System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及空间目标识别,具体地,涉及一种基于多帧光学图像的空间动目标轨迹关联管理方法及系统。
技术介绍
1、复杂背景下空间暗弱点运动目标探测跟踪问题一直是空天领域研究的热点之一。云杂波以及其他背景杂波、系统噪声等固有噪声的存在使得目标信号往往淹没在噪声之中,增加了弱目标检测的难度;同时,由于成像距离远且目标在像平面上无明显特征,因此无法依靠亮度或形状等信息来识别空间目标。
2、专利文献cn103810499a(申请号:cn201410062826.0)公开了一种复杂背景下红外弱目标检测与跟踪的应用,其特征在于,包括如下步骤:步骤1:抑制杂波与保持图像的拓扑结构,构建空域邻近与方向优先的仿生视觉加权嫡模型,实现图像从灰度模式变换为嫡模式;步骤2:分析突发或平稳特性的弱目标运动状态,采用嫡流的非线性扩散平滑与自适应局部约束准则,构建符合弱目标机动特征的自适应嫡流目标运动估计模型,实现估计速度逼近弱目标的真实运动状态;步骤3:研究类属多特征融合与度量的弱目标跟踪方法,构建多特征融合的序贯滤波模型,实现弱目标的精确、鲁棒与实时识别。
3、专利文献cn105184814a(申请号:cn201510445611.1)公开了一种基于多帧雷达图像的动目标检测跟踪方法,其特征在于,包括如下步骤:步骤1:当读取第1帧图像至第5帧图像时,将这5帧图像进行图像平均处理,所得结果为第1背景图像,并对该第1背景图像进行先膨胀后腐蚀处理;步骤2:当读取第6帧图像至第10帧图像时,将这5帧图像进行图像平均处理,所得结果为第2背景图像
4、目前,在处理真实天基环境背景下的目标识别问题时,通常采用单帧检测后再进行多帧关联的方法,其依赖于序列图像中目标运动的连续性和轨迹的一致性来处理。而实际情况中往往会出现目标遮挡、交叉、分离、丢失等现象,造成序列图像连续多帧漏检的情况,因此无法实现持续稳定的检测和跟踪。
技术实现思路
1、针对现有技术中的缺陷,本专利技术提供一种基于多帧光学图像的空间动目标轨迹关联管理方法及系统。
2、根据本专利技术提供的一种基于多帧光学图像的空间动目标轨迹关联管理方法及系统,所述方案如下:
3、一种基于多帧光学图像的空间动目标轨迹关联管理方法,所述方法包括:
4、步骤s1:对单帧光学图像进行目标预检测,获取预检测结果;
5、步骤s2:判断是否存在当前帧的精检测结果,若存在则读取预检测与精检测的融合结果,否则以当前帧的预检测结果进行轨迹关联,形成轨迹库;
6、步骤s3:将当前帧的检测结果与已关联形成的轨迹库进行基于二维分配的数据关联;
7、步骤s4:删除精检测结果作为初始目标点的轨迹;
8、步骤s5:判断并记录多目标轨迹跟踪中存在的目标漏检情况;
9、步骤s6:根据满足设置的精检测算法介入条件下的漏检信息,裁剪单帧光学图像切片序列;
10、步骤s7:将裁剪的切片序列输入精检测算法,获得初始目标位置信息;
11、步骤s8:将精检测算法输出的初始目标位置信息转化成在对应单帧光学图像中的坐标;
12、步骤s9:对同一帧中的预检测与精检测初始目标位置信息进行去冗余,并返回漏检开始帧号重新进行关联。
13、优选地,所述步骤s1中需根据当前帧进行预检测处理,包括:
14、步骤s1.1:使用三个同心且大小不一的窗口,以步进的方式扫描整幅单帧光学图像处理,提取图像块并得到每个图像块的三层模型;
15、步骤s1.2:根据单帧光学图像中小目标的高斯函数特征和每个图像块的三层模型进行强度对比,从而增强目标潜在区域;
16、步骤s1.3:以单帧光学图像中内层和外层之间的方差均值差作为区分目标区域和杂波边缘区域的标准,计算出目标的增强图像;
17、步骤s1.4:对所述增强图像进行腐蚀的形态学操作,进一步筛除虚警目标;
18、步骤s1.5:利用连通区域处理方法,得到增强图像的目标连通区域,输出候选目标的标记框位置。
19、优选地,所述步骤s2中需根据当前帧中预检测与精检测算法输出的目标位置信息进行去冗余,当预检测与精检测中的检测框交并比值超过设置阈值,则认为二者重合,为同一目标检测结果,保留精检测中该目标位置信息并删除预检测中对应结果,计算公式如下:
20、
21、其中,a和b分别为子图交叠区域的检测框。
22、优选地,所述步骤s3包括:
23、步骤s3.1:根据运动模型对轨迹库在前一时刻对应的目标状态进行预测,依据跟踪门限判定当前时刻落于各轨迹预测波门内的估计;
24、步骤s3.2:构造分配矩阵,在每条轨迹与预测波门内的目标量测关联的唯一性约束条件下执行标准二维分配关联,并采用拍卖算法进行求解;
25、步骤s3.3:遍历当前时刻关联上目标候选检测点的轨迹,将该状态作为轨迹当前时刻的估计,实现轨迹的延续;
26、步骤s3.4:若所有轨迹均关联上估计位置,则完成当前轨迹到量测的关联;否则,重新构造关于估计集的关联矩阵,迭代执行二维分配。
27、优选地,所述步骤s5中判断并记录多目标轨迹跟踪中存在的目标漏检情况,包括以下三种情况:
28、1)对于当前已关联轨迹库,单条轨迹存储目标点在前一帧中出现,当前帧中未出现的情况,开始记录漏检信息;
29、2)对于当前已关联轨迹库,单条轨迹存储目标点在前一帧中未出现,当前帧中出现的情况,判断是否满足通知精检测算法介入条件;
30、3)对于当前已关联轨迹库,单条轨迹存储目标点在前一帧中未出现,当前帧中未出现的情况,判断是否满足通知精检测算法介入条件。
31、优选地,所述步骤s6中通知精检测算法介入的条件为单条轨迹存储目标点出现连续5帧漏检情况;裁剪提供精检测算法的单帧光学图像是以漏检位置信息为中心点坐标、以设置阈值为裁剪动态块的宽和高进行裁剪。
32、优选地,所述步骤s7中精检测算法模块,包括如下步骤:
33、步骤s7.1:对单帧光学切片进行数值归一化处理;
34、步骤s7.2:将归一化后的单帧光学图像序列输入convlstm网络进行处理;
35、步骤s7.3:进行门限分割处理获得二值化图像;
36、步骤s7.4:提取疑似目标区域并生成连通域输出目标的亚像元位置及目标局部原始数据;
37、步骤s7.5:输出检测目标的位置信息。
38、优选地,所述步骤s8中计算精检测算法输出的目标位置信息在对应单帧光学图像中的坐标依据公式如下:
39、
40、本文档来自技高网...
【技术保护点】
1.一种基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,包括:
2.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S1中需根据当前帧进行预检测处理,包括:
3.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S2中需根据当前帧中预检测与精检测算法输出的目标位置信息进行去冗余,当预检测与精检测中的检测框交并比值超过设置阈值,则认为二者重合,为同一目标检测结果,保留精检测中该目标位置信息并删除预检测中对应结果,计算公式如下:
4.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S3包括:
5.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S5中判断并记录多目标轨迹跟踪中存在的目标漏检情况,包括以下三种情况:
6.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S6中通知精检测算法介入的条件为单条轨迹存储目标点出现连续5帧漏检
7.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S7中精检测算法,包括如下步骤:
8.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S8中计算精检测算法输出的目标位置信息在对应单帧光学图像中的坐标依据公式如下:
9.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤S9需返回漏检帧重新根据粗检测与精检测的融合目标位置信息进行轨迹关联。
10.一种基于多帧光学图像的空间动目标轨迹关联及管理系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,包括:
2.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤s1中需根据当前帧进行预检测处理,包括:
3.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤s2中需根据当前帧中预检测与精检测算法输出的目标位置信息进行去冗余,当预检测与精检测中的检测框交并比值超过设置阈值,则认为二者重合,为同一目标检测结果,保留精检测中该目标位置信息并删除预检测中对应结果,计算公式如下:
4.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤s3包括:
5.根据权利要求1所述的基于多帧光学图像的空间动目标轨迹关联管理方法,其特征在于,所述步骤s5中判断并记录多目标轨迹跟踪中存在的目标漏检情况,包括以下三种情况:
6....
【专利技术属性】
技术研发人员:刘良凤,娄明静,李彤,范君杰,代海山,
申请(专利权)人:上海卫星工程研究所,
类型:发明
国别省市:
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。