、式（１９）を
次のような所望の形態へと操作することができる。 但し、最後の式は、ｍ個のゼロを有する。
【００４４】スパンセットＣは同一のＰｍを形成するの
で、Ｃを用いる補正されたデータ共変数は、同じであ
る。一般的なｍの場合には、サブ空間のノイズ分布は、
上記例の場合のように等しい変数ではない。しかしなが
ら、直交投影は、依然、どんなエネルギーがＮ空間から
クラッタ平面モデルＣＰ（ｍ）に投影されても削除し、
その残余をＮ空間へ分散して戻す。Ｎはｍよりも相当に
大きいので、各ピクセルにおける補正されない電子的ノ
イズの電力は、この動作によって著しい影響を受けては
ならない。又、式（２１）は、上記の電子的ノイズ変数
及びターゲットロスの推定値を使用して、補正されたピ
クセルにおける検出スレッシュホールドをセットできる
ことを意味する。
【００４５】ドリフト 直線的モデルにおけるドリフトは、クラッタ平面ＣＰに
おいてクラッタ分散の「伸張」を導入し、これは、勾配
変化が著しい場合のセンタリングされないデータに類似
した問題を生じ得る。輝度の勾配及びバックグランドの
変化として、クラッタの効率的なモデルは、勾配比の傾
斜に沿ってＮ空間において回転しなければならない。補
償されないドリフトは、各サンプル時間に成長する項を
付加し、これは、通常は、モデルデータの時間平均化に
よって平均化されない。それ故、ドリフト補償は、クラ
ッタの抑制を助け、そしてその逆のことも言える。ピク
セルサイズ／ドリフト速度の比が、ピクセルサイズに一
致した光学的解像度に対して小さくなるにつれて、ター
ゲットの伸張は、ランダムジッタ及び電子的ノイズを克
服するに充分なほど大きくなるが、バックグランド変化
の割合が増加して、スレッシュホールドの設定を複雑に
する。１つの解決策は、非クラッタデータの削除を犠牲
にしてモデルにより多くのサンプルを含ませることによ
りサブ空間のサイズを増加することである。別の解決策
は、ノイズの追加を犠牲にしてバックグランドを推定す
るようにｎ次の差のフィルタ動作を使用することであ
る。
【００４６】シーンの回転及び／又はブルーミングが問
題となる場合には、焦点面処理を、同心的なセグメント
化帯域をもつ隣接データにおいて動作することにより細
分化し、焦点面にわたる非並進運動が各セグメント内で
ほとんど直線的となるようにすることができる。
【００４７】図１５は、本発明の実施形態によりクラッ
タを抑制するための最小スパン勾配フィルタ１０の１つ
の実施を示す概略ブロック図である。フィルタ１０は、
特定の周波数帯域ｉにわたりターゲット検出・追跡シス
テム（図示せず）に関連した赤外線焦点面センサアレー
のようなシーンを感知するセンサアレー（図示せず）か
らピクセル強度データとして像を受け取る。フィルタ１
０の動作は、センサアレーからの像がターゲットの存在
に対してテストされる前に実行される。追跡システムの
各帯域ｉごとに個別の勾配フィルタが設けられる。例え
ば、米国特許第５，３００，７８０号に開示された追跡
システムにおいては、それ自身のフィルタを各々必要と
する７つの個別の周波数帯域がある。フィルタ１０の対
応する表示は、上記した本発明による最小スパン勾配フ
ィルタの分析に従う。それ故、フィルタ１０の以下の説
明は、上記で詳細に述べたことが分かろう。
【００４８】センサアレーからの焦点面シーンデータ
は、特定の周波数帯域ｉにわたるシーンフレームＳとし
て左上からフィルタ１０に入る。先入れ先出し（ＦＩＦ
Ｏ）バッファメモリ１２は、当該物体について感知され
ているシーンの多数の連続する現在フレーム即ち像をサ
ンプル時間当たり１フレームづつ記憶する。各フレーム
即ち像は、ここではメモリ１２において個々の方形とし
て表された複数のピクセルにより表される。１つの既知
のターゲットシステムにおいては、フレーム当たり２５
６ｘ２５６のピクセルがある。ＦＩＦＯバッファメモリ
１４は、以下で明らかとなる理由で、次々のフレームを
記憶できるところのｌ個のフレームの遅延を与える。更
に、ＦＩＦＯバッファメモリ１６は、クラッタサブ空間
を決定するのに使用されるデータのモデルフレームとし
てシーンの次々のフレームを記憶する。この例では、バ
ッファメモリ１６のｋ個の最も古いフレームがモデルフ
レームを形成し、そしてバッファフレーム１２のｎ個の
最も新しい又は現在のフレームがターゲット検出プロセ
ス（図示せず）によりターゲットの存在に対してテスト
され、クラッタとならないモデルフレームにターゲット
が存在するかどうか決定される。１つの例においては、
メモリ１６においてモデルフレームを形成する約１５個
のフレームと、メモリ１２においてターゲットの存在に
対してテストされる５このフレームとがある。この技術
で知られているいずれかの適用可能なターゲット検出プ
ロセスを用いて、バッファメモリ１２に記憶されたデー
タのフレームにターゲットが存在するかどうか決定する
ことができる。ターゲット検出プロセスは、ここに述べ
るように、フィルタ１０がデータのフレームからクラッ
タを除去した後に実行される。ターゲットの存在に対し
て検出されるバッファメモリ１２に記憶されたｎ個の検
出フレームと、バッファメモリ１６に記憶されたｋ個の
モデルフレームとの時間分離により、システム１０は、
クラッタとして現れそしてクラッタモデルをターゲット
データで乱すターゲットがモデルフレームに存在するか
どうか決定することができる。
【００４９】図１６は、図１５に示されたフィルタ１０
が、メモリ１６に記憶される一連のモデルフレーム及び
メモリ１２に記憶される一連の検出フレームをいかに定
めるかを示す一連の時間線を示している。時間は、各時
間線の横軸に沿って示され、そして横軸の一連の刻み線
は、データの連続フレームを分離する。第１の時間線に
よって示されたように、クラッタモデルの窓は、各サン
プル時間に形成される一連のフレームとして発生され
る。第２の時間線は、ｋ個のデータフレームであるモデ
ル窓を示しており、これらのデータフレームは、メモリ
１６に記憶され、そしてクラッタサブ空間モデルを決定
するために使用されるべきモデルフレームを表してい
る。その後のデータフレームは、次いで、ｎ個の検出フ
レームを表す検出窓としてメモリ１２に記憶される。ｎ
個の検出フレームが検出窓として発生されると、ターゲ
ットが存在するかどうか決定するプロセスは、フィルタ
１０により補正されたデータフレームにおいて行うこと
ができる。
【００５０】１つの例において、ターゲットが各ピクセ
ルに存在するかどうか決定するテストは、ｎのうちのｍ
のルールのテスト（ｍ−ｏｕｔ−ｏｆ−ｎ ｒｕｌｅ
ｔｅｓｔ）と称され、システムがターゲットが存在する
と決定するためにはｎフレーム検出窓における所定数の
フレームｍがそのピクセルに対してターゲットを示さね
ばならない。例えば、検出窓に５つのデータフレームが
ある場合には、これらフレームにおける３つの一致する
ピクセルがターゲットの存在を示さねばならない。ｍ個
未満のデータフレームがターゲットを示す場合には、シ
ステム１０は、ターゲットが存在しないと決定し、モデ
ル窓及び検出窓は、第４の時間線で示すように、最新の
データフレームを検出窓へ移動し、最も古いデータフレ
ームを検出窓からモデル窓へ移動し、そしてモデル窓に
おいて最も古いデータフレームを破棄することにより更
新される。
【００５１】しかしながら、検出窓においてターゲット
が検出された場合には、検出窓からの次々のフレームを
記憶するようにメモリ１４が組み込まれていて、ターゲ
ットが存在する間にモデル窓を一定に保持する。これ
は、第５の時間線に示されており、１つのデータフレー
ムが、メモリ１４に記憶された第１のデータフレームで
ある凍結フレームとして示されている。ターゲット検出
プロセスが、更新された検出窓においてターゲットを検
出し続ける場合には、第６の時間線で示されたように、
より多くの凍結フレームが遅延メモリ１４に追加され
る。凍結フレームの数が増加するにつれて、モデル窓は
一定に保たれる。新たなフレームが検出窓に導入される
たびに、ターゲットのテストが繰り返される。ある点に
おいて、メモリ１６に最大数の遅延凍結フレームが達成
され、検出窓においてターゲットが依然として検出され
るが、モデルを更新しなければならない。最大の凍結フ
レーム窓は、第６の時間フレームに示された１フレーム
である。このとき、プロセスが１フレームだけシフトさ
れ、モデル窓が更新されるが、第７の時間線に示すよう
に、ターゲットピクセルを含む。
【００５２】図１５に戻ると、帯域ｉの各ピクセルは、
フレームごとのベースで一連の動作に通されて、クラッ
タサブ空間を形成する。特に、バッファメモリ１６から
の各ピクセルは加算接合点１８に付与され、平均化の目
的で各データフレームにピクセル強度を追加する。バッ
ファメモリ１６からの各フレームに対し全てのピクセル
の加算接合点１８における和は、１／ｋ平均化システム
２０へ送られ、以下に述べるように、センタリングの目
的でその組のピクセルに対する平均強度を発生する。平
均システム２０からの各フレームＳに対する平均化され
たピクセル強度Ｓｍｅａｎは、次いで、当業者に明らか
なターゲット検出のためのその後の検出動作（図示せ
ず）へ送られる。
【００５３】バッファメモリ１６のモデルフレームの各
ピクセルも、標準偏差計算システム２２へ付与される。
又、標準偏差計算システム２２は、平均化システム２０
から平均ピクセル強度Ｓｍｅａｎも受け取る。クラッタ
探知器２４は、モデリング周期にわたりバッファメモリ
１６のモデルフレームの各ピクセルの標準偏差σを取り
出す。平均ピクセル強度Ｓｍｅａｎ及びピクセルの標準
偏差σは、シーン統計学的情報のモデルに基づき、カル
マンフィルタ動作のような従来の統計学的方程式又は適
応技術を用いて、モデリング周期にわたり決定される。
これらの量は、当業者に明らかなように、スレッシュホ
ールド設定及びその後の検出動作（図示せず）にも有用
である。ピクセルの標準偏差σが所定のスレッシュホー
ルドσｃより低いことが、予想されるセンサ及び電子ノ
イズに基づいてクラッタ探知器２４により決定された場
合には、このピクセルは、補正非実行ピクセルシステム
２６により決定されるように補正されない。クラッタ探
知器２４は、電子及び検出ノイズがＬＯＳジッタノイズ
のクラッタサブ空間モデルを変化させるのを防止するた
めに設けられている。
【００５４】データＳのフレームは、閃光スレッシュホ
ールド検出器２８にも送られる。この閃光検出器２８
は、フレームＳの各ピクセルの絶対強度が、サブ空間モ
デルを不所望に変更することのある閃光スレッシュホー
ルド値γｇより上であるかどうかを決定する。検出器２
８に送られた強度値が閃光スレッシュホールドγｇより
上である場合は、このピクセルがプロセスにおいて無視
され、上記のようにサブ空間削除による隣接ピクセルへ
の大きな漏れが回避される。ピクセル強度がスレッシュ
ホールド値γｇを越える場合には、そのピクセルがシス
テム３０へ付与され、閃光スレッシュホールド値γｇよ
り高い輝度を有するピクセルを平均輝度ピクセルに置き
換え、その過剰に強いピクセルがサブ空間モデルを更新
しないようにする。システム３０の出力は、システム２
６へ送られ、従って、システム１０は、閃光スレッシュ
ホールド値γｇより高いピクセルは補正しない。
【００５５】フレームＳは、加算接合点４０に付与され
て、平均化システム２０からの平均ピクセル強度Ｓ
ｍｅａｎの負の形態と加算され、データＳのフレームを
センタリングする。ピクセル強度データのセンタリング
により、データの変化ができるだけ小さなサブ空間へと
集中される。センタリング段階は、本発明のフィルタ動
作を実行するのに必要ではないが、このようなセンタリ
ング段階は、既知の効果を有する。ピクセルデータのセ
ンタリングについての詳細な説明は、図１３及びそれに
対応する説明を参照されたい。加算接続点４０からのセ
ンタリングされたフレー 影システム４２は、式（１１）について上記したよう
に、センタリングされたフレームデータＳにおいてサブ
空間投影技術を実行し、フレームにおいてクラッタサブ
空間を除去し、そして実質的に全てのクラッタが除去さ
れたフレームデータ
【００５６】ＬＯＳジッタノイズのほとんどが存在する
クラッタサブ空間モデルを形成する第１組のサブ空間基
本ベクトルは、図５−７、式（１０）について上記した
グラム・シュミット手順を用いて決定される。平均化シ
ステム２０からの平均ピクセル強度Ｓｍｅａｎの負の形
態が一連の加算接合点３２へ付与され、システム２６か
らの信号と加算されて、上記のように補正されるべきで
ないピクセルを除去する。加算接合点３２は、メモリ１
６のｋ個のデータフレームの各々に対して設けられてい
る。加算接合点３２の出力は、モデルフレームにおける
クラッタに対して補正されるべきピクセルにおいてグラ
ム・シュミット計算を実行する一連のグラム・シュミッ
トシステム３４に付与される。グラム・シュミットシス
テム３４は、式（１０）によりクラッタサブ空間モデル
を定義する一連の単位ベクトルを発生する。これらの単
位ベクトルは、メモリ１６の全てのモデルフレームを含
むようにＣ１−Ｃｋ−１として定義される。グラム・シ
ュミットシステム３４からの出力は、初期始動時にサブ
空間投影システム４２へ付与される。
【００５７】初期クラッタサブ空間モデルがグラム・シ
ュミットの計算により発生された後に、平面平滑化シス
テム４４により示された平面平滑化動作を用いて、その
後のクラッタサブ空間モデルにおいてピクセル補正が更
新される。平面平滑化は、図８−１２を参照して説明し
た。上記のように、平面平滑化プロセスは、新たなフレ
ームがメモリ１６に追加されるときにクラッタサブ空間
更新プロセス中のランダムノイズによるクラッタサブ空
間の回転を減少するように試み、クラッタサブ空間モデ
ルを真のクラッタサブ空間に実質的に近い状態に維持す
る。平面平滑化システム４４は、反復フィルタとして働
くβθ解決策を使用する。平面平滑化動作においては、
サブ空間投影システム４２からのセンタリングされたフ
レームデ システム４８に付与される。これらの遅延ｎ＋１−１シ
ステム４６及び４８は、クラッタサブ空間更新を、サブ
空間モデル即ち最小方形又は投影適合と現在フレームの
残余とに適合する像フレームの部分からの出力と同期さ
せる。
【００５８】平面平滑化システム４４内の他の動作は、
上記で詳細に述べた。遅延システム４６及び４８からの
遅延された適合は、それに対応する補正されないがセン
タリングされたフレームデータに（これはバッファメモ
リ１６のモデル窓に送られるべき次のセンタリングされ
ないフレームに対応する）と比較され、それらの間の角
度θが決定される。単位ベクトルＣ’が適合から計算さ
れる一方、ユーザ調整 レームベクトル適合の残余の大きさから計算されるか、
或いは予想されるノイズ 択可能な利得係数ｒにより作用に対して調整された長さ
から計算される。グラム・シュミット（ＧＳ）システム
は、残りの基本ベクトルにおいてグラム・シュミット手
順を実行して、これらベクトルを以前のクラッタサブ空
間内で回転し、新たなサブ空間ベクトルＣ２ないしＣ
Ｋ−１を発生する。
【００５９】グラム・シュミット始動プロセスは、固有
分析のような基本ベクトル形成に対する他の技術と置き
換えることができる。平面平滑システム４４からの出力
であるサブ空間ベクトルＣ１及びＣ２・・・Ｃ
Ｋ−１は、サブ空間投影システム４２に付与され、グラ
ム・シュミットシステム３４からのサブ空間ベクトルが
始動時に元の１組のサブ空間ベクトルを発生した後にメ
モリ１６に入る各新たなフレームごとにクラッタサブ空
間を更新する。又、平面平滑化更新プロセスは、グラム
・シュミット手順と置き換えることができ、この場合
は、平面平滑化システム４４が除去され、そして全ての
フレームに対してグラム・シュミットシステム３４の始
動が繰り返される。
【００６０】ＭＳＧＦと他のサブ空間投影技術との比較 ＭＳＧＦにおけるサブ空間投影のピクセルスピン実施
は、固定勾配を用いて、式（５）に示すようなＮピクセ
ル空間にサブ空間スピンベクトルを構成するものであっ
た。これらの勾配が著しく変化しない限り、フィルタ
は、モデル内の同じピクセルの将来のクラッタ像を補正
することができる。別の古典的な投影解決策は、運動ベ
クトルを用いてクラッタ平面をまたぐことにより式
（６）に従う。この技術では、モデルの一部分でなく、
同じ焦点面からのもので、しかもモデルと同時にサンプ
リングされた異なるピクセルからのクラッタ像を補正す
ることができる。式（６）を用いて、ベクトルｐ及びｑ
で形成されたクラッタ平面のモデル の固有ベクトルから形成される。時間／運動スパンサブ
空間投影と、ピクセル／勾配スパンサブ空間投影との１
つの一般的な比較は、時間スパンで行方向に演算を実行
できる場合に、ピクセルスパンで列方向に演算を実行で
きるようなもので モデルと補正プロセスとの間の関係の比較を示してい
る。全てのデータに対して クされることに注意されたい。これらの単一の値では、
ＳＶＤを使用して、上記したように列−空間固有ベクト
ル又は行−空間固有ベクトルのいずれかが計算される。
原理的には、ある種の混成解決策において前後に切り換
えすることができねばならない。ＭＳＧＦについては、
単一の値が使用できないので、このようにならない。
【００６１】以上、本発明の実施形態を説明した。以上
の説明、添付図面及び請求の範囲から、当業者であれ
ば、本発明の精神及び範囲から逸脱せずに種々の変更や
修正がなされ得ることが容易に明らかであろう。
【図面の簡単な説明】
【図１】物体検出システムに関連したセンサの単一ピク
セルからのクラッタ成分を示すグラフである。
【図２】像ベクトルのクラッタサブ空間を示す図であ
る。
【図３】ピクセルベクトルを示すグラフである。
【図４】ピクセルベクトルを示すグラフである。
【図５】本発明の好ましい実施形態によるスパンベクト
ル形成を示すグラフである。
【図６】本発明の好ましい実施形態によるスパンベクト
ル形成を示すグラフである。
【図７】本発明の好ましい実施形態によるスパンベクト
ル形成を示すグラフである。
【図８】特定のクラッタ平面の例を示す図である。
【図９】ノイズモデルを示す図である。
【図１０】密度関数のグラフである。
【図１１】密度関数のジッタ成分のグラフである。
【図１２】重み付け関数のグラフである。
【図１３】センタリングされたモデルのグラフである。
【図１４】ターゲットエネルギーが失われたモデルを示
す図である。
【図１５】本発明の実施形態によるシーンクラッタ抑制
に使用される最小スパン勾配フィルタを示すブロック図
である。
【図１６】図１５の最小スパン勾配フィルタに対するモ
デル窓フレーム及び検出窓フレームの分離を示す一連の
時間線図である。
【図１７】ピクセル及び時間スパンのモデルを示す図で
ある。
【符号の説明】
１０ 最小スパン勾配フィルタ １２ 先入れ先出し（ＦＩＦＯ）メモリ １４、１６ ＦＩＦＯバッファメモリ １８、３２ 加算接合部 ２０ 平均化システム ２２ 標準偏差計算システム ２４ クラッタ探知器 ２６ 非補正ピクセルシステム ２８ 閃光検出器 ３４ グラム・シュミット検出システム ４２ サブ空間投影システム ４４ 平面平滑化システム
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−268477（ＪＰ，Ａ) 特表 平３−502018（ＪＰ，Ａ) 米国特許4652881（ＵＳ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G01S 3/782 G01S 7/00 - 7/64 G01S 13/00 - 13/95

Claims (14)

    (57)【特許請求の範囲】
  1. 【請求項１】 シーンを感知して、当該物体が存在する
    かどうかを決定する物体検出システムにおけるクラッタ
    を抑制するためのクラッタ抑制システムにおいて、 クラッタが抑制されるべきシーンの像を表す一連のデー
    タフレームを発生するフレーム発生手段と、 上記一連のデータフレームに基づいてシーンのモデルフ
    レームを記憶するためのモデル記憶手段と、 シーンにおける実質的に全てのクラッタを定義するシー
    ンのクラッタサブ空間を発生するためのクラッタサブ空
    間手段と、 実質的に全てのクラッタが除去されたシーンのデータフ
    レームを発生するためのサブ空間投影手段であって、上
    記一連のデータフレームと、上記クラッタサブ空間手段
    からのクラッタサブ空間とに応答して、サブ空間投影技
    術によりクラッタサブ空間をデータフレームと合成し、
    データフレームにおけるクラッタを除去すると共に、物
    体の存在に対して検出されるべき実質的にクラッタのな
    いデータフレームを発生するためのサブ空間投影手段と
    を備えたことを特徴とするクラッタ抑制システム。
  2. 【請求項２】 データのモデルフレームをセンタリング
    するためのセンタリング手段を更に備え、このセンタリ
    ング手段は、データフレームにおけるピクセルの強度を
    平均化するためのピクセル強度平均化手段を含み、上記
    サブ空間投影手段は、データのモデルフレームのセンタ
    リングされたピクセル強度に応答する請求項１に記載の
    クラッタ抑制システム。
  3. 【請求項３】 上記クラッタサブ空間手段は、グラム・
    シュミット手順により１組のクラッタサブ空間単位ベク
    トルを決定するグラム・シュミット処理システムを備
    え、上記単位ベクトルはモデルフレームにおけるクラッ
    タサブ空間を定義するものである請求項１に記載のクラ
    ッタ抑制システム。
  4. 【請求項４】 上記グラム・シュミット処理システム
    は、データのモデルフレームにおけるピクセルのピクセ
    ル強度をセンタリングするためのセンタリング手段から
    のセンタリングされたピクセル強度に応答する請求項３
    に記載のクラッタ抑制システム。
  5. 【請求項５】 上記クラッタサブ空間手段は、１組のク
    ラッタサブ空間単位ベクトルを決定する平面平滑化シス
    テムを含み、この平面平滑化は、上記サブ空間投影手段
    からのクラッタのないデータフレームと、上記フレーム
    発生手段からのデータフレームとに応答して、クラッタ
    サブ空間を更新するための更新クラッタサブ空間単位ベ
    クトルを発生する請求項１に記載のクラッタ抑制システ
    ム。
  6. 【請求項６】 上記平面平滑化システムは、反復性フィ
    ルタ手段を用いることによりデータフレームがモデルフ
    レームに追加されるときに元のクラッタサブ空間に対す
    るクラッタサブ空間の回転を平滑化する請求項５に記載
    のクラッタ抑制システム。
  7. 【請求項７】 データのモデルフレームにおけるピクセ
    ルの標準偏差を決定するためのクラッタ探知手段を更に
    備え、このクラッタ探知手段は、モデルフレームのピク
    セル強度に応答して、モデルフレームの標準偏差を発生
    し、各ピクセルの標準偏差は、ピクセルスレッシュホー
    ルドに適用され、ピクセルの標準偏差がピクセルスレッ
    シュホールドより低い場合に、ピクセルがクラッタサブ
    空間から除去される請求項１に記載のクラッタ抑制シス
    テム。
  8. 【請求項８】 データフレームのピクセルが所定の閃光
    スレッシュホールドより上の絶対強度を有するかどうか
    決定するための閃光スレッシュホールド手段を更に備
    え、ピクセル強度が閃光スレッシュホールドより高い場
    合には、そのピクセルがクラッタサブ空間から除去され
    る請求項１に記載のクラッタ抑制システム。
  9. 【請求項９】 物体検出記憶手段及び遅延記憶手段を更
    に備え、上記物体検出記憶手段は、物体の存在に対して
    テストされるべき現在のデータフレームを記憶し、上記
    遅延記憶手段は、検出された当該物体を含む過去のデー
    タフレームを記憶し、モデル記憶手段は、物体を含まな
    いデータのモデルフレームを記憶する請求項１に記載の
    クラッタ抑制システム。
  10. 【請求項１０】 上記グラム・シュミット処理システム
    は、次の関係によりクラッタサブ空間単位ベクトルを決
    定し、 但し、 は、モデルフレームにおいて時間ｉの間にセンタリング
    されたシーンベクトルであり、Ｃは、クラッタサブ空間
    に対する単位ベクトルであり、ｉは、時間サンプルに対
    応するインデックスであり、ｊは、加算インデックスで
    あり、そしてＴは、転置演算である請求項３に記載のク
    ラッタ抑制システム。
  11. 【請求項１１】 上記サブ空間投影手段は、次の関係に
    より、実質的にクラッタのないデータフレームを発生
    し、 但し、Ｓはモデルフレームにおけるセンタリングされた
    シーンベクトルであり、Ｃはクラッタサブ空間に対する
    単位ベクトルであり、ｋは時間サンプルであり、ｉは時
    間サンプルに対応するインデックスであり、そしてＴは
    転置演算である請求項１に記載のクラッタ抑制システ
    ム。
  12. 【請求項１２】 シーンを感知して、当該物体が存在す
    るかどうかを決定する物体検出システムにおけるクラッ
    タを抑制するためのクラッタ抑制システムにおいて、 シーンのモデルフレームを記憶するモデル記憶装置と、 上記シーンのモデルフレームに応答するグラム・シュミ
    ット処理システムであって、モデルフレームの実質的に
    全てのクラッタが存在するところのモデルフレームのク
    ラッタ空間を定義する１組のクラッタサブ空間単位ベク
    トルを発生するようなグラム・シュミット処理システム
    と、 上記シーンのデータフレームと、上記グラム・シュミッ
    ト処理システムからのクラッタサブ空間単位ベクトルと
    に応答するサブ空間投影システムであって、サブ空間投
    影技術により現在のデータフレームとクラッタサブ空間
    単位ベクトルとを合成して、現在のデータフレームにお
    けるクラッタを除去するようなサブ空間投影システムと
    を備えたことを特徴とするクラッタ抑制システム。
  13. 【請求項１３】 上記グラム・シュミット処理システム
    は、次の関係によりクラッタサブ空間単位ベクトルを決
    定し、 但し、 は、モデルフレームにおいて時間ｉの間にセンタリング
    されたシーンベクトルであり、Ｃは、クラッタサブ空間
    に対する単位ベクトルであり、ｉは、時間サンプルに対
    応するインデックスであり、ｊは、加算インデックスで
    あり、そしてＴは、転置演算である請求項１２に記載の
    クラッタ抑制システム。
  14. 【請求項１４】 シーンを感知して、当該物体が存在す
    るかどうかを決定する物体検出システムにおけるクラッ
    タを抑制するためのクラッタ抑制システムにおいて、 シーンのデータのモデルフレームを記憶するモデル記憶
    装置と、 上記モデル記憶装置からのデータのモデルフレームに応
    答する平面平滑化システムであって、実質的にクラッタ
    のないデータのフレームに基づいて１組のクラッタサブ
    空間単位ベクトルを決定し、単位ベクトルがモデルフレ
    ームにおけるクラッタサブ空間を定義するような平面平
    滑化システムと、 上記データのモデルフレームと、上記クラッタサブ空間
    単位ベクトルとに応答するサブ空間投影システムであっ
    て、サブ空間投影技術により現在のデータフレームとサ
    ブ空間単位ベクトルとを合成して、現在のデータフレー
    ムにおけるクラッタを除去するようなサブ空間投影シス
    テムとを備えたことを特徴とするクラッタ抑制システ
    ム。
JP24539296A 1995-08-16 1996-08-13 シーンクラッタを抑制するための最小スパン勾配フィルタを有する物体検出システム Expired - Fee Related JP3200372B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/624,304 US5805742A (en) 1995-08-16 1995-08-16 Object detection system with minimum-spanning gradient filter for scene clutter suppression
US08/624304 1995-08-16

Publications (2)

Publication Number Publication Date
JPH09138267A JPH09138267A (ja) 1997-05-27
JP3200372B2 true JP3200372B2 (ja) 2001-08-20

Family

ID=24501471

Family Applications (1)

Application Number Title Priority Date Filing Date
JP24539296A Expired - Fee Related JP3200372B2 (ja) 1995-08-16 1996-08-13 シーンクラッタを抑制するための最小スパン勾配フィルタを有する物体検出システム

Country Status (4)

Country Link
US (1) US5805742A (ja)
EP (1) EP0762138B1 (ja)
JP (1) JP3200372B2 (ja)
DE (1) DE69617570T2 (ja)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6208752B1 (en) * 1998-03-12 2001-03-27 The United States Of America As Represented By The Secretary Of The Navy System for eliminating or reducing exemplar effects in multispectral or hyperspectral sensors
US6011875A (en) * 1998-04-29 2000-01-04 Eastman Kodak Company Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening
WO1999067739A1 (en) * 1998-06-25 1999-12-29 University Of Iowa Research Foundation Three dimensional dynamic image analysis system
EP0971242A1 (en) * 1998-07-10 2000-01-12 Cambridge Consultants Limited Sensor signal processing
US6195475B1 (en) * 1998-09-15 2001-02-27 Hewlett-Packard Company Navigation system for handheld scanner
US6282301B1 (en) * 1999-04-08 2001-08-28 The United States Of America As Represented By The Secretary Of The Army Ares method of sub-pixel target detection
US6611825B1 (en) * 1999-06-09 2003-08-26 The Boeing Company Method and system for text mining using multidimensional subspaces
US6701305B1 (en) 1999-06-09 2004-03-02 The Boeing Company Methods, apparatus and computer program products for information retrieval and document classification utilizing a multidimensional subspace
US6377297B1 (en) * 1999-12-07 2002-04-23 Tektronix, Inc. Detection of repeated and frozen frames in a video signal
JP3672234B2 (ja) * 2000-06-12 2005-07-20 インターナショナル・ビジネス・マシーンズ・コーポレーション データベースからのドキュメントのリトリーブ・ランク付け方法、コンピュータシステム、および記録媒体
US6507789B1 (en) * 2000-07-18 2003-01-14 General Electric Company Gear transmission condition monitoring method and apparatus
US6622100B2 (en) 2001-06-07 2003-09-16 Northrop Grumman Corporation Hyperspectral analysis tool
US7277558B2 (en) * 2001-11-27 2007-10-02 Lockheed Martin Corporation Method and system for estimating the position of moving objects in images
US7221783B2 (en) * 2001-12-31 2007-05-22 Gyros Patent Ab Method and arrangement for reducing noise
US7324663B2 (en) * 2002-06-06 2008-01-29 Wintriss Engineering Corporation Flight parameter measurement system
US20040268208A1 (en) * 2003-06-27 2004-12-30 Seagate Technology Llc Computation of branch metric values in a data detector
GB0502371D0 (en) * 2005-02-04 2005-03-16 British Telecomm Identifying spurious regions in a video frame
US8116522B1 (en) 2008-08-25 2012-02-14 The United States Of America As Represented By The Secretary Of The Navy Ship detection system and method from overhead images
US8116527B2 (en) * 2009-10-07 2012-02-14 The United States Of America As Represented By The Secretary Of The Army Using video-based imagery for automated detection, tracking, and counting of moving objects, in particular those objects having image characteristics similar to background
WO2011130051A1 (en) * 2010-04-12 2011-10-20 Sony Corporation Context adaptive directional intra prediction
JP5649372B2 (ja) * 2010-08-27 2015-01-07 株式会社東芝 信号処理装置
US9244159B1 (en) * 2013-01-31 2016-01-26 The Boeing Company Distinguishing between maritime targets and clutter in range-doppler maps
RU2582871C1 (ru) * 2015-06-05 2016-04-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет" Вычислитель для адаптивного режектирования помех
RU2628907C1 (ru) * 2016-10-13 2017-08-22 Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный радиотехнический университет" Вычислитель для компенсации помех
RU2634190C1 (ru) * 2016-11-21 2017-10-24 Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный радиотехнический университет" Вычислитель для подавления помех
RU2634191C1 (ru) * 2016-11-21 2017-10-24 Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный радиотехнический университет" Вычислитель для режекции помех
US10373316B2 (en) * 2017-04-20 2019-08-06 Ford Global Technologies, Llc Images background subtraction for dynamic lighting scenarios
RU182318U1 (ru) * 2018-02-13 2018-08-14 Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный радиотехнический университет" Вычислитель для адаптивной компенсации помех
CN113655536A (zh) * 2021-08-17 2021-11-16 上海亨临光电科技有限公司 一种太赫兹图像抖动校准方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3638025A (en) * 1963-10-01 1972-01-25 Trw Inc Method and apparatus for location of radiant energy source
US4652881A (en) * 1984-01-10 1987-03-24 Lewis Bernard L Efficient adaptive filter bank
US4739401A (en) * 1985-01-25 1988-04-19 Hughes Aircraft Company Target acquisition system and method
US4937878A (en) * 1988-08-08 1990-06-26 Hughes Aircraft Company Signal processing for autonomous acquisition of objects in cluttered background
US5109435A (en) * 1988-08-08 1992-04-28 Hughes Aircraft Company Segmentation method for use against moving objects
US5341439A (en) * 1989-09-21 1994-08-23 Hsu Shin Yi System for texture-based automatic detection of man-made objects in representations of sensed natural environmental scenes
US5267329A (en) * 1990-08-10 1993-11-30 Kaman Aerospace Corporation Process for automatically detecting and locating a target from a plurality of two dimensional images
US5257121A (en) * 1990-08-29 1993-10-26 The Johns Hopkins University Multi-resolution spatial integration signal processor and method
US5185526A (en) * 1990-10-31 1993-02-09 Grumman Aerospace Corporation Optical scene generator for testing infrared detector modules
US5061934A (en) * 1990-11-09 1991-10-29 The United States Of America As Represented By The Secretary Of The Air Force Hybrid clutter cancellation method and system for improved radar performance
US5150426A (en) * 1990-11-20 1992-09-22 Hughes Aircraft Company Moving target detection method using two-frame subtraction and a two quadrant multiplier
US5291563A (en) * 1990-12-17 1994-03-01 Nippon Telegraph And Telephone Corporation Method and apparatus for detection of target object with improved robustness
US5491487A (en) * 1991-05-30 1996-02-13 The United States Of America As Represented By The Secretary Of The Navy Slaved Gram Schmidt adaptive noise cancellation method and apparatus
US5245677A (en) * 1991-08-08 1993-09-14 Hughes Aircraft Company Directional running average segmentation
US5394520A (en) * 1991-09-26 1995-02-28 Hughes Aircraft Company Imaging apparatus for providing a composite digital representation of a scene within a field of regard
US5386480A (en) * 1992-03-09 1995-01-31 Hughes Aircraft Company Amplitude ratio discrimination for MTI processors
US5280289A (en) * 1992-04-23 1994-01-18 Hughes Aircraft Company Automatic signal thresholding system
US5371542A (en) * 1992-06-23 1994-12-06 The United States Of America As Represented By The Secretary Of The Navy Dual waveband signal processing system
US5546084A (en) * 1992-07-17 1996-08-13 Trw Inc. Synthetic aperture radar clutter reduction system
US5300780A (en) * 1992-12-17 1994-04-05 Trw Inc. Missile surveillance method and apparatus
US5430445A (en) * 1992-12-31 1995-07-04 Raytheon Company Synthetic aperture radar guidance system and method of operating same
IL104636A (en) * 1993-02-07 1997-06-10 Oli V R Corp Ltd Apparatus and method for encoding and decoding digital signals
US5495257A (en) * 1994-07-19 1996-02-27 Trimble Navigation Limited Inverse differential corrections for SATPS mobile stations

Also Published As

Publication number Publication date
US5805742A (en) 1998-09-08
DE69617570D1 (de) 2002-01-17
DE69617570T2 (de) 2002-05-29
EP0762138A1 (en) 1997-03-12
JPH09138267A (ja) 1997-05-27
EP0762138B1 (en) 2001-12-05

Similar Documents

Publication Publication Date Title
JP3200372B2 (ja) シーンクラッタを抑制するための最小スパン勾配フィルタを有する物体検出システム
US5001650A (en) Method and apparatus for search and tracking
US5960097A (en) Background adaptive target detection and tracking with multiple observation and processing stages
US7132961B2 (en) Passive RF, single fighter aircraft multifunction aperture sensor, air to air geolocation
US5146228A (en) Coherent correlation addition for increasing match information in scene matching navigation systems
US4855932A (en) Three-dimensional electro-optical tracker
US8068696B2 (en) Method of restoring movements of the line of sight of an optical instrument
US20070133840A1 (en) Tracking Using An Elastic Cluster of Trackers
EP1797524A2 (en) A method and system for improved unresolved target detection using multiple frame association
CN110617802A (zh) 一种星载动目标检测及速度估计方法
US6155704A (en) Super-resolved full aperture scene synthesis using rotating strip aperture image measurements
Merhav et al. On-line vehicle motion estimation from visual terrain information Part I: Recursive image registration
CN111160181B (zh) 一种基于红外视频图像的小目标检测方法
US10922837B2 (en) Cluttered background removal from imagery for object detection
Lu et al. Fast restoration of smeared navigation images for asteroid approach phase
Phelps et al. Blind compensation of angle jitter for satellite-based ground-imaging lidar
Torteeka et al. Autonomous space target tracking through state estimation techniques via ground-based passive optical telescope
Murphy et al. Uncued low SNR detection with likelihood from image multi Bernoulli filter
EP0993658B1 (en) Method and apparatus for providing vision using virtual image
Karlov et al. Criterion and Methodology Selecting Fixed Parameters of Algorithms for Tracking Aerial Objects
Pfeiffer et al. Technology demonstration by the onboard signal and data processor
Nasburg Tracking and control systems
Gilbert et al. A real-time video tracking system
Saidnawey et al. Nicholas P. Bertrand, Derrick Cheung, Joy Gu, Chris McNamara
Chandrakanth et al. Improved IIR tracking by fusion of centroid estimation processing with IMM filter

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees