[发明专利]一种基于星载图像序列的空间目标检测跟踪方法

说明书

本发明公开了一种基于星载图像序列的空间目标检测跟踪方法，包括以下步骤：(1)对于天基图像序列，采用二维最小均方滤波器进行背景估计，得到的残差图像作为初步背景抑制的图像；(2)利用局部差异度度量和形态学顶帽操作结合产生动态阈值，它用于残余背景杂波的再次滤除并增强目标；(3)采用连通域分割的方法，将探测器固有噪声区域滤除；(4)利用空间目标的运动特性采用多帧关联的方法将孤立的噪声点剔除。此算法流程对于真实天基图像序列的处理结果表明，其信杂比能够增强45倍左右，对于弱小目标能有效检测，性能良好，为天基光学遥感探测提供了技术支持。

技术领域

本发明属于图像处理技术领域，涉及空间目标探测领域中的运动弱点目标检测跟踪方法，更具体地，作为一种卫星拍摄的云背景的图像序列中目标检测的方法。

背景技术

复杂背景下星载弱点运动目标探测问题一直是空天领域研究的热点问题之一。对于静止轨道卫星而言，成像距离远，目标在像面上呈现微弱点状，无特征；同时，云杂波以及其他背景杂波、系统噪声等固有噪声等干扰检测。以上导致极低信杂比(SCR≈1)，使得空间目标检测困难。

目前对于真实天基环境的应用，集中在先单帧处理再多帧轨迹关联的方法研究。单帧处理主要是背景抑制和目标增强。目前具有代表性的方法包含空间域、频率域以及时间域、数学形态学处理等滤波方法，但是，对于本发明针对的复杂云背景以及SCR≤1的探测环境，采用单一的滤波方法都无法保证检测精度，存在较高虚警率。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于星载图像序列的空间目标检测跟踪方法，用于地面基站对于卫星下传图像序列中弱点运动目标的探测。

本发明所采用的技术方案是：首先利用一种较为经典的背景抑制算法二维最小均方滤波器做抑制大面积背景的预处理操作。然后利用邻域灰度差异性特征与形态学算子相结合设定动态阈值将大部分残余的背景杂波去除进而增强目标，经过连通域处理之后残余点中包含目标和噪点，最终在图像序列中利用目标的运动特性筛出孤立噪点，并将目标轨迹提取出来。

进一步地，一种基于星载图像序列的空间目标检测跟踪方法，具体实现步骤如下：

步骤1：对于给定图像序列中每一幅图像X_t(t表示当前图像在图像序列的帧数)，利用二维最小均方滤波器滤波，滤波的步骤如下：

1)对于M行、N列的图像X_t而言，设置大小为R行、R列(R一般取3、5、7)的滑动窗口，从左到右、从上到下地扫描每一个像元(x,y)，x＝0,1,2,…,M-1，y＝0,1,2,…,N-1。对X_t进行背景估计形成的背景估计图像为E_t。每一个像元的估计按照如下公式进行：

其中，i＝0,1,2,…,R-1,j＝0,1,2,…,R-1，W_k是每次迭代更新的权重矩阵，k从0开始取值，权重矩阵的初始化W₀为方差为0.5的高斯滤波矩阵，k＝x*N+y。滤波器利用每次的迭代更新权重矩阵W_k，W_k+1(i,j)＝W_k(i,j)+μe_kX_t(x-i,y-j)。其中，e_k是估计误差值，即滤波器输出的估计值和期望值的差值，本发明取e_k＝X_t(x,y)-E_t(x,y)，μ是迭代步长；

2)直接滤波之后生成背景估计图像，然后用原始的图像X_t与背景估计图像E_t做差，得到包含目标点和残存噪声、杂波的残差图像，记为I；

3)对于I，其灰度最大值记为max(I)，其灰度最小值记为min(I)，对于其中每个像元(x,y)，其灰度值为I(x,y)，按照以下的公式将图像归一化到特定的灰度区间：