[发明专利]一种海面监测图像弱小目标跟踪方法及装置

说明书

技术领域

本发明涉及信息处理技术领域，尤其涉及一种海面监测图像弱小目标跟踪方法及装置。

背景技术

目标跟踪就是在序列图像中实时对目标进行监测和定位，从而不间断地确定目标的位置。目前常用的目标跟踪算法包括：

1、基于特征的跟踪方法；

为了实现目标跟踪，没有必要跟踪整个目标区域，只要跟踪目标的某些显著特征，就可以实现对整个运动目标的跟踪。这些显著特征可以是目标的质心，也可以是目标上的任意一点，只要这些特征具有高度的稳定性，不易受外界因素如光照强度变化、噪声等因素的干扰，对目标大小、位置、方位不敏感即可。为了提高跟踪的鲁棒性，往往不只选一个特征，而是选一组特征，在一般情况下，可利用的特征有：角点、直边缘等局部特征和质心、表面积和惯量矩等全局特征，基于特征的目标跟踪方法利用跟踪特征点位置的变化来跟踪目标，首先，从图像序列中提取目标的显著特征，如拐点、质心或有明显标记区域对应的点、线、曲线等；然后在连续图像帧之间寻找特征的对应关系，即进行特征匹配，最后计算运动信息，从而通过对特征的跟踪来完成对整个目标的跟踪。由于只跟踪已选择的显著特征，上一帧目标的特征在下一帧图像中的可能匹配数目大大小于相关跟踪算法，处理的数据量小，并且由于特征的精心选取，使得在光照和目标几何形状发生变化时，也能进行目标跟踪，具有一定的鲁棒性。在此方法中，特征的选取非常重要，关系到整个跟踪的可靠性和跟踪精度，应具有对目标大小、位置、方向和照度变化不敏感的特点，如灰度局部极大值点、跟踪。其不足是要求独立而准确地初始化边界，而这在实际应用中往往很难实现。

2、基于相关的跟踪方法，相关跟踪法，又叫模板匹配法，其主要思想是：将目标的基准图像在实时图像中以不同的偏移值进行位移，然后根据一定的相似性度量准则对每一个偏移值下重叠的两个图像进行处理，计算两者的相关值，根据最大相关值确定实时图像中目标的位置。即在当前帧中寻找与上一帧目标相关性最大的区域。相关跟踪法具有很强的噪声抑制能力，可以在很小的信噪比条件下工作，具有对有关目标的知识要求甚少、定位精度高、跟踪距离远、可靠性高和较强的局部抗干扰能力等优点。由于它只利用图像间的灰度相关性作为区域相似性的判断依据，对几何和灰度畸变十分敏感，光照强度变化或目标运动姿态发生变化等都将对算法产生较大的影响，计算量偏大。而且往往不能充分利用目标的几何特性，易产生积累误差，它的适用范围有限，即实时图像与参考图的产生条件较为一致，目标尺寸变化很小，景物与目标的相关性不强的场合。

3、基于运动估计的跟踪方法，是利用图像序列中目标的运动信息来对目标进行跟踪的一种方法。运动信息又称为光流，基于光流估计的方法，利用了灰度的变化信息，首先，从图像序列的灰度变化中计算速度场，一般需要计算灰度的一阶导数和二阶导数；然后利用一些约束条件从速度场中估计运动参数和物体结构。光流方法又分局部光流法和全局光流法，局部光流法能够准确的反映出运动边缘处的运动信息，但是对于图像中的弱纹理区域不敏感；全局光流法能够得到每个像素处的光流，但是对于运动边界处的光流变化不敏感。由于噪声、多光源、阴影和遮挡等原因，使得计算出的光流分布不是十分可靠和准确，实际景物中的速度场不一定总是与图像中的直观速度场有唯一对应关系，且偏导数计算会加重噪声水平，计算复杂，使得基于光流的方法在实际应用中常常不稳定。

当目标与成像系统的距离较远时，在成像平面上只占几个或十几个像素的面积，表现为点状或者斑点状，对比度和信噪比较低的目标，称为小目标。由其定义可以看出，小目标中的“小”包含目标属性的两个方面的含义：一是指目标的尺寸小，即图像中目标像素数量少；二是指目标的灰度对比度或信噪比低。

上述三种目标判别算法主要针对的是显著成像的目标，即目标具有明显的形状、轮廓、纹理等信息，而对于点状或斑点状的弱小目标跟踪的技术问题，上述三种方法无法实现。

发明内容

本发明实施例提供了一种海面监测图像弱小目标跟踪方法及装置，解决了由于目前的目标判别算法主要针对的是显著成像的目标，即目标具有明显的形状、轮廓、纹理等信息，而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。

本发明实施例提供的一种海面监测图像弱小目标跟踪方法，包括：

以确定的目标基本位置坐标为中心设置对应的矩形区域，所述矩形区域的像素信息为W×H个像素；

在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算；