本發(fā)明屬于空間目標識別
技術領域：
，更具體地，涉及一種天基光學序列圖像中的空間目標檢測跟蹤方法。
背景技術：
：基于天基光學探測圖像的空間目標識別技術正成為航空航天領域的研究熱點。天基光學探測圖像的主要背景為恒星星點，空間目標由于本身并不發(fā)光探測距離遠可認為是暗弱點目標，在識別過程中無法依靠亮度或形狀等信息區(qū)分空間目標與恒星星點，尤其是在處理序列星圖的時很難識別跟蹤空間目標?，F有技術通過直接處理在軌衛(wèi)星平臺上的星敏感器拍攝的星空照片來找出其中空間目標，該技術擴展了星敏感器的應用，但主要依靠圖像上拖長軌跡來判斷是否為空間目標，當空間目標在星圖中表現為與恒星相類似的點目標時，該方法不能適用。還有一類在軌空間目標識別方法，采用星圖對齊的方法去除恒星背景，并采用多幀關聯(lián)技術識別空間目標，但該類方法沒有涉及序列幀圖像中空間目標的跟蹤問題。還有一類針對空間碎片光學探測器拍攝得到的圖像，通過成像面上的拖長軌跡來識別空間碎片目標，該方法不能精確計算空間目標與星空背景中其他恒星的位置關聯(lián)信息。技術實現要素：針對現有技術的以上缺陷或改進需求，本發(fā)明提供了一種天基光學序列圖像中的空間目標檢測跟蹤方法，其目的在于實現從星圖的恒星背景中識別出空間目標并進行跟蹤。為實現上述目的，按照本發(fā)明的一個方面，提供了一種天基光學序列圖像中的空間目標檢測跟蹤方法，具體包括如下步驟：(1)獲取連續(xù)的N幀星圖，經過圖像去噪后，提取每幀星圖中的星點目標；其中，N≥3；(2)對每幀星圖中所有的星點按照亮度排序，采用三角匹配方法按照排序結果識別出三顆恒星；并將在每幀星圖中都出現過的恒星作為基準恒星；(3)計算N幀星圖中的基準恒星在星圖上的位移像素距離L，根據位移像素距離獲取星圖中所有恒星背景的運動速度；(4)根據上述運動速度信息，識別出星圖中的空間目標；(5)獲取上述空間目標的運動信息，采用卡爾曼濾波器對空間目標進行跟蹤。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，其步驟(1)包括如下子步驟：(1.1)采用的高斯平滑濾波器對星圖進行去噪處理；(1.2)獲取星圖分割閾值；(1.3)根據星圖分割閾值，提取星圖中的星點目標；(1.4)采用矩心算法計算獲得星點目標的質心位置。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，其步驟(1.2)中根據實時圖像數據獲取星圖分割閾值Vth＝E+α×δ；其中，α是加權系數；E是圖像像元灰度值的平均值，通過對整幀圖像所有像元值f(i,j)進行加權取平均獲得，δ是圖像像元灰度值的方差，其中，m是指圖像的行像素數，n是指圖像的列像素數。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，其步驟(1.3)包括如下子步驟：(1.3.1)從左至右、從上至下掃描星圖，將灰度值大于星圖分割閾值Vth的像素點進行標記；(1.3.2)采用四連通區(qū)域法，搜索掃描到的像素點的上、下、左、右四個鄰近像素點，當這四個點中有一個像素點被標記，則復制該像素點的標記；(1.3.3)當像素點的上、下、左、右四個臨近像素點有相同標記，則復制臨近像素點所具有的標記；(1.3.4)當像素點的上、下、左、右四個臨近像素點的標記不同，則復制位于當前像素點上方已標記像素點的標記，并將臨近像素點所有的標記輸入等價表作為等價標記；(1.3.5)重復步驟(1.3.1)～(1.3.4)，直至將整個星圖掃描完。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，采用矩心算法計算獲得星點目標的質心位置，獲得星點的質心坐標(x0,y0)；其中，y0=Σi=0lΣj=0lyjf(xi,yj)Σi=0lΣj=0lf(xi,yj);]]>其中，(xi,yj)為星點圖像中第i行、第j列像素的坐標；f(xi,yj)為星點圖像中第i行、第j列像素的灰度值；l是指質心計算選取窗口的大??；采用上述矩心算法計算目標點的位置，像素點距離實際星點中心越近，其灰度值就越高，其他像素的灰度值隨著距離中心增加而降低。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，其步驟(2)采用三角匹配的方法識別恒星，具體步驟為：(2.1)對星圖中所有的點目標按亮度排序，按照亮度排序結果選取三顆恒星；(2.2)計算獲取上述三顆恒星中的任意兩顆恒星之間的角距θ12、θ23和θ13；其中，θ12是指第一恒星與第二恒星之間的角距，θ23是指第二恒星與第三恒星之間的角距，θ13是指第一恒星與第三恒星之間的角距；(2.3)將所述角距與導航星庫中的角距比較容限ε進行比較，判斷是否滿足|θ12-E12|≤ε、|θ23-E23|≤ε且|θ13-E13|≤ε；若是，則進入步驟(2.4)；若否，則判定當前三顆恒星匹配失敗，從星圖中按亮度排序結果選取與上一次匹配的組合不同的三顆恒星組合，并進入步驟(2.2)；其中E12，E13，E23為導航星庫中存儲的任意導航星對角距，ε是指導航星庫中的角距比較容限；(2.4)判斷在導航庫中是否有三角形{E12，E23，E13}與三角形{θ12，θ23，θ13}唯一匹配；若是，則計算獲取唯一匹配的三顆恒星在像平面上的質心位置和亮度值；若否，則判定匹配失敗，并從星圖中按亮度排序結果選取與上一次匹配的組合不同的三顆恒星組合，并進入步驟(2.2)。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，其步驟(4)包括如下子步驟：(4.1)獲取前一幀中的一個點目標P與相鄰幀星圖中所有點目標Si的距離Ui；(4.2)判斷是否滿足|Ui-L|＜β；若是，則判定點目標P為恒星；若否，則判定為空間目標；其中，β是指相似度閾值，用來判斷Ui和L是否足夠接近，取極小的常量值；(4.3)對所有的星點，重復步驟(4.1)～(4.2)，檢測出所有的空間目標。優(yōu)選地，上述天基光學序列圖像中的空間目標檢測跟蹤方法，其步驟(5)包括如下子步驟：(5.1)將星圖中的空間點目標運動看作勻速運動，在二維平面中對作勻速運動的目標進行建模，建立目標的狀態(tài)模型；(5.2)采用卡爾曼濾波法對已檢測出的空間目標在序列幀圖像中的位置和運動速度進行預測和修正，實現對空間目標的跟蹤；跟蹤過程中，影響跟蹤的誤差來源是質心計算誤差與天基光學平臺視軸的抖動?？傮w而言，通過本發(fā)明所構思的以上技術方案與現有技術相比，能夠取得下列有益效果：(1)本發(fā)明提供的天基光學序列圖像中的空間目標檢測跟蹤方法，通過背景恒星與空間目標的運動特性的不同來區(qū)分星圖中的背景恒星和空間目標，適用范圍廣，可適用于星圖中恒星運動、空間目標靜止的情況；星圖中恒星靜止、空間目標運動的情況，以及星圖中恒星運動、空間目標也在運動的情況；(2)本發(fā)明提供的天基光學序列圖像中的空間目標檢測跟蹤方法，在空間目標識別的基礎上，采用卡爾曼濾波方法來對檢測出的空間目標跟蹤，能夠有效地克服質心計算誤差與天基光學平臺視軸抖動誤差；同時，在跟蹤過程中通過反復的預測與修正，能夠準確地預估出空間目標的運動速度特性，從而為區(qū)分空間目標與恒星提供幫助。附圖說明圖1本發(fā)明實施例的空間目標檢測跟蹤方法的流程示意圖；圖2為本發(fā)明實施例中的高斯濾波去噪模板示意圖；圖3為本發(fā)明實施例中的四連通區(qū)域示意圖；圖4為本發(fā)明實施例中恒星識別的流程示意圖。具體實施方式為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。本發(fā)明實施例所提供的天基光學序列圖像中的空間目標檢測跟蹤方法的流程如圖1所示，包括如下步驟：(1)獲取連續(xù)的N幀星圖；分別對N幀圖像進行圖像去噪處理與星點提取，提取每幀星圖中的星點目標；實施例中，N＝3；(2)對每幀星圖中的所有恒星點按亮度排序，采用三角匹配方法按照排序結果識別出三顆恒星；并將在每幀星圖中都出現過的恒星作為基準恒星；(3)計算三幀星圖中的基準恒星在星圖上的位移像素距離，作為星圖中所有恒星背景的運動速度；(4)根據上述運動速度信息，識別出星圖中的空間目標；(5)獲取上述空間目標的運動信息；假定空間目標為勻速運動，采用卡爾曼濾波對空間目標進行跟蹤。實施例中，步驟(1)具體包括如下子步驟：(1.1)采用的高斯平滑濾波器對星圖進行去噪處理；實施例中，圖像去噪處理采用的是高斯平滑濾波器的方法，所采用的高斯模板如圖2所示，每一個模板的中間數值表示它為中心元素，也就是要進行處理的元素，經過運算處理之后，該點的像素值變其中，ki表示每個灰度點所應該乘以的系數；f(xi)表示每個灰度點對應的灰度值；經過平滑模板對圖像的處理，可將噪聲平滑，從而達到減小噪聲的目的。由于星圖中的噪聲主要是高斯噪聲，高斯平滑濾波器對于抑制服從正態(tài)分布的噪聲非常有效，運用高斯濾波器對星圖進行去噪，效果理想。(1.2)獲取星圖分割閾值；根據實時圖像數據計算獲得星圖分割閾值Vth＝E+α×δ；α是加權系數，與圖像的噪聲有關，實施例中，α的數值在3到5之間調整；其中，E是圖像像元灰度值的平均值，可通過對整幀圖像所有像元值f(i,j)求加權平均值得到，δ是圖像像元灰度值的方差；E=Σi=1mΣj=1nf(i,j)m×n;δ=Σi=1mΣj=1n(f(i,j)-E)2m×n;]]>其中，m表示圖像的行像素數，n表示圖像的列像素數；(1.3)根據星圖分割閾值，提取星圖中的星點目標；具體如下：(1.3.1)從左至右、從上至下掃描星圖，將灰度大于星圖分割閾值Vth的像素點進行標記；(1.3.2)采用四連通區(qū)域法，連通區(qū)域如圖3所示，搜索掃描到的像素點的上、下、左、右四個鄰近像素點，當這四個點中有一個像素點被標記，則復制該已標記過像素點的標記；(1.3.3)當像素點的上、下、左、右四個臨近像素點有相同標記，則復制這些臨近像素點的相同標記作為當前像素點的標記；(1.3.4)當像素點的上、下、左、右四個臨近像素點的標記不同，則復制位于當前像素點上方點的標記，并將所有臨近像素點的標記輸入等價表作為等價標記；(1.3.5)重復步驟(1.3.1)～(1.3.4)，直至掃描完成；(1.4)采用矩心算法計算獲得星點目標的質心位置，具體地，采用矩心算法計算目標點的位置，獲得星點的質心坐標(x0,y0)；其中，x0=Σi=0lΣj=0lxif(xi,yj)Σi=0lΣj=0lI′(xi,yj),y0=Σi=0lΣj=0lyjf(xi,yj)Σi=0lΣj=0lf(xi,yj);]]>其中，星點圖像中第i行、第j列像素的坐標為(xi,yj)，灰度值為f(xi,yj)，l表示質心計算窗口選取的大小，實施例中取值為5。實施例中，步驟(2)恒星識別的流程如圖4所示，選取連續(xù)三幀星圖中最亮的三顆星，采用三角匹配的方法識別恒星，具體步驟為：(2.1)按照亮度排序依次選取三顆恒星并編號為#1、#2、#3；(2.2)獲取上述三顆恒星中任意兩顆恒星之間的角距θ12、θ23、θ13；(2.3)將上述角距θij與導航星庫的角距比較容限ε進行比較，判斷是否滿足|θ12-E12|≤ε、|θ23-E23|≤ε且|θ13-E13|≤ε，若是，則進入步驟(2.4)，若否，則按照亮度排序結果，按照從亮到暗的順序，重新選取與上一次匹配的恒星組合不同的三顆恒星組合，進入步驟(2.2)；其中，E12，E13，E23為導航星庫中存儲的任意導航星對角距；角距比較容限ε＝kσ；k的取值范圍為5～6，ζ表示質心計算誤差，根據成像探測器性能和質心計算算法來確定；實施例中，角距比較容限ε取值為0.3"；(2.4)判斷在導航庫中是否有三角形{E12，E23，E13}與三角形{θ12，θ23，θ13}唯一匹配；若是，則計算輸出唯一匹配的三顆恒星在像平面上的質心位置和亮度值；若否，即導航星庫中存在多個導航星組成的三角形與{θ12，θ23，θ13}匹配，則判定匹配失敗，并從星圖中按亮度排序結果按照從亮到暗的順序選取與上一次匹配的恒星組合不同的三顆恒星組合，并進入步驟(2.2)。區(qū)分的空間目標與恒星的唯一特征為運動特性，體現在兩者的運動速度的區(qū)別上；實施例中，找出在連續(xù)三幀星圖中均存在的恒星，獲取該恒星在像平面上的平均位移像素數L，根據平均位移像素數L獲得恒星的運動速度V；采用L作為區(qū)分空間目標與恒星的特征，取前一幀中的一個點目標P與相鄰幀星圖中所有點目標Si的距離Ui，判斷Ui與L的相似程度；若|Ui-L|＜β，則判定點目標P為恒星，否則判定為空間目標；根據速度信息逐一分析所有的星點，找出運動信息不同的點，將其標記為空間目標；實施例中，β取值為5；空間目標在像平面內的運動為勻速直線運動；tk時刻目標的狀態(tài)(xk,yk)表示為：xk=x′+vxtkyk=y′+vytk]]>其中，(x′,y′)為初始時刻目標的位置，vx和vy分別為目標在x方向和y方向上的速度。由此，目標狀態(tài)方程表示為X(k+1)＝F(k)X(k)；其中，系統(tǒng)轉移矩陣狀態(tài)向量其中，T為采樣間隔。對于線性系統(tǒng)而言，量測方程Z(k)＝H(k)X(k)+W(k)；其中，H(k)為量測矩陣，X(k)為狀態(tài)向量，W(k)為量測噪聲序列；實施例中，量測噪聲序列采用均值為零的高斯白噪聲序列。當在二維平面中對作勻速運動的目標進行建模時，對應的狀態(tài)向量和量測向量為：Z(k)=xkyk;H(k)=10000010;]]>卡爾曼濾波器包含預測和修正兩部分，預測部分得到的是先驗估計，修正部分得到的是后驗估計，每次預測和修正之后，均由后驗估計值預測下一時刻的先驗估計值，重復進行預測與修正步驟，完成卡爾曼濾波的遞歸過程；具體采用卡爾曼濾波的跟蹤過程如下：(1)檢測得到的空間目標初始狀態(tài)為X(k)，在經過T時刻之后，可以采用卡爾曼濾波的狀態(tài)預測得到tk+1時刻時空間目標的狀態(tài)和量測：狀態(tài)的一步預測X(k+1|k)＝F(k)X(k)；量測的一步預測Z(k+1|k)＝H(k+1)Z(k+1|k)；協(xié)方差的一步預測P(k+1|k)＝F(k)P(k|k)FT(k)+Q(k)；(2)根據預估的空間目標勻速運動速度，可以找到下一幀圖像中的在亮度和位置上匹配的空間目標，得到下一幀的量測值Z(k+1)，并開始卡爾曼濾波的修正，分別計算新息，新息協(xié)方差，增益，并得到最終的狀態(tài)更新方程和協(xié)方差更新方程；新息V(k+1)＝Z(k+1)-Z(k+1|k)；新息協(xié)方差S(k+1)＝H(k+1)P(k+1|k)HT(k+1)+R(k+1)；增益K(k+1)＝P(k+1|k)HT(k+1)S-1(k+1)；狀態(tài)更新方程X(k+1)＝X(k+1|k)+K(k+1)[Z(k+1)-H(k+1)X(k+1|k)]；協(xié)方差更新方程P(k+1|k+1)＝P(k+1|k)-K(k+1)S(k+1)KT(k+1)；其中，R為二維變量的協(xié)方差矩陣，Q為誤差序列；(3)將X(k+1)輸出作為下一幀圖像中空間目標的狀態(tài)，包含了空間目標的位置與速度信息；實施例中，協(xié)方差矩陣R即為觀測噪聲，在空間目標跟蹤過程中體現為質心計算的誤差；誤差序列Q即為過程噪聲，由相機視軸在觀測過程中的抖動造成。觀測噪聲R根據所采用的成像探測器CMOS具體的性能參數計算得到，不同噪聲對質心計算誤差影響分析如下：暗電流散粒噪聲對質心計算誤差的影響其中S是指星點在成像面上的能量，nDCSN是指暗電流噪聲電子均方根。暗電流不均勻噪聲對質心計算誤差的影響nDCNU是指暗電流非均勻性噪聲電子均方根。光子散粒噪聲對質心計算誤差的影響σPSF是指恒星高斯彌散斑的擴散范圍。光響應不均勻噪聲對質心計算誤差的影響σPRNU＝0.2*PRNU；PRNU表示CMOS成像器件的光響應不均勻性。讀出噪聲對質心計算誤差的影響nRN是指CMOS成像器件的讀出噪聲電子均方根。固定模式噪聲對質心計算誤差的影響nFPN是指CMOS成像器件的固定模式噪聲電子均方根。實施例中，觀測噪聲R是服從高斯分布的噪聲；R=σDCSN2+σDCNU2+σS2+σPRNU2+σread2+σFPN2;]]>過程噪聲Q由相機視軸在觀測過程中的抖動造成；實施例中，視軸抖動是服從均值為0的一個高斯分布的噪聲，方差可以根據實際的光學系統(tǒng)參數進行設置。本領域的技術人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。當前第1頁1 2 3