[发明专利]复杂背景条件下红外弱小目标的检测与跟踪方法

摘要

一种复杂背景条件下红外弱小目标的检测与跟踪方法，通过形态学滤波获取图像背景，将原图像减去图像背景，得到含有目标和噪声的去均值图像，采用基于椭圆抛物面体积的图像预处理技术，提高处理结果的信噪比，利用恒虚警率准则选择检测阈值，得到单帧检测结果。利用目标运动轨迹的连续性进一步去除虚假目标。目标跟踪采用最近邻关联方法，采用基于匀速直线运动模型的卡尔曼滤波更新目标状态。若目标丢失，则利用轨迹预测目标可能位置进行稳定跟踪。本发明在保证算法精度的条件下简化了计算，提高了算法的实时性和红外目标检测、跟踪的性能，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。

主权项

1、一种复杂背景条件下红外弱小目标的检测与跟踪方法，其特征在于包括如下具体步骤：1)图像去均值处理：采用数学形态学滤波获取图像背景，用5×5全零平顶形结构元素对红外图像进行开启然后再闭合操作，去除各类亮、暗噪声及小目标，将原图像减去图像背景，得到含有目标和噪声的去均值图像；2)基于椭圆抛物面体积的图像预处理：采用二次椭圆抛物曲面逼近含有噪声的去均值图像局域像素值，得到二次曲面的系数值，并计算二次曲面的体积，将二次曲面的体积作为特征值，并进行体积计算，利用恒虚警率准则选择检测阈值，得到单帧检测结果；3)目标的多帧确认及跟踪：当单帧检测的可能目标连续3帧出现在3×3邻域内，则轨迹起始；采用基于匀速直线运动模型的卡尔曼滤波更新目标状态，并由此生成椭圆跟踪门，落入椭圆跟踪门的量测值只有一个时，直接进行状态更新，落入椭圆跟踪门的量测值多于一个时，采用最近邻数据关联进行状态更新；4)目标丢失后轨迹预测：在采用卡尔曼滤波进行轨迹更新时，若目标丢失，则利用以前时刻的状态滤波值外推预测后几帧目标的可能位置，保持稳定的记忆跟踪能力。