[发明专利]大视场光电成像多弱小目标跟踪中数据关联问题处理方法

说明书

本发明属于图像分析技术领域，公开了一种大视场光电成像多弱小目标跟踪中数据关联问题处理方法，通过计算跟踪门内的各个回波点迹方向与上一时刻预测点方向的偏差，根据其大小对相应回波给予一定的方向权重，得到方向信息下的方向互联概率；再通过计算跟踪门内的各个回波点迹的灰度与上一时刻目标点的灰度差，得到各个回波的灰度变化因子，根据这个因子计算出在灰度信息下的灰度互联概率；最后，对原GPDA算法计算出来的只包含距离信息的互联概率和算出的方向互联矩阵和灰度互联矩阵赋予不同的权重，通过加权求和得到总的互联概率。本发明在继承了原GPDA算法的基础上，以较小的计算量代价使得跟踪性能得到的很大的改善。

技术领域

本发明属于图像分析技术领域，尤其涉及一种大视场光电成像多弱小目标跟踪中数据关联问题处理方法。

背景技术

目前，业内常用的现有技术是这样的：

目前，应用比较多的数据关联算法有基于贝叶斯理论的、有基于证据理论的、有基于智能(模糊算法、神经网络、遗传算法、蚁群算法等)理论的。而基于贝叶斯理论的关联算法仍然是解决数据关联问题的主流算法。其中，联合概率数据关联(JPDA)又是公认的解决多目标数据关联问题的最优算法。因此，人们在实际工程应用中，以JPDA为基础，结合问题的特殊性不断提出了一些改进算法。由于JPDA方法严格的一一对应关系，即(1)一个量测至多只能属于一个目标；(2)一个目标至多只能拥有一个量测，使得其计算量过大，很难满足实时性要求。而这些改进算法都是在JPDA可行性规则的基础上，以牺牲计算精度为代价简化计算的，没有从根本上解决计算量的问题。同时，在密集回波环境下，当目标成密集编队飞行时，由于传感器分辨率的限制，可能将来自多个目标的量测接受为一个量测。同时，由于图像处理过程中，可能将一个大目标分裂为两个或者更多的小目标。这两种情况就打破了JPDA算法的可行性规则的一一对应关系，Jesus Garrcia等利用模糊逻辑方法，来解决目标密集场景下基于图象传感器跟踪引起的这类问题。T.Kirubarajan等也提出了量测与航迹非一一对应的观点，他们是通过一对一分配的重复使用来实现量测与航迹之间的“多—多”对应关系的，仍是基于JP'DA的可行性规则，而且由于一对一分配的重复使用，计算量会增加很多。叶西宁在多目标跟踪系统中数据关联与多维分配技术中提出了一种在“多—多”对应准则下应用的广义概率数据关联算法(GPDA)，该算法打破了JPDA可行性规则的限制，认为实际的量测与目标是均可复用，并利用贝叶斯法给出了新的互联概率的计算方法，使计算量大大减小，但是此算法用来进行滤波的目标运动特征信息只有当前量测的位置信息，而没有考虑目标运动方向和目标灰度信息的影响，所以跟踪算法的精度有限。研究表明目标的方向和灰度信息也是人们可以进行数据关联的重要参数之一。

综上所述，现有技术存在的问题是：

(1)大视场光电成像系统下的目标特征较少，没有任何几何外形可供参考，为典型像素级小目标；同时由于目标信号较弱，容易被噪声淹没或与噪声混淆，在目标检测时容易产生大量疑似目标。

(2)常规GPDA算法虽然解决了稀疏目标场景下多目标数据关联过程中目标关联度计算的计算量，但在面对密集杂波环境下却虚假目标及噪声较多，计算量仍然较大。

(3)常规讨论的GPDA方法均将距离信息作为数据关联的唯一标准，即选择与航迹距离最近的观测与其相关联；但必须注意的是，离预测位置最近的点迹在密集杂波环境中未必是被跟踪目标的最佳配对点迹，因此，这类算法在杂波密度较大时正确关联率大大降低。

解决上述技术问题的难度和意义：密集杂波环境下目标与噪声或虚假目标的辨别难度较大，尤其是尽依靠位置信息来进行数据关联，容易导致错误关联的概率。大视场光电成像系统中密集杂波环境下的多弱小目标的数据关联问题的解决将大大降低多目标的错误跟踪概率，减小跟踪过程的计算量和运算量，解决大视场光电成像系统用作被动探测告警系统的可行性和实时性，同时可以为多弱小目标的高效数据关联算法工程化提供依据。

发明内容