專利名稱：復(fù)雜背景條件下紅外弱小目標(biāo)的檢測與跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種復(fù)雜背景條件下紅外弱小目標(biāo)的檢測與跟蹤方法，是紅外搜索與跟蹤系統(tǒng)、精確制導(dǎo)系統(tǒng)、紅外預(yù)警系統(tǒng)、大視場目標(biāo)監(jiān)視系統(tǒng)、衛(wèi)星遙感系統(tǒng)、安全檢查系統(tǒng)等的一項核心技術(shù)，在各類軍、民用系統(tǒng)中均可有廣泛的應(yīng)用。
背景技術(shù)：
紅外成像技術(shù)是一種非接觸式的測試技術(shù)，它可以方便地檢測目標(biāo)發(fā)出的不可見熱輻射并轉(zhuǎn)換成可見圖像的技術(shù)。信息獲取所涉及的一個關(guān)鍵領(lǐng)域是紅外探測技術(shù)和方法的研究，其重要地位已日益突出。由于紅外成像技術(shù)具有隱蔽性好、探測范圍廣、定位精度高、識別偽裝能力強(qiáng)、作用距離遠(yuǎn)以及輕質(zhì)小巧、低耗可靠等優(yōu)點而備受青睞，可廣泛應(yīng)用于安全監(jiān)視、國防軍事和工業(yè)自動化檢測等領(lǐng)域。
隨著紅外探測器技術(shù)的發(fā)展，熱像儀從過去采用單元或多元分立式探測器加一維或二維光機(jī)掃描器，發(fā)展成了不用光機(jī)掃描的凝視型成像裝置?；谀暯蛊矫骊嚵械募t外熱成像探測系統(tǒng)，無論從溫度靈敏度和空間分辨率上，還是從幀頻和光譜響應(yīng)上，都有了極大的提高。由于焦平面凝視熱像儀所獨有的優(yōu)良性能，已經(jīng)成為世界各國大力研發(fā)的一項高新技術(shù)。作為智能化信息處理的關(guān)鍵環(huán)節(jié)之一，紅外目標(biāo)檢測、成像跟蹤與識別技術(shù)一直是困擾和制約紅外成像探測實用性能的瓶頸問題和技術(shù)難點而急待解決，目前已引起國內(nèi)外專家的高度重視，并圍繞這一課題開展了深入、廣泛的研究。
在紅外目標(biāo)檢測與跟蹤過程中，需要盡快地截獲并鎖定跟蹤目標(biāo)，復(fù)雜背景下低信噪比紅外弱小目標(biāo)檢測與跟蹤所面臨的技術(shù)難題主要有1.目標(biāo)小，沒有尺寸、形狀和紋理等信息，傳統(tǒng)的圖像處理方法無法應(yīng)用；2.背景復(fù)雜，噪聲特性未知；3.信噪比低，目標(biāo)淹沒在背景噪聲之中；4.數(shù)據(jù)量大，難以實時處理。
國內(nèi)外研究人員針對低信噪比紅外圖像中的目標(biāo)檢測與跟蹤提出了一些方法，如三維匹配濾波，截斷序貫似然比檢測方法、動態(tài)規(guī)劃法、高階相關(guān)法等，但是計算量很大，難以實時處理視頻圖像序列。究其原因，主要是沒有一種有效的圖像預(yù)處理方法以提高處理后圖像的信噪比，導(dǎo)致目標(biāo)檢測及關(guān)聯(lián)、跟蹤算法難度增大；沒有利用遠(yuǎn)距離目標(biāo)機(jī)動性弱的特點，簡化數(shù)據(jù)處理過程等。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)的上述不足，提供一種復(fù)雜背景條件下紅外弱小目標(biāo)的檢測與跟蹤方法，與成像硬件系統(tǒng)配套進(jìn)行信號分析與處理，提高系統(tǒng)檢測、成像和跟蹤的性能，滿足國內(nèi)實際系統(tǒng)的性能需求。
為實現(xiàn)這樣的目的，本發(fā)明的技術(shù)方案中，先利用數(shù)學(xué)形態(tài)學(xué)濾波技術(shù)獲得圖像的背景，將原圖像減去獲得的背景圖像，得到含有目標(biāo)和噪聲的去均值圖像。由于點目標(biāo)在實際探測器中的成像并不是一個點，而是一個“凸包”。由此本發(fā)明提出了對紅外圖像進(jìn)行基于橢圓拋物面體積的圖像預(yù)處理技術(shù)，采用二次曲面逼近含有噪聲的去均值圖像局域像素值，得到二次曲面的系數(shù)值，并計算二次曲面的體積，將二次曲面的體積作為特征值。利用二次曲面不變量的性質(zhì)進(jìn)一步簡化體積計算。利用恒虛警率準(zhǔn)則選擇檢測閾值，得到單幀檢測結(jié)果。根據(jù)目標(biāo)運動的規(guī)律性，利用目標(biāo)運動軌跡的連續(xù)性進(jìn)一步去除虛假目標(biāo)。目標(biāo)跟蹤采用相對簡單的最近鄰關(guān)聯(lián)方法，根據(jù)遠(yuǎn)距離目標(biāo)的機(jī)動性弱的特點，采用基于勻速直線運動模型的卡爾曼濾波更新目標(biāo)狀態(tài)。當(dāng)目標(biāo)丟失時，采用以前時刻的濾波值外推預(yù)測目標(biāo)的可能位置，保持穩(wěn)定的記憶跟蹤能力。
本發(fā)明的方法包括如下具體步驟1.圖像去均值處理(Demeaning)采用數(shù)學(xué)形態(tài)學(xué)濾波獲取圖像背景，用5×5全零平頂形結(jié)構(gòu)元素對紅外圖像進(jìn)行開啟然后再閉合操作，以去除各類亮、暗噪聲及小目標(biāo)，將原圖像減去圖像背景，得到含有目標(biāo)和噪聲的去均值圖像。
2.基于橢圓拋物面體積的圖像預(yù)處理根據(jù)紅外成像系統(tǒng)的成像原理，點目標(biāo)在實際探測器中的成像并不是一個點，而是一個“凸包”，類似于二次曲線中的開口朝下的橢圓拋物面，采用二次曲面逼近含有噪聲的去均值圖像局域像素值，得到二次曲面的系數(shù)值，并計算二次曲面的體積，將二次曲面的體積作為特征值。利用二次曲面不變量的性質(zhì)進(jìn)一步簡化體積計算，避免了正交相似變換法引入的矩陣求逆運算。利用恒虛警率準(zhǔn)則選擇檢測閾值，得到單幀檢測結(jié)果。
3.目標(biāo)的多幀確認(rèn)及跟蹤當(dāng)單幀檢測的可能目標(biāo)連續(xù)3幀出現(xiàn)在3×3鄰域內(nèi)，則軌跡起始。采用基于勻速直線運動模型的卡爾曼濾波更新目標(biāo)狀態(tài)，并由此生成橢圓跟蹤門。如果落入橢圓跟蹤門的量測值只有一個時，直接進(jìn)行狀態(tài)更新；如果落入橢圓跟蹤門的量測值多于一個時，采用最近鄰數(shù)據(jù)關(guān)聯(lián)進(jìn)行狀態(tài)更新。
4.目標(biāo)丟失后軌跡預(yù)測在采用卡爾曼濾波進(jìn)行軌跡更新時，若目標(biāo)丟失，則利用以前時刻的狀態(tài)濾波值外推預(yù)測后幾幀目標(biāo)的可能位置，保持穩(wěn)定的記憶跟蹤能力。
本發(fā)明采用數(shù)學(xué)形態(tài)學(xué)濾波獲取圖像背景，其算法可以通過硬件并行實現(xiàn)，大大提高了處理速度。在基于橢圓拋物面體積的圖像預(yù)處理中，利用二次曲面不變量的性質(zhì)進(jìn)一步簡化體積計算，避免了一般實系數(shù)二次方程通過正交相似變換法標(biāo)準(zhǔn)化過程中引入的矩陣求逆運算，提高了算法的實時性和魯棒性，顯著提高了輸出圖像的信噪比，同時也大大簡化了后續(xù)的跟蹤及數(shù)據(jù)關(guān)聯(lián)算法。根據(jù)遠(yuǎn)距離目標(biāo)機(jī)動性弱的特點，采用基于勻速直線運動模型的卡爾曼濾波更新目標(biāo)狀態(tài)，在保證跟蹤精度的情況下簡化了濾波計算。本發(fā)明在保證算法精度的條件下簡化了計算，提高了算法的實時性，大大提高了紅外目標(biāo)檢測、跟蹤的性能，可廣泛應(yīng)用于各類軍、民用系統(tǒng)，具有廣闊的市場前景和應(yīng)用價值。


圖1為本發(fā)明處理方法總體框圖。
如圖1所示，實際紅外圖像先采用數(shù)學(xué)形態(tài)學(xué)濾波技術(shù)獲得去均值圖像，再進(jìn)行基于體積的圖像預(yù)處理，包括二次曲面擬合和曲面體積計算，利用恒虛警率準(zhǔn)則選擇檢測閾值，得到單幀檢測結(jié)果。采用基于勻速直線運動模型的卡爾曼濾波及最近鄰關(guān)聯(lián)方法，進(jìn)行目標(biāo)跟蹤。
圖2為本發(fā)明采用基于橢圓拋物面體積的圖像預(yù)處理結(jié)果。
其中，圖2(a)為信噪比約為2的仿真圖像，圖2(b)為處理結(jié)果，信噪比提高到6.57。圖2(c)為真實紅外圖像采用形態(tài)學(xué)濾波去均值后的圖像，圖2(d)為處理結(jié)果，信噪比也得到很大的提高。
圖3為目標(biāo)檢測與跟蹤圖。
其中圖3左上圖為真實紅外圖像，圖3右上圖為形態(tài)學(xué)濾波去均值圖像，圖3左下圖為基于橢圓拋物面體積的圖像預(yù)處理結(jié)果，圖3右下圖為確認(rèn)的目標(biāo)。
具體實施例方式為了更好地理解本發(fā)明的技術(shù)方案，以下結(jié)合附圖對本發(fā)明的實施方式作進(jìn)一步描述。
圖1為本發(fā)明提出的一種復(fù)雜背景條件下紅外弱小目標(biāo)的檢測與跟蹤方法的處理方法總體框圖。各部分具體實施細(xì)節(jié)如下1.形態(tài)學(xué)濾波去均值處理采用數(shù)學(xué)形態(tài)學(xué)濾波獲取紅外圖像背景。用結(jié)構(gòu)元素b對輸入圖像f進(jìn)行灰度膨脹和腐蝕分別記為(f_b)(x，y)＝max{f(x-s，y-t)+b(s，t)|(x-s)，(y-t)∈Df，(s，t)∈Db} (1)(f_b)(x，y)＝min{f(x+s，y+t)-b(s，t)|(x+s)，(y+t)∈Df，(s，t)∈Db} (2)式中Df和db分別是f和b的定義域。
用結(jié)構(gòu)元素b對輸入圖像f進(jìn)行灰度開啟和閉合分別記為f·b＝(f_b)_b (3)f·b＝(f_b)_b (4)實際中常用開啟操作消除與結(jié)構(gòu)元素相比尺寸較小的亮噪聲，用閉合操作消除與結(jié)構(gòu)元素相比尺寸較小的暗噪聲，并保持圖像整體灰度值和大的亮、暗區(qū)域基本不受影響。由于遠(yuǎn)距離目標(biāo)在紅外圖像中表現(xiàn)為小的亮點和亮斑，因此，用5×5全零平頂形結(jié)構(gòu)元素對紅外圖像進(jìn)行開啟然后再閉合操作，以去除各類亮、暗噪聲及小目標(biāo)，獲得圖像背景。將原圖像減去圖像背景，得到含有目標(biāo)和噪聲的去均值圖像。
2.基于橢圓拋物面體積的圖像預(yù)處理記空間中二次曲面的一般方程為F(x1，x2，x3)＝a11x12+a22x22+a33x32+2a12x1x2+2a13x1x3+2a23x2x3+2a14x1+2a24x2+2a34x3+a44＝0 (5)其中，a11，a22，a33，a12，a13，a23不全為零。經(jīng)過正交矩陣對角化坐標(biāo)變換后，曲面方程變?yōu)镕′(x1′，x2′，x3′)＝λ1x1′2+λ2x2′2+λ3x3′2+2a14′x1′+2a24′x2′+2a34′x3′+a44＝0 (6)其中當(dāng)λ1，λ2，λ3中只有一個為零，不妨設(shè)λ3＝0，且λ1λ2＞0時，二次曲面為橢圓拋物面。
I2=a11a12a12a22+a11a13a13a33+a22a23a23a33=λ1λ2+λ2λ3+λ3λ1]]>是二次曲面的一個不變量。
在形態(tài)學(xué)濾波去均值圖像中，設(shè)以當(dāng)前像素(x′，y′)為中心的(2k+1)×(2k+1)鄰域內(nèi)的像素可以表示為，{I[x′+i，y′+j]||i|≤k，|j|≤k用二次曲面來逼近含有噪聲的像素值z＝ax2+bxy+cy2+dx+ey+f (7)可以通過經(jīng)典的最小二乘算法來求出方程中的參數(shù)，通過最小化指標(biāo)函數(shù)||Ax-I||2=Σi=-kkΣj=-kk(ai2+bij+ej2+di+dj+f-I(x′+i,y′+j))2]]>得到最小二乘解x＝(ATA)-1ATI其中x＝[a，b，c，d，e，f]T，
I＝(I(x′-k，y′-k)，…，I(x′-i，y′-j)，…，I(x′+k，y′+k))T通過橢圓拋物面曲線擬合后，可以通過極值條件求出其極值點δzδx(x0,y0)=δzδy(x0,y0)=0]]>得出x0=2cd-beb2-4ac,]]>y0=2ae-bdb2-4ac]]>對(7)式進(jìn)行平移坐標(biāo)變換x′＝x-x0，y′＝y(tǒng)-y0得到z＝ax′2+bx′y′+cy′2+f′ (8)其中f′=cd2-bde+ae2b2-4ac+f]]>對(8)式用正交變換法將其化為二次型標(biāo)準(zhǔn)型，則有z＝λ1x2+λ2y2+f′ (9)若要橢圓拋物面的開口朝下，且極值點位于xoy平面的上方，需要滿足條件λ1＜0， λ2＜0， f′＞0 (10)采用小目標(biāo)所包含的能量作為特征量，它可以通過V＝λ1λ2f′＝I2×f′ (11)來表征。由于在上述正交相似變換法化一般實系數(shù)二次方程為標(biāo)準(zhǔn)型運算過程中要引入矩陣的求逆運算，因此算法計算量大而且矩陣求逆會導(dǎo)致算法不穩(wěn)定。下面利用二次曲面不變量的性質(zhì)來進(jìn)一步化簡運算，避免了矩陣求逆。
對(8)式采用配方法化為二次型標(biāo)準(zhǔn)形，作變換
x=x′+b2ay′--------(12)]]>y＝y(tǒng)′得到z=ax2+(c-b24a)y2+f′-------(13)]]>根據(jù)可逆線性變換化二次型為標(biāo)準(zhǔn)型的慣性定理，可知標(biāo)準(zhǔn)型的系數(shù)中的正、負(fù)個數(shù)不變。因此條件(10)等價為a<0,c-b24a<0,f′>0--------(14)]]>對于(8)式，其對應(yīng)二次曲面一般方程(5)中各系數(shù)為a11＝a，a22＝c，a33＝0a12=b2,]]>a13＝0，a23＝0二次曲面不變量I2=a11a12a12a22+a11a13a13a33+a22a23a23a33=ac-b24]]>利用二次曲面不變量性質(zhì)可知，小目標(biāo)能量特征值(11)式等價于V=I2×f′=(ac-b24)×f′------(15)]]>可見，(15)式避免了矩陣求逆運算，而且算法性能與(11)式完全相同。
為了將目標(biāo)的能量集中到目標(biāo)的中心，對(15)式乘一比例系數(shù)Vc=V1+(x0)2+(y0)2------(16)]]>圖2所示為基于橢圓拋物面體積的圖像預(yù)處理方法的仿真結(jié)果，其中(a)為目標(biāo)淹沒在信噪比約為2的高斯噪聲中，(b)為處理結(jié)果，信噪比提高到6.5左右；(c)為實際紅外圖像通過數(shù)學(xué)形態(tài)學(xué)濾波后的去均值圖像，(d)為處理結(jié)果，可以看出，輸出結(jié)果的信噪比得到了很大的增強(qiáng)。
3.目標(biāo)的多幀確認(rèn)及跟蹤對基于體積的圖像預(yù)處理結(jié)果，根據(jù)給定的虛警率可以確定檢測的門限值得到單幀檢測結(jié)果。由于目標(biāo)距離傳感器較遠(yuǎn)，目標(biāo)的機(jī)動性弱，而且圖像的幀速很快，因此目標(biāo)可以用勻速直線運動模型近似。
跟蹤系統(tǒng)模型令狀態(tài)向量為X(k)＝[x(k)，x(k)，y(k)，y(k)]T，測量向量為Z(k)＝[x(k)，y(k)]T，系統(tǒng)方程可寫為X(k+1)＝ФX(k)+Gw(k) (17)Z(k)＝HX(k)+v(k)其中Φ=1T000100001T0001,G=T2/20T00T2/20T,H10000010,]]>w(k)，v(k)為方差為Q(k)和R(k)的零均值高斯白噪聲。
軌跡起始如果檢測的可能目標(biāo)連續(xù)3幀出現(xiàn)在3×3鄰域內(nèi)，則軌跡起始。
跟蹤門及數(shù)據(jù)關(guān)聯(lián)假設(shè)k-1時刻的狀態(tài)向量的估計為 狀態(tài)向量的一步預(yù)測為X^(k|k-1)=ΦX^(k-1|k-1)]]>則系統(tǒng)的新息為d(k)=Z(k)-HX^(k|k-1)------(18)]]>新息方差陣為S(k)＝HP(k|k-1)HT+R(k)其中，P(k|k-1)是一步預(yù)測方差。
令新息向量d(k)的范數(shù)為g(k)＝dT(k)S-1(k)d(k)(19)其中，g(k)服從xM2分布，M為測量維數(shù)。
在測量空間中定義一個橢圓體(又稱為跟蹤門)，使得測量以一定的概率分布于跟蹤門內(nèi)V~k(γ)=[Z:g(k)≤γ]------(20)]]>
其中，γ可以通過x2分布表查得。
如果在某幀處理完后，在跟蹤門內(nèi)只有一個回波，則目標(biāo)軌跡直接更新；如果跟蹤門內(nèi)有多于一個回波，則目標(biāo)軌跡通過距離一步預(yù)測值最近的測量值來更新。
目標(biāo)的軌跡通過標(biāo)準(zhǔn)卡爾曼濾波算法來更新X(k|k-1)＝ΦX(k-1|k-1)P(k|k-1)＝ФP(k-1|k-1)ФT+GQ(k-1)GTK(k)＝P(k|k-1)HT|HP(k|k-1)HT+R]-1(21)X(k|k)＝X(k|k-1)+K(k|Z(k)-H(k)X(k|k-1)]P(k|k)＝[I-K(k)H]P(k|k-1)目標(biāo)檢測與跟蹤如圖3所示，左上圖為原始紅外圖像，右上圖為數(shù)學(xué)形態(tài)學(xué)濾波得到的去均值圖像，左下圖為基于橢圓拋物面體積的圖像預(yù)處理結(jié)果，右下圖為確認(rèn)的目標(biāo)，由高亮十字標(biāo)出。
4.目標(biāo)丟失后軌跡預(yù)測在目標(biāo)被檢測并跟蹤上之后，若目標(biāo)被短暫遮擋，或即使通過前述的圖像預(yù)處理之后，仍有若干幀未檢測到目標(biāo)時，可以根據(jù)目標(biāo)此前的位置信息和運動狀態(tài)，預(yù)測出目標(biāo)下一步可能的位置，當(dāng)目標(biāo)再次出現(xiàn)時，仍可穩(wěn)定跟蹤而不至于丟失目標(biāo)。在距離較遠(yuǎn)時，紅外目標(biāo)的機(jī)動性弱，可以通過前述基于勻速直線運動模型的目標(biāo)跟蹤得出的目標(biāo)狀態(tài)向量的濾波值，外推預(yù)測得出目標(biāo)的可能位置。
假設(shè)k時刻的狀態(tài)向量的估計為 接下來的幾幀目標(biāo)未被檢測到，則在k+n幀的目標(biāo)的預(yù)測值為X^(k+n|k)=ΦnX^(k|k)-----(22)]]>在實際應(yīng)用中，隨著時間的推遲及可能的目標(biāo)機(jī)動，過去的跟蹤數(shù)據(jù)與未來的情況越來越不相關(guān)，隨著n的增大，預(yù)測精度會下降。一般選取n＜8。
權(quán)利要求
1.一種復(fù)雜背景條件下紅外弱小目標(biāo)的檢測與跟蹤方法，其特征在于包括如下具體步驟1)圖像去均值處理采用數(shù)學(xué)形態(tài)學(xué)濾波獲取圖像背景，用5×5全零平頂形結(jié)構(gòu)元素對紅外圖像進(jìn)行開啟然后再閉合操作，去除各類亮、暗噪聲及小目標(biāo)，將原圖像減去圖像背景，得到含有目標(biāo)和噪聲的去均值圖像；2)基于橢圓拋物面體積的圖像預(yù)處理采用二次橢圓拋物曲面逼近含有噪聲的去均值圖像局域像素值，得到二次曲面的系數(shù)值，并計算二次曲面的體積，將二次曲面的體積作為特征值，并進(jìn)行體積計算，利用恒虛警率準(zhǔn)則選擇檢測閾值，得到單幀檢測結(jié)果；3)目標(biāo)的多幀確認(rèn)及跟蹤當(dāng)單幀檢測的可能目標(biāo)連續(xù)3幀出現(xiàn)在3×3鄰域內(nèi)，則軌跡起始；采用基于勻速直線運動模型的卡爾曼濾波更新目標(biāo)狀態(tài)，并由此生成橢圓跟蹤門，落入橢圓跟蹤門的量測值只有一個時，直接進(jìn)行狀態(tài)更新，落入橢圓跟蹤門的量測值多于一個時，采用最近鄰數(shù)據(jù)關(guān)聯(lián)進(jìn)行狀態(tài)更新；4)目標(biāo)丟失后軌跡預(yù)測在采用卡爾曼濾波進(jìn)行軌跡更新時，若目標(biāo)丟失，則利用以前時刻的狀態(tài)濾波值外推預(yù)測后幾幀目標(biāo)的可能位置，保持穩(wěn)定的記憶跟蹤能力。
全文摘要
一種復(fù)雜背景條件下紅外弱小目標(biāo)的檢測與跟蹤方法，通過形態(tài)學(xué)濾波獲取圖像背景，將原圖像減去圖像背景，得到含有目標(biāo)和噪聲的去均值圖像，采用基于橢圓拋物面體積的圖像預(yù)處理技術(shù)，提高處理結(jié)果的信噪比，利用恒虛警率準(zhǔn)則選擇檢測閾值，得到單幀檢測結(jié)果。利用目標(biāo)運動軌跡的連續(xù)性進(jìn)一步去除虛假目標(biāo)。目標(biāo)跟蹤采用最近鄰關(guān)聯(lián)方法，采用基于勻速直線運動模型的卡爾曼濾波更新目標(biāo)狀態(tài)。若目標(biāo)丟失，則利用軌跡預(yù)測目標(biāo)可能位置進(jìn)行穩(wěn)定跟蹤。本發(fā)明在保證算法精度的條件下簡化了計算，提高了算法的實時性和紅外目標(biāo)檢測、跟蹤的性能，可廣泛應(yīng)用于各類軍、民用系統(tǒng)，具有廣闊的市場前景和應(yīng)用價值。
文檔編號G06K9/36GK1514408SQ0213695
公開日2004年7月21日 申請日期2002年9月12日 優(yōu)先權(quán)日2002年9月12日
發(fā)明者敬忠良, 李建勛, 陳非 申請人:上海交通大學(xué)