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域應用廣泛。由于自然環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，使它具有更好檢測和跟蹤效果，一直是一項具有挑戰性的工作。

關鍵詞：紅外目標檢測；航跡關聯；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境中檢測弱小目標的處理能力。然而，由于現實環境的復雜性，沒有一種通用算法在任何環境下都適應。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為在3-D噪聲中檢測已知信號的問題。這些技術的主要缺點在于它們依賴于特定的統計噪聲和干擾分布模型，而對真實數據不是很適用。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性，目標灰度與背景灰度的無關性，設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，實現目標與背景的初步分離。

3 目標跟蹤

假如在圖像區域成功檢測到目標，則進入目標跟蹤狀態，只需要將經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聯，便可實現持續跟蹤。

（1）在紅外檢測跟蹤系統中，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送給轉臺，以控制轉臺移動，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送給轉臺，轉臺轉動，但是轉動的位置和真正的目標中心由于轉臺精度、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為目標未越出視場邊界，但在視場范圍內未能檢測到目標，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，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域。

4結束語

文章從實時性、實用性等方面出發，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：根據轉臺和目標的運動信息建立系統狀態方程，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.