[发明专利]一种基于前视声纳的改进核相关滤波水下目标跟踪方法

说明书

本发明为了得到更好的前视声纳水下目标跟踪效果，提出了一种基于改进核相关滤波算法的水下目标跟踪方法。主要包括如下步骤：(1)前视声纳图像的预处理；(2)选取动态连续变化尺度的检测基样本，利用滤波器模型检测声纳图像目标的最佳位置；(3)根据峰值旁瓣比自适应更新滤波器模型，在更新过程中，选取动态连续变化的训练基样本来计算不同尺度的滤波器模型，最终实现前视声纳水下目标跟踪。对采集的水下目标原始数据进行实验结果分析，验证提出的基于改进核相关滤波算法对前视声纳水下目标跟踪具有较高的跟踪精度，并且当目标尺度发生变化、目标中途消失又出现等情况仍然具有一定的有效性和适应性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于前视声纳的水下目标跟踪方法。

背景技术

近年来，随着世界经济的迅猛发展，海洋资源开发的战略地位越来越重要。由于声波在水中的衰减程度较低，传播距离较大，所以更适合于水下环境的远距离目标探测。前视声纳是通过声波对海洋进行探测的一种设备。通过前视声纳可以开展鱼群探测、水下机器人的海底避障、潜艇等军事目标的识别与跟踪等，因此，无论在军事上还是民用上都有着重要的现实意义。前视声纳水下目标跟踪的任务是以声纳采集的数据为基础，在生成连续图像序列之后，快速准确地预测跟踪水下目标在每一帧图像中出现的位置。

核相关滤波算法是目标跟踪领域中一种精度较高的跟踪方法，它利用离散傅里叶变换和循环移位的训练样本来减少计算复杂度，提高目标跟踪的精度和速度，所以在目标跟踪领域具有很好的发展和应用前景。国内外学者在应用核相关滤波算法进行目标跟踪时，取得了一定的成果。其中在已有的文献中最著名和效果较好的跟踪方法主要包括：1.基于多特征融合的尺度自适应跟踪方法：2014年Li Y,Zhu J K.提出将原始图像灰度信息、颜色属性以及HOG多种特征融合，提升跟踪的性能。基于卷积特征的相关滤波跟踪方法，2015年Ma C等人提出采用CNN特征建立目标外观模型，通过在每一个卷积层中自适应地训练相关滤波器，以由粗到精的方式采用多层相关响应图预测目标的位置。3.基于稀疏特征集的可伸缩相关滤波器的目标跟踪；2015年Montero AS等提出将特征点检测作为尺度估计策略加入到相关滤波的框架中，并根据不同的特征点距目标中心的远近分配不同的权值，完成目标较精确的跟踪。基于可变形分块的相关滤波跟踪方法2016年Akin O等人提出一种自适应改变滤波器大小进行准确估计目标尺度变化，并比较连续帧尺度变化均值与预先设定阈值，判断是否需要尺度的更新。基于空间结构的分块自适应核相关滤波跟踪算法，2016年Yao R等人提出通过最小化外观和形变的代价函数估计新一帧目标的位置。

发明内容

本发明的目的在于提供一种跟踪精度高，能实现在目标消失又出现和目标尺度发生变化的情况下，仍能保持较好跟踪效果的水下目标跟踪方法。

一种基于前视声纳的改进核相关滤波水下目标跟踪方法，具体包括如下步骤：

(1)前视声纳图像预处理；

(1.1)利用前视声纳采集的原始数据读取v×k个数据，并将数据存储在v×k的矩阵中，同时建立一个u×q大小的图像作为重建后的声纳图像，图像中所有像素点的像素初始值设置为零；

(1.2)对于u×q图像中的每一个像素点的坐标(x,y)，利用后向映射反向计算其在v×k矩阵中的对应的行和列的值(m,n)；

(1.3)根据重建的灰度声纳图像，利用中值滤波对声纳图像进行去噪并且利用灰度级彩色变换法进行伪彩色处理；

(2)选取动态连续变化尺度的检测基样本，利用滤波器模型检测声纳图像目标的最佳位置；

(2.1)对不同尺度的检测基样本，提取方向梯度直方图特征；

(2.2)利用对应尺度的滤波器模型计算响应图；

(2.3)根据峰值最大的响应图预测目标的最佳位置；