基于图像处理技术的红外小目标的检测与跟踪解析.docVIP

对于低慢小目标的侦测和处理对策 --基于图像处理技术的红外小目标的检测与跟踪 摘 要：验证了一种基于红外小目标视频图像序列的跟踪算法，主要研究了基于形心计算的跟踪方法和基于kalman滤波器多帧数据关联方法的跟踪法。分别仿真验证，并从实现结果出发得出了两种算法的适用范围和各自存在的不足。 0 引言 随着近十几年信息技术的飞速发展，计算机硬件的处理能力不断提高，存储成本大幅下跌，一些研究人员开始重点研究计算机视觉中有关运动的问题。与处理单幅图像相比，图像序列引入了新的时间维以及时间相关性约束，这一额外的约束激发了人们对视频理解的研究.视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，一旦目标被确定，就可获得目标的特征参数选择。 。 由于视频跟踪具有广泛的应用范围，因而引起了世界范围内广大研究者的兴趣。 在1996年至1999年间，美国国防高级研究项目署（DARPA）资助卡内基梅隆大学、戴维SARNOFF研究中心等著名大学和公司合作，联合研制视频监视与监控系统VSAM，主要研究目的是开发用于战场及普通民用场景的自动视频理解技术。DARPA在2000年又资助了重大项目HID计划，其任务是开发多模式的监控技术以实现远距离情况下人的检测、分类和识别，以增强国防、民用等场合免受恐怖袭击的保护能力。在2008年，DARPA资助了一项研究实时流视频监视的技术。 国内许多研究所和大学也投入了大量的精力致力于图像跟踪的研究。如清华大学人机交互与媒体集成研究所在人脸跟踪、视觉监控、等方面取得了许多科研成果；北京自动化研究所模式识别国家重点实验室在交通场景监控、人体跟踪、智能轮椅手势导航等领域进行了深入研究。 1 设计背景 视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，充分利用传感器采集得到信息来对目标进行稳定跟踪的过程。一旦目标被确定，就可获得目标的位置、速度、加速度等运动参数，进而获得目标的特征参数。 运动分析的目的是根据运动线索揭示关于环境有价值的信息，这些信息可以用来执行更高级的视觉任务，如活动识别、视觉检索等。由于采集到的图像序列通常是二维图像，许多研究者开始使用简单的二维表示处理运动分析问题，避免了恢复三维世界的结构、属性等信息。 通过视频目标跟踪系统通过对图像的去噪、对图像进行灰度变换、图像融合、图像增强等处理，可以快速的筛选并提取有用的信息。 在军事上，视频序列目标跟踪技术广泛应用于精确制导、战场机器人自主导航、无人机助降，靶场光电跟踪等领域。在民用上，该技术主要应用在智能视频监控、智能交通管制、医疗影像诊断等方面。 2 总体方案 2.1 常用的跟踪算法 2.1.1基于特征的目标跟踪方法 基于特征的方法利用了特征位置的变化信息,首先从图像序列中抽取显著特征,然后在序列图像上寻找特征点的对应关系,特征匹配算法大都引入了刚体约束条件,已有的技术包括结构匹配、树匹配等。之后利用序列帧图像中目标特征点的对应关系,解算当前帧图像中目标位置。 2.1.2基于相关的目标跟踪方法 基于相关的目标跟踪方法是把一个预先存储的目标样板作为识别和确定目标位置的依据,然后用目标样板与实时图像中的各个子区域图像进行比较,找出和目标模板最相似的一个子图像位置,作为当前目标的位置,这就是相关跟踪的基本思想,这种方法也叫做图像匹配。 2.1.3基于对比度的目标跟踪方法 基于对比度的目标跟踪方法又称波门跟踪方法,该方法适用于目标和背景具有明显对比度的目标跟踪。该方法需设计一个波门,波门的尺寸略大于目标尺寸,使目标不受波门外的背景和噪声干扰的影响。跟踪波门可分为固定式和自适应式两种。前者在跟踪过程中波门的大小始终不变;后者则是在跟踪目标的过程中波门随目标的大小变化而变化。波门跟踪算法可分为矩心跟踪算法、边缘跟踪算法、双边缘跟踪算法和区域平衡跟踪算法等。 2.2 本方案实现的技术难点 要解决图像序列的去除噪声问题，由于目标过小故要选择适当的去除噪声方法，对融合了多种噪声的图像要选用综合的去除噪声方法。最终的跟踪系统要实现自适应滤波。要解决小目标丢失或被遮挡后再次出现的问题，要保证目标再次出现后的准确识别和跟踪。 3 原理描述 3.1 形心跟踪 图(1) 形心跟踪系统流程图 如图（1）所示，形心跟踪首先要对图像进行灰度化处理，使彩色图像转换为8位灰度图像以方便以后的运输和处理过程。 3.1.1滤波去噪 本次所用图像序列的噪声课近似认为是椒盐噪声，在去噪声时可以用中值滤波法，本方法可以有效的消除椒盐噪声并保持图像中的边缘和细节。中值滤波法是把领域内的所有像素按顺序排列，然后用中间值代替中心元素的灰度值作为输出。 二维中值滤波定义为：