淺談自適應跟蹤窗的紅外小目標檢測

孫靜晶　崔夏菁　汪魯才

摘 要：紅外目標檢測與跟蹤系統(tǒng)具有精密度高、非接觸、抗電子干擾的特性，在光學偵察和導彈制導等軍事領(lǐng)域應用廣泛。由于自然環(huán)境的復雜性和工程應用中的實際需要，研究紅外目標的檢測和跟蹤系統(tǒng)，使它具有更好檢測和跟蹤效果，一直是一項具有挑戰(zhàn)性的工作。

關(guān)鍵詞：紅外目標檢測；航跡關(guān)聯(lián)；kalman濾波；自適應跟蹤窗

1 概述

圖像序列檢測和跟蹤點目標的問題以及它的戰(zhàn)略意義，近年來一直是研究的熱點問題之一。算法和硬件的性能提高了在復雜環(huán)境中檢測弱小目標的處理能力。然而，由于現(xiàn)實環(huán)境的復雜性，沒有一種通用算法在任何環(huán)境下都適應。造成這種情況的主要原因有：極低的信噪比，目標信號的不可重復性，目標有相似形狀的干擾，被遮蔽的目標缺少一個初始條件和信號統(tǒng)計的先驗信息等[1]。

利用多幀圖像累計時空信息的方法，通常稱為檢測前跟蹤算法。標準方法是將跟蹤問題變?yōu)樵?-D噪聲中檢測已知信號的問題。這些技術(shù)的主要缺點在于它們依賴于特定的統(tǒng)計噪聲和干擾分布模型，而對真實數(shù)據(jù)不是很適用。特別是當整個3-D空間必須為每個目標速度的潛在軌跡濾波時，計算量非常大。

2 目標檢測

于遠距離紅外小目標而言，背景中細節(jié)成分較少，小目標在圖像中和背景相比是一些突出的峰值點，其中含有大量的高頻信息，且與周圍背景的相關(guān)性小。而背景由一些緩慢移動的云層組成，大部分為低頻信息，且噪聲具有高斯特征。因此，利用背景像素之間灰度的相關(guān)性，目標灰度與背景灰度的無關(guān)性，設(shè)計一個簡單的空間高通濾波器，就可以濾除大量的背景像素，而只保留高頻噪聲和目標點，實現(xiàn)目標與背景的初步分離。

3 目標跟蹤

假如在圖像區(qū)域成功檢測到目標，則進入目標跟蹤狀態(tài)，只需要將經(jīng)閾值分割后標記的潛在目標和檢測到的真實目標進行最近鄰關(guān)聯(lián)，便可實現(xiàn)持續(xù)跟蹤。

（1）在紅外檢測跟蹤系統(tǒng)中，如果成功在場景中確認目標，則將目標的坐標值和場景中心坐標值的偏差信息發(fā)送給轉(zhuǎn)臺，以控制轉(zhuǎn)臺移動，使目標始終鎖定在視場中心。

目標運動時，將目標在視場中的坐標和視場中心的坐標的差值發(fā)送給轉(zhuǎn)臺，轉(zhuǎn)臺轉(zhuǎn)動，但是轉(zhuǎn)動的位置和真正的目標中心由于轉(zhuǎn)臺精度、目標時刻在運動等原因，總會存在一定的差值。

需要注意的是，跟蹤框不能選得太小，在實際應用中需要設(shè)置一個下界，不然在閾值分割階段無法正確提取出目標點。

由于采用了自適應的跟蹤窗口，提高了算法的實時性。在某無人值守項目中采用的紅外跟蹤器上實驗，算法的處理時間大約為20毫秒每幀左右，比采用固定大小跟蹤框的時間大約節(jié)約了5%。

（2）目標跟蹤過程中遮擋，丟失。

a.目標遮擋的判決。

空中小目標被遮擋主要表現(xiàn)為目標未越出視場邊界，但在視場范圍內(nèi)未能檢測到目標，這時一般為目標被云層遮擋。

b.目標被遮擋時的處理。

如果在自適應窗口中，連續(xù)多幀未能提取出目標信息，則擴大搜索窗口，或全幀搜索，進入檢測狀態(tài)，看能否檢測到目標，如果未能檢測到目標 ，說明目標受到了較大云層的遮擋，這時，我們認為目標徹底丟失，需要人為選定感興趣區(qū)域。

4結(jié)束語

文章從實時性、實用性等方面出發(fā)，對空中紅外小目標的檢測和跟蹤算法進行了詳細闡敘，針對空中紅外小目標跟蹤時容易受云層干擾影響的問題，提出了一種基于kalman濾波思想的自適應跟蹤窗口算法，盡可能地減少云層干擾信息對目標跟蹤的影響：根據(jù)轉(zhuǎn)臺和目標的運動信息建立系統(tǒng)狀態(tài)方程，通過kalman濾波預測跟蹤框的大小，在保證能檢測到目標的前提下，縮小跟蹤框，從而對云層干擾能起到一定的抑制作用。通過在真實紅外跟蹤平臺上的試驗，證明文章方法能較長時間穩(wěn)定的跟蹤飛機等空中小目標。算法的平均處理時間為20毫秒每幀左右，完全能保證跟蹤的實時性。

參考文獻

[1]Ren-Jean Liou， Mahmood R. Azirdi-Sadjad. Multiple target detection using modified high order corre1ations[J].IEEE Transactions on Aerospace and Electronic Systems.VOL. 34，NO. 2 APRIL 1998.

[2]Porat， B.， and Friedlander， B. A frequency domain algorithm for multiframe detection and estimation of dim targets[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，12（Apr.1990）：398-401.

[3]Mohanty， N. C. Computer trxking of moving targets in space[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，I'AMI-3，1981，5：606-611.

[4]Roth， M. Neural networks for extraction of weak targets in high clutter environments[J].IEEE Transactions on Systems， Man， and Cybernetics，1989，10：1210-1217.