一种非合作目标快速轮廓跟踪方法与流程

本发明涉及航天器相对测量技术领域，特别涉及一种非合作目标快速轮廓跟踪方法。

背景技术：

在空间非合作目标交会对接相对测量过程中，需要精确制导追踪航天器与目标星之间的相对位置、相对姿态角、相对速度和相对运动信息。对空间非合作目标特征的跟踪提取是完成后续姿态测量的前提的保证，针对传统的连续目标特征跟踪提取算法容易受目标图像较多边缘的干扰导致轮廓提取效果差一级存在处理速度慢的缺点。

技术实现要素：

本发明的目的在于提供一种非合作目标快速轮廓跟踪方法，能够根据由远及近相对距离动态变化的非合作目标直线特征的实时提取实现目标连续快速稳定轮廓特征的跟踪，具有速度快、准确性强、稳定性高等优点。

为了达到上述目的，本发明通过以下技术方案实现：

一种非合作目标快速轮廓跟踪方法，对目标尺度动态变化序列图像中的目标进行跟踪，其特征是，包含以下步骤：

s1、对目标尺度动态变化序列图像中初始帧图像中的目标区域进行分割，得到目标区域分割图像；

s2、对目标区域分割图像进行局部轮廓区域特征的提取；

s3、依次根据上一帧图像中的局部轮廓区域特征完成相邻下一帧图像中局部轮廓区域特征的提取与跟踪，最终实现剩余序列图像局部轮廓区域特征的连续提取和跟踪。

上述的非合作目标快速轮廓跟踪方法，其中，所述步骤s1具体包含：

s11、运用大律法对初始帧图像中的目标区域与背景区域进行初始分割；

s12、对初始分割的图像进行形态学处理开运算和闭运算，以得到目标轮廓边界；对目标轮廓边界进行上下左右四个方向范围区域的扩充，得到目标区域分割图像。

上述的非合作目标快速轮廓跟踪方法，其中，所述的步骤s2具体包含：

s21、使用canny算法对目标区域分割图像进行目标边缘的检测，得到边缘检测图像；

s22、采用基于区域生长的深度优先搜索递归调用算法对边缘检测图像进行边界追踪，提取出目标边缘轮廓特征，并得到目标边缘轮廓；

s23、将目标边缘轮廓扩展到大于目标轮廓区域四个方向外边缘一定范围的四边形区域，以完成对目标轮廓局部区域的图像抠取，并记录所抠取的局部目标轮廓区域图像的四个方向角点局部图像坐标，作为后续连续序列图像中目标跟踪的初值；

s24、采用霍夫变换对局部目标轮廓区域图像的边缘检测图像轮廓所在区域的上下左右四个方向一定区域内的边缘进行初始帧局部目标轮廓区域图像中轮廓直线的提取，获得目标轮廓直线的参数。

上述的非合作目标快速轮廓跟踪方法，其中，所述的步骤s21中：

只对目标区域分割图像中均大于目标区域上下左右四方向一定冗余的局部图像进行canny边缘检测，得到局部图像边缘检测结果，通过该结果得到边缘检测图像。

上述的非合作目标快速轮廓跟踪方法，其中，所述的步骤s22具体包含：

采用基于8邻域连通的深度优先搜索递归调用算法对边缘检测图像进行处理，以消除噪声及非闭合的数据，形成分段连续的边界链码，完成目标边缘轮廓特征的提取；

对提取的目标边缘轮廓特征进行轮廓的边界排序，选取最优区域轮廓序列为最终的目标边缘轮廓。

上述的非合作目标快速轮廓跟踪方法，其中，所述的步骤s23中：

所述抠取的目标轮廓局部区域包含目标所有轮廓信息；

所述的记录所抠取的局部目标轮廓区域图像的四个方向角点局部图像坐标的具体过程为：以当前抠取的局部目标轮廓区域图像为局部图像，建立相应的局部坐标系，并记录抠取的局部目标轮廓区域图像的四个方向角点局部图像坐标。

上述的非合作目标快速轮廓跟踪方法，其中，所述的步骤s3具体包含：

s31、根据初始帧目标轮廓直线的参数对应确定该目标轮廓直线的参数在第二帧图像中的全局坐标，分别扩大四条直线所在的目标区域一定的范围，抠取第二帧图像中目标局部区域图像；

s32、采用霍夫变换对抠取的第二帧图像目标局部区域图像的边缘检测图像上下左右四方向内外一定区域的边缘进行处理，提取获得第二帧目标局部区域图像中轮廓直线，并获取第二帧图像中目标轮廓直线的参数；

s33、根据目标尺度动态变化序列图像前后帧之间的关联性，依次根据上一帧图像中目标轮廓直线参数扩充一定的区域完成相邻下一帧图像中目标局部区域图像的抠取，并利用霍夫变换通过局部处理实现剩余序列图像轮廓直线特征的连续跟踪。

本发明与现有技术相比具有以下优点：相对于传统的序列图像前后帧无关联的全局轮廓跟踪图像处理算法，本方法只全局处理初始帧图像，根据初始帧提取的轮廓特征信息在第二帧全局图像中锁定目标的局部区域，根据相邻前后帧图像间的关联性，通过局部处理实现剩余序列图像轮廓部分区域特征的连续跟踪，具有速度快、准确性强、稳定性高等优点。

附图说明

图1为本发明的方法流程图；

图2为本发明的方法中步骤s3的实现流程图。

具体实施方式

以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。

如图1所示，本发明提出了一种非合作目标快速轮廓跟踪方法，用于对目标尺度动态变化序列图像中的目标进行跟踪，这个目标尺度动态变化序列图像中包含多个帧，本方法通过分别处理该多个帧来实现目标轮廓的快速跟踪，本方法具体包含以下步骤：

s1、对目标尺度动态变化序列图像中初始帧图像中的目标区域进行分割，得到目标区域分割图像；

s2、对目标区域分割图像进行局部轮廓区域特征的提取；

s3、依次根据上一帧图像中的局部轮廓区域特征完成相邻下一帧图像中局部轮廓区域特征的提取与跟踪，最终实现剩余序列图像局部轮廓区域特征的连续提取和跟踪。

上述非合作目标快速轮廓跟踪方法中，所述步骤s1具体包含：

s11、运用大律法对初始帧图像中的目标区域与背景区域进行初始分割；

s12、对初始分割的图像进行形态学处理开运算和闭运算，以得到目标轮廓边界；对目标轮廓边界进行上下左右四个方向范围区域的扩充，得到目标区域分割图像。

大律法是在判决分析最小二乘法原理的基础上推导得出，利用其完成图像中的目标区域与背景区域的初始分割的具体实现过程如下：

设图像中灰度为i的像素数为ni，灰度范围为[0,l-1],则像素总数为:

各灰度值出现概率：

对于pi，有：

把图中的像素用阈值t分成两类c0和c1，c0由灰度值在[0,t-1]的像素组成，c1由灰度值在[t,l-1]的像素组成，则区域c0和c1的概率分别为：

区域c0和c1的平均灰度分别为：

其中，μ是整幅图像的平均灰度：

两个区域的总方差为：

让t在[0,l-1]范围内依次依次取值，使最大的t值便是最佳区域分割阈值，进而完成图像中的目标区域与背景区域的初始分割。

所述形态学开闭运算都是由腐蚀和膨胀复合而成，开运算是先腐蚀后膨胀，而闭运算是先膨胀后腐蚀，具体的：

使用结构元素s对a进行开运算，记作可表示为：

其中所述的形态学开运算可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺。

使用结构元素s对a进行闭运算，记作a·s,可表示为：

其中所述的形态学闭运算同样可以使图像的轮廓变得光滑，但与开运算相反，它通常能够弥合狭窄的间断，填充小的空洞。

对初始分割的图像使用形态学处理开运算和闭运算实现最终目标区域的完整性分割，获取目标轮廓边界，通过对目标边界外轮廓上下左右四方向一定范围区域的扩充得到初始帧目标图像的分割。

所述的步骤s2具体包含：

s21、使用canny算法对目标区域分割图像进行目标边缘的检测，得到边缘检测图像；

s22、采用基于区域生长的深度优先搜索递归调用算法对边缘检测图像进行边界追踪，提取出目标边缘轮廓特征，并得到目标边缘轮廓；

s23、将目标边缘轮廓扩展到大于目标轮廓区域四个方向外边缘轮廓最长边长十分之一大小区域范围的四边形区域，以完成对目标轮廓局部区域的图像抠取，并记录所抠取的局部目标轮廓区域图像的四个方向角点局部图像坐标，作为后续连续序列图像中目标跟踪的初值；较佳的，这里分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果，所需处理的目标区域大幅减小，干扰少，轮廓提取效果好，具有处理速度快目标轮廓特征提取的实时性和稳定性。

s24、采用霍夫变换对局部目标轮廓区域图像的边缘检测图像轮廓所在区域的上下左右四个方向轮廓最长边长十分之一大小区域范围区域内的边缘进行初始帧局部目标轮廓区域图像中轮廓直线的提取，获得目标轮廓直线的参数。

上述非合作目标快速轮廓跟踪方法中，所述的步骤s21中：

只对目标区域分割图像中均大于目标区域上下左右四方向轮廓最长边长十分之一大小区域范围冗余的局部图像进行canny边缘检测，得到局部图像边缘检测结果，通过该结果得到边缘检测图像。

所述的canny边缘检测实现步骤如下：

(1)用高斯滤波器h(x,y)平滑图像f(x,y)；

高斯函数：

滤波后图像：

g(x,y)＝f(x,y)*h(x,y)(13)

(2)用一阶偏导的有限差分计算滤波后图像梯度的幅值和方向；

一阶差分卷积模板:

得到幅值：

方向：

(3)抑制梯度幅值非极大值，实现图像边缘细化；

每一个点m的梯度方向进行梯度幅值比较，如果此点的梯度比它相邻的两个点梯度幅值都大，则不变；否则将其排除出边缘点置0。

(4)用双阈值法检测和连接边缘，获得边缘检测图。

使用两个阈值t1和t2(t1<t2),从而得到两个阈值边缘图像n1[i,j]和n2[i,j]。双阈值法是在n2[i,j]中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断在n1[i,j]中收集边缘，直到将n2[i,j]连接起来为止。

其中，所述基于8邻域连通的深度优先搜索递归调用算法是一种图的遍历的方法，包含轮廓边缘跟踪、轮廓边缘提取、轮廓边缘排序以及最优轮廓提取4步，遍历的过程实质上是对每个顶点查找其8邻域邻接点的过程，是从图的某一顶点开始遍历，被访问的顶点就做上已访问的记号，接着遍历此顶点的所有8邻域相邻且未访问过的顶点中任意一个，并做上记号，再以该点为新的起点继续进行深度优先的查找。

上述非合作目标快速轮廓跟踪方法中，所述的步骤s22具体包含：

采用基于8邻域连通的深度优先搜索递归调用算法对边缘检测图像进行处理，以消除噪声及非闭合的数据，形成分段连续的边界链码，完成目标边缘轮廓特征的提取；

对提取的目标边缘轮廓特征进行轮廓的边界排序，选取最优区域轮廓序列为最终的目标边缘轮廓。

上述非合作目标快速轮廓跟踪方法中，所述的步骤s23中：

所述抠取的目标轮廓局部区域包含目标所有轮廓信息；

所述的记录所抠取的局部目标轮廓区域图像的四个方向角点局部图像坐标的具体过程为：以当前抠取的局部目标轮廓区域图像为局部图像，建立相应的局部坐标系，并记录抠取的局部目标轮廓区域图像的四个方向角点局部图像坐标。

上述非合作目标快速轮廓跟踪方法中，所述的步骤s3具体包含：

s31、根据初始帧目标轮廓直线的参数对应确定该四条直线在第二帧图像中的全局坐标，分别扩大四条直线所在的目标区域轮廓最长边长十分之一大小区域范围，抠取第二帧图像中目标局部区域图像；本实施例中，对第二帧图像的目标局部区域图像的抠取无需全局处理，只需根据初始帧提取的轮廓特征信息在第二帧全局图像中锁定目标的局部区域即可；

s32、采用霍夫变换对抠取的第二帧图像目标局部区域图像的边缘检测图像上下左右四方向内外一定区域的边缘进行处理，提取获得第二帧目标局部区域图像中轮廓直线，并获取第二帧图像中目标轮廓直线的参数；

s33、根据目标尺度动态变化序列图像前后帧之间的关联性，依次根据上一帧图像中目标轮廓直线参数扩充一定的区域完成相邻下一帧图像中目标局部区域图像的抠取，并利用霍夫变换通过局部处理实现剩余序列图像轮廓直线特征的连续跟踪。

所述的霍夫(hough)变换直线提取过程如下：

(1)设定hough平面累加器(ρ,θ)，其中θ∈[0,180°]，(w,h为图像宽度和高度)；

(2)对处理区域所有点进行hough变换：依次将θ带入直线极坐标方程ρ＝xcosθ+ysinθ中计算，每次计算得到的(ρ,θ)在累加器相应位置处单元计数+1；

(3)hough变换处理后，设定合适的阈值t，累加器中大于t的单元对应的(ρ,θ)作为检测出的直线。

通过对hough变换检测出的直线进行分类合并拟合，根据拟合后的直线到所有相对应边缘点的距离误差最小为准则，剔除一些不合理的直线，获取最终目标直线的提取。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。