一种基于雷达图像的飞鸟目标识别与跟踪方法技术

本发明专利技术涉及一种基于雷达图像的飞鸟目标识别与跟踪方法，该方法通过从探鸟雷达ＰＰＩ图像中减去背景图像，得到背景差分的雷达图像；然后对背景差分雷达图像进行杂波抑制，然后进行目标信息提取和多目标跟踪，最后通过数据融合，实现目标识别与跟踪。本发明专利技术提供的方法不仅填补了我国“雷达探鸟”领域的空白，为民航鸟击防范工作提供了技术保障，而且也适用于低空低速情况下其它雷达目标信号的处理，具有广阔的应用前景；该方法可以用于指导机场工作人员实施驱鸟作业。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及，主要应用于机场雷达探鸟系统中雷达图像的后端处理。
技术介绍
鸟击是指航空器起降或飞行过程中和鸟类、蝙蝠等飞行物相撞的事件。自从有 了航空器就有了鸟击事件，据统计，仅北美地区每年鸟击造成的军用和民用航空损失就超 过5亿美元并且危及乘客生命安全，欧洲每万次飞机起降平均有5. 7次鸟击。中国民航在 2001-2007年间，报告的鸟击事件共1055次，导致事故征候215次，造成中等程度以上损伤 217起，在维修中统计的直接损失超过2. 7亿人民币，间接损失更加难以计算。观测和统计 鸟类迁徙和在机场附近的规律，对于鸟击防范具有重要意义。 传统的机场鸟情观测依靠人工，但在目测困难的黎明、黄昏和夜晚，恰恰是鸟击事 件的高发期。据中国民航在2001 2007年间的统计，黎明、黄昏和夜晚等能见度差的条件 下发生的鸟击事件占鸟击事件总数的55%，迫切需要相关技术手段的支持来降低鸟击事件 的发生。雷达探鸟是鸟情观测的重要技术手段，其优点在于不受能见度和恶劣天气等因素 的限制，能够全天候自动运行。机场雷达探鸟系统是鸟击防范的有效技术手段，但是目前对 于基于雷达图像的飞鸟目标识别与跟踪方法还没有系统的成熟的方法和实践。
技术实现思路
本专利技术针对现有雷达探鸟技术中存在不足，为了降低由于鸟击事件而带来的飞行 事故，从而减少航空损失，提出了。 所述的基于雷达图像的飞鸟目标识别与跟踪方法，包括背景差分、噪声抑制、目标 信息提取、多目标跟踪和数据融合五个步骤，具体如下 步骤一、背景差分，从探鸟雷达PPI图像中减去背景图像，即得到背景差分的雷达 图像；背景图像的生成方法为平均值法或主成分分析法。 步骤二、对经过背景差分的雷达图像进行杂波抑制；采用恒虚警阈值分割和形态学的方法对经过背景差分的雷达图像进行降噪处理，去除其中残留的杂波信息； 步骤三、进行目标信息提取；确定目标在图像中是否为独立的区域，共有几个区域，对不同的区域进行标识。提取飞鸟目标信息包括鸟类数量、鸟类大小、坐标位置、飞行速度。 步骤四、多目标跟踪；多目标跟踪分为目标状态估计和数据关联两个主要方面，基 于蒙特卡罗的思想，目标状态估计采用卡尔曼滤波，多目标数据关联采用粒子滤波数据关 联方法对量测值进行目标关联。 步骤五、数据融合，实现目标识别与跟踪。将多目标跟踪获得的飞鸟目标平滑轨迹 与卫星地图或坐标系相融合，生成含飞鸟目标轨迹的融合图像，便于机场工作人员观测使 用。 本专利技术提供的飞鸟目标识别与跟踪方法不仅填补了我国雷达探鸟领域的空白， 为民航鸟击防范工作提供了技术保障，而且也适用于低空低速情况下其它雷达目标信号的 处理，具有广阔的应用前景。其优点主要体现在以下几点 (1)本专利技术提供的基于雷达图像的飞鸟目标识别与跟踪方法，将飞鸟目标运动的 平滑轨迹从复杂的雷达PPI图像序列中提取出来，并将其与机场地图或坐标系相融合，方 便观测人员使用。(2)本专利技术采用平均值法提取背景图像信息，计算量小，能够满足实时要求。 (3)本专利技术采用的杂波抑制方法对经过背景差分的雷达PPI图像进行处理，能够 去除背景差分图像中残留的边缘杂波信息，初步锁定了运动目标，杂波抑制中设定较低的 分割阈值，提高了检测率。 (4)本专利技术采用的目标信息提取方法对经过杂波抑制的雷达PPI图像进行处理， 提取出包含部分杂波的雷达量测值。 (5)本专利技术采用的多目标跟踪方法通过数据关联和目标状态估计的方法，对真实 的飞鸟目标进行跟踪的同时剔除杂波，降低了虚警率。 (6)本专利技术采用的数据融合方法将飞鸟目标平滑轨迹标定在机场地图或坐标系 上，能直观地反映出飞鸟数量和所在位置，指导机场工作人员实施驱鸟作业。附图说明图1为本专利技术的飞鸟目标识别与跟踪方法流程2为CFAR检测器结构示意图；图3为二值图像示意图；图4为二值图像扫描示意图；图5为二值图像标记示意图；图6为二值图像目标标识示意图；图7为雷达多目标跟踪算法流程图；图8a是一幅原始的探鸟雷达图像；图8b是背景差分后的雷达图像；图8c是杂波抑制后的雷达图像；图8d是含目标运动轨迹的融合图像。具体实施例方式下面结合附图和实施例对本专利技术提供的基于雷达图像的飞鸟目标识别与跟踪方 法进行详细说明。 本专利技术提供的飞鸟目标识别与跟踪方法通过如下步骤实现 步骤一背景差分。 所述的背景差分是指从探鸟雷达PPI图像中减去背景图像，所述的背景图像通过 平均值法或主成分分析法进行构造。 平均值法是最常用、最简单的背景构造方法，这种方法通常适应于场景内的目标 滞留时间较短、目标出现并不频繁的情况，针对每一帧图像重新构造背景，计算公式如下<formula>formula see original document page 7</formula> 式中，N为重构背景所用的图像数，Bk为重构后的图像，Bk—工为针对上一帧构造的 背景图像，fk为第k帧图像。本专利技术中，每隔一定时间(5 10min)就重新构造一次背景信 息。 主成分分析(PCA)是一种线性降维方法，它把高维数据投影到低维子空间，是一 个从可能的高维数据集中提取特征的极端有力的工具。PCA是对描述观测数据的坐标系统 的一个正交变换，它旨在用原始变量的线性组合获得较少的互不相关的新变量，同时尽可 能多地保持输入数据集所包含的信息。雷达图像中的每帧图像都包含背景和运动目标(飞 鸟)，因此背景可视为该图像序列最大的主成分。归结起来，可按以下步骤计算探鸟雷达 PPI图像序列的主成分 (1)计算雷达图像序列的样本方差矩阵S。设Xl， . . . ， xn为n个由雷达图像数据 展开的一维观测样本向量，组成观测样本矩阵X，进而计算该矩阵的方差矩阵S ; (2)计算方差矩阵S的特征值及其对应的特征向量； (3)特征值按降序排列； (4)选择最大的特征值对应的特征向量为最大的主成分，将该特征向量还原为二 维雷达PPI图像，即探鸟雷达背景图像。 从探鸟雷达PPI图像中减去背景图像，即得到背景差分的雷达图像。 步骤二 对经过背景差分的雷达图像进行杂波抑制。 对于经过背景差分的雷达图像，去除了主要的背景信息，但仍含有大量杂波，特别 是边缘杂波，需要通过恒虚警(CFAR)阈值分割和形态学的方法进行杂波抑制。 CFAR阈值分割能够根据背景杂波功率的变化，自动的获取检测门限，以保持虚警 不变的特性，是一种提供检测阈值的雷达信号处理方法。所述的CFAR阈值分割通过CFAR 检测器实现，所述CFAR检测器的结构如图2所示，该检测器包括参考单元1、检测单元2、保 护单元3，以及比较器4和乘法器5，参考单元1、检测单元2和保护单元3共占用N+M+l个 单元，其中，前N/2和后N/2个单元为参考单元1 ，中间的1个单元为检测单元2，检测单元2 两侧与参考单元1各相隔M/2个保护单元3，信号以串行的方式进入检测器各单元。CFAR检 测器根据N个参考单元信号得到一个背景强度相对估计值Z，其估计方法与所采用的CFAR 检测方式有关，可以采用均值类、统计排序类、削减平均类等方法进行背景强度估计。在乘 法器5中，将估计值Z乘上一个门限加权系数T，得到判决门限TZ。门限加权系数T通常由 下式确定 r-尸/。冊本文档来自技高网...

【技术保护点】
一种基于雷达图像的飞鸟目标识别与跟踪方法，其特征在于如下步骤：　　　　步骤一、背景差分，从探鸟雷达ＰＰＩ图像中减去背景图像，即得到背景差分的雷达图像；　　　　步骤二、对经过背景差分的雷达图像进行杂波抑制处理，采用恒虚警阈值分割和形态学的方法对经过背景差分的雷达图像进行降噪处理，去除其中残留的杂波信息；　　　　步骤三、进行目标信息提取；　　　　步骤四、多目标跟踪；　　　　步骤五、数据融合，实现目标识别与跟踪。

【技术特征摘要】
一种基于雷达图像的飞鸟目标识别与跟踪方法，其特征在于如下步骤步骤一、背景差分，从探鸟雷达PPI图像中减去背景图像，即得到背景差分的雷达图像；步骤二、对经过背景差分的雷达图像进行杂波抑制处理，采用恒虚警阈值分割和形态学的方法对经过背景差分的雷达图像进行降噪处理，去除其中残留的杂波信息；步骤三、进行目标信息提取；步骤四、多目标跟踪；步骤五、数据融合，实现目标识别与跟踪。2. 根据权利要求1所述的飞鸟目标识别与跟踪方法，其特征在于所述的步骤一中背 景图像的生成方法为平均值法或主成分分析法。3. 根据权利要求2所述的飞鸟目标识别与跟踪方法，其特征在于所述的平均值法生 成的背景图像为式中，N为重构背景所用的图像数，Bk为重构后的图像，Bk—工为针对上一帧构造的背景 图像，fk为第k帧图像。4. 根据权利要求2所述的飞鸟目标识别与跟踪方法，其特征在于所述的主成分分析法具体步骤为(1) 确定雷达图像序列的样本方差矩阵S :设x. . . ，Xn为n个由雷达图像数据展开的一维观测样本向量，组成观测样本矩阵X，进而计算该矩阵的方差矩阵S;(2) 确定方差矩阵S的特征值及其对应的特征向量；(3) 特征值按降序排列；(4) 选择最大的特征值对应的特征向量为最大的主成分，将该特征向量还原为二维雷达PPI图像，即探鸟雷达背景图像。5. 根据权利要求1所述的飞鸟目标识别与跟踪方法，其特征在于所述步骤二中的恒 虚警阈值分割通过恒虚警检测器实现，所述恒虚警检测器包括参考单元、检测单元、保护单元，以及比较器和乘法器，参考单元、检测单元和保护单元共占用N+M+l个单元，其中，前 N/2和后N/2个单元为参考单元，中间的1个单元为检测单元，检测单元两侧与参考单元各 相隔M/2个保护单元，单元信号以串行的方式进入检测器各单元；恒虚警检测器根据N个参 考单元信号得到一个背景强度相对估计值Z，在乘法器中，将估计值Z乘上一个门限加权系 数T，得到判决门限TZ，判决门限TZ与检测单元信号在比较器中进行比较判决，如果检测单 元信号强度大于判决门限TZ，则判定为目标，反之为杂波。6. 根据权利要求5所述的飞鸟目标识别与跟踪方法，其特征在于门限加权系数T由 下式确定<formula>formula see original document page 2</formula>其中Pf。表示虚警率。7. 根据权利要求1所述的飞鸟目标识别与跟踪方法，其特征在于所述步骤三中的目标信息提取过程为对经过背景差分和杂波抑制后获得的二值图像进行不同区域的标识， 采用从上到下，从左到右的扫描次序，目标区域中任意一点P的标记过程主要有下面几种 不同的情况(a) 当左前一点和上一点皆为背景O，则P点加新标记；(b) 当左前一点和上一点有一个为O，另一个为已加标记，则点P和已知标记的邻点加 上相同标记；(C)当左前一点和上一点两个邻点皆为已加标记，则P点标记与左点标记相同； 如果同一目标区域有几种不同的标记，则进行第二次扫描，将同一目标区域的标记统一化，得到每个目标的单一的、完整的标记。8.根据权利要求1所述的飞鸟目标识别与跟踪方法，其特征在于步骤四中所述的多目标跟踪步骤为(a)当前时刻测量值与当前时刻的目标状态预估值进行多目标数据关联； 所述的多目标数据关联采用粒子滤波数据关联方法对量测值进行目标关...

【专利技术属性】
技术研发人员：宁焕生，陈唯实，朱衍波，郭勇，刘文明，徐群玉，
申请(专利权)人：北京航空航天大学，民航数据通信有限责任公司，
类型：发明
国别省市：11[中国|北京]