一种天基光学序列图像中的空间目标检测跟踪方法与流程

本发明属于空间目标识别
技术领域：
，更具体地，涉及一种天基光学序列图像中的空间目标检测跟踪方法。
背景技术：
：基于天基光学探测图像的空间目标识别技术正成为航空航天领域的研究热点。天基光学探测图像的主要背景为恒星星点，空间目标由于本身并不发光探测距离远可认为是暗弱点目标，在识别过程中无法依靠亮度或形状等信息区分空间目标与恒星星点，尤其是在处理序列星图的时很难识别跟踪空间目标。现有技术通过直接处理在轨卫星平台上的星敏感器拍摄的星空照片来找出其中空间目标，该技术扩展了星敏感器的应用，但主要依靠图像上拖长轨迹来判断是否为空间目标，当空间目标在星图中表现为与恒星相类似的点目标时，该方法不能适用。还有一类在轨空间目标识别方法，采用星图对齐的方法去除恒星背景，并采用多帧关联技术识别空间目标，但该类方法没有涉及序列帧图像中空间目标的跟踪问题。还有一类针对空间碎片光学探测器拍摄得到的图像，通过成像面上的拖长轨迹来识别空间碎片目标，该方法不能精确计算空间目标与星空背景中其他恒星的位置关联信息。技术实现要素：针对现有技术的以上缺陷或改进需求，本发明提供了一种天基光学序列图像中的空间目标检测跟踪方法，其目的在于实现从星图的恒星背景中识别出空间目标并进行跟踪。为实现上述目的，按照本发明的一个方面，提供了一种天基光学序列图像中的空间目标检测跟踪方法，具体包括如下步骤：(1)获取连续的N帧星图，经过图像去噪后，提取每帧星图中的星点目标；其中，N≥3；(2)对每帧星图中所有的星点按照亮度排序，采用三角匹配方法按照排序结果识别出三颗恒星；并将在每帧星图中都出现过的恒星作为基准恒星；(3)计算N帧星图中的基准恒星在星图上的位移像素距离L，根据位移像素距离获取星图中所有恒星背景的运动速度；(4)根据上述运动速度信息，识别出星图中的空间目标；(5)获取上述空间目标的运动信息，采用卡尔曼滤波器对空间目标进行跟踪。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，其步骤(1)包括如下子步骤：(1.1)采用的高斯平滑滤波器对星图进行去噪处理；(1.2)获取星图分割阈值；(1.3)根据星图分割阈值，提取星图中的星点目标；(1.4)采用矩心算法计算获得星点目标的质心位置。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，其步骤(1.2)中根据实时图像数据获取星图分割阈值Vth＝E+α×δ；其中，α是加权系数；E是图像像元灰度值的平均值，通过对整帧图像所有像元值f(i,j)进行加权取平均获得，δ是图像像元灰度值的方差，其中，m是指图像的行像素数，n是指图像的列像素数。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，其步骤(1.3)包括如下子步骤：(1.3.1)从左至右、从上至下扫描星图，将灰度值大于星图分割阈值Vth的像素点进行标记；(1.3.2)采用四连通区域法，搜索扫描到的像素点的上、下、左、右四个邻近像素点，当这四个点中有一个像素点被标记，则复制该像素点的标记；(1.3.3)当像素点的上、下、左、右四个临近像素点有相同标记，则复制临近像素点所具有的标记；(1.3.4)当像素点的上、下、左、右四个临近像素点的标记不同，则复制位于当前像素点上方已标记像素点的标记，并将临近像素点所有的标记输入等价表作为等价标记；(1.3.5)重复步骤(1.3.1)～(1.3.4)，直至将整个星图扫描完。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，采用矩心算法计算获得星点目标的质心位置，获得星点的质心坐标(x0,y0)；其中，y0=Σi=0lΣj=0lyjf(xi,yj)Σi=0lΣj=0lf(xi,yj);]]>其中，(xi,yj)为星点图像中第i行、第j列像素的坐标；f(xi,yj)为星点图像中第i行、第j列像素的灰度值；l是指质心计算选取窗口的大小；采用上述矩心算法计算目标点的位置，像素点距离实际星点中心越近，其灰度值就越高，其他像素的灰度值随着距离中心增加而降低。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，其步骤(2)采用三角匹配的方法识别恒星，具体步骤为：(2.1)对星图中所有的点目标按亮度排序，按照亮度排序结果选取三颗恒星；(2.2)计算获取上述三颗恒星中的任意两颗恒星之间的角距θ12、θ23和θ13；其中，θ12是指第一恒星与第二恒星之间的角距，θ23是指第二恒星与第三恒星之间的角距，θ13是指第一恒星与第三恒星之间的角距；(2.3)将所述角距与导航星库中的角距比较容限ε进行比较，判断是否满足|θ12-E12|≤ε、|θ23-E23|≤ε且|θ13-E13|≤ε；若是，则进入步骤(2.4)；若否，则判定当前三颗恒星匹配失败，从星图中按亮度排序结果选取与上一次匹配的组合不同的三颗恒星组合，并进入步骤(2.2)；其中E12，E13，E23为导航星库中存储的任意导航星对角距，ε是指导航星库中的角距比较容限；(2.4)判断在导航库中是否有三角形{E12，E23，E13}与三角形{θ12，θ23，θ13}唯一匹配；若是，则计算获取唯一匹配的三颗恒星在像平面上的质心位置和亮度值；若否，则判定匹配失败，并从星图中按亮度排序结果选取与上一次匹配的组合不同的三颗恒星组合，并进入步骤(2.2)。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，其步骤(4)包括如下子步骤：(4.1)获取前一帧中的一个点目标P与相邻帧星图中所有点目标Si的距离Ui；(4.2)判断是否满足|Ui-L|＜β；若是，则判定点目标P为恒星；若否，则判定为空间目标；其中，β是指相似度阈值，用来判断Ui和L是否足够接近，取极小的常量值；(4.3)对所有的星点，重复步骤(4.1)～(4.2)，检测出所有的空间目标。优选地，上述天基光学序列图像中的空间目标检测跟踪方法，其步骤(5)包括如下子步骤：(5.1)将星图中的空间点目标运动看作匀速运动，在二维平面中对作匀速运动的目标进行建模，建立目标的状态模型；(5.2)采用卡尔曼滤波法对已检测出的空间目标在序列帧图像中的位置和运动速度进行预测和修正，实现对空间目标的跟踪；跟踪过程中，影响跟踪的误差来源是质心计算误差与天基光学平台视轴的抖动。总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本发明提供的天基光学序列图像中的空间目标检测跟踪方法，通过背景恒星与空间目标的运动特性的不同来区分星图中的背景恒星和空间目标，适用范围广，可适用于星图中恒星运动、空间目标静止的情况；星图中恒星静止、空间目标运动的情况，以及星图中恒星运动、空间目标也在运动的情况；(2)本发明提供的天基光学序列图像中的空间目标检测跟踪方法，在空间目标识别的基础上，采用卡尔曼滤波方法来对检测出的空间目标跟踪，能够有效地克服质心计算误差与天基光学平台视轴抖动误差；同时，在跟踪过程中通过反复的预测与修正，能够准确地预估出空间目标的运动速度特性，从而为区分空间目标与恒星提供帮助。附图说明图1本发明实施例的空间目标检测跟踪方法的流程示意图；图2为本发明实施例中的高斯滤波去噪模板示意图；图3为本发明实施例中的四连通区域示意图；图4为本发明实施例中恒星识别的流程示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。本发明实施例所提供的天基光学序列图像中的空间目标检测跟踪方法的流程如图1所示，包括如下步骤：(1)获取连续的N帧星图；分别对N帧图像进行图像去噪处理与星点提取，提取每帧星图中的星点目标；实施例中，N＝3；(2)对每帧星图中的所有恒星点按亮度排序，采用三角匹配方法按照排序结果识别出三颗恒星；并将在每帧星图中都出现过的恒星作为基准恒星；(3)计算三帧星图中的基准恒星在星图上的位移像素距离，作为星图中所有恒星背景的运动速度；(4)根据上述运动速度信息，识别出星图中的空间目标；(5)获取上述空间目标的运动信息；假定空间目标为匀速运动，采用卡尔曼滤波对空间目标进行跟踪。实施例中，步骤(1)具体包括如下子步骤：(1.1)采用的高斯平滑滤波器对星图进行去噪处理；实施例中，图像去噪处理采用的是高斯平滑滤波器的方法，所采用的高斯模板如图2所示，每一个模板的中间数值表示它为中心元素，也就是要进行处理的元素，经过运算处理之后，该点的像素值变其中，ki表示每个灰度点所应该乘以的系数；f(xi)表示每个灰度点对应的灰度值；经过平滑模板对图像的处理，可将噪声平滑，从而达到减小噪声的目的。由于星图中的噪声主要是高斯噪声，高斯平滑滤波器对于抑制服从正态分布的噪声非常有效，运用高斯滤波器对星图进行去噪，效果理想。(1.2)获取星图分割阈值；根据实时图像数据计算获得星图分割阈值Vth＝E+α×δ；α是加权系数，与图像的噪声有关，实施例中，α的数值在3到5之间调整；其中，E是图像像元灰度值的平均值，可通过对整帧图像所有像元值f(i,j)求加权平均值得到，δ是图像像元灰度值的方差；E=Σi=1mΣj=1nf(i,j)m×n;δ=Σi=1mΣj=1n(f(i,j)-E)2m×n;]]>其中，m表示图像的行像素数，n表示图像的列像素数；(1.3)根据星图分割阈值，提取星图中的星点目标；具体如下：(1.3.1)从左至右、从上至下扫描星图，将灰度大于星图分割阈值Vth的像素点进行标记；(1.3.2)采用四连通区域法，连通区域如图3所示，搜索扫描到的像素点的上、下、左、右四个邻近像素点，当这四个点中有一个像素点被标记，则复制该已标记过像素点的标记；(1.3.3)当像素点的上、下、左、右四个临近像素点有相同标记，则复制这些临近像素点的相同标记作为当前像素点的标记；(1.3.4)当像素点的上、下、左、右四个临近像素点的标记不同，则复制位于当前像素点上方点的标记，并将所有临近像素点的标记输入等价表作为等价标记；(1.3.5)重复步骤(1.3.1)～(1.3.4)，直至扫描完成；(1.4)采用矩心算法计算获得星点目标的质心位置，具体地，采用矩心算法计算目标点的位置，获得星点的质心坐标(x0,y0)；其中，x0=Σi=0lΣj=0lxif(xi,yj)Σi=0lΣj=0lI′(xi,yj),y0=Σi=0lΣj=0lyjf(xi,yj)Σi=0lΣj=0lf(xi,yj);]]>其中，星点图像中第i行、第j列像素的坐标为(xi,yj)，灰度值为f(xi,yj)，l表示质心计算窗口选取的大小，实施例中取值为5。实施例中，步骤(2)恒星识别的流程如图4所示，选取连续三帧星图中最亮的三颗星，采用三角匹配的方法识别恒星，具体步骤为：(2.1)按照亮度排序依次选取三颗恒星并编号为#1、#2、#3；(2.2)获取上述三颗恒星中任意两颗恒星之间的角距θ12、θ23、θ13；(2.3)将上述角距θij与导航星库的角距比较容限ε进行比较，判断是否满足|θ12-E12|≤ε、|θ23-E23|≤ε且|θ13-E13|≤ε，若是，则进入步骤(2.4)，若否，则按照亮度排序结果，按照从亮到暗的顺序，重新选取与上一次匹配的恒星组合不同的三颗恒星组合，进入步骤(2.2)；其中，E12，E13，E23为导航星库中存储的任意导航星对角距；角距比较容限ε＝kσ；k的取值范围为5～6，ζ表示质心计算误差，根据成像探测器性能和质心计算算法来确定；实施例中，角距比较容限ε取值为0.3"；(2.4)判断在导航库中是否有三角形{E12，E23，E13}与三角形{θ12，θ23，θ13}唯一匹配；若是，则计算输出唯一匹配的三颗恒星在像平面上的质心位置和亮度值；若否，即导航星库中存在多个导航星组成的三角形与{θ12，θ23，θ13}匹配，则判定匹配失败，并从星图中按亮度排序结果按照从亮到暗的顺序选取与上一次匹配的恒星组合不同的三颗恒星组合，并进入步骤(2.2)。区分的空间目标与恒星的唯一特征为运动特性，体现在两者的运动速度的区别上；实施例中，找出在连续三帧星图中均存在的恒星，获取该恒星在像平面上的平均位移像素数L，根据平均位移像素数L获得恒星的运动速度V；采用L作为区分空间目标与恒星的特征，取前一帧中的一个点目标P与相邻帧星图中所有点目标Si的距离Ui，判断Ui与L的相似程度；若|Ui-L|＜β，则判定点目标P为恒星，否则判定为空间目标；根据速度信息逐一分析所有的星点，找出运动信息不同的点，将其标记为空间目标；实施例中，β取值为5；空间目标在像平面内的运动为匀速直线运动；tk时刻目标的状态(xk,yk)表示为：xk=x′+vxtkyk=y′+vytk]]>其中，(x′,y′)为初始时刻目标的位置，vx和vy分别为目标在x方向和y方向上的速度。由此，目标状态方程表示为X(k+1)＝F(k)X(k)；其中，系统转移矩阵状态向量其中，T为采样间隔。对于线性系统而言，量测方程Z(k)＝H(k)X(k)+W(k)；其中，H(k)为量测矩阵，X(k)为状态向量，W(k)为量测噪声序列；实施例中，量测噪声序列采用均值为零的高斯白噪声序列。当在二维平面中对作匀速运动的目标进行建模时，对应的状态向量和量测向量为：Z(k)=xkyk;H(k)=10000010;]]>卡尔曼滤波器包含预测和修正两部分，预测部分得到的是先验估计，修正部分得到的是后验估计，每次预测和修正之后，均由后验估计值预测下一时刻的先验估计值，重复进行预测与修正步骤，完成卡尔曼滤波的递归过程；具体采用卡尔曼滤波的跟踪过程如下：(1)检测得到的空间目标初始状态为X(k)，在经过T时刻之后，可以采用卡尔曼滤波的状态预测得到tk+1时刻时空间目标的状态和量测：状态的一步预测X(k+1|k)＝F(k)X(k)；量测的一步预测Z(k+1|k)＝H(k+1)Z(k+1|k)；协方差的一步预测P(k+1|k)＝F(k)P(k|k)FT(k)+Q(k)；(2)根据预估的空间目标匀速运动速度，可以找到下一帧图像中的在亮度和位置上匹配的空间目标，得到下一帧的量测值Z(k+1)，并开始卡尔曼滤波的修正，分别计算新息，新息协方差，增益，并得到最终的状态更新方程和协方差更新方程；新息V(k+1)＝Z(k+1)-Z(k+1|k)；新息协方差S(k+1)＝H(k+1)P(k+1|k)HT(k+1)+R(k+1)；增益K(k+1)＝P(k+1|k)HT(k+1)S-1(k+1)；状态更新方程X(k+1)＝X(k+1|k)+K(k+1)[Z(k+1)-H(k+1)X(k+1|k)]；协方差更新方程P(k+1|k+1)＝P(k+1|k)-K(k+1)S(k+1)KT(k+1)；其中，R为二维变量的协方差矩阵，Q为误差序列；(3)将X(k+1)输出作为下一帧图像中空间目标的状态，包含了空间目标的位置与速度信息；实施例中，协方差矩阵R即为观测噪声，在空间目标跟踪过程中体现为质心计算的误差；误差序列Q即为过程噪声，由相机视轴在观测过程中的抖动造成。观测噪声R根据所采用的成像探测器CMOS具体的性能参数计算得到，不同噪声对质心计算误差影响分析如下：暗电流散粒噪声对质心计算误差的影响其中S是指星点在成像面上的能量，nDCSN是指暗电流噪声电子均方根。暗电流不均匀噪声对质心计算误差的影响nDCNU是指暗电流非均匀性噪声电子均方根。光子散粒噪声对质心计算误差的影响σPSF是指恒星高斯弥散斑的扩散范围。光响应不均匀噪声对质心计算误差的影响σPRNU＝0.2*PRNU；PRNU表示CMOS成像器件的光响应不均匀性。读出噪声对质心计算误差的影响nRN是指CMOS成像器件的读出噪声电子均方根。固定模式噪声对质心计算误差的影响nFPN是指CMOS成像器件的固定模式噪声电子均方根。实施例中，观测噪声R是服从高斯分布的噪声；R=σDCSN2+σDCNU2+σS2+σPRNU2+σread2+σFPN2;]]>过程噪声Q由相机视轴在观测过程中的抖动造成；实施例中，视轴抖动是服从均值为0的一个高斯分布的噪声，方差可以根据实际的光学系统参数进行设置。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3