发明名称 基于多特征融合的红外弱小运动目标航迹起始方法
摘要 本发明提出一种基于多特征融合的红外弱小运动目标起始航迹探测方法。涉及测控技术领域。本发明利用灰度形态滤波估计图像背景,获取去均值图像;采用恒虚警率单帧检测,提取目标,去除虚警区域,抑制杂散噪声;最近邻关联法寻找属性最相似的疑似目标;估计目标的运动速度,对相邻两帧的去均值图像进行移动累加,积累能量;利用M/N逻辑法确认目标航迹。本发明充分利用目标特征在空域和时域表现出的一致性,提高目标航迹起始性能,可广泛应用于各类军、民用系统,具有广阔的市场前景和应用价值。
申请公布号 CN101930072B 申请公布日期 2013.01.02
申请号 CN201010239457.X 申请日期 2010.07.28
申请人 重庆大学 发明人 李正周;马齐佑;谭菊;李国平;田逢春;黄扬帆;甘平;刘书君
分类号 G01S17/58(2006.01)I;G06T7/20(2006.01)I 主分类号 G01S17/58(2006.01)I
代理机构 重庆华科专利事务所 50123 代理人 康海燕
主权项 1.一种基于多特征融合的红外弱小运动目标起始航迹探测方法,其特征在于,所述探测方法包括步骤:灰度形态滤波器处理红外图像背景,获取去均值红外图像;恒虚警率单帧检测器根据去均值红外图像提取疑似目标信号,确定疑似目标信号区域,对疑似目标信号区域统计目标像素点数,如果该疑似目标信号区域内目标像素点数大于给定阈值,则判断目标出现在该区域;分别根据目标的特征值λ<sub>i</sub>(k)的波动状况确定该区域多特征融合的加权系数;根据加权系数与运动目标前后时刻的位置、幅度和面积特征的差异度量目标相似性,确定最相似疑似目标;估计最相似疑似目标的运动速度,并对相邻两帧的去均值红外图像进行移动累加,积累能量;在连续的多帧图像中,如果最相似疑似目标的出现次数达到次数阈值,则该最相似疑似目标的航迹为所述运动目标的航迹;确定所述加权系数的步骤具体为,根据目标区域内任一点目标的特征值λ<sub>i</sub>(k)及其预测值<img file="FDA00002168416600011.GIF" wi="249" he="84" />在连续多帧内目标特征值的方差<img file="FDA00002168416600012.GIF" wi="79" he="56" />调用公式<maths num="0001"><![CDATA[<math><mrow><msub><mi>&beta;</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>&pi;</mi><msub><mi>s</mi><msub><mi>&lambda;</mi><mi>i</mi></msub></msub><msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mrow><mn>1</mn><mo>/</mo><mn>2</mn></mrow></msup></mrow></mfrac><mi>exp</mi><mo>{</mo><mo>-</mo><mfrac><msup><mrow><mo>[</mo><msub><mi>&lambda;</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msub><mover><mi>&lambda;</mi><mo>^</mo></mover><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo></mrow><mn>2</mn></msup><mrow><mn>2</mn><msub><mi>s</mi><msub><mi>&lambda;</mi><mi>i</mi></msub></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow></mfrac><mo>}</mo></mrow></math>]]></maths>确定加权系数β<sub>i</sub>(k),其中,目标的特征值λ<sub>i</sub>(k)包括:位置特征<img file="FDA00002168416600014.GIF" wi="155" he="62" />幅度特征<img file="FDA00002168416600015.GIF" wi="118" he="62" />和面积特征<img file="FDA00002168416600016.GIF" wi="141" he="62" />所述度量目标相似性具体为,根据位置特征<img file="FDA00002168416600017.GIF" wi="154" he="62" />幅度特征<img file="FDA00002168416600018.GIF" wi="151" he="62" />面积特征<img file="FDA00002168416600019.GIF" wi="117" he="61" />及其各自的预测值<img file="FDA000021684166000110.GIF" wi="808" he="72" />加权系数<img file="FDA000021684166000111.GIF" wi="533" he="62" />调用公式:<maths num="0002"><![CDATA[<math><mrow><mi>P</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><msubsup><mi>&beta;</mi><mi>i</mi><mi>p</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>|</mo><msubsup><mi>&lambda;</mi><mi>i</mi><mi>p</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mover><mi>&lambda;</mi><mo>^</mo></mover><mi>i</mi><mi>p</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo><mo>+</mo><msubsup><mi>&beta;</mi><mi>i</mi><mi>a</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>|</mo><msubsup><mi>&lambda;</mi><mi>i</mi><mi>a</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mover><mi>&lambda;</mi><mo>^</mo></mover><mi>i</mi><mi>a</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo><mo>+</mo><msubsup><mi>&beta;</mi><mi>i</mi><mi>s</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>|</mo><msubsup><mi>&lambda;</mi><mi>i</mi><mi>s</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mover><mi>&lambda;</mi><mo>^</mo></mover><mi>i</mi><mi>s</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow></math>]]></maths>确定目标相似度。
地址 400030 重庆市沙坪坝区沙正街174号