本發(fā)明涉及一種弱小目標(biāo)檢測(cè)方法，特點(diǎn)是管徑自適應(yīng)時(shí)空域?yàn)V波的弱小目標(biāo)檢測(cè)方法，用于圖像處理、計(jì)算機(jī)視覺(jué)和目標(biāo)檢測(cè)定位。屬于光電捕獲跟蹤系統(tǒng)中目標(biāo)探測(cè)技術(shù)領(lǐng)域。

背景技術(shù)：

弱小目標(biāo)的檢測(cè)是光電捕獲跟蹤系統(tǒng)中的核心技術(shù)之一，其利用圖像處理算法對(duì)處于低信噪比和強(qiáng)噪聲環(huán)境中檢測(cè)目標(biāo)，算法的性能對(duì)光電捕獲跟蹤系統(tǒng)的作用距離和提前告警十分關(guān)鍵。由于遠(yuǎn)距離下的目標(biāo)成像面積小，目標(biāo)信號(hào)能量相對(duì)較弱，特別是在非平穩(wěn)的起伏背景干擾下，目標(biāo)易被背景雜波淹沒(méi)，缺乏有效的結(jié)構(gòu)、形狀和紋理等信息，致使難以正確檢測(cè)出目標(biāo)，成為當(dāng)前亟待解決的問(wèn)題。

目前，常用的針對(duì)弱小目標(biāo)檢測(cè)算法是基于單幀的檢測(cè)，由于背景中存在于目標(biāo)灰度分布相近的類(lèi)干擾，僅依靠單幀檢測(cè)算法難以去除，若要提高檢測(cè)率，可考慮采用多幀檢測(cè)算法，利用目標(biāo)的連續(xù)性、噪聲的隨機(jī)性來(lái)去除干擾，獲取真實(shí)軌跡。管道濾波算法是一種經(jīng)典的多幀檢測(cè)算法，包括后來(lái)提出的移動(dòng)加權(quán)式管道濾波算法和多約束管道濾波算法都在一定程度上抑制噪聲的干擾，但這些方法管徑是固定的，而真實(shí)的運(yùn)動(dòng)小目標(biāo)其尺寸是不斷變化的，傳統(tǒng)的管道濾波算法只能檢測(cè)尺寸小于管徑的目標(biāo)，不能隨著目標(biāo)尺寸變化而自適應(yīng)變化，在實(shí)際應(yīng)用中往往導(dǎo)致檢測(cè)失效。因此需要研究新的方法以適應(yīng)當(dāng)前工程的應(yīng)用需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決技術(shù)問(wèn)題為：針對(duì)現(xiàn)有技術(shù)的不足，提供一種管徑自適應(yīng)時(shí)空域?yàn)V波的弱小目標(biāo)檢測(cè)方法，該方法可隨目標(biāo)尺度變化而自適應(yīng)改變管徑大小，準(zhǔn)確地檢測(cè)出目標(biāo)。

本發(fā)明解決上述技術(shù)問(wèn)題采用的技術(shù)方案為：一種管徑自適應(yīng)時(shí)空域?yàn)V波的弱小目標(biāo)檢測(cè)方法，包括如下步驟：

步驟一、各向異性背景預(yù)測(cè)：采用各向異性微分算法對(duì)待處理圖像進(jìn)行背景預(yù)測(cè)，得到差分圖；

步驟二、對(duì)步驟一中得到的差分圖像采用局部極大值方法進(jìn)行目標(biāo)分割，獲取二值圖像；

步驟三、初始化時(shí)域參數(shù)和空域參數(shù)，時(shí)域參數(shù)為累積幀長(zhǎng)度，空域參數(shù)為管徑大小，輸入累積幀長(zhǎng)度為N的系列二值圖像，初始管徑大小一般為候選目標(biāo)直徑的2倍；

步驟四、對(duì)步驟三輸入的系列二值圖,采用管徑自適應(yīng)的時(shí)空域?yàn)V波對(duì)目標(biāo)進(jìn)行檢測(cè)，獲取真實(shí)目標(biāo)，具體步驟如下：

(41)將輸入的系列圖像中的第一幀作為當(dāng)前幀，找出該圖像中的所有候選目標(biāo)點(diǎn)x_i(i＝1,2,3,…)，并記錄它們的坐標(biāo)位置；

(42)判斷約束條件，更新計(jì)數(shù)器，對(duì)當(dāng)前幀中所有的候選目標(biāo)點(diǎn)在下一幀中觀察其所處鄰域內(nèi)是否出現(xiàn)可疑目標(biāo)點(diǎn)，如果存在可疑目標(biāo)點(diǎn)則記錄目標(biāo)出現(xiàn)的次數(shù)；同時(shí)在判別計(jì)數(shù)器中統(tǒng)計(jì)目標(biāo)位置未變計(jì)數(shù)器M，判斷兩幀之間候選目標(biāo)位置是否發(fā)生變化，如果目標(biāo)位置沒(méi)有變化則M加1，如果有變化則M置零，其中約束條件的定義如下：

式中，(x_k，y_k)為第k幀圖像候選目標(biāo)點(diǎn)的位置，(x_k-1，y_k-1)為第k-1幀圖像候選目標(biāo)點(diǎn)的位置,(x_k-2，y_k-2)為第k-2幀圖像候選目標(biāo)點(diǎn)的位置,β_x,β_y,β_v為目標(biāo)中心在相鄰兩幀間移動(dòng)變化量的閾值；

(43)更新空域參數(shù)，當(dāng)累積幀內(nèi)的目標(biāo)滿足約束條件時(shí)，利用尺度空間DoG算法可獲取目標(biāo)的中心坐標(biāo)和尺寸大小，用以更新候選目標(biāo)中心坐標(biāo)和管徑大??；

(44)識(shí)別真?zhèn)文繕?biāo)，待N幀圖像處理完畢后，統(tǒng)計(jì)每個(gè)計(jì)數(shù)器的輸出值，如果目標(biāo)出現(xiàn)次數(shù)計(jì)數(shù)器大于等于num1且目標(biāo)位置未變計(jì)數(shù)器小于等于num2，則判定該候選目標(biāo)為真實(shí)目標(biāo)，并記錄其坐標(biāo)信息，否則將其剔除；

(45)更新累積幀長(zhǎng)度，直到處理完所有圖像序列；

步驟五、對(duì)所有幀的檢測(cè)結(jié)果進(jìn)行疊加，輸出目標(biāo)運(yùn)動(dòng)軌跡。

本發(fā)明與現(xiàn)有技術(shù)相比的有益效果在于：

(1)本發(fā)明采用各向異性的微分原理對(duì)背景進(jìn)行預(yù)測(cè)，與傳統(tǒng)的背景預(yù)測(cè)方法相比，本發(fā)明能有效預(yù)制大部分背景雜波，突顯出目標(biāo)。

(2)本發(fā)明結(jié)合DOG尺度空間理論自適應(yīng)修改候選目標(biāo)中心坐標(biāo)和管徑大小，與以往管徑固定的管道濾波方法相比，本發(fā)明得到的檢測(cè)結(jié)果更準(zhǔn)確，能解決目標(biāo)的尺度變化問(wèn)題。

(3)本發(fā)明采用空時(shí)域?yàn)V波對(duì)弱小目標(biāo)進(jìn)行檢測(cè)，與以往單純依靠空域或是時(shí)域?yàn)V波方法相比，本發(fā)明充分利用目標(biāo)的空間特性和時(shí)間運(yùn)動(dòng)特性，使得檢測(cè)效果更精確。

附圖說(shuō)明

圖1為本發(fā)明方法實(shí)現(xiàn)流程圖；

圖2為本發(fā)明對(duì)實(shí)際場(chǎng)景序列1的第1幀圖像進(jìn)行各項(xiàng)異性背景預(yù)測(cè)圖；

圖3為本發(fā)明對(duì)實(shí)際場(chǎng)景序列1的第10幀圖像進(jìn)行局部極大值分割結(jié)果圖及相應(yīng)三維圖，其中，圖3(a)為對(duì)實(shí)際場(chǎng)景序列1的第10幀圖像進(jìn)行局部極大值分割結(jié)果圖，圖3(b)為對(duì)實(shí)際場(chǎng)景序列1的第10幀圖像進(jìn)行局部極大值分割結(jié)果圖的相應(yīng)三維圖；

圖4為本發(fā)明對(duì)實(shí)際場(chǎng)景序列1所有圖像進(jìn)行檢測(cè)的結(jié)果；

圖5為本發(fā)明對(duì)實(shí)際場(chǎng)景序列2的第1幀圖像進(jìn)行各項(xiàng)異性背景預(yù)測(cè)圖；

圖6為本發(fā)明對(duì)實(shí)際場(chǎng)景序列2的第10幀圖像進(jìn)行局部極大值分割結(jié)果圖及相應(yīng)三維圖，其中，圖6(a)為對(duì)實(shí)際場(chǎng)景序列2的第10幀圖像進(jìn)行局部極大值分割結(jié)果圖，圖6(b)為對(duì)實(shí)際場(chǎng)景序列2的第10幀圖像進(jìn)行局部極大值分割結(jié)果圖的相應(yīng)三維圖；

圖7為本發(fā)明對(duì)實(shí)際場(chǎng)景序列2所有圖像進(jìn)行檢測(cè)的結(jié)果。

具體實(shí)施方式

本發(fā)明提供一種管徑自適應(yīng)時(shí)空域?yàn)V波的弱小目標(biāo)檢測(cè)方法，基本包含以下步驟：

步驟一、各向異性背景預(yù)測(cè)：采用各向異性微分算法對(duì)待處理圖像進(jìn)行背景預(yù)測(cè)，得到差分圖，本發(fā)明采用各向異性微分算法對(duì)背景進(jìn)行預(yù)測(cè)，算法如下：

背景預(yù)測(cè)目的是保留紅外圖像中平穩(wěn)、非平穩(wěn)背景區(qū)域，濾除目標(biāo)區(qū)域，最后通過(guò)與原圖像的差分就可保留僅有小目標(biāo)和少量噪聲的圖像。背景預(yù)測(cè)包括以下三個(gè)步驟：

(1.1)定義邊緣停止函數(shù)：

(1.1.1)

其中u為灰度圖像，為梯度，k為大于0的常數(shù)，為邊緣停止函數(shù)值。

(1.2)分別求取某個(gè)像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值，并選擇最小的兩個(gè)作為平滑系數(shù)：

(1.2.1)

其中min₁和min₂分別為當(dāng)前像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值中最小的兩個(gè)值，c(f(i,j))為中心像素點(diǎn)灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i-step,j))為中心像素點(diǎn)往縱軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)往縱軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)往橫軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)往橫軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值。

(1.3)構(gòu)建濾波模板對(duì)圖像進(jìn)行濾波獲得差分圖像：

(1.3.1)

其中，c(f(i-step,j))為中心像素點(diǎn)(i,j)往縱軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)(i,j)往橫軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)(i,j)往橫軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，min1和min2分別為中心像素點(diǎn)(i,j)四個(gè)方向中最小的兩個(gè)邊緣停止函數(shù)值。

通過(guò)以上三步操作，就可獲取每幅圖像的差分圖。

步驟二、對(duì)步驟一中得到的差分圖像采用局部極大值方法進(jìn)行目標(biāo)分割，獲取二值圖像；

局部極大值分割方法包括以下四個(gè)步驟：

(2.1)定義鄰域內(nèi)四個(gè)方向的梯度：

(2.1.1)

其中k為移動(dòng)步長(zhǎng)，xright為縱軸正向，xleft為縱軸負(fù)向，yright為橫軸正向，yleft為橫軸正向，f(i,j)為像素點(diǎn)的灰度值，f(i+k,j)為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為k的灰度值，f(i-k,j)為中心像素點(diǎn)(x,y)往縱軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值，f(i,j+k)為中心像素點(diǎn)(x,y)往橫軸正向移動(dòng)步長(zhǎng)為k的灰度值，f(i,j-k)為中心像素點(diǎn)(x,y)往橫軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值。

(2.2)提取候選點(diǎn)：若某個(gè)像素點(diǎn)在同一步長(zhǎng)下的4個(gè)方向中有3個(gè)方向以上的梯度值大于給定閾值，則將其作為候選點(diǎn)。

(2.3)變換步長(zhǎng)：逐步增加步長(zhǎng)，再對(duì)該像素點(diǎn)做(2.2)的判斷，當(dāng)三個(gè)步長(zhǎng)中，有兩個(gè)步長(zhǎng)以上的梯度滿足(2.2)要求時(shí)，則認(rèn)為該點(diǎn)為目標(biāo)點(diǎn)，將其置為1。

(2.4)將所有滿足(2.3)的像素點(diǎn)置為1，提取出候選目標(biāo)點(diǎn)。

步驟三、初始化時(shí)域參數(shù)和空域參數(shù)，時(shí)域參數(shù)為累積幀長(zhǎng)度，空域參數(shù)為管徑大小，輸入累積幀長(zhǎng)度為N的系列二值圖像，初始管徑大小一般為候選目標(biāo)直徑的2倍；

步驟四、對(duì)步驟三輸入的系列二值圖,采用管徑自適應(yīng)的時(shí)空域?yàn)V波對(duì)目標(biāo)進(jìn)行檢測(cè)，獲取真實(shí)目標(biāo)，具體步驟如下：

(41)將輸入的系列圖像中的第一幀作為當(dāng)前幀，找出該圖像中的所有候選目標(biāo)點(diǎn)x_i(i＝1,2,3,…)，并記錄它們的坐標(biāo)位置。

(42)判斷約束條件，更新計(jì)數(shù)器。對(duì)當(dāng)前幀中所有的候選目標(biāo)點(diǎn)在下一幀中觀察其所處鄰域內(nèi)是否出現(xiàn)可疑目標(biāo)點(diǎn)，如果存在可疑目標(biāo)點(diǎn)則記錄目標(biāo)出現(xiàn)的次數(shù)；同時(shí)在判別計(jì)數(shù)器中統(tǒng)計(jì)目標(biāo)位置未變計(jì)數(shù)器M，判斷兩幀之間候選目標(biāo)位置是否發(fā)生變化，如果目標(biāo)位置沒(méi)有變化則M加1，如果有變化則M置零。其中約束條件的定義如下：

式中，(x_k，y_k)為第k幀圖像候選目標(biāo)點(diǎn)的位置，(x_k-1，y_k-1)為第k-1幀圖像候選目標(biāo)點(diǎn)的位置,(x_k-2，y_k-2)為第k-2幀圖像候選目標(biāo)點(diǎn)的位置,β_x,β_y,β_v為目標(biāo)中心在相鄰兩幀間移動(dòng)變化量的閾值。

(43)更新空域參數(shù)。當(dāng)累積幀內(nèi)的目標(biāo)滿足約束條件時(shí)，利用尺度空間DoG算法獲取目標(biāo)的中心坐標(biāo)和尺寸大小，用以更新候選目標(biāo)中心坐標(biāo)和管徑大小。

(44)識(shí)別真?zhèn)文繕?biāo)。待N幀圖像處理完畢后，統(tǒng)計(jì)每個(gè)計(jì)數(shù)器的輸出值。如果目標(biāo)出現(xiàn)次數(shù)計(jì)數(shù)器大于等于num1且目標(biāo)位置未變計(jì)數(shù)器小于等于num2，則判定該候選目標(biāo)為真實(shí)目標(biāo)，并記錄其坐標(biāo)信息，否則將其剔除。

(45)更新累積幀長(zhǎng)度，直到處理完所有圖像序列。

步驟五、對(duì)所有幀的檢測(cè)結(jié)果進(jìn)行疊加，輸出目標(biāo)運(yùn)動(dòng)軌跡。

下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明。本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)實(shí)施方式和具體操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于以下的實(shí)施例。

自從管道濾波問(wèn)世以來(lái)，它能有效地從眾多候選目標(biāo)中成功的篩選出真實(shí)目標(biāo)，逐步成為經(jīng)典的時(shí)空域檢測(cè)方法。然而由于實(shí)際場(chǎng)景中的目標(biāo)尺寸是不斷變化的過(guò)程，如果采用固定管徑的方法降低檢測(cè)的準(zhǔn)確度，當(dāng)管徑不變目標(biāo)變小時(shí)，目標(biāo)中心鄰域內(nèi)噪聲的比例會(huì)增大；當(dāng)管徑不變目標(biāo)變大時(shí)，目標(biāo)可能超出領(lǐng)域作用范圍，導(dǎo)致檢測(cè)失效。因此，考慮到DOG尺度空間理論能有效獲取目標(biāo)的中心坐標(biāo)和尺寸大小，將其引入到時(shí)空域?yàn)V波當(dāng)中，實(shí)現(xiàn)對(duì)遠(yuǎn)距離空天背景下的弱小目標(biāo)進(jìn)行有效檢測(cè)。

本發(fā)明基于弱小目標(biāo)檢測(cè)的實(shí)現(xiàn)，輸入圖像為實(shí)際場(chǎng)景空天背景下的弱小目標(biāo)圖像。

如圖1所示，本發(fā)明提供了一種管徑自適應(yīng)時(shí)空域?yàn)V波的弱小目標(biāo)檢測(cè)方法，包括如下步驟：

步驟一、各向異性背景預(yù)制。由于弱小目標(biāo)極易受背景雜波淹沒(méi)和干擾，影響后續(xù)檢測(cè)性能。因此，本發(fā)明先采用各向異性微分算法對(duì)待處理圖像進(jìn)行背景抑制，有效去除大部分背景的干擾，獲取差分圖。背景預(yù)測(cè)算法如下：

背景預(yù)測(cè)目的是保留紅外圖像中平穩(wěn)、非平穩(wěn)背景區(qū)域，濾除目標(biāo)區(qū)域，最后通過(guò)與原圖像的差分就可保留僅有小目標(biāo)和少量噪聲的圖像。背景預(yù)測(cè)包括以下三個(gè)步驟：

(1.1)定義邊緣停止函數(shù)：

(1.1.1)

其中u為灰度圖像，為梯度，k為大于0的常數(shù)，為邊緣停止函數(shù)。

(1.2)分別求取某個(gè)像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值，并選擇最小的兩個(gè)作為平滑系數(shù)：

(1.2.1)

其中min₁和min₂分別為當(dāng)前像素點(diǎn)四個(gè)方向的邊緣停止函數(shù)值中最小的兩個(gè)值，c(f(i,j))為中心像素點(diǎn)灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i-step,j))為中心像素點(diǎn)往縱軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)往縱軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)往橫軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)往橫軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值。

(1.3)根據(jù)濾波模板獲取差分圖：

(1.3.1)

其中，c(f(i-step,j))為中心像素點(diǎn)(i,j)往縱軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i+step,j))為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j-step))為中心像素點(diǎn)(i,j)往橫軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，c(f(i,j+step))為中心像素點(diǎn)(i,j)往橫軸正向移動(dòng)步長(zhǎng)為k的灰度值對(duì)應(yīng)的邊緣停止函數(shù)值，min1和min2分別為中心像素點(diǎn)(i,j)四個(gè)方向中最小的兩個(gè)邊緣停止函數(shù)值。

通過(guò)以上三步操作，就可獲取每幅圖像的差分圖。

步驟二、對(duì)步驟一中得到的差分圖像采用局部極大值方法進(jìn)行目標(biāo)分割，獲取二值圖像；

局部極大值分割方法包括以下四個(gè)步驟：

(2.1)定義鄰域內(nèi)四個(gè)方向的梯度：

(2.1.1)

其中k為移動(dòng)步長(zhǎng)，xright為縱軸正向，xleft為縱軸負(fù)向，yright為橫軸正向，yleft為橫軸正向，f(i,j)為像素點(diǎn)的灰度值，f(i+k,j)為中心像素點(diǎn)(i,j)往縱軸正向移動(dòng)步長(zhǎng)為k的灰度值，f(i-k,j)為中心像素點(diǎn)(x,y)往縱軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值，f(i,j+k)為中心像素點(diǎn)(x,y)往橫軸正向移動(dòng)步長(zhǎng)為k的灰度值，f(i,j-k)為中心像素點(diǎn)(x,y)往橫軸負(fù)向移動(dòng)步長(zhǎng)為k的灰度值。

(2.2)提取候選點(diǎn)：若某個(gè)像素點(diǎn)在同一步長(zhǎng)下的4個(gè)方向中有3個(gè)方向以上的梯度值大于給定閾值，則將其作為候選點(diǎn)。

(2.3)變換步長(zhǎng)：逐步增加步長(zhǎng)，再對(duì)該像素點(diǎn)做(2.2)的判斷，當(dāng)三個(gè)步長(zhǎng)中，有兩個(gè)步長(zhǎng)以上的梯度滿足(2.2)要求時(shí)，則認(rèn)為該點(diǎn)目標(biāo)點(diǎn)，將其置為1。

(2.4)將所有滿足(2.3)的像素點(diǎn)設(shè)為置為1，提取出候選目標(biāo)點(diǎn)。

步驟三、初始化時(shí)域參數(shù)和空域參數(shù)，時(shí)域參數(shù)為累積幀長(zhǎng)度，空域參數(shù)為管徑大小，輸入累積幀長(zhǎng)度為N的系列二值圖像，初始管徑大小一般為候選目標(biāo)直徑的2倍；

步驟四、對(duì)步驟三輸入的系列二值圖,采用管徑自適應(yīng)的時(shí)空域?yàn)V波對(duì)目標(biāo)進(jìn)行檢測(cè)，獲取真實(shí)目標(biāo)，具體步驟如下：

(41)將輸入的系列圖像中的第一幀作為當(dāng)前幀，找出該圖像中的所有候選目標(biāo)點(diǎn)x_i(i＝1,2,3,…)，并記錄它們的坐標(biāo)位置。

(42)判斷約束條件，更新計(jì)數(shù)器。對(duì)當(dāng)前幀中所有的候選目標(biāo)點(diǎn)在下一幀中觀察其所處鄰域內(nèi)是否出現(xiàn)可疑目標(biāo)點(diǎn)，如果存在可疑目標(biāo)點(diǎn)則記錄目標(biāo)出現(xiàn)的次數(shù)；同時(shí)在判別計(jì)數(shù)器中統(tǒng)計(jì)目標(biāo)位置未變計(jì)數(shù)器M，判斷兩幀之間候選目標(biāo)位置是否發(fā)生變化，如果目標(biāo)位置沒(méi)有變化則M加1，如果有變化則M置零。其中約束條件的定義如下：

式中，(x_k，y_k)為第k幀圖像候選目標(biāo)點(diǎn)的位置，(x_k-1，y_k-1)為第k-1幀圖像候選目標(biāo)點(diǎn)的位置,(x_k-2，y_k-2)為第k-2幀圖像候選目標(biāo)點(diǎn)的位置,β_x,β_y,β_v為目標(biāo)中心在相鄰兩幀間移動(dòng)變化量的閾值。

(43)更新空域參數(shù)。當(dāng)累積幀內(nèi)的目標(biāo)滿足約束條件時(shí)，利用尺度空間DoG算法獲取目標(biāo)的中心坐標(biāo)和尺寸大小，用以更新候選目標(biāo)中心坐標(biāo)和管徑大小。尺度空間DoG算法包括以下四個(gè)步驟：

(4.3.1)定義尺度空間，將圖像f(x,y)與高斯核G(x,y,σ)進(jìn)行卷積得到其尺度空間，用L(x,y,σ)表示，表達(dá)式為：

其中L(x,y,σ)表示尺度空間，σ是尺度因子，f(x,y)代表圖像上某個(gè)點(diǎn)的像元值，x代表該點(diǎn)的橫坐標(biāo)，y代表該點(diǎn)的縱坐標(biāo)。

(4.3.2)利用高斯差方程構(gòu)建DoG尺度空間，表達(dá)式為：

D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)

其中L(x,y,kσ)表示尺度因子為kσ的尺度空間，L(x,y,σ)表示尺度因子為σ的尺度空間，D(x,y,σ)為鄰近上下2層的尺度空間差，代表DoG尺度空間。

(4.3.3)利用DoG算法計(jì)算空間極值點(diǎn)，將中間層的每個(gè)像素與同層的8個(gè)鄰近像素及上下兩層的9個(gè)相鄰像素點(diǎn)進(jìn)行比較，尋找其空域和尺度域的所有相鄰點(diǎn)的極值，若取得到極值，將該點(diǎn)作為一個(gè)候選目標(biāo)點(diǎn)，記錄其位置坐標(biāo)(x,y)和相應(yīng)尺度σ，并根據(jù)如下關(guān)系計(jì)算目標(biāo)的直徑大小d：

其中σ為相應(yīng)的尺度因子，d表示候選目標(biāo)的直接大小。

(4.3.4)剔除虛警，提高檢測(cè)率。本發(fā)明采用局部信雜比閾值檢測(cè)法對(duì)候選目標(biāo)點(diǎn)進(jìn)行精定位，表達(dá)式如下：

其中θ為常數(shù)，LSCR(x,y,σ)為候選點(diǎn)的局部信雜比，(x,y)為候選點(diǎn)坐標(biāo)，σ為相應(yīng)尺度，α_k為局部背景均值，σ_k局部背景標(biāo)準(zhǔn)差，α_t為候選點(diǎn)局部均值。

根據(jù)以上四步操作，將獲取到的目標(biāo)中心坐標(biāo)和尺寸大小，自適應(yīng)修改候選目標(biāo)中心坐標(biāo)和管徑大小。

(44)識(shí)別真?zhèn)文繕?biāo)。待N幀圖像處理完畢后，統(tǒng)計(jì)每個(gè)計(jì)數(shù)器的輸出值。如果目標(biāo)出現(xiàn)次數(shù)計(jì)數(shù)器大于等于num1且目標(biāo)位置未變計(jì)數(shù)器小于等于num2，則判定該候選目標(biāo)為真實(shí)目標(biāo)，并記錄其坐標(biāo)信息，否則將其剔除。

(45)更新累積幀長(zhǎng)度，直到處理完所有圖像序列。

步驟五、對(duì)所有幀的檢測(cè)結(jié)果進(jìn)行疊加，輸出目標(biāo)運(yùn)動(dòng)軌跡。

為了定量評(píng)估本算法中背景預(yù)測(cè)的有效性，采用均方誤差EMS、結(jié)構(gòu)相似性SST和局部信噪比增益GSNR三個(gè)指標(biāo)來(lái)評(píng)價(jià)圖像的背景預(yù)測(cè)效果，分別截取實(shí)際場(chǎng)景中2個(gè)序列圖像中的第1幀圖像，對(duì)它們進(jìn)行計(jì)算：序列1中第1幀圖像結(jié)果為EMS＝9.28，SST＝0.979，GSNR＝10.75；序列2中第1幀圖像結(jié)果為EMS＝8.13，SST＝0.983，GSNR＝11.35，背景預(yù)測(cè)圖如圖2、5所示。

為了驗(yàn)證本算法中局部極大值對(duì)差分圖進(jìn)行分割的有效性，分別截取實(shí)際場(chǎng)景中2個(gè)序列圖像中的第10幀圖像，分割結(jié)果及對(duì)應(yīng)的三維圖如圖3、6所示。

為了驗(yàn)證本算法的有效性，分別選取幀長(zhǎng)度分別為114和85的2個(gè)實(shí)際場(chǎng)景對(duì)其進(jìn)行實(shí)驗(yàn)。各系列檢測(cè)結(jié)果如圖4、7所示，從圖中可以看出，系列1中目標(biāo)處于隨機(jī)運(yùn)動(dòng)過(guò)程，不同幀間目標(biāo)游記性強(qiáng)，且噪聲干擾嚴(yán)重，而系列2中目標(biāo)繞著某個(gè)中心點(diǎn)隨機(jī)地在鄰域內(nèi)來(lái)回運(yùn)動(dòng)，背景處于動(dòng)態(tài)變化過(guò)程，本發(fā)明針對(duì)這2種場(chǎng)景，利用管徑自適應(yīng)時(shí)空域?yàn)V波的弱小目標(biāo)檢測(cè)方法，均可以準(zhǔn)確檢測(cè)出目標(biāo)，剔除虛警。

本發(fā)明未詳細(xì)闡述部分屬于本領(lǐng)域技術(shù)人員的公知技術(shù)。

本技術(shù)領(lǐng)域中的普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)到，以上的實(shí)施例僅是用來(lái)說(shuō)明本發(fā)明，而并非用作為對(duì)本發(fā)明的限定，只要在本發(fā)明的實(shí)質(zhì)精神范圍內(nèi)，對(duì)以上所述實(shí)施例變化,變型都將落在本發(fā)明權(quán)利要求書(shū)的范圍內(nèi)。