[发明专利]基于自适应流形粒子滤波的制导红外小目标跟踪方法

说明书

技术领域

本发明涉及一种目标跟踪和检测方法，具体是一种制导红外小目标跟踪和检测的方法。属于非线性滤波、红外目标图像处理和目标跟踪领域。

背景技术

红外探测技术由于其隐蔽性好、可全天候工作、角度分辨率高、反隐身能力强、作用距离远、可靠性好、低功耗等优点备受关注，被广泛应用于军事领域，尤其是在红外成像制导、红外告警和侦察方面。

在现代高科技战争中为了使防御系统能够有足够多的反应时间，要求能够在很远的地方探测和发现到目标。但是，对于获得的远距离目标的红外图像，目标成像面积小，像素低，没有明显的轮廓，对比度很低，缺乏纹理、大小和结构信息；尤其是在复杂背景下，目标在图像中的信噪比(SNR)很低，人眼根本无法找到目标。因此在利用红外图像进行目标跟踪前，要对红外图像进行预处理，常用的方法主要有时间域、空间域和变换域图像预处理方法。然而，时间域和变换域图像预处理算法存在计算量和数据量大的缺点，空间域较以上两种方法计算量较低。但是，在低信噪比复杂背景下的红外弱小目标图像中，目标和背景的灰度分布非常接近，导致传统的空间域图像预处理算法难以区分目标和背景，从而影响滤波效果。另一方面，单帧检测虚警概率高，多帧处理导致数据存储量和计算量急剧增加，采用固定的算子和模板都很难有效检测弱小目标。

检测前跟踪（TBD）是研究小目标跟踪的主要方法，该方法对单帧图像中是否有目标先不进行判断，而是对图像中所有可疑目标进行跟踪，进而根据检测概率、信噪比和虚警概率计算多帧图像的检测门限进行决策。在低信噪比下，TBD的检测性能比DBT（跟踪前检测）更优。基于粒子滤波的检测前跟踪算法，不受先验分布以及状态转移模型的限制，该方法通过利用目标运动方程、观测方程及传感器的观测数据（红外图像序列），由粒子滤波得到状态的后验概率分布及目标出现的概率，以目标出现概率作为目标检测的判断准则，检测出真实的小目标，并估计红外小目标在空间平面内的位置，实现检测与跟踪。

但是基于粒子滤波的小目标跟踪方法仍然存在一些技术难点：粒子退化、光照、遮挡、目标姿态的变化以及噪声的影响，这些因素均会导致跟踪效果变差；目标的快速移动、多目标跟踪要求粒子滤波采用大量的粒子，算法的计算代价很大；同时图像的数据量大，跟踪的实时性很难保证，等等。因此基于粒子滤波的红外小跟踪仍然是一个值得深入研究的技术难题。

粒子滤波虽然可以适用于所有的非线性非高斯系统，不受噪声性质的限制，但是现有的粒子滤波算法都是在欧式空间进行的，当应用粒子滤波算法对高维系统目标进行跟踪时，同样会遇到“维数灾难”问题。

发明内容

本发明针对已有技术的不足，提出一种基于自适应流形粒子滤波的制导红外小目标跟踪方法。原始的红外图像由背景、噪声和目标组成，经过滤波以达到背景抑制的目的。在此采用检测前跟踪TBD方法，首先对目标图像进行背景抑制滤波；再次，在跟踪阶段，将粒子滤波算法中的粒子数自适应和黎曼流形粒子滤波算法相结合，提出自适应流形粒子滤波算法，进而跟踪可能的运动轨迹；最后，检测目标。

本发明基于自适应流形粒子滤波的制导红外小目标跟踪方法包括如下步骤：

（1）应用Facet小面图像模型的双向扩散滤波背景抑制算法进行图像背景抑制：首先，计算平均方向导数梯度算子ADDG，获取各方向ADDG的算子值，其中，计算ADDG算子所需要的系数通过原始图像与固定模板卷积获得；其次，采用ADDG算子描述图像邻域的多向梯度特征，并采用双向扩散滤波的离散形式进行图像滤波；

（2）基于自适应流形粒子滤波算法的小目标跟踪：首先，对粒子滤波算法中的粒子数进行计算，自适应选取粒子数N(t)；其次，在黎曼流行上进行在线学习和更新目标外形，通过加权欧几里得黎曼平均值估计表面协方差矩阵，进而预测流形点；第三，从子区域构建并提取特征向量；最后，使用嵌入的表面似然对跟踪的目标模型即边界框参数建模；

（3）目标检测：首先，获取红外弱小目标的等高线表达；进而，生成等高线图IECM的等高线树表达；最后，根据等高线树中结点分布规律实现目标检测，当符合下述三个条件，目标被定为候选目标；