基于迭代最优化距离分类的空间弱小目标检测方法技术

本发明专利技术公开了一种基于迭代最优化距离分类的空间弱小目标检测方法，用于解决现有的空间微弱运动目标检测方法检测效率低的技术问题。技术方案是采用基于迭代最优化距离分类的方法提取候选目标，构造误差平方和准则函数，将所有星点分为恒星类与非恒星类，迭代计算类内均值与误差平方函数，求出最优化距离分类阈值，并过滤掉大部分的恒星背景与噪声点，使后继操作的复杂度降低；在候选目标过滤阶段，使用目标轨迹的关联方法，减少了算法的计算复杂度，进而提高了空间微弱运动目标检测的效率。

【技术实现步骤摘要】

本专利技术涉及一种空间目标检测方法，特别是一种基于迭代最优化距离分类的空间 弱小目标检测方法。
技术介绍
文献“基于多级分类与逆向时空融合的弱小目标检测，系统工程与电子技术， 2009，Vol31(8)，pl864-1869”公开了一种基于多级分类与逆向时空融合的弱小目标检测方 法。该方法在对图像进行背景抑制的基础上，采用自适应多级分类的方法提取候选目标，强 化了各类弱小候选目标的检测能力。同时，根据目标在相邻帧间的位置变化信息构造动态 时空管道，在当前帧候选目标点的真伪无法判定时，沿时空管道逆向寻找可能出现的各类 候选目标，将其中的各类候选目标点能量与当前帧候选目标点的能量进行加权求和后再进 行门限判决，较好地解决了弱小目标及快速移动目标的能量积累问题。文献所述方法通过 实验设定经验性的多级分类阈值提取候选目标，适应性不强；在背景变化时，会过滤掉真实 目标或把噪声误判为候选目标点，另外分类后存在大量的候选目标点，需要构造时空管道， 在序列检测过程中动态更新，对复杂背景，时空管道的构造、更新会随之变得复杂，效率不 尚ο
技术实现思路
为了克服现有的空间微弱运动目标检测方法检测效率低的不足，本专利技术提供一种 。该方法采用基于迭代最优化距离分类 的方法提取候选目标，构造误差平方和准则函数，将所有星点分为恒星类与非恒星类，迭代 计算类内均值与误差平方函数，求出最优化距离分类阈值，并过滤掉大部分的恒星背景与 噪声点，使后继操作的复杂度降低；在候选目标过滤阶段，使用目标轨迹的关联方法，可以 减少算法的计算复杂度，提高空间微弱运动目标检测的效率。本专利技术解决其技术问题所采用的技术方案一种基于迭代最优化距离分类的空间 弱小目标检测方法，其特点是包括下述步骤权利要求骤1 -种，其特征在于包括下述步(a)对图像做中值滤波去除噪声并进行二值分割，统计整个图像的灰度均值2.根据权利要求1所述的，其特征 在于所述图像大小m · η = IOMX ΙΟΜ。全文摘要本专利技术公开了一种，用于解决现有的空间微弱运动目标检测方法检测效率低的技术问题。技术方案是采用基于迭代最优化距离分类的方法提取候选目标，构造误差平方和准则函数，将所有星点分为恒星类与非恒星类，迭代计算类内均值与误差平方函数，求出最优化距离分类阈值，并过滤掉大部分的恒星背景与噪声点，使后继操作的复杂度降低；在候选目标过滤阶段，使用目标轨迹的关联方法，减少了算法的计算复杂度，进而提高了空间微弱运动目标检测的效率。文档编号G06K9/80GK102096829SQ20111000516公开日2011年6月15日 申请日期2011年1月6日 优先权日2011年1月6日专利技术者姚睿, 孙瑾秋, 张艳宁, 施建宇, 李磊, 段锋 申请人:西北工业大学本文档来自技高网...

【技术保护点】
一种基于迭代最优化距离分类的空间弱小目标检测方法，其特征在于包括下述步骤：（ａ）对图像做中值滤波去除噪声并进行二值分割，统计整个图像的灰度均值＊＊＊（１）及方差＊＊＊（２）式中，ｍ·ｎ表示图像大小，Ｉ（ｘ，ｙ）是（ｘ，ｙ）点的灰度值；分割出的星点分布在几个像元中，星点的质心＊＊＊（３）式中，（ｘ，ｙ）是像素的坐标，Ω是星点的窗口，（ｘ↓［ｃ］，ｙ↓［ｃ］）表示星点质心在ｘ，ｙ方向上的坐标；（ｂ）计算各恒星点ｉ，ｊ之间欧氏距离ｄ↓［ｉｊ］，构造以欧氏距离ｄ↓［ｉｊ］为元素的特征矩阵＊＊＊（４）式中，＜０，ｄ↓［ｉ１］，ｄ↓［ｉ２］，．．．，ｄ↓［ｉ，Ｎ－１］＞是一个升序序列；找出任两个恒星特征点的最大公共子序列，对于能够匹配的最大公共子序列的恒星点，认为两个点在两帧图像中为匹配点，根据这些匹配点，估计出它们的运动参数＊＊＊（５）＊＊＊（６）对各星点进行运动补偿，消除背景运动；式中，（ｘ↓［ｔ］ｙ↓［ｔ］）↑［Ｔ］表示参考帧坐标，ｘ↓［ｃ］，ｙ↓［ｃ］是需要做运动补偿的星点质心坐标，＊，＊是补偿后的星点质心坐标；（ｃ）两帧图像中的星点经过运动补偿后在同一坐标系下，做帧间星点的配对，每对可得到两个方向质心的差别ｄ↓［ｘ］和ｄ↓［ｙ］＊＊＊（７）将星点对（Ｃ↓［ｉ］（ｔ），Ｃ↓［ｊ］（ｔ＋１））映射为二维距离空间Ｅ中的一个样本点，定义映射关系ｆ：ｆ（Ｃ↓［ｉ］（ｔ），Ｃ↓［ｊ］（ｔ＋１））＝（ｄ↓［ｘ］（Ｃ↓［ｉ］（ｔ），Ｃ↓［ｊ］（ｔ＋１）），ｄ↓［ｙ］（Ｃ↓［ｉ］（ｔ），Ｃ↓［ｊ］（ｔ＋１）））（８）提取候选目标即对此二维空间Ｅ中的样本点进行分类；定义误差平方和准则函数：＊＊＊（９）＊＊＊（１０）式中，ｎ↓［ｉ］表示子集Ｄ↓［ｉ］中样本的个数，ｍ↓［ｉ］代表ｎ↓［ｉ］类样本ｘ产生的平方和误差，使用迭代最优化法的方法计算误差平方和准则函数的值；（ｄ）对距离分类出的候选目标点建立目标轨迹，利用速度和方向双约束规则进行轨迹关联，进一步剔除虚假目标点。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张艳宁，姚睿，孙瑾秋，段锋，李磊，施建宇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87