[发明专利]特征空间的弱小目标检测方法

摘要

本发明公开了一种特征空间的弱小目标检测方法，通过星点定位、参考恒星选取、恒星与潜在目标划分、轨迹关联剔除噪声等步骤，实现对特征空间的弱小目标检测。由于采用基于距离特征空间的运动星空背景弱小动目标检测算法，选取2颗恒星作为参考恒星，并充分利用恒星、目标及噪声点之间不同运动特性，将恒星、潜在目标和噪声可在二维特征空间域直接进行划分，与背景技术选取3颗参考恒星，在三维空间中进行相似度量函数、误差平方和及曲线拐点的计算相比较，由于少选一颗恒星，减小了计算量。而且由于直接利用目标的轨迹连续性进行轨迹的检测，避免了将潜在目标点集从三维空间映射回二维空间在进行检测的过程，使检测更加简单实用。

主权项

1、一种特征空间的弱小目标检测方法，其特征在于包括以下步骤：(a)对恒星、潜在目标和噪声序列星空图像进行顶帽滤波和高斯滤波，去除背景的光照不均和全局噪声，对全局图像中的所有灰度值大于阈值1500的全部星点，采用式(1)的平方加权的质心提取法进行星点定位坐标的计算x0=Σx=1mΣy=1nF2(x,y)xΣx=1mΣy=1nF2(x,y)]]>    y0=Σx=1mΣy=1nF2(x,y)yΣx=1mΣy=1nF2(x,y)---(2)]]>式中，x，y是像素的横纵坐标，F(x，y)是(x，y)处的灰度值，m，n是窗口的大小，x₀，y₀是星点的中心坐标；(b)根据下述式(2)～(4)a≤I_R(x，y)≤b          (2)m≤size(R)≤n           (3)α≤dis(R₁，R₂)≤β       (4)在全局图像中，选出2颗恒星作为参考恒星；式中，I_R(x，y)是恒星的灰度值，a，b表示灰度的选择阈值，a＝8000～10000，b＝30000～50000；size(R)是参考恒星占有的象素数，m，n表示占有象素个数的阈值，m＝1～3，n＝3～5；dis(R₁，R₂)是参考恒星R₁和参考恒星R₂之间的相互位置，α和β表示位置的范围阈值，α＝100～300，β＝300～500；(c)根据相似性度量函数恒星、潜在目标和噪声进行划分；式中，相似性度量函数表示为d_m(X，Y)是Manhattan距离；(d)对得到的潜在目标的位置坐标，建立潜在目标列表，根据目标运动轨迹的连续相关特性，对序列图像中的下一帧Frame_id+1帧进行检测，对Frame_id帧中得到的潜在目标列表中的目标进行比较，若当前帧Frame_id+1帧中检测到的潜在目标的坐标位置出现在Frame_id帧的列表中所示的潜在目标位置的邻域范围内，则将flag标记为1，说明该点为目标点，若当前帧Frame_id+1帧中检测到的潜在目标的坐标位置没有出现在Frame_id帧的列表中所示的潜在目标位置的邻域范围内，则将flag标记为0，说明该点为噪声点。