[发明专利]一种红外弱小目标的跟踪方法

权利要求书

1.一种红外弱小目标的跟踪方法，其特征在于，包括以下步骤：

步骤一：输入具有目标点的初始帧原红外图像；

步骤二：在初始帧原红外图像中获取目标点的初始位置；

步骤三：输入下一帧原红外图像；

步骤四：在输入的下一帧原红外图像中标记所有候选目标，得到标记图像；

步骤五：根据标记图像中每一个候选目标所在的位置，在所输入的下一帧原红外图像中所对应的相应位置进行候选目标的质心提取；

步骤六：在输入的下一帧原红外图像中剔除虚假目标；

步骤七：通过关联门计算，判定目标点是否丢失；是，结束跟踪，否，确定最佳目标点并返回步骤三；

所述步骤四中在输入的下一帧原红外图像中标记所有候选目标，得到标记图像包括以下步骤：

①输入的下一帧原红外图像进行阈值分割处理，得到二值图像；

②对二值图像进行种子增长处理，得到所有候选目标所在位置的标记图像；所述步骤②中对二值图像进行种子增长处理，得到所有候选目标所在位置的标记图像包括以下步骤：

(1)计算相邻两帧原红外图像的灰度绝对差，并统计灰度绝对差的均值和方差；

(2)根据灰度绝对差的均值和方差设定种子阈值，在二值图像上将灰度绝对差大于种子阈值的所有象素点标记为候选目标的种子象素点；

(3)根据灰度绝对差的均值和方差设置种子增长条件；

(4)对候选目标的种子象素点的邻域进行搜索，将所有满足种子增长条件的象素点标记为候选目标点，得到所有候选目标点所在位置的标记图像。

2.根据权利要求1所述的一种红外弱小目标的跟踪方法，其特征在于，步骤五：根据标记图像中每一个候选目标所在的位置，在所输入的下一帧原红外图像中所对应的相应位置进行候选目标的质心提取，所述候选目标的质心提取的计算公式如下：

其中X_CM为X轴方向上的坐标，Y_CM为Y轴方向上的坐标，X_i是X轴第i个像素点距Y轴的距离，Y_i是Y轴第i个像素点距X轴的距离，M×N为目标点所占区域的大小，M为区域的宽，N为区域的高；f(x，y)为候选目标点(x，y)的灰度值。

3.根据权利要求1所述的一种红外弱小目标的跟踪方法，其特征在于，所述步骤六中在输入的下一帧原红外图像中剔除虚假目标的方法包括：采用关联概率计算公式分别计算目标轨迹的关联概率P₁和噪声轨迹的关联概率P₂；其中，将p＝p_d代入关联概率计算公式中计算出目标轨迹的关联概率P₁，将p＝1-(1-p_f)^s*s代入关联概率计算公式中计算出噪声轨迹的关联概率P₂；当目标轨迹的关联概率P₁大于预设的目标轨迹的关联概率，并且噪声轨迹的关联概率P₂小于预设的噪声轨迹的关联概率时，则判定该轨迹为目标轨迹，否则为噪声轨迹，当为噪声轨迹时则剔除该噪声轨迹；其中，P为关联概率，L为红外图像序列帧数，m为目标被检测的次数，p_d为单帧红外图像目标的检测概率，p_f为单帧虚警概率，s为关联门的大小，是排列组合中的数学符号，k为变量。

4.根据权利要求3所述的一种红外弱小目标的跟踪方法，其特征在于，所述步骤七中通过关联门计算，判定目标点是否丢失的方法为：首先确定关联门的中心和大小，再确定关联门内是否有候选目标；当关联门内连续没有候选目标的帧数超过预设的帧数时，判定目标丢失，否则，目标没有丢失；所述步骤七中确定最佳目标点的方法为：当关联门内只有一个候选目标点时，则该候选目标点为最佳目标点；当关联门内有一个以上的候选目标点时，则计算每一个候选目标点与目标轨迹的模糊概率，并选定模糊概率最大的候选目标点作为最佳的目标点；所述候选目标点与目标轨迹的模糊关联概率的计算公式为：其中m_ij为候选目标点i与目标j的模糊关联概率，m_dij为候选目标点i与目标轨迹j的距离模糊关联概率，m_gij为候选目标点i与目标j的灰度模糊关联概率；α为可调因子，其取值范围是0≤α≤1；其中，候选目标点与目标轨迹的距离模糊关联概率m_d的计算方法为：首先计算候选目标点的质心(x_t,y_t)到关联门的中心(x₀,y₀)的距离Δd，计算公式为：Δd＝max[|(x_t-x₀)|,|(y_t-y₀)|]，当Δd＞5时，候选目标点与目标轨迹的距离模糊关联概率m_d＝0，否则距离模糊关联概率m_d根据以下公式取值候选目标点与目标的灰度模糊关联概率m_g的计算方法为：首先计算候选目标点的灰度g_t与目标轨迹末尾目标点的灰度g₀的灰度差Δg，计算公式为:Δg＝|g_t-g₀|；当Δg＞5时，候选目标点与目标的灰度模糊关联概率m_g＝0，否则灰度模糊关联概率m_g根据以下公式取值：