空间目标运动轨迹提取算法研究

在深入分析恒星跟踪和目标跟踪两种模式下星敏感器成像特点的基础上,针对星图中空间目标运动轨迹提取算法进行了研究,提出了基于序列图像多帧累加背景掩模帧生成的目标提取算法.主要思路为多帧累加增强目标与恒星的对比度;设置阈值以凸显目标或恒星;交叉投影法生成掩模帧,确定星点区域;质心法精确求得目标点位置.仿真结果表明,所提出的算法能够有效检测序列星图中的弱小目标,精确提取目标运动轨迹.     

自动导星星点检测及跟踪算法研究

详细介绍了自动导星的工作原理,对自动导星的星点检测及跟踪算法进行研究,结合星点能量在星图上分布近似高斯分布的特性,提出一种稳定可靠的目标星点提取算法。算法首先分析了星点目标的阈值判断原则,根据阈值条件确定一定数量的候选星点,然后在候选星点中筛选出最优的目标星点,最后通过高斯曲线拟合的办法求取最优目标星点的质心坐标。该方法提高了目标星点提取的准确性和计算速度,实验结果表明:改进后的算法能够达到良好的效果。     

基于星与目标拓扑结构变化差异的星图识别算法

利用星点间拓扑结构相对稳定不变的特性,本文提出了一种基于拓扑结构信息的星图识别算法。在星图预处理的基础上利用广义似然比检测算法提取包括恒星在内的目标,经交叉投影获取目标在视场中的位置,根据目标与星及星与星之间的运动连续性差异选取马氏距离与归一化相关系数作为结构相似性测度来表征星点间的结构信息,通过结构信息的变化来判断是星点还是目标,依据一定的变化准则将目标与星区分开,从而达到星图识别的目的。通过仿真实验分析验证算法的有效性和合理性。     

红外星图预处理及星点定位精度分析

红外星图是白天观星获取的原始数据,图中含有单点噪声和条纹噪声等多种噪声,严重影响了后续的星点提取和质心定位。针对外场观星获取的红外星图,进行了星图预处理,并分析了星点定位精度。提出了单点噪声的检测与补偿算法和条纹噪声的列均值偏移校正（CMOC）算法,还采用Wiener2 和Top-hat 组合滤波方法对星图进行进一步滤波去噪,最后使用在观测星图中加入理想模拟星点的方法计算了星点定位精度。实验结果表明,预处理算法有效抑制了红外星图中的各种噪声,星点目标峰值信噪比最多由4.7 提高到了31.3,模拟的2 等星的星点定位标准偏差量级为1/30 pixel 水平,满足工程应用的精度要求。     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.     

基于高斯弥散参数拟合的伪星检测

天文导航中,伪星的存在会给后续的星图识别等处理造成较大困难。为更有效地剔除星图中的伪星,提出一种结合区域面积检测和高斯参数拟合判别的复合检测算法。首先对疑似星象区域进行面积检测初步剔除明显的伪星点;再根据同一星图中星点的高斯弥散参数相同的原理对各星点进行参数拟合,对计算的弥散参数进行统计判别,进一步剔除分布与正常星点明显不同的伪星。仿真试验及结果分析验证了算法的有效性和良好的抗噪性能。     

CORDIC算法在星图目标质心提取中的应用

为了能够快速而精确地实现对星图目标的质心提取,采用质心提取算法中具有较高精度的高斯曲面拟合算法,利用CORDIC算法来设计其中的对数运算模块,取代以往的查找表结构算法.通过ModelSim仿真,表明该运算模块能够以流水线的方式对数据进行连续处理,实时性较好.最后在FPGA硬件平台上进行验证,对一幅512×512像素的星图进行星点目标质心提取,试验结果显示该模块的计算误差在0.005个像素以内,定位精度要高于传统的质心法,而流水线的设计结构使其具有更快运算速度.     

基于能量分布的星点提取方法

为提高星图预处理中质心提取的精度和实时性,提出了一种基于星点能量分布的星点提取方法.该方法将星点的能量分布概括为如下三个特点：一是当σ＜0.671时,星点的能量主要集中在其中心3×3像元的区域内;二是星点中心灰度最大;三是星点中心周围8个像元的灰度值大于平均灰度值.依据后两个特点可以确定星点中心像元,然后根据第一个特点就可以用传统的质心算法对星点中心3×3区域进行质心提取.仿真结果表明,该方法能够实时有效地进行星点提取,且实时性优于连通域法,在星等小于5时质心提取精度也要优于连通域法.     

基于背景抑制的星空图像目标运动轨迹提取

研究了空间观测CCD图像弱小目标检测与运动轨迹提取技术,介绍了一种基于背景抑制的多目标检测与运动轨迹提取方法。首先,对图像进行阈值处理,滤除图像的背景灰度和噪声;然后生成基于序列图像叠加与形态学变换相结合的背景掩模图像,对序列图像进行屏蔽处理,得到运动目标图像;对目标图像进行交叉投影算法确定目标区域,并进一步精确确定目标质心,进而提取目标的运动轨迹。实验证明所提出的算法不仅能够有效检测星空序列图像中的多个弱信号小目标,而且具有较强的实时性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

基于形态学的白天近红外星目标检测

受多种因素的影响,白天获得的近红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,形态学运算对于星图像的处理具有较好的效果。首先分析目标及噪声大小,选择较大的结构元素,然后组合开运算及顶帽变换,提取出背景,得到只含有目标及噪声的图像,然后改变结构元素大小,消除掉噪声,进行目标分割。实验证明,可较好地分离出恒星目标。     

舰载红外警戒系统目标图像的离群点挖掘算法

针对舰载红外警戒系统目标图像中弱小目标的检测问题,提出了一种基于离群点挖掘的目标检测算法(OBTD)。依据目标与背景在灰度分布上的不同特性,算法将弱小目标视为离群点。分割图像为一系列的子图像,计算子图像中各像素值的局部可达密度,设定阈值挖掘出离群点,得到可能的目标点。算法时间复杂度低,实时性好。试验表明,该算法能有效地检测出图像中的弱小目标,便于进一步的目标识别和跟踪。     

红外背景抑制与小目标检测算法

在有云层背景的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。介绍了一种简单可行的在云层背景下检测小目标的方案。算法中,首先进行背景抑制以获得更高的信噪比,接着是用门限分割以得到二值图像,最后依照目标在时间和空间运动的连续性,用一种管线法进行目标识别。实验结果表明算法十分有效。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。     

基于概率数据互联滤波器的序列图像微弱点状运动目标跟踪技术

概率数据互联滤波器(PDAF)最早由Bar-Shalom等人提出,被广泛的应用于雷达目标跟踪等领域中.本文在分析序列图像中微弱点状运动目标的运动特性后,根据概率数据互联滤波器的基本思想,推导了在序列图像情况下对微弱点状图像运动目标的跟踪算法.理论及实验结果表明,在序列图像情况下概率数据互联滤波器能够在保持跟踪实时性的同时,提供较高的跟踪精度.     

一种改进的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标检测率低、目标跟踪困难的问题,提出一种改进的红外弱小目标快速检测方法。该方法采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素,然后对其进行信噪比估计得到整个图像序列像素得分,图像中像素信噪比高的被标记为目标像素,再对标记过的图像进行分块分析,最终准确提取出连续图像序列中的目标像素。检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双阈值实现目标的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目标检测拥有较高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有效跟踪目标,而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。