紅外弱小目標檢測跟蹤方法及其裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于紅外圖像處理及目標跟蹤技術(shù)領(lǐng)域，具體涉及一種紅外弱小目標檢測 跟蹤方法及其裝置。
【背景技術(shù)】
[0002] 紅外成像技術(shù)通過接收目標的紅外熱輻射工作，具有完全被動、易于隱蔽、作用距 離遠、可晝夜工作等優(yōu)點，已被廣泛應(yīng)用于紅外精確制導(dǎo)、預(yù)警、視頻監(jiān)控、搜索和跟蹤等多 種軍事及民用領(lǐng)域。紅外成像技術(shù)的各種應(yīng)用離不開高性能的紅外目標檢測與跟蹤技術(shù)的 支持，因此研宄紅外成像的目標檢測與跟蹤技術(shù)具有重要的意義，尤其是復(fù)雜背景下紅外 目標的檢測和跟蹤一直是近年來研宄的熱門課題。
[0003] 當紅外探測器作用距離較遠且工作環(huán)境復(fù)雜多變時，紅外圖像的背景呈現(xiàn)非平穩(wěn) 的空間分布，如起伏的云層背景、明亮的地面背景和各種雜波等，所處其中的飛機、導(dǎo)彈等 目標在像平面上僅占幾個像素，且缺少形狀、紋理等信息，往往會淹沒在復(fù)雜的背景中，進 而呈現(xiàn)出對比度低的特點。且紅外圖像序列的背景是隨時間變化的，在實戰(zhàn)中檢測跟蹤此 類目標的難度很大。
[0004] 經(jīng)過對現(xiàn)有的技術(shù)文獻和專利的檢索發(fā)現(xiàn)，目前對于復(fù)雜背景紅外圖像的預(yù)處理 多采用形態(tài)學(xué)濾波的方法，以201210163140. 1號專利為例，該發(fā)明專利的圖像預(yù)處理步驟 中，采用形態(tài)學(xué)濾波的方法得到背景圖像，用原圖像減去背景圖像得到含有噪聲的背景抑 制圖像，形態(tài)學(xué)濾波是一種背景預(yù)測的方法，它可以實現(xiàn)抑制背景，但不能同時增強目標， 而在目標跟蹤階段，目前多采用基于濾波和數(shù)據(jù)關(guān)聯(lián)的方法，如數(shù)據(jù)關(guān)聯(lián)算法包括最近鄰 數(shù)據(jù)關(guān)聯(lián)，概率數(shù)據(jù)關(guān)聯(lián)，聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)，多假設(shè)跟蹤，概率多假設(shè)跟蹤等；濾波算法包 括適用于線性高斯模型的卡爾曼濾波，以及改進的適用于非線性高斯條件下的擴展卡爾曼 濾波，無跡卡爾曼濾波和積分卡爾曼濾波，還有適用于非線性非高斯環(huán)境的粒子濾波等。如 201210275678. 1號專利，該發(fā)明專利采用多假設(shè)跟蹤數(shù)據(jù)關(guān)聯(lián)的方法實現(xiàn)紅外弱小目標的 搜索與跟蹤，數(shù)據(jù)關(guān)聯(lián)是傳統(tǒng)多目標跟蹤方法的核心，它很大程度上決定了算法的性能，并 且當雜波數(shù)據(jù)增多和目標數(shù)目增大時，會存在組合爆炸的問題，復(fù)雜背景下，當目標的數(shù)目 隨時間變化時，存在檢測不確定問題，進而會導(dǎo)致數(shù)據(jù)關(guān)聯(lián)的不確定性。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的主要目的在于提供一種紅外弱小目標檢測跟蹤方法及其裝 置。
[0006] 為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：
[0007] 本發(fā)明實施例提供一種紅外弱小目標檢測跟蹤方法，該方法為：根據(jù)改進的四階 偏微分方程方法對原始紅外圖像進行處理獲得背景抑制和目標增強后的紅外圖像，根據(jù)分 塊自適應(yīng)閾值分割的方法提取所述獲得的紅外圖像中候選目標的位置信息以及數(shù)目信息， 最后根據(jù)高斯混合實現(xiàn)的勢概率假設(shè)密度（GM-CPHD)濾波器對提取的候選目標的位置信 息和數(shù)目信息進行多目標狀態(tài)和數(shù)目估計，通過GM-CPHD濾波器實現(xiàn)對多個紅外弱小目標 的狀態(tài)和數(shù)目的精確穩(wěn)定估計。
[0008] 上述方案中，所述根據(jù)改進的四階偏微分方程方法對原始紅外圖像進行處理獲得 背景抑制和目標增強后的紅外圖像，具體為：設(shè)k表示紅外圖像序列的幀數(shù)，紅外圖像的大 小為MXN，初始時刻k= 1 ;首先，讀取紅外圖像中的第k幀，采用改進的四階偏微分方程對 第k幀圖像進行處理，即將式（1)
【主權(quán)項】
1. 一種紅外弱小目標檢測跟蹤方法，其特征在于，該方法為：根據(jù)改進的四階偏微分 方程方法對原始紅外圖像進行處理獲得背景抑制和目標增強后的紅外圖像，根據(jù)分塊自適 應(yīng)閾值分割的方法提取所述獲得的紅外圖像中候選目標的位置信息以及數(shù)目信息，最后根 據(jù)高斯混合實現(xiàn)的勢概率假設(shè)密度（GM-CPHD)濾波器對提取的候選目標的位置信息和數(shù) 目信息進行多目標狀態(tài)和數(shù)目估計，通過GM-CPHD濾波器實現(xiàn)對多個紅外弱小目標的狀態(tài) 和數(shù)目的精確穩(wěn)定估計。
2. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測跟蹤方法，其特征在于，所述根據(jù)改進的 四階偏微分方程方法對原始紅外圖像進行處理獲得背景抑制和目標增強后的紅外圖像，具 體為：設(shè)k表示紅外圖像序列的幀數(shù)，紅外圖像的大小為MXN，初始時刻k = 1 ;首先，讀 取紅外圖像中的第k幀，采用改進的四階偏微分方程對第k幀圖像進行處理，即將式（1):
所定義的擴散系數(shù)sOO帶入式（2)
K對原始紅 外圖像進行處理，獲得背景抑制和目標增強后的紅外圖像。
3. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測跟蹤方法，其特征在于，所述根據(jù)分塊自 適應(yīng)閾值分割的方法提取所述獲得的紅外圖像中候選目標的位置信息以及數(shù)目信息，具體 為：將所述獲得背景抑制和目標增強后的紅外圖像劃分成50個小塊，當紅外圖像的高度和 寬度不滿足50的倍數(shù)時，根據(jù)鏡像的方法對原始紅外圖像進行擴展；對于劃分后的每一個 小塊，根據(jù)公式（4):分塊閾值=(分塊圖像均值+12X(分塊圖像方差））X(自適應(yīng)閾值 系數(shù)），確定分割閾值，將灰度大于閾值的像素賦值為255,小于閾值的像素賦值為0,自適 應(yīng)閾值分割完成后，截取擴展圖像的1到M行，1到N列作為閾值分割后圖像，根據(jù)分割后圖 像確定候選目標的位置信息和數(shù)目信息。
4. 根據(jù)權(quán)利要求1所述的紅外弱小目標檢測跟蹤方法，其特征在于，所述最后根據(jù)高 斯混合實現(xiàn)的勢概率假設(shè)密度（GM-CPHD)濾波器對提取的候選目標的位置信息和數(shù)目信 息進行多目標狀態(tài)和數(shù)目估計，通過GM-CPHD濾波器實現(xiàn)對多個紅外弱小目標的狀態(tài)和數(shù) 目的精確穩(wěn)定估計，具體為：將所述提取的候選目標的位置信息和數(shù)目信息作為當前幀的 量測送入GM-CPHD濾波器中進行遞歸。
5. 根據(jù)權(quán)利要求4所述的紅外弱小目標檢測跟蹤方法，其特征在于，所述將所述提取 的候選目標的位置信息和數(shù)目信息作為當前幀的量測送入GM-CPHD濾波器中進行遞歸，具 體通過以下步驟實現(xiàn)： 步驟501 :對上一幀存活的目標和當前幀新生目標的狀態(tài)均值、權(quán)值、協(xié)方差和數(shù)目的 概率分布進行預(yù)測，得到預(yù)測的目標均值Hikllrt、權(quán)值Wkllrl、協(xié)方差Pkllrt和預(yù)測的目標數(shù)目 Il kllrt以及目標數(shù)目的概率分布P 步驟502 :構(gòu)造目標信息更新所需成分，即構(gòu)造增益K、新息協(xié)方差S和更新協(xié)方差 Pk I k; 步驟503 :設(shè)當前幀有Z個量測值，則總共得到HiklkJZXmklH個高斯成分，采用卡爾曼 濾波對各個高斯成分進行更新，得到更新的狀態(tài)均值mk|k、權(quán)值Wk|jP協(xié)方差P k|k，并且對預(yù) 測目標數(shù)目的概率分布叫^進行更新，得到更新的目標數(shù)目概率分布p k|k; 步驟504 :根據(jù)剪枝的方法將權(quán)值小于閾值的高斯成分剔除，在剪枝后的高斯成分中， 將狀態(tài)差異小于合并閾值的高斯成分合并； 步驟505 :在剪枝合并后的高斯成分中提取出多目標的狀態(tài)并計算更新的目標數(shù)目， 作為最后的濾波輸出； 步驟506 :判斷當前幀是否有新生目標，如果有，則將新生目標的狀態(tài)和數(shù)目送入下一 幀的GM-CPHD預(yù)測中。
6. -種紅外弱小目標檢測跟蹤裝置，其特征在于，該裝置包括：增強單元、提取單元、 過濾單元； 所述增強單元，用于根據(jù)改進的四階偏微分方程方法對原始紅外圖像進行處理獲得背 景抑制和目標增強后的紅外圖像； 所述提取單元，用于根據(jù)分塊自適應(yīng)閾值分割的方法提取所述獲得的紅外圖像中候選 目標的位置信息以及數(shù)目信息； 所述過濾單元，用于根據(jù)高斯混合實現(xiàn)的勢概率假設(shè)密度（GM-CPHD)濾波器對提取的 候選目標的位置信息和數(shù)目信息進行多目標狀態(tài)和數(shù)目估計，通過GM-CPHD濾波器實現(xiàn)對 多個紅外弱小目標的狀態(tài)和數(shù)目的精確穩(wěn)定估計。
7. 根據(jù)權(quán)利要求6所述的紅外弱小目標檢測跟蹤裝置，其特征在于：所述增強單元， 具體用于設(shè)k表示紅外圖像序列的幀數(shù)，紅外圖像的大小為MXN，初始時刻k = 1 ;讀取 紅外圖像中的第k幀，采用改進的四階偏微分方程對第k幀圖像進行處理，即將式（1):
所定義的擴散系數(shù)sOO帶入式（2)
中，對原始紅 外圖像進行處理，獲得背景抑制和目標增強后的紅外圖像。
8. 根據(jù)權(quán)利要求6所述的紅外弱小目標檢測跟蹤裝置，其特征在于：所述提取單元，具 體用于將所述獲得背景抑制和目標增強后的紅外圖像劃分成50個小塊，當紅外圖像的高 度和寬度不滿足50的倍數(shù)時，根據(jù)鏡像的方法對原始紅外圖像進行擴展；對于劃分后的每 一個小塊，根據(jù)公式（4):分塊閾值=(分塊圖像均值+12X(分塊圖像方差））X(自適應(yīng) 閾值系數(shù)），確定分割閾值，將灰度大于閾值的像素賦值為255,小于閾值的像素賦值為0， 自適應(yīng)閾值分割完成后，截取擴展圖像的1到M行，1到N列作為閾值分割后圖像，根據(jù)分割 后圖像確定候選目標的位置信息和數(shù)目信息。
9. 根據(jù)權(quán)利要求6所述的紅外弱小目標檢測跟蹤裝置，其特征在于：所述過濾單元，具 體用于將所述提取的候選目標的位置信息和數(shù)目信息作為當前幀的量測送入GM-CPHD濾 波器中進行遞歸。
10. 根據(jù)權(quán)利要求9所述的紅外弱小目標檢測跟蹤裝置，其特征在于，所述過濾單元， 具體用于對上一幀存活的目標和當前幀新生目標的狀態(tài)均值、權(quán)值、協(xié)方差和數(shù)目的概率 分布進行預(yù)測，得到預(yù)測的目標均值Hi kllrl、權(quán)值Wkllrl、協(xié)方差Pkllrt和預(yù)測的目標數(shù)目n km 以及目標數(shù)目的概率分布pk|k_1; 構(gòu)造目標信息更新所需成分，即構(gòu)造增益K、新息協(xié)方差S和更新協(xié)方差Pklk; 設(shè)當前幀有Z個量測值，則總共得到Hikll^dZXmkllrt個高斯成分，采用卡爾曼濾波對各 個高斯成分進行更新，得到更新的狀態(tài)均值mk|k、權(quán)值Wk|jP協(xié)方差P k|k，并且對預(yù)測目標數(shù) 目的概率分布Pkllrt進行更新，得到更新的目標數(shù)目概率分布p k|k; 根據(jù)剪枝的方法將權(quán)值小于閾值的高斯成分剔除，在剪枝后的高斯成分中，將狀態(tài)差 異小于合并閾值的高斯成分合并； 在剪枝合并后的高斯成分中提取出多目標的狀態(tài)并計算更新的目標數(shù)目，作為最后的 濾波輸出； 判斷當前幀是否有新生目標，如果有，則將新生目標的狀態(tài)和數(shù)目送入下一幀的 GM-CPHD預(yù)測中。
【專利摘要】本發(fā)明公開了一種紅外弱小目標檢測跟蹤方法，根據(jù)改進的四階偏微分方程方法對原始紅外圖像進行處理獲得背景抑制和目標增強后的紅外圖像，根據(jù)分塊自適應(yīng)閾值分割的方法提取所述獲得的紅外圖像中候選目標的位置信息以及數(shù)目信息，最后根據(jù)高斯混合實現(xiàn)的勢概率假設(shè)密度(GM-CPHD)濾波器對提取的候選目標的位置信息和數(shù)目信息進行多目標狀態(tài)和數(shù)目估計，通過GM-CPHD濾波器實現(xiàn)對多個紅外弱小目標的狀態(tài)和數(shù)目的精確穩(wěn)定估計；本發(fā)明還公開了一種紅外弱小目標檢測跟蹤裝置，通過本發(fā)明能夠易于實現(xiàn)且效果明顯優(yōu)于傳統(tǒng)的背景抑制方法，避免了傳統(tǒng)多目標跟蹤的數(shù)據(jù)關(guān)聯(lián)問題，能夠更加穩(wěn)定的實時估計隨時間變化的多目標狀態(tài)和數(shù)目。
【IPC分類】G06T7-00
【公開號】CN104766334
【申請?zhí)枴緾N201510190521
【發(fā)明人】周慧鑫, 倪曼, 秦翰林, 趙營, 成寬洪, 延翔, 榮生輝, 李肖, 溫志剛, 趙東, 王炳健, 龐英名
【申請人】西安電子科技大學(xué)
【公開日】2015年7月8日
【申請日】2015年4月21日