[发明专利]复杂背景下红外弱目标检测与跟踪的应用

说明书

技术领域

  本发明涉及红外图像预处理技术、弱目标运动状态的分析、以及多特征融合与度量的弱目标跟踪领域，具体涉及在复杂背景下红外弱目标检测与跟踪的应用。

背景技术

本发明的背景技术涉及三个关键步骤与方法：保持拓扑结构的图像预处理技术、分析突发或平稳特性的目标运动状态、同类多特征融合与度量的目标跟踪方法。

保持拓扑结构的红外图像预处理技术：

杂波与噪声的存在, 它们提高了弱目标检测的难度。采用空间滤波方法抑制背景与噪声，其图像的拓扑结构会产生变化。研究杂波与噪声的抑制方法，既提高弱目标的信杂比又保持图像的拓扑结构。

 分析突发或平稳特性的目标运动状态：

弱目标的运动具有突发或者平稳特性，用来表征目标的不确定性与机动性。依据图像熵模式所引起的表观就是刻画目标运动，针对区域像素灰度平缓或剧烈变化的特点，研究平滑与约束准则的目标运动估计模型，实现对目标运动状态的逼近。

同类多特征融合与度量的目标跟踪方法：

伪目标的存在，以及目标遮挡、交叉、分离、出现、消失的现象，它们提高目标跟踪的难度。目标一般具有相同或趋近的类属特征，研究类属多特征融合与度量的目标跟踪方法可以剔除伪目标并实现弱目标的跟踪。

发明内容

本发明的目的在于提供复杂背景下红外弱目标检测与跟踪的应用，保持红外弱目标序列图像拓扑结构的预处理技术，抑制杂波与提高目标信杂比；依据熵模型构建符合弱目标机动特征的自适应熵流目标运动的估计模型，逼近目标的运动状态；以及采用类属多特征融合与度量的方法识别与跟踪弱目标,从而实现了红外弱目标检测与跟踪。

通过建立加权熵模型、自适应熵流的目标运动估计模型与多特征融合的序贯滤波模型的研究目标，识别弱目标与弱目标轨迹。本发明需要解决的关键科学问题如下：

（1）构建仿生物视觉显著性度量的空域掩模。掩模突出空域邻近与方向优先的特征，采用空域掩模的加权信息熵矩阵描述图像灰度信息矩阵，实现图像熵模式的变换。 

（2）构建非线性扩散的自适应变分模型。采用非线性扩散因子控制平滑程度，适应调整熵流变分模型的数据项与平滑项的比例因子，实现待估计速度逼近目标的运动状态。

（3）构建目标关联函数。在既定的空域与时域内，目标运动的连续性与一致性、以及目标类属的相同性，决定它将以极大概率出现在邻近区域内。关联函数包含空域与时域、运动与非运动类属特征，采用多特征距离评价函数实现目标检测。

  本发明解决其技术问题所采用的技术方案为：

    本发明的方法包括以下主要步骤：

1、抑制噪声、杂波与保持图像的拓扑结构，构建空域邻近与方向优先的仿生视觉加权熵模型，实现图像从灰度模式变换为熵模式。

2、由图像熵模式所引起的表观运动就是刻画弱目标运动，分析突发或平稳特性的目标运动状态。依据熵流的非线性平滑与局部约束准则，采用非线性扩散因子控制平滑程度，以及熵流约束和平滑约束组合约束待估计速度,得到致密的熵流场，构建符合目标机动特征的自适应熵流目标运动估计模型，趋近目标运动状态。

3、研究类属多特征融合与度量的目标跟踪方法，构建多特征融合的序贯滤波模型，实现弱目标精确、鲁棒与实时地跟踪。

    其红外弱目标检测与跟踪流程图如图1所示。

  本发明的优点是：

（1）提出了空域邻近与方向优先的加权熵模型

通常采用空间滤波抑制背景与噪声，它会易损失目标的信息与改变图像的拓扑结构。针对本发明抑制背景与噪声的问题，依据生物注视机制，构造空域邻近与方向优先的加权空域掩模。采用空域掩模加权的信息熵度量图像像素灰度，实现图像由灰度模式变换为熵模式。它为抑制杂波与保持图像的拓扑结构提供了一种新思路。

（2）提出自适应熵流的非线性扩散的目标运动估计模型

弱目标的不确定性与机动性以及杂波对运动估计的干扰，它们会降低目标运动估计的精确度。针对本发明开展估计目标运动状态的研究内容，面对熵变化平缓或者急剧的特点，自适应调整熵流模型数据项与平滑项的比例因子，采用非线性扩散因子控制平滑程度，实现熵流约束和平滑约束组合约束待估计速度，以趋近目标运动状态。它为提高弱目标运动估计的精确度提供了一种新方法。

附图说明

图1为本发明的红外弱目标检测与跟踪流程图；

图2为本发明的弱目标检测与跟踪技术方案；

图3为本发明由灰度模式到熵模式变换的技术路线；