专利名称：一种复杂背景下红外弱小目标检测和跟踪方法
技术领域：
本发明涉及一种涉及红外图像处理方法，具体是红外弱小目标的检测与跟踪方法。
背景技术：
红外目标的检测与跟踪，是红外搜索与跟踪系统，精确制导系统，红外预警系统中 的一项核心技术。然而，由于远距离下目标成像面积小，对比度较低，边缘模糊，尺寸及形状 变化不定，可检测信号相对较弱，特别是在非平稳复杂背景干扰下，背景与目标常交叠在一 起，成像的信噪比较低，使得复杂背景下红外弱小目标的检测与跟踪变得很困难。对于序列图像中的弱小目标的检测和跟踪，其涉及到的相关技术主要包括图像的 预处理、目标检测和目标跟踪3个方面。图像预处理是为了背景抑制与目标增强，便于在复 杂背景下更好的检测目标。目标检测是从图像中提取出感兴趣的目标对象，是红外目标检 测与跟踪的关键。目前，红外序列图像中弱小目标检测算法主要有基于运动能量累积的方 法，基于管道滤波的方法，基于运动假设的方法，基于背景预测的方法等。目前有很多目标 跟踪算法，大致可以分为两类，确定性方法和随机性方法。确定性方法是通过寻找目标的最 优匹配来实现跟踪，如Mean Shift算法。该方法实时性好，能够快速的实现目标匹配，但在 遮挡等情况下容易陷入局部极值，跟踪的鲁棒性较差。随机性方法是通过对目标的状态进 行估计，如卡尔曼滤波，粒子滤波算法。卡尔曼滤波是有效的线性最优估计技术，但不能处 理非线性和非高斯的情况。而粒子滤波方法具有较强的抗遮挡和背景干扰的能力，但计算 量比较大，而且存在退化现象。目标跟踪的关键是提取目标模板进行匹配，因而特征提取是跟踪算法中最基本和 最关键的问题。目前使用比较多的特征有颜色信息、运动信息和边缘特征等，而红外目标一 般都没有明显的轮廓，同时也没有颜色信息，因此选择灰度分布描述目标。灰度分布描述是 一种比较稳健的目标描述策略，它能减弱目标的部分遮挡、旋转和变形对跟踪算法的影响， 但是采用单一灰度特征进行跟踪鲁棒性不高，当目标和背景的灰度分布比较相似，或者是 光照不稳定时，往往导致跟踪失败。复杂背景下红外图像信噪比低，噪声干扰大，目标和背景对比度低，使得弱小目标 的检测变得很困难；在复杂背景下，不同的特征对不同场景的贡献不一样，因此单一特征表 示目标往往得不到好的跟踪效果。
发明内容
要解决的技术问题为了避免现有技术的不足之处，本发明提出一种复杂背景下红外弱小目标检测和 跟踪方法，基于方差加权信息熵实现复杂背景下基于感兴趣区域的目标检测与提取，采用 灰度-纹理特征的Mean Shift算法实现目标跟踪。本发明的思想在于基于方差加权信息熵(Variance weighted informationentropy, Variance WIE)实现了感兴趣区域(region of interest, R0I)的提取，利用灰 度-纹理特征表示目标模板，采用Mean Shift算法实现目标跟踪，有效地避免了单一特征 在复杂背景条件下的跟踪不稳定问题。技术方案一种复杂背景下红外弱小目标检测和跟踪方法，其特征在于步骤如下步骤1基于方差加权信息熵的感兴趣区域提取步骤⑴将MXN大小的初始帧图像分割成mXn大小的子图像块，得到子图像块 集合 F(u，v)，其中m = 2k，n = 21，1 ≤ k ≤ 4，1 ≤ 1 ≤4，0 ≤ u ≤M/m-1,Ο ≤ ≤ Ν/η—l ；步骤(2)对子图像块集合F(u，ν)中的每幅图像F(i，j)，采用公式
权利要求
1. 一种复杂背景下红外弱小目标检测和跟踪方法，其特征在于步骤如下 步骤1基于方差加权信息熵的感兴趣区域提取步骤⑴将MXN大小的初始帧图像分割成mXn大小的子图像块，得到子图像块集合 F(u, ν)，其中m = 2k，η = 21，1 彡 k 彡 4，1 彡 1 彡 4，0 彡 u 彡 M/m-Ι,Ο 彡 ν 彡 Ν/η—l ； 步骤⑵对子图像块集合F(u，ν)中的每幅图像F(i，j)，采用公式
全文摘要
本发明涉及一种复杂背景下红外弱小目标检测与跟踪方法。考虑到红外图像SNR低、噪声大，单一特征进行跟踪不稳定的问题，本发明首先利用方差加权信息熵提取出感兴趣目标区域作为检测结果，利用灰度和纹理特征建立目标模板，用Mean Shift算法实现红外弱小目标的跟踪，有效地避免了单一特征在复杂背景条件下的跟踪不稳定问题。多段红外视频序列的跟踪实验，都验证了本发明的有效性。
文档编号G06T7/00GK102103748SQ20101059069
公开日2011年6月22日 申请日期2010年12月14日 优先权日2010年12月14日
发明者张艳宁, 李映, 梁石 申请人:西北工业大学