[发明专利]基于迭代最优化距离分类的空间弱小目标检测方法

摘要

本发明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。

主权项

1.一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μ=1m·nΣx=1mΣy=1nI(x,y)---(1)]]>及方差σ2=1m·nΣx=1mΣy=1nI2(x,y)-(1m·nΣx=1mΣy=1nI(x,y))2---(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xc=∫∫(x,y)∈Ωx·I(x,y)∫∫(x,y)∈ΩI(x,y)]]>yc=∫∫(x,y)∈Ωy·I(x,y)∫∫(x,y)∈ΩI(x,y)---(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FeatureMat=0d11d12...d1,N-10d21d22...d2,N-1............0dN1dN2...dN,N-1---(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xtyt=abcdxcyc+ef---(5)]]>x^cy^c=abcd-1xcyc-ef---(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_ydx(Ci(t),Cj(t+1))=[Ci(t)]x-[Cj(t+1)]xdy(Ci(t),Cj(t+1))=[Ci(t)]y-[Cj(t+1)]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：Je=Σi=1cΣx∈Di||x-mi||2---(9)]]>mi=1niΣx∈Dix---(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。