一种复杂背景低信噪比下弱小目标高精度跟踪方法

摘要

本发明提供一种复杂背景低信噪比下弱小目标高精度跟踪方法，该方法通过对复杂背景低信噪比下的图像进行预处理、基于二项分布判断准则的目标自适应门限分割提取目标后，再采用基于Kalman滤波器思想改进的曲线拟合算法进行目标的运动预测，并通过红外与可见光传感器的数据融合提高目标的检测概率、降低虚警概率；当目标形状发生改变时，利用边缘特征归一化的形状识别寻找特征不变量以达到目标的精确跟踪。

主权项

一种复杂背景低信噪比下弱小目标高精度跟踪方法，其特征在于：其步骤如下：(1)、复杂背景、低信噪比条件下的图像预处理：采用基于改进的离散平稳小波变换和非线性增强算子的弱小目标图像增强算法，通过在小波变换的每个尺度上分别选取不同的阈值来对图像进行去噪；(2)、基于二项分布判断准则的目标自适应门限分割：对单帧检测概率、单帧虚警概率与总检测概率和总虚警概率之间的关系建立基于概率论二项分布准则的模型，解决了序列图像检测中相关帧数和门限的确定问题；(3)、红外与可见光数据进行多模融合：对可见光和红外图像进行匹配后，对图像中的目标特征采用多传感器概率数据互联滤波器将两种图像中的目标特征对应起来，获得融合数据，从而提高目标检测识别的置信度，并剔除虚假目标；(4)、目标运动预测与估计：采用基于Kalman滤波器思想改进的曲线拟合算法进行运动预测，解决没有规律的抖动、目标交叠、记忆跟踪情况下的运动预测问题；(5)目标形状发生改变时的目标特征提取：当目标形状发生改变时，采用利用边缘特征归一化的形状识别寻找从电场角度引出的特征不变量的方法达到对目标精确跟踪。