一种密集恒星背景的弱小目标检测方法及装置

摘要

本发明公开了一种密集恒星背景的弱小目标检测方法，属于图像处理领域，其主旨在于解决恒星背景的大视场、高探测能力条件下的弱小目标检测问题，其首先采用帧间配准差分削弱恒星干扰，然后采用简单高效的自适应均值+K倍方差的方法进行图像分割；再采用二值统计滤波进行目标聚类和去除孤立噪声点；然后用线段标记得到目标位置、大小、灰度和外接矩形等特征；利用帧间位置相关的方法提取静止目标(同时去除未差分干净的恒星边缘和双星边缘)；利用基于逻辑的最近邻方法进行航迹检测，最终实现弱小目标的检测。通过一系列预处理后，送给航迹关联的候选目标少，一般控制在几个至十几个左右，因此航迹关联效率高，目标检测效率高。

说明书

技术领域

本发明属于图像处理领域，涉及一种目标检测方法，特别涉及一种适用于密集恒星背景的弱小目标检测方法。

背景技术

空间目标的检测跟踪可用雷达和光电设备，当需检测跟踪的目标轨道较高，面积很小时，雷达检测跟踪就显得有些困难了。对此类目标，地基光电望远镜就显示出其巨大的优势，要想探测中高轨道的小碎片，望远镜必须有足够的探测能力，随着望远镜探测能力的增强，望远镜视场内很多微弱恒星也被探测到，这样在视场内既有目标，又有大量的恒星。如何从密集恒星背景中快速有效地检测到目标，并把目标提取出来是图像处理的一个技术难点。当地基光电望远镜视场大、探测能力高时，图像中恒星密集，一般采用差分去除恒星的方法，但差分方法并不能完全去除恒星干扰，因此参与航迹关联的后续目标较多，计算量和计算速度都很难满足实时系统的需求，此外还可能造成很高的虚警，针对这些问题，本发明给出了一套简单高效的解决办法。

发明内容

本发明解决的技术问题：本发明提出了一种适用于密集恒星背景的弱小目标检测方法，解决了恒星背景的大视场、高探测能力条件下的弱小目标检测。降低了目标检测的虚警率，提高了目标检测的正确性和检测效率，同时提高了目标航迹关联和起始速度。

为了实现上述目的本发明采用以下技术方案：

本发明提供了一种适用于密集恒星背景的弱小目标检测方法，其特征在于步骤如下：

步骤(1)、差分：接收序列图像，进行帧间配准差分；

步骤(2)、图像分割：采用m+kσ门限计算方法对图像进行分割，m是全图均值，σ是全图的均方差，k为经验值，k取值范围为3.0-7.0；

步骤(3)、目标聚类：对步骤(2)图像分割后的二值图像逐像素统计N×N邻域内目标像素个数，当其大于C时，该像素代表的是目标，予以保留，否则剔除掉该像素；表示为：

$>B^{\prime }(x,y)=\left(\begin{array}{ccc}1& \mathrm{if}& \underset{(x,y)\in (N\times N)}{\Sigma }B(x,y)>C\\ 0& \mathrm{else}& \end{array}\right)---\left(1\right)$>

其中，B(x,y)表示二值化后的图像，B'(x,y)为目标聚类后的二值图像，N×N表示当前像素的邻域，C为当前像素的邻域内值为1的像素和；

步骤(4)、目标标记：使用线段标记的方法，得到目标的大小、灰度及目标各像素的位置坐标；

步骤(5)、静止目标检测：静止目标定义为在图像上表现为帧间位置变化很小的目标

步骤(6)、双星去除：去除步骤(5)中被检测为静止目标的恒星边缘；

步骤(7)、航迹检测：使用基于逻辑最近邻的航迹检测方法检测目标轨迹，确认真正的目标。

上述技术方案中，计算帧间恒星的配准量，恒星帧间配准量与地基望远镜的纬度、指向方位、高低、像素分辨率和工作帧频相关，所述步骤(1)中配准差分的配准量计算方法如下：

a)计算恒星高低角速度

$>\frac{\mathrm{dE}}{\mathrm{dt}}=\cos \phi \sin A---\left(1\right)$>

其中，E为光电望远镜高低角，A为光电望远镜方位角，φ为时角，为光电望远镜所在的纬度；

b)计算恒星方位角速度

$>\frac{\mathrm{dA}}{\mathrm{dt}}=\sin \phi -\frac{\cos \phi ·\cos A}{\tan z}---\left(2\right)$>

其中，z为天顶角，其他参数含义同公式(1)；

c)通过公式(1)公式(2)及帧间时间间隔计算出同步目标在帧间运动量e和a，将帧间运动量a和e分别除以像素水平和垂直分辨率再取整便得到水平和垂直的像素配准量，记为：得到配准量以后将相邻两帧进行配准后差分，去掉恒星。

上述技术方案中，步骤(5)中静止目标检测具体如下：

差分、分割、聚类和连续两帧标记后目标的位置为T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)，其中i-2,i-1,i表示帧序列号，当前帧序号为i，若满足：

abs(x_i-x_i-1)≤nTh  and  abs(y_i-y_i-1)≤nTh      (3)

则T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)为潜在的检目标，将T_i-1,i(x_i,y_i)保留送后续步骤处理，其中nTh为预先设定的阈值。

上述技术方案中，步骤(5)中静止目标检测中nTh的取值区间为[2,10]，nTh的取值最大不超过待检测目标的半径。

上述技术方案中，步骤(6)中双星的去除方法如下：

连续两帧标记后目标的位置为T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)，其中i-2,i-1,i表示帧序列号，当前帧序号为i，即配准量为若满足公式(4)：

$>\mathrm{abs}(x_i-x_{i-1}-\bar{x})\le n{\mathrm{Th}}_x,\mathrm{and},\mathrm{abs}(y_i-y_{i-1}-\bar{y})\le n{\mathrm{Th}}_y---\left(4\right)$>

则T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)为差分后双星残留的边缘，将T_i-1,i(x_i,y_i)从处理结果中删除，不送给航迹检测，其中nTh_x和nTh_y的取值区间为[2,10]。

本发明还提供了一种适用于密集恒星背景的弱小目标检测装置，其特征在于包括：

差分装置：接收序列图像，进行帧间配准差分；

图像分割装置：采用m+kσ门限计算方法对图像进行分割，m是全图均值，σ是全图的均方差，k为经验值，取值范围为3.0-7.0；

目标聚类装置：对步图像分割装置二值化后的图像逐像素统计N×N邻域内目标像素个数，当其大于C时，该像素代表的是目标，予以保留，否则剔除掉该像素；表示为：

$>B^{\prime }(x,y)=\left(\begin{array}{ccc}1& \mathrm{if}& \underset{(x,y)\in (N\times N)}{\Sigma }B(x,y)>C\\ 0& \mathrm{else}& \end{array}\right)---\left(2\right)$>

其中，B(x,y)表示二值化后的图像，B'(x,y)为目标聚类后的二值图像，N×N表示当前像素的邻域，C为当前像素的邻域内值为1的像素和；

目标标记装置：使用线段标记的方法，得到目标的大小、灰度及目标各像素的位置坐标；

静止目标检测装置：静止目标定义为在图像上表现为帧间位置变化很小的目标

双星去除装置：去除步静止目标检测装置中被检测为静止目标的恒星边缘；

航迹检测装置：使用基于逻辑最近邻的航迹检测方法检测目标轨迹，确认真正的目标。

上述技术方案中，计算帧间恒星的配准量，恒星帧间配准量与地基望远镜的纬度、指向方位、高低、像素分辨率和工作帧频相关，所述步骤(1)中配准差分的配准量计算方法如下：

a)计算恒星高低角速度

$>\frac{\mathrm{dE}}{\mathrm{dt}}=\cos \phi \sin A---\left(5\right)$>

其中，E为光电望远镜高低角，A为光电望远镜方位角，φ为时角，为光电望远镜所在的纬度；

b)计算恒星方位角速度

$>\frac{\mathrm{dA}}{\mathrm{dt}}=\sin \phi -\frac{\cos \phi ·\cos A}{\tan z}---\left(6\right)$>

其中，z为天顶角，其他参数含义同公式(1)；

c)通过公式(1)公式(2)及帧间时间间隔计算出同步目标在帧间运动量e和a，将帧间运动量a和e分别除以像素水平和垂直分辨率再取整便得到水平和垂直的像素配准量，记为：得到配准量以后将相邻两帧进行配准后差分，去掉恒星。

上述技术方案中，静止目标检测装置中静止目标检测具体如下：

差分、分割、聚类和连续两帧标记后目标的位置为T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)，其中i-2,i-1,i表示帧序列号，当前帧序号为i，若满足：

abs(x_i-x_i-1)≤nTh  and  abs(y_i-y_i-1)≤nTh      (7)

则T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)为潜在的检目标，将T_i-1,i(x_i,y_i)保留送后续步骤处理，其中nTh为预先设定的阈值。

上述技术方案中，静止目标检测装置中静止目标检测中nTh的取值区间为[2,10]，nTh的取值最大不超过待检测目标的半径。

上述技术方案中，双星去除装置中双星的去除的方法如下：

连续两帧标记后目标的位置为T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)，其中i-2,i-1,i表示帧序列号，当前帧序号为i，即配准量为若满足公式(4)：

$>\mathrm{abs}(x_i-x_{i-1}-\bar{x})\le n{\mathrm{Th}}_x,\mathrm{and},\mathrm{abs}(y_i-y_{i-1}-\bar{y})\le n{\mathrm{Th}}_y---\left(8\right)$>

则T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)为差分后双星残留的边缘，将T_i-1,i(x_i,y_i)从处理结果中删除，不送给航迹检测，其中nTh_x和nTh_y的取值区间为[2,10]。

本发明的原理：本方法适用于密集恒星背景的弱小目标检测，图像中恒星密集且目标很弱，因此本发明的原理是先采用恒星配准差分的方法去除大量的背景恒星，再去除差分时未能去除干净的恒星边缘；最后利用基于最近邻原理的航迹起始方法，检测弱小目标。本发明与传统目标检测方法相比具有如下优点：

一、采用帧间配准差分预处理，对运动恒星抑制效果明显且计算速度快；

二、基于均值+k倍方差分割方法，分割效果理想计算速度快；

三、静止目标检测采用相邻两帧差分结果进行位置相关，能有效的去除恒星边缘且方法简单，计算效率高；

四、双星剔除方法采用步骤(3)中剩余的候选目标与前一帧标记的候选目标进行位置相关，能剔除双星边缘造成的虚警，减少后续航迹关联目标数，降低虚警及运算量；

五、采用基于逻辑最近邻的航迹检测方法，该方法是一种有效的目标检测方法，其利用待检测目标运动的速度特性，在进行航迹起始时，限定目标起始的速度范围，减少起始的航迹数，加快运算速度和目标检测航迹起始速度。

附图说明

图1为本发明流程图；

图2为本发明静止目标检测示意图

图3为本发明双星剔除示意图；

图4为本发明的基于逻辑最近邻的航迹检测方法示意图；

图5为实施例中原始图像；

图6为对图5进行配准差分、二值化和二值滤波后的结果；

图7为对图6通过帧间位置相关检测静止目标的结果(去除恒星边缘后结果)；

图8为对图7去除双星的示意图；

图9最终检测结果效果图。

具体实施方式

本发明特别适用于密集恒星背景的弱小目标检测。本方法流程如图1所示，包括：

(1)帧间配准差分：去除背景恒星；

(2)图像分割：剔除大面积背景，突出目标；

(3)目标聚类：去除杂散的噪声点、填充空洞和聚类目标；

(4)目标标记：得到目标位置、大小、灰度及外接矩形等信息；

(5)静止目标检测(恒星边缘去除，去除差分后留下的恒星边缘)：减少后续航迹处理的目标数，最大限度避免检测到虚假目标(降低虚警)；

(6)基于逻辑最近邻的航迹检测，通过对预处理后的目标进行多帧处理(航迹起始)，确认最终的目标。

具体的，本发明包括以下步骤：

1.帧间配准差分：当望远镜按带检测目标的速度运动时(一般为理论引导或定点到同步目标的位置)，采用帧间配准差分去除恒星干扰是最优的解决方法。帧间配准差分能去掉大部分恒星干扰，突出图像中帧间表现为静止的目标。

2.目标分割：本发明的目标分割算法采用简单的自适应m+kσ分割门限计算方法，m表示图像的背景均值，σ为图像的方差，其中k是通过大量实验获得的经验值，一般为3-7之间。

3.目标聚类：采用二值统计滤波进行目标聚类。对步骤2二值化后的图像逐像素统计N×N邻域内目标像素个数，当其大于某个值C时，该像素代表的是目标，予以保留，否则剔除掉该像素，二值统计滤波能消除杂散的噪声点、填充空洞和聚类目标；二值统计滤波表示为：

$>B^{\prime }(x,y)=\left(\begin{array}{ccc}1& \mathrm{if}& \underset{(x,y)\in (N\times N)}{\Sigma }B(x,y)>C\\ 0& \mathrm{else}& \end{array}\right)---\left(1\right)$>

其中，B(x,y)表示二值化后的图像，B'(x,y)，为聚类后的图像。N×N表示当前像素的邻域，本实施例选取3×3，C为邻域内值为1的像素和，本实施例取值为3。

4.目标标记：目标标记是对步骤3目标聚类后的二值图像采用线段标记(标记方法参见《实时标记的多目标图像跟踪器》一文，张桂林、曹伟恒、李强等，华中理工大学学报，1994,22(5):36-41.)，通过标记可以计算出目标的位置、大小、灰度和外接矩形等特征。

5.静止目标检测：基于帧间位置相关的帧间静止目标检测(恒星边缘去除)。假设差分、分割、聚类和连续两帧目标标记后目标的位置为T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)，其中i-2,i-1,i表示帧序列号，当前帧序号为i，若满足：

abs(x_i-x_i-1)≤nTh  and  abs(y_i-y_i-1)≤nTh

则T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)为潜在的检目标，则T_i-1,i(x_i,y_i)保留送后续步骤处理，其中nTh为预先设定的阈值；

6.双星边缘的剔除：假设连续两帧标记后目标的位置为T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)，其中i-2,i-1,i表示帧序列号，当前帧序号为i，即配准量为若满足：

$>\mathrm{abs}(x_i-x_{i-1}-\bar{x})\le n{\mathrm{Th}}_x,\mathrm{and},\mathrm{abs}(y_i-y_{i-1}-\bar{y})\le n{\mathrm{Th}}_y$>

则T_i-2,i-1(x_i-1,y_i-1)和T_i-1,i(x_i,y_i)为差分后双星残留的边缘，将T_i-1,i(x_i,y_i)从处理结果中删除，不送给航迹检测，其中nTh_x和nTh_y的取值区间为[2,10]。

基于逻辑最近邻的航迹检测方法：考虑到实时性的需要，当需检测的目标为非密集、非机动性的弱小目标，且背景杂波较弱时，采用基于逻辑的最近邻关联方法(该方法参见《深空大视场弱小目标的实时检测方法》一文，周进，吴钦章.国光学技术,2006,32(1):134-137)。基于逻辑的最近邻关联方法如图5所示，是在给定的数据窗内，根据获得的数据采用最小二乘法对数据点进行拟合，然后对目标的速度进行估计。如果估计的速度(根据中高轨目标最大、最小运动速度而设定)在指定的取值范围内，则生成一条暂时的航迹，然后对第三帧目标的位置进行预测，并以预测位置为中心，确定一个关联区域，任何落在关联区域的点迹将扩展一条暂时的航迹，继续估计速度值并估计加速度值，然后再根据速度和加速度的估计值对下一帧的位置进行预测并建立相应的关联区域，任何落在关联区域的点迹将生成一条新的航迹。然后，对所有生成的航迹用直线或二次曲线进行拟合，当航迹上的点和拟合曲线的误差在一定范围内，则确认该航迹；如果不满足条件，则删除该航迹。当出现未被相关的目标点迹时，则需要对该点迹进行航迹搜索。下一帧点迹与已存在的航迹相关，处理复杂情况的一般原则如下：

(1)一条轨迹和几个点同时相关，取与轨迹所预测的点距离最近的点为轨迹的新点迹。

(2)几条轨迹和同一个点迹相关时，则这个点属于与轨迹预测点距离最近的轨迹。

(3)几条轨迹与几个点迹同时相关时，如果一轨迹只与唯一的一个点相关，则此条轨迹优先，其他轨迹只考虑与剩余的点相关。

(4)如果外推的波门内未出现点迹，则外推一点作为新的点迹，并在下一帧继续进行航迹相关。

上述的航迹关联方法仅仅是基于目标轨迹的，很显然，当检测到的目标轨迹中的目标的大小、灰度、方差等特征变换较大时，很可能这不是一条目标的真实航迹。所以，在进行航迹关联的过程中，结合目标的特征进行关联将极大提高航迹关联的效率和降低产生虚假航迹的概率。

结合目标特征的航迹相关，基本原则就是当进行航迹关联时，只有目标的大小、灰度和方差等特征变化在允许的范围内时，才进行相关，航迹相关仍采用基于逻辑的最近邻相关原则。至于目标的特征的选取，特征变化的范围，或目标总体特征的变化评定标准，由于目标特征变化的多样性，运动特性的不同，需要在实际的工程应用中测定和调整。

通过实验发现，一般弱小目标的大小、灰度和方差的特征在短时间内一般比较稳定，可作为特征来进行航迹相关。而特征变化的门限一般可定为1/3～1/5。

本发明选取了一个中等恒星密度的图像序列，对其进行目标检测，所述图像序列中包含目标1个。图5为序列图像中的一帧原始图像，图6为对图5进行差分、二值化和二值滤波后的结果，其中计算二值化分割门限的k＝3.0，二值滤波取3×3邻域进行计算，二值滤波门限c＝3；图7是对图像进行帧间位置相关静止目标检测的结果(去掉了绝大多数差分后残留的恒星边缘)，其中位置相关的门限为(3,3)；图8是对图7再次去除双星恒星边缘后的图像其中位置相关的门限为(3,3)；图9是通过最近邻方法进行多帧航迹检测的最终结果。