专利名称：一种基于光谱指纹特征的弱小目标精确跟踪方法
技术领域：
本发明涉及一种基于光谱指纹特征的弱小目标精确跟踪方法，属于高光谱图像处理技术领域。
背景技术：
弱小目标的精确跟踪在无人侦察、武器制导、安保、自动化生产、医学图像检测、深空探测等领域发挥着极其重要的作用。“弱”和“小”是指目标属性的两个方面。“弱”是指在可见光图像上目标与背景的对比度较低，区分较难；“小”反应到图像上是指目标所占像素较少。弱小目标跟踪的主要困难在于目标的形状、纹理、颜色等可见光目标特性不够明显，信噪比(SNR)很低，不足以满足在序列图像中寻找运动目标所在位置的需要。为了解决可见光的局限性，我们提出一种目标的光谱指纹特征。高光谱技术实现了光谱分辨率的突破，光谱学与成像技术交叉融合形成图谱合一的成像光谱技术，同时获得目标二维空间信息和一维光谱信息，而且，更关注空间位置点的光谱曲线特征。不同物质的吸收特征反映了目标材质的特点，即光谱指纹特征(与人体指纹相似)，具有以下特点 1)普遍存在性，即对于任意材质，吸收特征都是普遍存在的；2)唯一性，即不同材质的吸收特征是不一样的；3)可检测性，即通过光谱检测设备可以检测光谱的指纹特征；4)稳定性， 即相同物质在相同状态下的吸收特征基本相似。基于光谱指纹特征的弱小目标精确跟踪技术把二维成像技术和光谱技术有机结合，利用不同物质固有吸收光谱特征上的差异，以期模仿人类视觉中对于目标材质属性的判断，获得区分目标材质和背景材质的感知能力，从而提供了精确的识别能力和抗干扰能力，使得对于复杂背景中弱小目标以及点目标的跟踪成为可能。因此，探索和研究基于光谱指纹特征的弱小目标跟踪理论具有深远的理论意义和广泛的应用前景，也充满挑战。
发明内容
本发明的目的是提供一种基于光谱指纹特征的弱小目标精确跟踪方法，针对高光谱成像背景下目标的低信噪比、复杂背景、快速运动等问题，本发明旨在满足高光谱弱小目标精确跟踪的需要，并且增强跟踪算法的适用范围和实用效能。为实现上述发明目的，本发明一种基于光谱指纹特征的弱小目标跟踪方法，包括以下三个步骤步骤一目标光谱稳定吸收特征描述使用目标光谱吸收特征用于唯一地展示目标不同于背景的视觉特性。通过 AOTF (画幅式成像光谱仪)获得前景高光谱图像，并对高光谱图像进行数据预处理，用以消除设备噪声。为了准确高效地描述目标的光谱特性，使用一系列光谱统计数据来准确的反应每个像素点上所包含的数百个波段的值，其具体的步骤如下1.在特征库中引入目标二值化光谱曲线。二值化光谱曲线的跳变位置反映了目标光谱曲线的基本统计特性，能够满足非复杂背景情况下目标和背景的分离。
2.构造一组特征向量来表述目标的强光谱特征。强光谱特征包括目标物体的固有稳定光谱吸收特征，目标与背景反差明显的光谱波段区间和近红外波段区间。针对这三种特征，分别采用对应的提取方法进行1)物质的固有稳定光谱吸收特征反映了目标材质的特点。针对不同材质的目标， 使用光谱数据库中对应的吸收波段知识对目标进行基本的提取与识别。2)对目标与背景反差明显的光谱波段区间以及近红外波段区间的反射率数据进行变系数积分。而后，通过一个线性变换函数将数据放大，使得目标特征更加明显。3.对于光谱数据中噪声相对较大，不适宜作为主参考特征源的数据，构造一组相应的弱光谱特征以强化参考特征数据。这些特征包括大于均值的(极大值)波峰数、大于均值的(极小值)波谷数、小于均值的(极大值)波峰数、小于均值的(极小值)波谷数、 上升趋势点数、下降趋势点数、(极大值)波峰位置和(极小值)波谷位置。综上，通过特征提取，获得一组代表目标稳定特征的数据，这一组特征数据称之为光谱指纹特征。在光谱跟踪算法中，把特征数据引入用光谱学特征描述目标形态的数学模型，通过扩展核函数的特征直方图维数，将这些特征值变换到直方图分布函数中，建立概率直方图特征模型。步骤二 建立基于高光谱影像的运动目标跟踪数学模型结合基本的可见光目标运动模型和光谱吸收特征，建立基于高光谱影像的运动目标跟踪数学模型。设m帧的高光谱图像序列为r = [r r2,..., rj e 9Γ。像素点Xi下的η维特征空间Hn，包括1中的光谱吸收特征二值化曲线跳变位置hb，近红外积分特征hinf、大于均值的(极大值)波峰数Iiallax、大于均值的(极小值)波谷数haMin、小于均值的(极大值)波峰数hbMax、小于均值的(极小值)波谷数hbMin、上升趋势点数huedt、下降趋势点数hdedt、(极大值)波峰位置hmax和(极小值)波谷hmin位置。对于ue {l...m}，第u帧图像中的目标 tu可以表示为
2\ 1 nkχ—χ
权利要求
1. 一种基于光谱指纹特征的弱小目标跟踪方法，包括以下三个步骤步骤一目标光谱稳定吸收特征描述通过画幅式成像光谱仪获得前景高光谱图像，并对高光谱图像进行数据预处理，用以消除设备噪声；为了准确高效地描述目标的光谱特性，使用一系列光谱统计数据来准确的反应每个像素点上所包含的数百个波段的值，其具体的步骤如下(1)在特征库中引入目标二值化光谱曲线；(2)构造一组特征向量来表述目标的强光谱特征，强光谱特征包括目标物体的固有稳定光谱吸收特征，目标与背景反差明显的光谱波段区间和近红外波段区间；通过上述特征提取，获得一组代表目标稳定特征的数据，这一组特征数据称之为光谱指纹特征；在光谱跟踪算法中，把特征数据引入用光谱学特征描述目标形态的数学模型，通过扩展核函数的特征直方图维数，将这些特征值变换到直方图分布函数中，建立概率直方图特征模型；步骤二 建立基于高光谱影像的运动目标跟踪数学模型结合基本的可见光目标运动模型和光谱吸收特征，建立基于高光谱影像的运动目标跟踪数学模型；设m帧的高光谱图像序列为『=[H..,『《J e『，像素点Xi下的η维特征空间 Hn，包括步骤一中的光谱吸收特征二值化曲线跳变位置hb，近红外积分特征hinf、大于均值的波峰数Iiallax、大于均值的波谷数Ilamn、小于均值的波峰数hbMax、小于均值的波谷数hbMin、上升趋势点数huedt、下降趋势点数hdedt、波峰位置hmax和波谷hmin位置；对于u e {l...m}，第 u帧图像中的目标、可以表示为
2.根据权利要求1所述的一种基于光谱指纹特征的弱小目标跟踪方法，其特征在于 针对目标物体的固有稳定光谱吸收特征、目标与背景反差明显的光谱波段区间和近红外波段区间这三种特征，分别采用对应的提取方法进行1)物质的固有稳 定光谱吸收特征反映了目标材质的特点，针对不同材质的目标，使用光谱数据库中对应的吸收波段知识对目标进行基本的提取与识别；2)对目标与背景反差明显的光谱波段区间以及近红外波段区间的反射率数据进行变系数积分；而后，通过一个线性变换函数将数据放大，使得目标特征更加明显；3)对于光谱数据中噪声相对较大，不适宜作为主参考特征源的数据，构造一组相应的弱光谱特征以强化参考特征数据；这些特征包括大于均值的波峰数、大于均值的波谷数、小于均值的波峰数、小于均值的波谷数、上升趋势点数、下降趋势点数、波峰位置和波谷位置。
全文摘要
本发明涉及一种基于光谱指纹特征的弱小目标跟踪方法，包括以下三个步骤步骤一目标光谱稳定吸收特征描述，通过画幅式成像光谱仪获得前景高光谱图像，并对高光谱图像进行数据预处理，用以消除设备噪声；步骤二建立基于高光谱影像的运动目标跟踪数学模型，结合基本的可见光目标运动模型和光谱吸收特征，建立基于高光谱影像的运动目标跟踪数学模型；步骤三针对高光谱图像的层次化粒子滤波跟踪，综上三个步骤，最终算法输出目标的光谱指纹特征集、当前的即运动状态向量以及目标的运动轨迹。本发明方法满足了高光谱弱小目标精确跟踪的需要，并且增强了跟踪算法的适用范围和实用效能。
文档编号G06K9/62GK102393913SQ20111033841
公开日2012年3月28日 申请日期2011年10月31日 优先权日2011年10月31日
发明者娄晨, 李林尧, 白勇, 盛浩, 赵慧洁 申请人:北京航空航天大学