基于序列图像的低对比度小目标跟踪算法.pdfVIP

基于序列图像的低对比度小目标跟踪算法 许俊平张启衡 中国科学院光电技术研究所 成都610209 晴要l 在现代光电对抗中，尽早地发现远处来袭目标，从而尽快地采取应对措施，已 成为进行有效对抗的关键。在远距离上，目标都是以复杂背量下的徽弱小目标形式存在．禺 此对可见光或红外成像跟踪系统而言，都存在如何对复杂背景下的锻弱小目标进行探测、稳 定跟踪的闷五．本文讨论了一种在低对比度、强干扰情况下．小目标的挺取和跟踪方法．井 给出了计算机仿真结果． 关甓诃 弱小目标 圈像序列 实时跟踪 1．微弱小目标特性及难点 对于弱小目标来说，其本身除了灰度信息以外，报难找出别的诸如几何形状、立体结构 等特征．而且单从灰度特性来看．目标点与嗓声点很难加以区分，所以成为研究的难点． 对于低对比度条件下．远处徽弱小目标的识别与跟踪技术，田内外前人的研究已经非常 多了．由于低对比度条件下弱小目标的特殊性，通常采取与一般识别跟踪不一样的算法．有 基于小目标运动特性的光流(opti∞l Fl叩)检测算法．有基于低对比度条件下背景特性的背 Fl册) 景预测模型算法．有基于二维低通数字滤波器的自适应目标增强算法等等．光流(optic^l 检测算法适用于视场内慢速移动的小目标．不论单目标或是多目标。都有较好的识别效果， 但是需要极其复杂的矩阵运算，不宜直接用于实时系统：如果要达到好的效果．需要五帧以 上的图像数据进行处理，对实时系统存储容量的要求过于苛刻．背景预测模型的算法相对较 简单，但是仅适用于背景的变化相对于目标的变化非常小的场合．并且需要多达20帧的选 代，系统才可能完成财背景的。学习”，如此大的滞后是不适用于实时系统的．二维低通数 字嚣渡嚣的自适应目标增强算法简单，但只能对一十灰度方向上的目标进行处理，也就是说， 要么处理亮目标，要么处理暗目标，适应性较差．其最大的缺点就是对信噪比低于5曲以下 的弱目标无能为力． 综上所述．现有的算法中，都有其局限性．有的报复杂，不适应实对处理系统；有的需 要目标的先验知识。自适应特性较差：有的虽然算法简单．但虚警事较高．效果不根好．采 用一般的小目标检测方法不可能准确地检测出真正的运动目标。为了对运动小目标进行有效 检测。必须用到序列图像中．目标的运动特征和运动轨迹的连续性、一致性．这里综合所了 解的一些算法，尝试研究一种实用可实时检测小目标的方法．首先进行预处理以提高信嗓比． 然后分离出目标的侯选点，最后根据目标像素在图像序列中运动轨迹的连续性．在多帻连续 圈像中检涌出真正舶目标轨迹． 一 一 2．目标探测原理和算法实现 2．1．圈像瑗处理 一般情况下远处目标都处在信噪比较低的场景中，一般都低于5db，目标很小甚至为 点扩教目标．视场中目标总像素很少，但是其运动速度一般不是很快，所以我们可咀利用 其帧问相关特性。也就是时间上的图像自相关特性提高信嗓比。 通常 h昭#(f)=S(f)+．v(r) 其中：S(f)为目标信号；．v(r)为嗓声：Im昭e(f)为台成的数据图像．这样-图像自 相关函数衰示为： h呼。(f)=嘲，去￡陋∽+Ⅳ(，小口(卜f)+Ⅳ【r—r灿 由于信号和磺声是垃此独立的：而从概率论中知道，番杏烃历的平稳麓机过程(例如 白曛声)在理论上．可以认为也是投有相关性的．所以上式可以茼化为： hn峨，(r)=与抑去￡so—r)·s(，)出 在离教的数字圈像中，可简化为采用多帧累加的方法，提高图像的信噪比．考虑到小 目标特性，这里仅进行相邻两帻间的叠加．计算公式如下： Proc一。㈤=地咝地产盟幽 其中Im昭e，I(置y)和Im锷‰(量力代表第N-1、N帧原始图像数据， Pr口卯sk(z，，)代表实际第N帧处理的圈像教据． 在田像信嗓比得到提高后．通过一些具有膨胀效应的算法将目标进行放大，这里选用 sobel算子进行高通滤波处理．此处采用四个方向的s曲e1算子：