复杂背景条件下红外弱小目标的检测与跟踪方法技术

一种复杂背景条件下红外弱小目标的检测与跟踪方法，通过形态学滤波获取图像背景，将原图像减去图像背景，得到含有目标和噪声的去均值图像，采用基于椭圆抛物面体积的图像预处理技术，提高处理结果的信噪比，利用恒虚警率准则选择检测阈值，得到单帧检测结果。利用目标运动轨迹的连续性进一步去除虚假目标。目标跟踪采用最近邻关联方法，采用基于匀速直线运动模型的卡尔曼滤波更新目标状态。若目标丢失，则利用轨迹预测目标可能位置进行稳定跟踪。本发明专利技术在保证算法精度的条件下简化了计算，提高了算法的实时性和红外目标检测、跟踪的性能，可广泛应用于各类军、民用系统，具有广阔的市场前景和应用价值。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种，是红外搜索与跟踪系统、精确制导系统、红外预警系统、大视场目标监视系统、卫星遥感系统、安全检查系统等的一项核心技术，在各类军、民用系统中均可有广泛的应用。
技术介绍
红外成像技术是一种非接触式的测试技术，它可以方便地检测目标发出的不可见热辐射并转换成可见图像的技术。信息获取所涉及的一个关键领域是红外探测技术和方法的研究，其重要地位已日益突出。由于红外成像技术具有隐蔽性好、探测范围广、定位精度高、识别伪装能力强、作用距离远以及轻质小巧、低耗可靠等优点而备受青睐，可广泛应用于安全监视、国防军事和工业自动化检测等领域。随着红外探测器技术的发展，热像仪从过去采用单元或多元分立式探测器加一维或二维光机扫描器，发展成了不用光机扫描的凝视型成像装置。基于凝视焦平面阵列的红外热成像探测系统，无论从温度灵敏度和空间分辨率上，还是从帧频和光谱响应上，都有了极大的提高。由于焦平面凝视热像仪所独有的优良性能，已经成为世界各国大力研发的一项高新技术。作为智能化信息处理的关键环节之一，红外目标检测、成像跟踪与识别技术一直是困扰和制约红外成像探测实用性能的瓶颈问题和技术难点而急待解决，目前已引起国内外专家的高度重视，并围绕这一课题开展了深入、广泛的研究。在红外目标检测与跟踪过程中，需要尽快地截获并锁定跟踪目标，复杂背景下低信噪比红外弱小目标检测与跟踪所面临的技术难题主要有1.目标小，没有尺寸、形状和纹理等信息，传统的图像处理方法无法应用；2.背景复杂，噪声特性未知；3.信噪比低，目标淹没在背景噪声之中；4.数据量大，难以实时处理。国内外研究人员针对低信噪比红外图像中的目标检测与跟踪提出了一些方法，如三维匹配滤波，截断序贯似然比检测方法、动态规划法、高阶相关法等，但是计算量很大，难以实时处理视频图像序列。究其原因，主要是没有一种有效的图像预处理方法以提高处理后图像的信噪比，导致目标检测及关联、跟踪算法难度增大；没有利用远距离目标机动性弱的特点，简化数据处理过程等。
技术实现思路
本专利技术的目的在于针对现有技术的上述不足，提供一种，与成像硬件系统配套进行信号分析与处理，提高系统检测、成像和跟踪的性能，满足国内实际系统的性能需求。为实现这样的目的，本专利技术的技术方案中，先利用数学形态学滤波技术获得图像的背景，将原图像减去获得的背景图像，得到含有目标和噪声的去均值图像。由于点目标在实际探测器中的成像并不是一个点，而是一个“凸包”。由此本专利技术提出了对红外图像进行基于椭圆抛物面体积的图像预处理技术，采用二次曲面逼近含有噪声的去均值图像局域像素值，得到二次曲面的系数值，并计算二次曲面的体积，将二次曲面的体积作为特征值。利用二次曲面不变量的性质进一步简化体积计算。利用恒虚警率准则选择检测阈值，得到单帧检测结果。根据目标运动的规律性，利用目标运动轨迹的连续性进一步去除虚假目标。目标跟踪采用相对简单的最近邻关联方法，根据远距离目标的机动性弱的特点，采用基于匀速直线运动模型的卡尔曼滤波更新目标状态。当目标丢失时，采用以前时刻的滤波值外推预测目标的可能位置，保持稳定的记忆跟踪能力。本专利技术的方法包括如下具体步骤1.图像去均值处理(Demeaning)采用数学形态学滤波获取图像背景，用5×5全零平顶形结构元素对红外图像进行开启然后再闭合操作，以去除各类亮、暗噪声及小目标，将原图像减去图像背景，得到含有目标和噪声的去均值图像。2.基于椭圆抛物面体积的图像预处理根据红外成像系统的成像原理，点目标在实际探测器中的成像并不是一个点，而是一个“凸包”，类似于二次曲线中的开口朝下的椭圆抛物面，采用二次曲面逼近含有噪声的去均值图像局域像素值，得到二次曲面的系数值，并计算二次曲面的体积，将二次曲面的体积作为特征值。利用二次曲面不变量的性质进一步简化体积计算，避免了正交相似变换法引入的矩阵求逆运算。利用恒虚警率准则选择检测阈值，得到单帧检测结果。3.目标的多帧确认及跟踪当单帧检测的可能目标连续3帧出现在3×3邻域内，则轨迹起始。采用基于匀速直线运动模型的卡尔曼滤波更新目标状态，并由此生成椭圆跟踪门。如果落入椭圆跟踪门的量测值只有一个时，直接进行状态更新；如果落入椭圆跟踪门的量测值多于一个时，采用最近邻数据关联进行状态更新。4.目标丢失后轨迹预测在采用卡尔曼滤波进行轨迹更新时，若目标丢失，则利用以前时刻的状态滤波值外推预测后几帧目标的可能位置，保持稳定的记忆跟踪能力。本专利技术采用数学形态学滤波获取图像背景，其算法可以通过硬件并行实现，大大提高了处理速度。在基于椭圆抛物面体积的图像预处理中，利用二次曲面不变量的性质进一步简化体积计算，避免了一般实系数二次方程通过正交相似变换法标准化过程中引入的矩阵求逆运算，提高了算法的实时性和鲁棒性，显著提高了输出图像的信噪比，同时也大大简化了后续的跟踪及数据关联算法。根据远距离目标机动性弱的特点，采用基于匀速直线运动模型的卡尔曼滤波更新目标状态，在保证跟踪精度的情况下简化了滤波计算。本专利技术在保证算法精度的条件下简化了计算，提高了算法的实时性，大大提高了红外目标检测、跟踪的性能，可广泛应用于各类军、民用系统，具有广阔的市场前景和应用价值。附图说明图1为本专利技术处理方法总体框图。如图1所示，实际红外图像先采用数学形态学滤波技术获得去均值图像，再进行基于体积的图像预处理，包括二次曲面拟合和曲面体积计算，利用恒虚警率准则选择检测阈值，得到单帧检测结果。采用基于匀速直线运动模型的卡尔曼滤波及最近邻关联方法，进行目标跟踪。图2为本专利技术采用基于椭圆抛物面体积的图像预处理结果。其中，图2(a)为信噪比约为2的仿真图像，图2(b)为处理结果，信噪比提高到6.57。图2(c)为真实红外图像采用形态学滤波去均值后的图像，图2(d)为处理结果，信噪比也得到很大的提高。图3为目标检测与跟踪图。其中图3左上图为真实红外图像，图3右上图为形态学滤波去均值图像，图3左下图为基于椭圆抛物面体积的图像预处理结果，图3右下图为确认的目标。具体实施例方式为了更好地理解本专利技术的技术方案，以下结合附图对本专利技术的实施方式作进一步描述。图1为本专利技术提出的一种的处理方法总体框图。各部分具体实施细节如下1.形态学滤波去均值处理采用数学形态学滤波获取红外图像背景。用结构元素b对输入图像f进行灰度膨胀和腐蚀分别记为(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分别是f和b的定义域。用结构元素b对输入图像f进行灰度开启和闭合分别记为f·b＝(f_b)_b (3)f·b＝(f_b)_b (4)实际中常用开启操作消除与结构元素相比尺寸较小的亮噪声，用闭合操作消除与结构元素相比尺寸较小的暗噪声，并保持图像整体灰度值和大的亮、暗区域基本不受影响。由于远距离目标在红外图像中表现为小的亮点和亮斑，因此，用5×5全零平顶形结构元素对红外图像进行开启然后再闭合操作，以去除各类亮、暗噪声及小目标，获得图像背景。将原图像减去图像背景，得到含有目标和噪声的去均值图像。2.基于椭圆抛物面体积本文档来自技高网...

【技术保护点】
一种复杂背景条件下红外弱小目标的检测与跟踪方法，其特征在于包括如下具体步骤：１）　图像去均值处理：采用数学形态学滤波获取图像背景，用５×５全零平顶形结构元素对红外图像进行开启然后再闭合操作，去除各类亮、暗噪声及小目标，将原图像减 去图像背景，得到含有目标和噪声的去均值图像；２）基于椭圆抛物面体积的图像预处理：采用二次椭圆抛物曲面逼近含有噪声的去均值图像局域像素值，得到二次曲面的系数值，并计算二次曲面的体积，将二次曲面的体积作为特征值，并进行体积计算，利用 恒虚警率准则选择检测阈值，得到单帧检测结果；３）目标的多帧确认及跟踪：当单帧检测的可能目标连续３帧出现在３×３邻域内，则轨迹起始；采用基于匀速直线运动模型的卡尔曼滤波更新目标状态，并由此生成椭圆跟踪门，落入椭圆跟踪门的量测值只有 一个时，直接进行状态更新，落入椭圆跟踪门的量测值多于一个时，采用最近邻数据关联进行状态更新；４）目标丢失后轨迹预测：在采用卡尔曼滤波进行轨迹更新时，若目标丢失，则利用以前时刻的状态滤波值外推预测后几帧目标的可能位置，保持稳定的记 忆跟踪能力。...

【技术特征摘要】

【专利技术属性】
技术研发人员：敬忠良，李建勋，陈非，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]