红外弱小目标检测跟踪方法及其装置的制造方法
【技术领域】
[0001] 本发明属于红外图像处理及目标跟踪技术领域，具体涉及一种红外弱小目标检测 跟踪方法及其装置。
【背景技术】
[0002] 红外成像技术通过接收目标的红外热辐射工作，具有完全被动、易于隐蔽、作用距 离远、可昼夜工作等优点，已被广泛应用于红外精确制导、预警、视频监控、搜索和跟踪等多 种军事及民用领域。红外成像技术的各种应用离不开高性能的红外目标检测与跟踪技术的 支持，因此研宄红外成像的目标检测与跟踪技术具有重要的意义，尤其是复杂背景下红外 目标的检测和跟踪一直是近年来研宄的热门课题。
[0003] 当红外探测器作用距离较远且工作环境复杂多变时，红外图像的背景呈现非平稳 的空间分布，如起伏的云层背景、明亮的地面背景和各种杂波等，所处其中的飞机、导弹等 目标在像平面上仅占几个像素，且缺少形状、纹理等信息，往往会淹没在复杂的背景中，进 而呈现出对比度低的特点。且红外图像序列的背景是随时间变化的，在实战中检测跟踪此 类目标的难度很大。
[0004] 经过对现有的技术文献和专利的检索发现，目前对于复杂背景红外图像的预处理 多采用形态学滤波的方法，以201210163140. 1号专利为例，该发明专利的图像预处理步骤 中，采用形态学滤波的方法得到背景图像，用原图像减去背景图像得到含有噪声的背景抑 制图像，形态学滤波是一种背景预测的方法，它可以实现抑制背景，但不能同时增强目标， 而在目标跟踪阶段，目前多采用基于滤波和数据关联的方法，如数据关联算法包括最近邻 数据关联，概率数据关联，联合概率数据关联，多假设跟踪，概率多假设跟踪等；滤波算法包 括适用于线性高斯模型的卡尔曼滤波，以及改进的适用于非线性高斯条件下的扩展卡尔曼 滤波，无迹卡尔曼滤波和积分卡尔曼滤波，还有适用于非线性非高斯环境的粒子滤波等。如 201210275678. 1号专利，该发明专利采用多假设跟踪数据关联的方法实现红外弱小目标的 搜索与跟踪，数据关联是传统多目标跟踪方法的核心，它很大程度上决定了算法的性能，并 且当杂波数据增多和目标数目增大时，会存在组合爆炸的问题，复杂背景下，当目标的数目 随时间变化时，存在检测不确定问题，进而会导致数据关联的不确定性。
【发明内容】
[0005] 有鉴于此，本发明的主要目的在于提供一种红外弱小目标检测跟踪方法及其装 置。
[0006] 为达到上述目的，本发明的技术方案是这样实现的：
[0007] 本发明实施例提供一种红外弱小目标检测跟踪方法，该方法为：根据改进的四阶 偏微分方程方法对原始红外图像进行处理获得背景抑制和目标增强后的红外图像，根据分 块自适应阈值分割的方法提取所述获得的红外图像中候选目标的位置信息以及数目信息， 最后根据高斯混合实现的势概率假设密度（GM-CPHD)滤波器对提取的候选目标的位置信 息和数目信息进行多目标状态和数目估计，通过GM-CPHD滤波器实现对多个红外弱小目标 的状态和数目的精确稳定估计。
[0008] 上述方案中，所述根据改进的四阶偏微分方程方法对原始红外图像进行处理获得 背景抑制和目标增强后的红外图像，具体为：设k表示红外图像序列的帧数，红外图像的大 小为MXN，初始时刻k= 1 ;首先，读取红外图像中的第k帧，采用改进的四阶偏微分方程对 第k帧图像进行处理，即将式（1)
【主权项】
1. 一种红外弱小目标检测跟踪方法，其特征在于，该方法为：根据改进的四阶偏微分 方程方法对原始红外图像进行处理获得背景抑制和目标增强后的红外图像，根据分块自适 应阈值分割的方法提取所述获得的红外图像中候选目标的位置信息以及数目信息，最后根 据高斯混合实现的势概率假设密度（GM-CPHD)滤波器对提取的候选目标的位置信息和数 目信息进行多目标状态和数目估计，通过GM-CPHD滤波器实现对多个红外弱小目标的状态 和数目的精确稳定估计。
2. 根据权利要求1所述的红外弱小目标检测跟踪方法，其特征在于，所述根据改进的 四阶偏微分方程方法对原始红外图像进行处理获得背景抑制和目标增强后的红外图像，具 体为：设k表示红外图像序列的帧数，红外图像的大小为MXN，初始时刻k = 1 ;首先，读 取红外图像中的第k帧，采用改进的四阶偏微分方程对第k帧图像进行处理，即将式（1):
所定义的扩散系数sOO带入式（2)
K对原始红 外图像进行处理，获得背景抑制和目标增强后的红外图像。
3. 根据权利要求1所述的红外弱小目标检测跟踪方法，其特征在于，所述根据分块自 适应阈值分割的方法提取所述获得的红外图像中候选目标的位置信息以及数目信息，具体 为：将所述获得背景抑制和目标增强后的红外图像划分成50个小块，当红外图像的高度和 宽度不满足50的倍数时，根据镜像的方法对原始红外图像进行扩展；对于划分后的每一个 小块，根据公式（4):分块阈值=(分块图像均值+12X(分块图像方差））X(自适应阈值 系数），确定分割阈值，将灰度大于阈值的像素赋值为255,小于阈值的像素赋值为0,自适 应阈值分割完成后，截取扩展图像的1到M行，1到N列作为阈值分割后图像，根据分割后图 像确定候选目标的位置信息和数目信息。
4. 根据权利要求1所述的红外弱小目标检测跟踪方法，其特征在于，所述最后根据高 斯混合实现的势概率假设密度（GM-CPHD)滤波器对提取的候选目标的位置信息和数目信 息进行多目标状态和数目估计，通过GM-CPHD滤波器实现对多个红外弱小目标的状态和数 目的精确稳定估计，具体为：将所述提取的候选目标的位置信息和数目信息作为当前帧的 量测送入GM-CPHD滤波器中进行递归。
5. 根据权利要求4所述的红外弱小目标检测跟踪方法，其特征在于，所述将所述提取 的候选目标的位置信息和数目信息作为当前帧的量测送入GM-CPHD滤波器中进行递归，具 体通过以下步骤实现： 步骤501 :对上一帧存活的目标和当前帧新生目标的状态均值、权值、协方差和数目的 概率分布进行预测，得到预测的目标均值Hikllrt、权值Wkllrl、协方差Pkllrt和预测的目标数目 Il kllrt以及目标数目的概率分布P 步骤502 :构造目标信息更新所需成分，即构造增益K、新息协方差S和更新协方差 Pk I k; 步骤503 :设当前帧有Z个量测值，则总共得到HiklkJZXmklH个高斯成分，采用卡尔曼 滤波对各个高斯成分进行更新，得到更新的状态均值mk|k、权值Wk|jP协方差P k|k，并且对预 测目标数目的概率分布叫^进行更新，得到更新的目标数目概率分布p k|k; 步骤504 :根据剪枝的方法将权值小于阈值的高斯成分剔除，在剪枝后的高斯成分中， 将状态差异小于合并阈值的高斯成分合并； 步骤505 :在剪枝合并后的高斯成分中提取出多目标的状态并计算更新的目标数目， 作为最后的滤波输出； 步骤506 :判断当前帧是否有新生目标，如果有，则将新生目标的状态和数目送入下一 帧的GM-CPHD预测中。
6. -种红外弱小目标检测跟踪装置，其特征在于，该装置包括：增强单元、提取单元、 过滤单元； 所述增强单元，用于根据改进的四阶偏微分方程方法对原始红外图像进行处理获得背 景抑制和目标增强后的红外图像； 所述提取单元，用于根据分块自适应阈值分割的方法提取所述获得的红外图像中候选 目标的位置信息以及数目信息； 所述过滤单元，用于根据高斯混合实现的势概率假设密度（GM-CPHD)滤波器对提取的 候选目标的位置信息和数目信息进行多目标状态和数目估计，通过GM-CPHD滤波器实现对 多个红外弱小目标的状态和数目的精确稳定估计。
7. 根据权利要求6所述的红外弱小目标检测跟踪装置，其特征在于：所述增强单元， 具体用于设k表示红外图像序列的帧数，红外图像的大小为MXN，初始时刻k = 1 ;读取 红外图像中的第k帧，采用改进的四阶偏微分方程对第k帧图像进行处理，即将式（1):
所定义的扩散系数sOO带入式（2)
中，对原始红 外图像进行处理，获得背景抑制和目标增强后的红外图像。
8. 根据权利要求6所述的红外弱小目标检测跟踪装置，其特征在于：所述提取单元，具 体用于将所述获得背景抑制和目标增强后的红外图像划分成50个小块，当红外图像的高 度和宽度不满足50的倍数时，根据镜像的方法对原始红外图像进行扩展；对于划分后的每 一个小块，根据公式（4):分块阈值=(分块图像均值+12X(分块图像方差））X(自适应 阈值系数），确定分割阈值，将灰度大于阈值的像素赋值为255,小于阈值的像素赋值为0， 自适应阈值分割完成后，截取扩展图像的1到M行，1到N列作为阈值分割后图像，根据分割 后图像确定候选目标的位置信息和数目信息。
9. 根据权利要求6所述的红外弱小目标检测跟踪装置，其特征在于：所述过滤单元，具 体用于将所述提取的候选目标的位置信息和数目信息作为当前帧的量测送入GM-CPHD滤 波器中进行递归。
10. 根据权利要求9所述的红外弱小目标检测跟踪装置，其特征在于，所述过滤单元， 具体用于对上一帧存活的目标和当前帧新生目标的状态均值、权值、协方差和数目的概率 分布进行预测，得到预测的目标均值Hi kllrl、权值Wkllrl、协方差Pkllrt和预测的目标数目n km 以及目标数目的概率分布pk|k_1; 构造目标信息更新所需成分，即构造增益K、新息协方差S和更新协方差Pklk; 设当前帧有Z个量测值，则总共得到Hikll^dZXmkllrt个高斯成分，采用卡尔曼滤波对各 个高斯成分进行更新，得到更新的状态均值mk|k、权值Wk|jP协方差P k|k，并且对预测目标数 目的概率分布Pkllrt进行更新，得到更新的目标数目概率分布p k|k; 根据剪枝的方法将权值小于阈值的高斯成分剔除，在剪枝后的高斯成分中，将状态差 异小于合并阈值的高斯成分合并； 在剪枝合并后的高斯成分中提取出多目标的状态并计算更新的目标数目，作为最后的 滤波输出； 判断当前帧是否有新生目标，如果有，则将新生目标的状态和数目送入下一帧的 GM-CPHD预测中。
【专利摘要】本发明公开了一种红外弱小目标检测跟踪方法，根据改进的四阶偏微分方程方法对原始红外图像进行处理获得背景抑制和目标增强后的红外图像，根据分块自适应阈值分割的方法提取所述获得的红外图像中候选目标的位置信息以及数目信息，最后根据高斯混合实现的势概率假设密度(GM-CPHD)滤波器对提取的候选目标的位置信息和数目信息进行多目标状态和数目估计，通过GM-CPHD滤波器实现对多个红外弱小目标的状态和数目的精确稳定估计；本发明还公开了一种红外弱小目标检测跟踪装置，通过本发明能够易于实现且效果明显优于传统的背景抑制方法，避免了传统多目标跟踪的数据关联问题，能够更加稳定的实时估计随时间变化的多目标状态和数目。
【IPC分类】G06T7-00
【公开号】CN104766334
【申请号】CN201510190521
【发明人】周慧鑫, 倪曼, 秦翰林, 赵营, 成宽洪, 延翔, 荣生辉, 李肖, 温志刚, 赵东, 王炳健, 庞英名
【申请人】西安电子科技大学
【公开日】2015年7月8日
【申请日】2015年4月21日