【技术实现步骤摘要】
本专利技术属于卫星信息处理，具体涉及一种微小暗弱目标的星上自主闭环实时检测方法。
技术介绍
1、针对新一代大面阵高帧频载荷，由于图像下传数据量大且帧间间隔长，因此采用传统图像实时下传的方法不利于目标的检测，此外，传统目标检测方法对于强杂波区域检测时存在由于备选点太过密集导致的采用传统门限分割方法难以有效关联出目标轨迹的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种微小暗弱目标的星上自主闭环实时检测方法，实现了对不同背景复杂度的背景区域内的微弱暗小目标的检测。
2、本专利技术提供的一种微小暗弱目标的星上自主闭环实时检测方法，包括以下步骤：
3、对高帧频探测载荷获取的全局图像进行空域处理得到备选点，再通过对备选点密集区域进行聚类提取强杂波背景区域，再将强杂波背景区域反馈至高帧频探测载荷；
4、高帧频探测载荷对强杂波背景区域执行高帧频开窗操作得到局部区域高帧频图像序列，采用时域方差滤波对该高帧频图像序列进行目标检测，再基于门限分割确定备选点，实现星上自主实时闭环检测；
5、高帧频探测载荷对强杂波背景区域之外的区域采用低帧频成像得到局部区域低帧频图像序列，再利用当前帧与历史帧信息通过时空对比度融合算法对局部区域低帧频图像序列进行目标检测，基于门限分割确定备选点，实现星上自主实时闭环检测。
6、进一步地，所述高帧频探测载荷对强杂波背景区域执行高帧频开窗操作得到局部区域高帧频图像序列，采用时域方差滤波对该高帧频图像序列进行目
7、步骤1.1、分别以备选点为中心点，以中心点为中心获取(2k+1)×(2k+1)范围的邻域滑窗图像，遍历所有邻域滑窗图像内的备选点数目，其中，k表示类间最小距离；
8、步骤1.2、确定备选点最多的区域，并计算该区域的备选点密集程度η；
9、步骤1.3、比较备选点密集程度η与备选点密集程度阈值ε，如果η＞ε，则找出区域中备选点坐标上下左右四个方向的四个极值，并根据四个极值向对应的四个方向分别扩展k个像素得到扩大后的邻域图像，计算邻域图像内的备选点密集程度；如果η＜ε，则从备选点集中剔除该区域内的点得到新的备选点集；
10、步骤1.4、重复执行步骤1.1至步骤1.3，直至备选点集合为空集结束执行。
11、进一步地，所述利用当前帧与历史帧信息通过时空对比度融合算法对局部区域低帧频图像序列进行目标检测，包括：
12、步骤2.1、对当前帧及历史帧中暗背景区域图像进行时域对比度滤波增强，增强公式如下：
13、c(i,j,t)＝|i(i,j,t)-m(i,j,t)|
14、
15、式中，c(i,j,t)为时域对比度滤波增强结果，i(i,j,t)为第t时刻图像内(i,j)位置的像元灰度值，m(i,j,t)为对当前帧图像的背景估计，nl为图像时域对比度增强滤波窗口长度；
16、步骤2.2、对当前帧中暗背景区域图像进行空域对比度滤波增强，增强公式如下：
17、cs(i,j)＝|i(i,j)-ms(i,j)|
18、
19、式中，cs(i,j)为图像空域滤波增强结果，i(i,j)为图像内(i,j)位置的像元灰度值，s为移除中心像元的邻域回形窗口灰度之和，w为空域滑窗尺寸，ms(i,j)为图像局部空域背景估计结果；
20、步骤2.3、图像时空对比度滤波增强结果通过将第一步时域增强结果和第二步空域增强结果相乘得到滤波结果，增强公式如下：
21、
22、式中，maxi,j(c(i,j,t))为c(i,j,t)的最大值，maxi,j(cs(i,j))为cs(i,j)的最大值；
23、步骤2.4、对步骤2.3得到的图像进行目标检测提取目标。
24、进一步地，所述采用时域方差滤波对该高帧频图像序列进行目标检测的方式为：
25、统计序列图像中各像元的时域剖面方差特性，时域序列中出现脉冲则存在目标，时域灰度连续缓变则没有目标，再通过自适应阈值分割提取经过时域分析窗口的目标短轨迹。
26、进一步地，所述统计序列图像中各像元的时域剖面方差特性的方式为，采用时域方差滤波算法计算图像中各像元时域均值统计结果μ(p)，滤波公式如下：
27、
28、
29、式中，var(p)为图像中各像元时域方差统计结果，m、n分别为像元的时域均值和时域方差统计的窗口尺寸，p为像元，i(p)为像元p的灰度值。
30、进一步地，所述m及n的选择与载荷成像帧频和目标运动速度相关。
31、有益效果：
32、1、本专利技术构建了星上自主闭环检测框架，从高帧频探测载荷的特性出发，发挥了高帧频探测载荷动态开窗优势，把目标检测结果进行闭环实时反馈，实现了载荷和处理的一体化，更好地提升了系统效能，同时，针对高帧频的强杂波小区域图像充分利用了目标在时间维度上的特征，较好的克服了强杂波区域目标图像信噪比较低的问题，有效实现了高可靠的目标提取，而针对弱杂波区域图像则充分利用目标与背景在时空维上的运动和辐射差异特性实现了目标的有效提取。
33、2、本专利技术提出了基于备选点聚类的星上自主高帧频开窗策略，能够实现对背景不同区域的筛选，可根据筛选结果得到强背景和暗背景两类背景数据，后续仅需针对不同类型背景数据进行分析处理，因此大幅降低了待处理的数据量，有效提升了运算效率。
34、3、本专利技术提出了针对暗背景区的时空对比度融合序列图像中目标检测算法，利用目标当前帧与时空邻域背景的对比度差异特性，有效实现了平缓背景中微小暗弱目标的提取。
35、4、本专利技术提出了高帧频序列图像目标检测算法，实现了复杂场景中具有帧间亚像元运动特征目标的有效提取，表征形式为在一定时域窗口内目标的运动短轨迹，算法流程简单，占用星上资源少。
本文档来自技高网...【技术保护点】
1.一种微小暗弱目标的星上自主闭环实时检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的星上自主闭环实时检测方法，其特征在于，所述高帧频探测载荷对强杂波背景区域执行高帧频开窗操作得到局部区域高帧频图像序列，采用时域方差滤波对该高帧频图像序列进行目标检测，再基于门限分割确定备选点，实现星上自主实时闭环检测，包括：
3.根据权利要求1所述的星上自主闭环实时检测方法，其特征在于，所述利用当前帧与历史帧信息通过时空对比度融合算法对局部区域低帧频图像序列进行目标检测，包括：
4.根据权利要求1所述的星上自主闭环实时检测方法，其特征在于，所述采用时域方差滤波对该高帧频图像序列进行目标检测的方式为：
5.根据权利要求4所述的星上自主闭环实时检测方法，其特征在于，所述统计序列图像中各像元的时域剖面方差特性的方式为，采用时域方差滤波算法计算图像中各像元时域均值统计结果μ(p)，滤波公式如下：
6.根据权利要求5所述的星上自主闭环实时检测方法，其特征在于，所述M及N的选择与载荷成像帧频和目标运动速度相关。
【技术特征摘要】
1.一种微小暗弱目标的星上自主闭环实时检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的星上自主闭环实时检测方法，其特征在于，所述高帧频探测载荷对强杂波背景区域执行高帧频开窗操作得到局部区域高帧频图像序列，采用时域方差滤波对该高帧频图像序列进行目标检测，再基于门限分割确定备选点，实现星上自主实时闭环检测，包括：
3.根据权利要求1所述的星上自主闭环实时检测方法，其特征在于，所述利用当前帧与历史帧信息通过时空对比度融合算法对局部区域低帧频图像序列进...
【专利技术属性】
技术研发人员：高金艳，汪路元，禹霁阳，庞亚龙，潘忠石，蒋帅，吴雨航，田苗苗，栾申申，黄苏琦，
申请(专利权)人：北京空间飞行器总体设计部，
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。