[发明专利]基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法

说明书

本发明公开了一种基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法，首先引入一个表征正常目标区域和表征噪声背景离群区域的遮挡二值指示向量，结合目标字典模板，建立红外小目标的稀疏表示模型；然后，通过显著性检测提取红外图像高频区域，作为粒子滤波模型状态转移过程中的先验信息，在此限制下进行目标状态预测和粒子采样；最后，建立了基于目标样本粒子稀疏重构误差差异性的粒子滤波观测模型，并结合在线模板更新策略实现对目标状态的估计与跟踪。本发明增强了随机粒子的状态估计能力，提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪准确度。

技术领域

本发明属于红外小目标跟踪技术，特别是一种基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法。

背景技术

红外小目标的捕获跟踪在红外精确制导、红外遥感与航天探测、导航等领域有着广泛应用。目标跟踪一直以来是计算机视觉和图像处理领域的研究热点之一，但在一些应用环境下，成像系统需要在距离目标尽可能远的地方对目标进行摄像跟踪，这种情况下的目标在视场中常以小目标的形态出现。由于能量衰减和传感器噪声的影响，红外小目标呈现出亮度弱，面积小，像元数目少，缺乏纹理信息的特点。此外，当背景较为复杂时，红外小目标图像显示出较低的信噪比，目标很容易被噪声和背景杂波所淹没，因而在跟踪过程易发生飘移甚至跟踪失败。

对于红外小目标的跟踪，现有方法主要分为两类：即基于目标建模、定位理论的跟踪方法和基于滤波、数据关联理论的跟踪方法。基于目标建模、定位理论的跟踪方法最典型的是基于均值漂移理论(Meanshift)的跟踪方法，其利用各向同性的核函数对目标图像区域和候选目标图像区域的特征直方图分别进行加权处理,得到“核函数直方图”，然后对处理结果进行相似性度量,最后通过梯度下降法定位目标(1.杨一帆,田雁,杨帆,等.基于改进Mean-Shift方法的红外小目标跟踪,红外与激光工程.43(7)(2014)2164-2169.)。然而，红外小目标亮度弱，像元少，缺乏纹理信息，基于图像灰度空间利用目标直方图特征进行建模不一定能取得很好的效果。基于滤波、数据关联理论的跟踪方法最典型的是基于卡尔曼滤波或粒子滤波的跟踪方法，其基本思想是利用一组带有相关权值的随机样本以及基于这些样本的估算来表示动态样本的后验概率密度，将状态粒子决定的区域所对应的特征与参考模型的特征相比较，得出最佳的后验估计，运用最佳粒子方法确定目标的坐标，从而实现跟踪(2.胡洪涛,敬忠良,胡士强.基于辅助粒子滤波的红外小目标检测前跟踪算法,控制与决策.20(11)(2005)1208-1211.)。在以往的跟踪模型中，粒子滤波多用于大目标的跟踪，并且，对于粒子滤波，传统的粒子转移概率分布一般根据高斯分布建模，粒子数越多，跟踪的准确性越高。但是在实际应用中，红外小目标像素数一般只有几到几十量级，远少于一般目标，所以粒子经高斯分布转移后绝大多数落在非目标区域，获得极低的权值，导致很低的采样效率。因而在跟踪过程中，大量的计算时间被浪费在这些无效粒子上，目标很容易发生漂移并导致跟踪错误。

发明内容

本发明提供一种基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法，能够对复杂背景下的红外小目标进行高效并且鲁棒的跟踪。

实现本发明目的的技术解决方案为：一种基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法，步骤如下：

首先，输入待跟踪图像序列的首帧，手动框选首帧目标，根据选中的目标初始化稀疏表示模型中的目标字典，引入遮挡项，建立红外小目标的稀疏表示模型；

其次，根据图像首帧目标的选取框的位置、尺度和长宽比信息初始化目标状态参数，从第二帧图像开始，以前一帧目标粒子状态为基准在当前帧红外小目标图像的显著性图像中选取感兴趣的待搜索区域，计算其显著信息累计概率分布图，在该图的纵轴上采样一次，对应横轴位置即可得到一个状态粒子，且显著性越高的区域获得采样粒子的概率越高，则以纵轴上显著性最高处为起点向两侧均匀采样，从横轴上提取每个粒子的位置参数，并根据高斯分布更新其尺度和长宽比参数，即完成显著性先验信息限制下的粒子状态转移过程，采样N_s次得到N_s个状态粒子；