[发明专利]一种基于星载图像序列的空间目标检测跟踪方法

摘要

本发明公开了一种基于星载图像序列的空间目标检测跟踪方法，包括以下步骤：(1)对于天基图像序列，采用二维最小均方滤波器进行背景估计，得到的残差图像作为初步背景抑制的图像；(2)利用局部差异度度量和形态学顶帽操作结合产生动态阈值，它用于残余背景杂波的再次滤除并增强目标；(3)采用连通域分割的方法，将探测器固有噪声区域滤除；(4)利用空间目标的运动特性采用多帧关联的方法将孤立的噪声点剔除。此算法流程对于真实天基图像序列的处理结果表明，其信杂比能够增强45倍左右，对于弱小目标能有效检测，性能良好，为天基光学遥感探测提供了技术支持。

主权项

一种基于星载图像序列的空间目标检测跟踪方法，其特征在于方法步骤如下：1)对于给定的图像序列中每一幅图像Xt，t表示在图像序列中的帧数，利用二维最小均方滤波器滤波，直接滤波之后生成背景估计图像，步骤如下：1.1)对于M行、N列的图像Xt，设置R行、R列的滤波器窗口，，R取3、5或7；从左到右从上到下对于每一个像元进行估计，对于Xt中任意像元，坐标为(x,y)，x＝0,1,2,…,M‑1，y＝0,1,2,…,N‑1，其原始值为Xt(x,y)，其估计值Et(x,y)表示为如下形式：Et(x,y)=Σi=0R-1Σj=0R-1Wk(i,j)Xt(x-i,y-j)]]>其中，i＝0,1,2,…,R‑1，j＝0,1,2,…,R‑1，Wk是每次迭代更新的权重矩阵，k从0开始取值，权重矩阵的初始化W0为方差为0.5的高斯滤波矩阵；1.2)滤波器进行多次迭代来更新权重矩阵Wk，由上到下、由左到右对每个像元(x,y)进行扫描，因此k＝x*N+y，权重矩阵采用最速下降法更新，更新公式为：Wk+1(i,j)＝Wk(i,j)+μekXt(x‑i,y‑j)其中，ek是估计误差值，即滤波器输出的估计值和期望值的差值，本文中取ek＝Xt(x,y)‑Et(x,y)，μ是迭代步长；1.3)经过上述步骤，得到背景估计图像Et，将原始图像Xt和背景估计图像Et做差，得到残差图像，记为I；2)提出一种邻域灰度差异度度量的概念，将其和图像处理领域中数学形态学顶帽操作相结合，针对杂波和目标灰度特性的不同，对于残差图像I中残存的杂波等进行再次滤除，步骤如下：2.1)将I归一化，即将像素值调整到特定量化位数的灰度空间中，得到归一化的图像Inor。记I中灰度最大值为max(I)，灰度最小值为min(I)，对于每个像元坐标(x,y)，其灰度值为I(x,y)，按照以下公式进行归一化：Inor(x,y)=(2n-1)×I(x,y)-min(I)max(I)-min(I)]]>式中，n表示量化位数；2.2)利用基于邻域灰度差异度度量和数学形态学顶帽操作相结合的方法进行目标增强，得到增强图像Itarget_enhance。输入图像为Inor。增强的公式如：Itarget_enhance(x,y)＝max(white top_hat(Inor(x,y)),T)‑T其中，数学形态学中的白顶帽操作表示为：B为结构元，是R行、R列的正方形区域(R一般取3、5、7)，其中，B中的任意一个元素用B(p,q)表示，p＝1,2,…,R,q＝1,2,…,R。处理过程中利用B对图像中每一个像元都进行逻辑操作。上述三个等式分别称为形态学中的开启操作、膨胀操作和腐蚀操作。故开启操作的值计算公式如下：T是动态阈值，用邻域灰度差异度图像的均值和标准差表示。其确定方式如下：2.2.1)对归一化的残差图像Inor的每一个像元，都取其所在的R行、R列的邻域，找到邻域中最大和最小的灰度值，然后二者做差形成对于当前扫描像元点的邻域灰度差异度的度量，进而形成对Inor的邻域灰度差异度度量图像XEstimate，T＝mean(XEstimate)+α·σ。其中，mean(XEstimate)表示XEstimate的灰度均值，σ是XEstimate的标准差，α是根据输入图像信杂比调节的参数，取值在[0,10]；3)此时Itarget_enhance中复杂的云背景已经基本被滤除，剩下块状分布的探测器固有杂波区域，通过连通域分割的方法将此部分杂波去除，步骤如下：3.1)对于Itarget_enhance，进行一步数学形态学的膨胀操作，将断裂的闪元区域连接。公式如：其中，B是R行、R列的正方形区域(R一般取3、5、7)，B中的任意一个元素用B(p,q)表示，p＝1,2,…,R,q＝1,2,…,R；3.2)对于膨胀之后的图像进行连通域分割操作，将空间分布上连通的面积过大的区域设定合适的阈值滤除掉；4)多帧关联，根据目标运动的连续性和噪声点的随机性将目标的轨迹提取出来，步骤如下：4.1)进行轨迹的初始化；4.2)从图像序列的第一帧开始，对于背景抑制和目标增强之后的候选目标集合中的每一个像元点，都对其邻接的左上、左下、右上、右下、上、下、左、右像元(后简称8邻域)进行搜索，由于孤立噪声点的分布比较分散，而目标在帧间的运动速度不超过1像素/s且存在一定的规律，因此如果下一帧中当前点的8邻域也存在候选目标的话，则判定为当前点为目标点，并且保留此候选点，若不存在，则考虑到丢帧或者低信杂比情况下的漏检问题，那么继续搜索下一帧，如果有则保留当前点，如果没有则回溯剔除掉当前点，即每一个疑似目标像元都向后搜索两帧的长度；4.3)图像序列中所有图像都处理完毕后，噪声点将会被剔除，进而提取出一条清晰的轨迹。