[发明专利]一种复杂环境中红外目标抗干扰检测跟踪方法

说明书

本发明涉及一种复杂环境中红外目标抗干扰检测跟踪方法。首先让用户在第一帧图像上对跟踪目标进行框选，得到真实目标在图像内的位置与尺寸，完成真实目标框的初始化，接着对第二帧及以后的图像进行干扰物检测，分别对有干扰物靠近、无干扰物靠近的红外图像进行预处理获得候选目标位置，然后利用管道滤波算法完成目标定位，最后分别对有干扰情况、无干扰情况制定相应策略进行持续跟踪。本发明对Robinsonguard滤波的滤波器模板进行改进，同时引入管道滤波算法，提高了检测效率；采用ORB角点检测匹配算法纠正管道中未发现目标物体的特殊情况，削减了其对单帧影像质量的依赖；基于K‑均值聚类的抗干扰算法实现了有干扰情况下的红外目标持续检测跟踪。

技术领域

本发明属于红外目标检测跟踪领域，特别是涉及一种复杂环境中红外目标抗干扰检测跟踪方法。

背景技术

红外目标检测跟踪方法是红外成像在检测跟踪领域的一个重要应用。任何温度大于绝对零度的物体均会对外进行热辐射，红外成像技术就是通过光电技术对这种热辐射的红外线信号进行接收，从而在成像系统中显示为人类可识别的图像或图形。目前该技术被广泛应用于军事以及公共安全领域。通常红外目标的信号强度较弱，会被淹没在背景中，且红外目标缺少纹理特征，传统的检测算法往往无法通过纹理特征正确识别红外目标。并且在上述环境中存在较多的干扰源，会影响对目标的识别，出现错跟、跟丢等情况，例如在军事领域，目标飞机会释放干扰弹进行阻拦，在公共安全领域，城市内较多的人造设施也会对目标进行遮蔽。

现有的红外目标跟踪方法大体分为红外图像预处理、目标检测识别和目标持续跟踪三个部分，红外图像预处理部分的目的是用于抑制背景和噪声干扰，增强目标信号，从而提高图像数据的信噪比，使得后续检测与跟踪效率更高。红外图像预处理方法通常分为空间域图像预处理和变换域图像预处理两类，空间域图像预处理是由图像中某像素邻域内的像素值来变化该像素值的方法，一般通过设计一个模板在原始图像内进行变换。变换域图像预处理是将原始图像进行一系列变换，在变换域内对图像进行处理的方法。目前红外目标检测算法主要分为仅考虑当前影像的单帧目标检测算法和考虑空域和时域信息的多帧目标检测算法。目标跟踪算法则通常分为先检测后跟踪和先跟踪后检测两种，分别与检测算法中的单帧目标检测算法和多帧目标检测算法相对应。实际应用中，空间域图像预处理各方法对目标边缘信息具有抑制作用，且作用范围通常为整幅图像，变换域图像预处理存在计算量较大这一问题；先检测后跟踪算法对单帧图像质量依赖性较强，受单帧图像质量影响较大，先跟踪后检测算法则占用运算资源过多，实用性不强。同时，这些算法均未考虑到干扰物靠近对目标跟踪造成的影响，实际应用中会出现目标跟丢或者跟错等情况。

发明内容

本发明针对现有技术的不足，提供一种复杂环境中红外目标抗干扰检测跟踪方法。首先让用户在第一帧图像上对跟踪目标进行框选，得到真实目标在图像内的位置与尺寸，并计算目标像素值集合的均值、中误差，完成真实目标框的初始化，接着对第二帧及以后的图像进行干扰物检测，分别对有干扰物靠近、无干扰物靠近的红外图像进行预处理操作获得候选目标位置，然后利用管道滤波算法完成目标定位，最后分别对有干扰情况、无干扰情况制定相应策略进行持续跟踪。

为了达到上述目的，本发明提供的技术方案是一种复杂环境中红外目标抗干扰检测跟踪方法，包括以下步骤：

步骤1，模型初始化，具体包括以下几个子步骤：

步骤1.1，读取红外视频，并将其逐帧保存。

步骤1.2，向用户展示第一帧图像，让用户使用鼠标对跟踪目标进行框选，得到真实目标在图像内的位置与尺寸。

步骤1.3，提取步骤1.2得到的真实目标框内所有像素值并构成集合，对其进行K-均值聚类(k＝2)，将均值较高的簇视作目标像素值集合，分别求目标像素值集合的均值中误差m₁，由此完成真实目标框的初始化操作。

步骤2，对第二帧及以后的图像进行干扰物检测，并构建潜在目标框。