[发明专利]基于图像频率域转换的图像跟踪方法

说明书

本发明提供了一种基于图像频率域转换的图像跟踪方法，该方法首先对输入的SAR图像数据进行预处理；基于传统的精致Lee滤波器基础上，引入基于等效视数的窗口大小自适应选择方法，形成一种自适应窗口大小的滤波算法；再，建立一种基于二维sinc函数模型的SAR影像密集点样特征提取算法；发展一种多层多窗口的匹配策略，根据不同层匹配输出的误差测度自适应确定可靠的匹配窗口大小；发展一种基于多尺度相位一致性特征的亚像素相位相关算法，构造多尺度相位一致性结构影像并在频域空间估计影像间的相位差。本发明经过具体实施例验证，本发明提供的追踪方法能够有效进行目标特征图像的跟踪，提高了准确性和鲁棒性。

技术领域

本发明涉及一种图像跟踪方法，具体涉及一种基于图像频率域转换的图像跟踪方法。

背景技术

图像跟踪作为计算机视觉和图像处理领域的一项重要应用，目前在视频监督、人机交互等方面运用不断发展。自上世纪人们发现目标追踪的巨大实验价值和计算机技术的强烈需求以来，美国、欧洲等发达国家陆续开始对目标追踪技术进行深入研究。经过多年研究，主流算法大概可分为以下几类：(1)基于检测的方法：直接从整张图像出发，寻找目标物与背景之间的差异，利用这种差异分别在两张图像上直接分辨目标和背景。(2)基于识别的方法：此类方法也被称为基于匹配的方法，它不同于检测的方法，它不要求描述背景与目标的差异，而是描述目标本身的特性，这种特性可能不会直接表示，也可能经由一定的转换后表示出来；根据匹配的原理不同，该方法可分为区域匹配、模型匹配、频率域匹配和特征匹配，由于不用考虑背景的问题，此类方法准确度更高，运算速度也更快这使得目前主流的跟踪算法大部分都是基于匹配进行运算。

上海瞬动科技有限公司合肥分公司在2017年提出了基于频域的高斯核函数图像追踪算法。它对包含目标的当前一帧图像进行目标输入，确定目标窗口，将追踪窗口通过Hann窗口进行预处理；采集追踪窗口的某一特征，采用密集采样的方法进行样本采集，同时通过每一个样本的位置信息对样本进行贴标签，将采集的样本采用循环矩阵进行处理；采用高斯核函数作为追踪函数的核心，利用循环矩阵在频域中计算高斯核函数；通过频域计算密集采样样本和新的一帧图像的追踪窗口最大相应值，确定新的一帧图像中目标窗口的中心位置，选取同样大小的目标窗口重复以上过程，完成图像追踪。该追踪方法精度高速度快，能够广泛应用于图像追踪领域。

但是，现有技术中对图像中不可避免的噪声问题多半采用各类滤波窗口进行滤波。人们既希望尽可能的抑制噪声又希望保留大多数的细节信息，滤波窗口的大小对于去噪和细节的保留有着重要的影响，但是很难确定一个合适的窗口大小。其次，对于图像中大量存在的弱纹理区域可能导致图像匹配的误匹配，所以如何通过特征提取来缩减所需匹配的特征点和尽量保证匹配窗口不只含有弱纹理区域也是一个关键性问题。最后，影像匹配的精度是决定基于影像的目标追踪效果的关键因素，而影像匹配的准确性和成功率容易受到传感器噪声和场景噪声的影响。

即，如何提高影像匹配算法的稳定性、鲁棒性和准确性，是本发明要解决的关键问题。

发明内容

为解决上述问题，本发明的目的是提供一种基于图像频率域转换的图像跟踪方法。

为达到上述目的，本发明采取的具体技术方案为：

一种基于图像频率域转换的图像跟踪方法，包括以下步骤：

(1)首先对输入的SAR图像数据进行预处理；

(2)为消除散斑噪声的影像，基于传统的精致Lee滤波器基础上，引入基于等效视数(ENL)的窗口大小自适应选择方法，形成一种自适应窗口大小的滤波算法，以增强后续算法的准确性；

(3)再，建立一种基于二维sinc函数模型的SAR影像密集点样特征提取算法，用于抑制匹配窗口内弱纹理像素对特征提取鲁棒性的影响；