Based on multi spectral images, the invention provides a method for tracking small and weak targets under the background of surface and sky based on DS evidence theory, which involves the field of target tracking and image processing. The invention establishes triangular fuzzy model for target, cloud and sky, classifying pixels by widening the model, obtaining the target position according to the result of pixel classification, achieving target tracking, and updating the current triangular fuzzy number model with the result of pixel classification. The invention adopts the classification of pixels DS evidence theory, this classification method is better integration of the image information of different bands, to achieve the target tracking, is simple, has the advantages of good real-time interference; the present invention removes the method, can be excluded random interference caused by misjudgment, can be selected real tracking target.
【技术实现步骤摘要】
一种基于DS证据理论的多光谱图像弱小目标跟踪方法
本专利技术涉及目标跟踪、图像处理领域,是一种基于DS证据理论实现面空背景下多光谱图像弱小目标跟踪的方法。
技术介绍
目标跟踪是计算机视觉研究领域的热点之一,并得到广泛应用。简单来说,目标跟踪就是在连续的视频序列中,建立所要跟踪物体的位置关系,得到物体完整的运动轨迹。给定图像第一帧的目标坐标位置,计算在下一帧图像中目标的确切位置。现代化战争中,为了增大作战距离,通常要求远距离跟踪锁定目标,实现快速有效的目标打击。然而,对于远距离成像,由于目标成像面积较小、图像信噪比较低,无法得到目标形状、纹理等有用的目标特征,因此弱小目标的检测跟踪比较困难。信息融合技术是协同利用多源信息,以获得对事物或目标更客观、更本质认识的信息综合处理技术,是智能科学研究的关键技术之一。在诸多的融合模型和方法中,D-S证据理论算法是最为有效的算法之一。证据理论把概率论中的基本事件空间拓宽为基本事件的幂集,又称为辨识框架,在辨识框架上建立了基本概率分配函数(BasicProbabilityAssignment,BPA)。此外,证据理论还提供了一个Dempster组合规则,该规则可以在没有先验信息的情况下实现证据的融合。特别地,当BPA只在辨识框架的单子集命题上进行分配时,BPA就转换为概率论中的概率,而组合规则的融合结果与概率论中的Bayes公式相同。从这个角度来看,DS证据理论能够比概率论更有效地表示和处理不确定信息,这些特点使其在信息融合领域得到了广泛的应用。正是由于DS证据理论在不确定知识表示方面具有优良的性能,所以近几年其理论和应用 ...
【技术保护点】
一种基于DS证据理论的多光谱图像弱小目标跟踪方法,其特征在于包括下述步骤:步骤一:输入一帧面空多光谱图像及当前环境下每个波段云(C)、天空(S)及目标(T)灰度最小值、中值及最大值,根据输入的云、天空及当前目标成像的灰度最小值、中值、最大值,建立对应的三角模糊数模型,辨识框架为Θ={C,S,T},辨识框架中C表示云,S表示天空,T表示目标,C,S,T三角模糊数模型建立的方法为:将波段i云成像的灰度最小值Cmini、中值Cavei及最大值Cmaxi分别作为波段i云三角模糊数模型的最小值,中值,最大值,则波段i云的三角模糊数为
【技术特征摘要】
1.一种基于DS证据理论的多光谱图像弱小目标跟踪方法,其特征在于包括下述步骤:步骤一:输入一帧面空多光谱图像及当前环境下每个波段云(C)、天空(S)及目标(T)灰度最小值、中值及最大值,根据输入的云、天空及当前目标成像的灰度最小值、中值、最大值,建立对应的三角模糊数模型,辨识框架为Θ={C,S,T},辨识框架中C表示云,S表示天空,T表示目标,C,S,T三角模糊数模型建立的方法为:将波段i云成像的灰度最小值Cmini、中值Cavei及最大值Cmaxi分别作为波段i云三角模糊数模型的最小值,中值,最大值,则波段i云的三角模糊数为将波段i天空成像的灰度最小值Smini、中值Savei及最大值Smaxi分别作为波段i天空三角模糊数模型的最小值,中值,最大值,则波段i天空建立的三角模糊数为将波段i目标成像的灰度最小值Tmini、中值Tavei及最大值Tmaxi分别作为波段i当前目标三角模糊数模型的最小值,中值,最大值,则波段i当前目标建立的三角模糊数为步骤二:将步骤一获得的模糊数展宽,即将模糊数的上界增大、下界减小,分别记云、天空、当前目标展宽后的模糊数为所述展宽方法为:步骤三:对输入图像中任一像素点p进行分类,分类结果可能为云、天空、目标:1)对任一分类像素点p,取其波段i灰度值Gi,用Gi和生成基本概率分配函数mi,所述分别为前述波段i云、天空、目标的三角模糊数,所述基本概率分配函数在证据理论中被定义为对任意一个属于Θ的子集A,m(A)∈[0,1],且满足则m为2Θ上的基本概率分配函数,其中2Θ为辨识框架的幂集,所述基本概率分配函数mi生成方法为:将Gi与模糊数交点的高点赋给相应单子集元素的信度,将Gi与模糊数交点的最低点赋给相应双子集元素或多子集的信度,其中所述的单子集元素指的是步骤一中辨识框架Θ的子集{...
【专利技术属性】
技术研发人员:蒋雯,胡伟伟,邓鑫洋,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。