>[0009]本发明采用平移旋转变换法对2帧图像进行关联，从而解决要将所有帧图像进行存储的问题，这样我们进行平移旋转变换处理后，只需要存储背景图像即可，不需要将所有帧图像都进行存储，因此，在本发明中，只需要存储四帧雷达图像，大大的降低了内存需求。同时相邻两帧图像进行变换操作，信息关联度高，可以在雷达静止及运动情况下均可以提取出运动目标信息，计算量小，可以满足实时性要求，对高速运动的目标依然可以提取出其信息，对缓慢运动的目标仍能检测出来。
[0010]本发明的优点在于:该方法提取背景信息简单，在雷达静止及运动情况下均可以提取出运动目标信息，计算量小，可以满足实时性要求，而且只需要存储四帧雷达图像，内存需求不大。
【附图说明】
[0011]图1为平移旋转变换的示意图。
[0012]图2为背景减除法示意图。
[0013]图3为本发明的流程示意图。
【具体实施方式】
[0014]下面结合实施例及附图对本发明作进一步的详细说明，但本发明的实施方式不限于此。
[0015]实施例1:
如图1所示。
[0016]如图1所示，i表示第i帧图像，j表示从第11帧图像开始计数的第j帧图像，m表示第m个背景图像，N表示与第j帧图像作背景减除的第N个背景图像。
[0017]基于多帧雷达图像的动目标检测跟踪方法，包括以下步骤:
第I步:当雷达收到第I帧图像后，将第I帧图像存储起来作为初始背景信息；
第2步:当雷达收到第2帧图像后，将第I帧图像平移旋转变换到第2帧图像所在的位置，得到变换背景图像A，将变换背景图像A每个方位的幅度值乘以1/2，加上第2帧图像对应方位的幅度值乘以1/2，得到更新背景图像A ;
第3步:当雷达收到第3帧图像后，将第2步的更新背景图像A平移旋转变换到第3帧图像所在的位置，得到变换背景图像B，将变换背景图像B每个方位的幅度值乘以2/3加上第3帧图像的对应方位的幅度值乘以1/3，得到更新背景图像B ;
第4步:当雷达收到第4帧图像后，将第3步的更新背景图像B平移旋转变换到第4帧图像所在的位置，得到变换背景图像C，将变换背景图像C每个方位的幅度值乘以3/4加上第4帧图像的对应方位的幅度值乘以1/4，得到更新背景图像C ;
第5步:当雷达收到第5帧图像后，将第4步的更新背景图像C平移旋转变换到第5帧图像所在的位置，得到变换背景图像D，将变换背景图像D每个方位的幅度值乘以4/5加上第5帧图像对应方位的幅度值乘以1/5，得到第I背景图像；
第6步:对第！背景图像作先膨胀后腐蚀处理，并将处理结果存储为第I背景图像；
第7步:当雷达收到第6至第10帧图像后，将第6帧图像视为第I帧图像，第7帧图像视为第2帧图像，第8帧图像视为第3帧图像，第9帧图像视为第4帧图像，第10帧图像视为第5帧图像，重复第I步到第5步，得到第2背景图像；
第8步:对第2背景图像作先膨胀后腐蚀处理，并将处理结果存储为第2背景图像；
第9步:当雷达收到第11帧图像后，先将第11帧图像存储起来作为第3背景图像，再将第I背景图像平移旋转变换到第11帧图像所在的位置，得到变换背景图像E，变换背景图像E与第11帧图像作背景减除算法，得到减除结果图像A，对减除结果图像A作先腐蚀后膨胀处理，再对处理结果图像作基于连通区域的目标合并处理，并将合并后的点迹存储起来；
第10步:当雷达收到第12帧图像后，先将第12帧图像存储起来，将第9步的第3背景图像每个方位的幅度值乘以1/2加上第12帧图像对应方位的幅度值乘以1/2，得到新第3背景图像A，再将第I背景图像平移旋转变换到第12帧图像所在的位置，得到变换背景图像F，变换背景图像F与第12帧图像作背景减除算法，得到减除结果图像B，对减除结果图像B作先腐蚀后膨胀处理，再对处理结果图像作基于连通区域的目标合并处理；
第11步:对第9步到第10步目标合并处理后的点迹作数据关联、跟踪滤波、航迹管理处理；
第12步:当雷达收到第13帧图像后，先将第13帧图像存储起来，将第10步的第3背景图像A每个方位的幅度值乘以2/3加上第13帧图像对应方位的幅度值乘以1/3，得到第3背景图像B，再将第I背景图像平移旋转变换到第13帧图像所在的位置，得到变换背景图像G，变换背景图像G与第13帧图像作背景减除算法，得到减除结果图像C，对减除结果图像C作先腐蚀后膨胀处理，再对处理结果图像作基于连通区域的目标合并处理；
第13步:对第12步目标合并处理后的点迹与第11步的处理结果作数据关联、跟踪滤波、航迹管理处理；
第14步:当雷达收到第14帧图像后，先将第14帧图像存储起来，将第12步的第3背景图像B每个方位的幅度值乘以3/4加上第14帧图对应方位的幅度值乘以1/4，得到第3背景图像C，再将第I背景图像平移旋转变换到第14帧图像所在的位置，得到变换背景图像M，变换背景图像M与第14帧图像作背景减除算法，得到减除结果图像D，对减除结果图像D作先腐蚀后膨胀处理，再对处理结果图像作基于连通区域的目标合并处理；
第15步:对第14步目标合并处理后的点迹与第13步的处理结果作数据关联、跟踪滤波、航迹管理处理；
第16步:当雷达收到第15帧图像后，先将第15帧图像存储起来，将第14步的第3背景图像C每个方位的幅度值乘以4/5加上第15帧图像对应方位的幅度值乘以1/5，得到第3背景图像D，先将第3背景图像D作为更新后的第3背景图像存储起来，再将第I背景图像平移旋转变换到第15帧图像所在的位置，得到变换背景图像N，变换背景图像N与第15帧图像作背景减除算法，得到减除结果图像E，对减除结果图像E作先腐蚀后膨胀处理，再对处理结果图像作基于连通区域的目标合并处理；
第17步:对第16步目标合并处理后的点迹与第15步的处理结果作数据关联、跟踪滤波、航迹管理处理；
第18步:当雷达收到第16到第20帧图像后，重复第9步到第17步，只是第I背景图像换为第2背景图像；
如图2所示，F1、F2、F3、F4、F5表示第I帧图像至第5帧图像，F6、F7、F8、F9、F10表示第6帧图像至第10帧图像，FlU F12、F13、F14、F15表示第11帧图像至第15帧图像，F16、F17、F18、F19、F20 表示第 16 帧图像至第 20 帧图像，F21、F22、F23、F24、F25表示第21帧图像至第25帧图像。利用第I步至第5、6步的操作得到第I背景图像，即图中的背景信息1，利用背景信息I与第11帧图像至第15帧图像分别进行背景减除算法，利用第7、8步的操作得到第2背景图像，即图中的背景信息2，利用背景信息2与第16帧图像至第20帧图像分别进行背景减除算法，利用背景信息3与第21帧图像至第25帧图像分别进行背景减除算法，以此类推。
[0018]所述平移旋转变换的具体变换方法如下:
如图1所示，图1中以点A为圆心的圆形区域表示雷达在A点时的雷达图像，图1中以点B为圆心的圆形区域表示雷达在B点时的雷达图像，通过罗经和GPS获得当前雷达角度和位置信息，雷达由A点运动到B点，A点为背景图像中雷达位置，B点为当前图像中雷达位置，目标点T在背景图像中相对A点的位置为(0b，rb)，将目标点T补偿到当前图像中相对B点的位置为(Θ f，rf)，此时满足以下关系:
X+ rfsin Θ f =rbsin Θ b； y+ rfcos Θ f = rbcos Θ b； 其中X为雷达在X方向的位移，y为雷达在y方向的位移；
在当前图像显示为艏向向上时，若载体在发生位移的同时顺时针旋转θ角度，则通过上式计算出的Qf还需要减去Θ，才是最终进行补偿后的背景数据的角度。
[0019]膨胀和腐蚀是形态学的基本操作，膨胀是一种扩展的变换，增大原物体的面积，填充物体间小的孔洞和沟壑，腐蚀是一种反扩展变换，压缩物体并将有细微联系的物体分离。
[0020]当雷达收到第N*5+ll帧图像到第N*5+15帧图像时，重复一次第9步至第17步，只是第9步中目标合并后的点迹不需要存储，直接与第17步的处理结果继续作数据关联、跟踪滤波、航迹管理处理，N为正整数。
[0021]在上述技术方案中，当读取第I帧图像至第5帧图像时，将这5帧图像进行图像平均处理，也即上述的第I步至第5步的处理操作，所得结果为第