[發明專利]一種基于DS證據理論的多光譜圖像弱小目標跟蹤方法

在審

• 申請號: 201810034668.6
• 申請日: 2018-01-15
• 公開（公告）號: CN108320305A
• 公開（公告）日: 2018-07-24
• 發明（設計）人: 蔣雯;胡偉偉;鄧鑫洋
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明基于多光譜圖像，提供一種用DS證據理論實現面空背景下弱小目標跟蹤的方法，涉及目標跟蹤、圖像處理領域。本發明對目標、云、天空建立三角模糊模型，將模型展寬后對像素點分類，根據像素點分類結果得到目標位置實現對目標的跟蹤，并用像素點分類結果更新當前三角模糊數模型。本發明采用DS證據理論對像素點分類，此分類方法較好的融合了不同波段的圖像信息，能夠實現目標跟蹤，具有計算簡單、實時性好的優點；本發明提出的干擾排除方法，很好的排除了隨機干擾導致的誤判，能夠選取到真實的跟蹤目標。

技術領域

本發明涉及目標跟蹤、圖像處理領域，是一種基于DS證據理論實現面空背景下多光譜圖像弱小目標跟蹤的方法。

背景技術

目標跟蹤是計算機視覺研究領域的熱點之一，并得到廣泛應用。簡單來說，目標跟蹤就是在連續的視頻序列中，建立所要跟蹤物體的位置關系，得到物體完整的運動軌跡。給定圖像第一幀的目標坐標位置，計算在下一幀圖像中目標的確切位置。現代化戰爭中，為了增大作戰距離，通常要求遠距離跟蹤鎖定目標，實現快速有效的目標打擊。然而，對于遠距離成像，由于目標成像面積較小、圖像信噪比較低，無法得到目標形狀、紋理等有用的目標特征，因此弱小目標的檢測跟蹤比較困難。

信息融合技術是協同利用多源信息，以獲得對事物或目標更客觀、更本質認識的信息綜合處理技術，是智能科學研究的關鍵技術之一。在諸多的融合模型和方法中，D-S證據理論算法是最為有效的算法之一。證據理論把概率論中的基本事件空間拓寬為基本事件的冪集，又稱為辨識框架，在辨識框架上建立了基本概率分配函數(Basic ProbabilityAssignment，BPA)。此外，證據理論還提供了一個Dempster組合規則，該規則可以在沒有先驗信息的情況下實現證據的融合。特別地，當BPA只在辨識框架的單子集命題上進行分配時，BPA就轉換為概率論中的概率，而組合規則的融合結果與概率論中的Bayes公式相同。從這個角度來看，DS證據理論能夠比概率論更有效地表示和處理不確定信息，這些特點使其在信息融合領域得到了廣泛的應用。正是由于DS證據理論在不確定知識表示方面具有優良的性能，所以近幾年其理論和應用發展較快，該理論在多傳感器信息融合、醫學診斷、軍事指揮、目標識別方面發揮了重要作用。

目前尚未有基于證據理論實現多光譜圖像弱小目標跟蹤的研究。證據理論有諸多優點，將其應用在多光譜圖像弱小目標跟蹤上具有重要的軍事價值。

發明內容

為了實現弱小目標跟蹤，本發明基于多光譜圖像，提供一種用DS證據理論實現面空背景下弱小目標跟蹤的方法。使用該方法實現的弱小目標跟蹤具有重要的軍民用價值。

本發明解決其技術問題所采用的技術方案包括如下步驟：

步驟一：輸入一幀面空多光譜圖像及當前環境下每個波段云(C)、天空(S)及目標(T)灰度最小值、中值及最大值，根據輸入的云、天空及當前目標成像的灰度最小值、中值、最大值，建立對應的三角模糊數模型，辨識框架為Θ＝{C,S,T}，辨識框架中C表示云，S表示天空，T表示目標，C，S，T三角模糊數模型建立的方法為：

將波段i云成像的灰度最小值Cmin_i、中值Cave_i及最大值Cmax_i分別作為波段i云三角模糊數模型的最小值，中值，最大值，則波段i云的三角模糊數為將波段i天空成像的灰度最小值Smin_i、中值Save_i及最大值Smax_i分別作為波段i天空三角模糊數模型的最小值，中值，最大值，則波段i天空建立的三角模糊數為將波段i目標成像的灰度最小值Tmin_i、中值Tave_i及最大值Tmax_i分別作為波段i當前目標三角模糊數模型的最小值，中值，最大值，則波段i當前目標建立的三角模糊數為

步驟二：將步驟一獲得的模糊數展寬，即將模糊數的上界增大、下界減小，分別記云、天空、當前目標展寬后的模糊數為所述展寬方法為：