022-红外小目标检测与跟踪方法研究
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
徐永兵［３］ 提出了一种新的红外图像弱小目标检 测方法， 即利用向量小波的优良性质， 采用恰当的
预滤波器对图像进行预处理， 而后对经向量小波变 换得到的高频图像利用Ｆｉｓｈｅｒ算法进行分割， 最终 将目标从背景中分离出来。李利荣［４］ 利用小波分析 的多分辨率特性和时频局部窗特性能够克服传统 方法的局限， 实现小目标的精确定位检测， 实验结 果表明该方法不仅能很好保存小目标的形状特征， 还能将背景几乎完全消除。顾静良［５］ 针对弱小目标 检测所固有的难点及常用的单一分辨率下的检测 方法还不能准确稳定地检测出的目标， 提出了一种 弱小目标检测新方法， 其考虑到实际应用中的复杂 背景和大量干扰噪声， 运用数据融合技术， 先对图 像进行小波多分辨率分解， 然后将不同分辨率下的 子图进行最优加权平均融合来检测弱小目标。李红［６］ 通过一种鲁棒的小波多尺度图像配准过程消除主 场或背景运动的影响， 同时， 利用改进的Ｆｉｓｈｅｒ算法 及小波变换对低频的图像进行分割， 最终将目标从 背景中分离出来， 并对配准后分割的图像差分， 获 得目标运动轨迹。文献 ［ ６—１５］ 也利用小波变换的 特性实现了小目标的检测和跟踪。
对 于 小 目 标 红 外 图 像 ， 目 标 、背 景 和 噪 声 具 有 以下特点［２］： （ １） 目标在成像系统的焦平面上成像面 积很小， 只占一个或几个像素， 无形状与结构信息， 噪声也有此特性； （ ２） 目标与背景的灰度不相关， 只 占图像空间频域的高频成分； 在一般情况下背景变 化比较缓慢， 内部变化较均匀， 像素之间有较强的 相关性， 主要占据图像的低频成分； 噪声与目标类 似， 也为高频成分； （ ３） 对于单帧红外图像， 目标在 红外图像中出现的位置是随机的， 但对于多帧连续 序列图像来说， 目标的位置是有一定规律的； 而噪 声无论在单帧图像还是在序列图像中出现的位置 都是随机的； （ ４） 在序列图像中， 由于目标的温度是 一定的， 所以相邻帧目标的灰度变化不会太大。
背景抑制技术的基本思想： 首先对红外图像的 背景起伏分量进行估计， 然后将原始图像与背景起 伏图像相减， 即得到不含起伏的红外图像。背景抑 制技术 的 研 究 非 常 广 泛 ， 主 要 有 图 像 滤 波 、像 素 变 换等， 其中以滤波技术应用最为常见。到目前为止， 已经发展了很多种基于图像滤波的背景抑制方法， 具体包 括 自 适 应 滤 波 、空 间 高 通 滤 波 、空 间 匹 配 滤 波 、中 值 滤 波 、数 学 形 态 滤 波 、基 于 模 糊 理 论 的 滤 波 、采 用 卷 积 或 相 关 运 算 的 背 景 抑 制 、基 于 Ｔｏｐ—ｈａｔ 变 换 的 数 学 形 态 学 滤 波 、二 维 均 方 误 差 法 等 。 对 于 这一类算法的实质仅在于背景估计部分所采用的 算法不同。
二维最小均方误差滤波实际上是一种典型的
２０期
夏爱利， 等： 红外小目标检测与跟踪方法研究
３３３１
自适应线性预测算法， 它在预测过程中采用了最小 均方误差准则。当原始红外图像中含有较强相关噪 声时， 二维最小均方误差是行之有效的方法。利用 噪声的相关性， 可以从滤波器的输入信号中预测得 到噪声分量并消除之， 而在滤波器的残差中得到目 标信号分量。该算法对平稳背景图像具有很好的噪 声抑制效果， 但对于非平稳背景， 反而可能会使信 噪比降低。
最简单的先检测后跟踪方法是通过对每个单 帧图像进行阈值化处理， 在阈值上的像素判定为可 能的目标， 然后通过关联多帧图像数据决定其是否 为真正的目标。以下介绍目前常用的一些方法。 ２．１．１ 小波分析法
红外图像在图像灰度空间分布上具有较大的 相关性， 是一种缓慢变化且非平稳的二维随机过 程。目标的红外辐射强度与其周围自然背景的辐射 强度无关， 且一般都高于背景的辐射强度， 可以认 为背景处在图像信号的低频部分， 而目标处在图像 信号的高频部分， 通过小波变换将红外图像的低频 部分和高频部分进行分离， 然后对各高频分量进行 分析， 将目标检测出来。
利用小波变换实现频率选择和多尺度分解， 可 以起到抑制背景噪声和增强目标的作用， 极大地提 高信噪比， 从而提高单帧图像中目标检测概率， 降 低误检测。同时， 当时间分辨率高时， 适合于分析高 频信号， 可以更加精确估计信号所在的位置； 当频 率分辨率低时， 适合于分析低频信号， 可以观察过 程的全貌， 这使得基于小波变换的检测算法具有较 好的鲁棒性。 ２．１．２ 背景抑制法
复杂背景中弱小目标的检测与跟踪一直是监 视和告警系统的重要组成部分。要求监视和告警系 统 具 备 极 快 的 反 应 就 只 有 及 时 地 发 现 目 标 、跟 踪 目 标 、捕 获 和 锁 定 目 标 。 而 监 视 和 告 警 系 统 为 了 增 大 其有效作用距离， 要求在远距离发现目标， 因此在 绝大部分时间内， 目标在视场中是以小目标（ 点和 斑点目标） 形态出现的。因此， 复杂背景下低信噪比 红外弱小目标检测是武器系统中的关键技术之一， 是运动目标探测中一个重要的课题。
技术的研究， 对于提高现代高技术武器的作战距离 及反应速度具有重要意义。
１ 红外小目标图像特性分析
红外小目标图像可以用以下的模型描述： ｆ（ ｍ， ｎ） ＝Ｔ（ ｍ， ｎ） ＋Ｂ（ ｍ， ｎ） ＋Ｎ（ ｍ， ｎ） 。
式 中ｆ（ ｍ， ｎ） 为 场 景 图 像 ； Ｔ（ ｍ， ｎ） 为 目 标 点 灰 度 ； Ｂ （ ｍ， ｎ） 为背景图像； Ｎ（ ｍ， ｎ） 为噪声图像。
该方法是利用某种形式把图象空间的红外图 象转换到其他空间， 并利用这些空间的特有性质来 实现目标的检测与跟踪， 其对数学理论的依赖性较 强。如小波理论的发展使得基于小波变换的方法得 到了广泛深入的应用， 基于Ｆｏｕｒｉｅｒ变换的方法也是 其中比较典型的方法之一， 它利用了对图像序列进 行Ｆｏｕｒｉｅｒ变换时， 其结果的频谱幅度不变而相位谱 的变化是一个常数这一性质， 来检测运动目标； 另 外， 李智杰［２８］ 引入图像的Ｃｕｒｖｅｌｅｔ变换， 在Ｃｕｒｖｅｌｅｔ域 经阈值化处理抑制背景杂波中的低频分量， 然后在 空域中通过块对比的操作进一步抑制杂波的边缘 分量， 最终实现背景杂波的抑制和弱小目标的增 强 ； 文 献 ［ ３０， ３１］ 分 别 用Ｈａｒｔｌｅｙ变 换 和 余 弦 面 积 变 换 （ ＣＡＴ） 来 实 现 目 标 检 测 与 跟 踪 ； 文 献 ［ ３１， ３２］ 用 Ｈｏｕｇｈ 变 换 实 现 目 标 检 测 与 跟 踪 ； 文 献 ［ ３３］ 将 Ｗｉｇｎｅｒ Ｖｉｌｌｅ分布和Ｈｏｕｇｈ变换技术相结合， 实现目 标检测； 这些算法的特点是结构简单、运算速度快 ， 具有较低信噪比下的目标检测能力， 是工程应用较 多的方法。
第 ６ 卷 第 ２０ 期 ２００６ 年 １０ 月 ２０期１６７１ － １８１５ （ ２００６） ２０ － ３３２９ － ０６
科学技术与工程
夏爱利Ｓｃ，ｉｅ等ｎｃ：ｅ红Ｔ外ｅｃｈ小ｎｏ目ｌｏ标ｇｙ检ａｎ测ｄ 与Ｅｎ跟ｇｉｎ踪ｅｅ方ｒｉｎ法ｇ 研究
Ｖｏｌ． ６ Ｎｏ． ２０ Ｏｃｔ． ２００６ ｃ ２００６ Ｓｃｉ． Ｔｅｃｈ． Ｅｎｇｎｇ．
!!!"
!!!"
!!!!!!!!"
综述
!!!!!!!!"
计算机技术
红外小目标检测与跟踪方法研究
夏爱利１， ２ 马彩文２ 张砺佳１， ２
（ 中国科学院研究生院１， 北京 １０００３９； 中国科学院西安光学精密机械研究所２， 西安 ７１００６８）
摘 要 复杂背景中小目标的检测与跟踪一直是监视和告警系统的重要组成部分， 综合该领域近年来的研究成果， 从空间滤 波和时间滤波的角度对现有的红外小目标检测方法进行了简单的概述， 并分析了今后的研究方向。 关键词 复杂背景 检测 跟踪 小目标 中图法分类号 ＴＰ２７７ ＴＰ２７４．５２； 文献标识码 Ａ
以上为含有运动小目标的红外图像的特点， 国
３３３０
科学技术与工程
６卷
内外研究的许多检测方法都基于以上特点。本文系 统分析了有关的文献， 对近年来该领域的研百度文库进行 了综述。
２ 跟踪方法分类
小目标的检测一般都采用空间滤波和时间滤 波相结合的算法， 传统的小目标检测与跟踪算法是 把时间滤波器放在空间滤波器之后叫先检测后跟 踪 （ ｄｅｔｅｃｔ ｂｅｆｏｒｅ ｔｒａｃｋ） 算 法 ， 这 类 方 法 需 要 被 处 理 的图像中的目标能量足够大， 否则不能很好地检测 出目标。与之相反把时间滤波器放在空间滤波器之 前， 叫做探测前跟踪（ ｔｒａｃｋ ｂｅｆｏｒｅ ｄｅｔｅｃｔｉｏｎ） 算法， 它 只用运动特性对目标进行描述， 并将目标的检测和 跟踪问题简化为轨迹的检测， 因而得到广泛地应 用。 ２．１ 先检测后跟踪（ ｄｅｔｅｃｔ ｂｅｆｏｒ ｅ ｔｒ ａｃｋ） 方法
２．１．４ 门限检测法 利用门限检测法的目的是使规定的检测门限
高得足以抑制背景起伏， 低得足以使目标信号通 过， 小目标探测算法最终都要演化成门限检测法。 这种算法存在于很多文献中， 但是计算出来的门限 通常为固定门限， 适应性较差。 ２．２ 探测前跟踪方法（ ｔｒ ａｃｋ ｂｅｆｏｒ ｅ ｄｅｔｅｃｔｉｏｎ）
在自然环境中， 目标与背景的成像条件是不可 控制的， 随机因素和复杂背景给目标检测和跟踪带 来很大困 难 ［１］， 主 要 表 现 在 ： （ １） 缺 少 关 于 背 景 的 统 计先验信息； （ ２） 目标的信噪比非常低以至于很难 从单幅图像中检测出目标； （ ３） 目标可能会在某时 间出现或消失； （ ４） 无法得到形状、纹理等有用的目 标特征； （ ５） 仅有的检测信息是目标未知的亮度和 移动速度。因此， 对低对比度小目标的检测与跟踪
２００６年 ６ 月２１ 日 收 到 第 一 作 者 简 介 ： 夏 爱 利 （ １９７９—） ， 女 ， 陕 西 省 户 县 人 ， 中 国 科 学 院 研 究 生 院 硕 士 研 究 生 ， 研 究 方 向 ： 图 像 处 理 与 目 标 跟 踪 。 Ｅ－ ｍａｉｌ： ｘｉａ＿ａｉｌｉ＠１６３．ｃｏｍ。
周 卫 祥 ［１６］ 提 出 了 用 空 间 高 通 滤 波 方 法 改 善 图 像 质 量 抑 制 背 景 噪 声 的 方 法 ； 文 献 ［ １７， １８］ 提 出 了 一种基于卡尔曼滤波理论的时域递归低通滤波算 法 。 低 通 、高 通 滤 波 虽 然 对 背 景 起 到 一 定 的 抑 制 作 用， 但是效果不够理想。基于Ｔｏｐ－ ｈａｔ变换的数学形 态学滤波［１９］ 是一种实用的自适应非线性滤 波技术， 它利用集合函数的膨胀和腐蚀进行局部最大和最 小运算以实现对图像的空间滤波， 通过使参与运算 的区域大小根据背景的起伏程度进行相应的调 整来实现自适应滤波。只要结构元素选择合适， 该 方法能得到比较理想的背景估计结果。参考文 献 ［ ２０—２７］ 也 利 用 了 数 学 形 态 学 的 方 法 检 测 红 外 灰度图像小目标。 ２．１．３ 基于变换的方法
探测前跟踪方法是在目标检测前， 已经对大量 的候选目标轨迹进行评估， 提高了在恒虚警率下的 目标检测能力， 这个特点使其更适合于低信噪比背 景下弱小目标的检测。 ２．２．１ 动态规划方法
动 态 规 划 方 法 ［３４］ 是 由Ｂａｍｉｖ首 先 提 出 的 ， 他 利 用了动态规划方法分段优化的思想， 将目标轨迹搜 索问题分解为分级优化的问题， 在算法结构上得到 了一个性能优良且可实现的方案， 但对于具体的检 测条件， 还有优化和改进的余地。
小波分析的多尺度特性， 使得它适合于在低信 噪比环境下进行红外目标检测。其伸缩特性可使部 分图像特征在某个尺度下被有效地抑制， 而某些感 兴趣的特性可以被突显出来。因为小波基函数有可 变的间隔， 它们能够使定位信号间断。当对一幅图 像进行二维离散小波变换时， 可产生具有不同分辨 力和减小了空间的子图， 而保持目标和杂散的适当 空间位置。小波变换的另一个潜在的好处就是不但 能够从一个或两个子带仅用系数进行检测， 而且可 以减少处理的总像素数目。
预滤波器对图像进行预处理， 而后对经向量小波变 换得到的高频图像利用Ｆｉｓｈｅｒ算法进行分割， 最终 将目标从背景中分离出来。李利荣［４］ 利用小波分析 的多分辨率特性和时频局部窗特性能够克服传统 方法的局限， 实现小目标的精确定位检测， 实验结 果表明该方法不仅能很好保存小目标的形状特征， 还能将背景几乎完全消除。顾静良［５］ 针对弱小目标 检测所固有的难点及常用的单一分辨率下的检测 方法还不能准确稳定地检测出的目标， 提出了一种 弱小目标检测新方法， 其考虑到实际应用中的复杂 背景和大量干扰噪声， 运用数据融合技术， 先对图 像进行小波多分辨率分解， 然后将不同分辨率下的 子图进行最优加权平均融合来检测弱小目标。李红［６］ 通过一种鲁棒的小波多尺度图像配准过程消除主 场或背景运动的影响， 同时， 利用改进的Ｆｉｓｈｅｒ算法 及小波变换对低频的图像进行分割， 最终将目标从 背景中分离出来， 并对配准后分割的图像差分， 获 得目标运动轨迹。文献 ［ ６—１５］ 也利用小波变换的 特性实现了小目标的检测和跟踪。
对 于 小 目 标 红 外 图 像 ， 目 标 、背 景 和 噪 声 具 有 以下特点［２］： （ １） 目标在成像系统的焦平面上成像面 积很小， 只占一个或几个像素， 无形状与结构信息， 噪声也有此特性； （ ２） 目标与背景的灰度不相关， 只 占图像空间频域的高频成分； 在一般情况下背景变 化比较缓慢， 内部变化较均匀， 像素之间有较强的 相关性， 主要占据图像的低频成分； 噪声与目标类 似， 也为高频成分； （ ３） 对于单帧红外图像， 目标在 红外图像中出现的位置是随机的， 但对于多帧连续 序列图像来说， 目标的位置是有一定规律的； 而噪 声无论在单帧图像还是在序列图像中出现的位置 都是随机的； （ ４） 在序列图像中， 由于目标的温度是 一定的， 所以相邻帧目标的灰度变化不会太大。
背景抑制技术的基本思想： 首先对红外图像的 背景起伏分量进行估计， 然后将原始图像与背景起 伏图像相减， 即得到不含起伏的红外图像。背景抑 制技术 的 研 究 非 常 广 泛 ， 主 要 有 图 像 滤 波 、像 素 变 换等， 其中以滤波技术应用最为常见。到目前为止， 已经发展了很多种基于图像滤波的背景抑制方法， 具体包 括 自 适 应 滤 波 、空 间 高 通 滤 波 、空 间 匹 配 滤 波 、中 值 滤 波 、数 学 形 态 滤 波 、基 于 模 糊 理 论 的 滤 波 、采 用 卷 积 或 相 关 运 算 的 背 景 抑 制 、基 于 Ｔｏｐ—ｈａｔ 变 换 的 数 学 形 态 学 滤 波 、二 维 均 方 误 差 法 等 。 对 于 这一类算法的实质仅在于背景估计部分所采用的 算法不同。
二维最小均方误差滤波实际上是一种典型的
２０期
夏爱利， 等： 红外小目标检测与跟踪方法研究
３３３１
自适应线性预测算法， 它在预测过程中采用了最小 均方误差准则。当原始红外图像中含有较强相关噪 声时， 二维最小均方误差是行之有效的方法。利用 噪声的相关性， 可以从滤波器的输入信号中预测得 到噪声分量并消除之， 而在滤波器的残差中得到目 标信号分量。该算法对平稳背景图像具有很好的噪 声抑制效果， 但对于非平稳背景， 反而可能会使信 噪比降低。
最简单的先检测后跟踪方法是通过对每个单 帧图像进行阈值化处理， 在阈值上的像素判定为可 能的目标， 然后通过关联多帧图像数据决定其是否 为真正的目标。以下介绍目前常用的一些方法。 ２．１．１ 小波分析法
红外图像在图像灰度空间分布上具有较大的 相关性， 是一种缓慢变化且非平稳的二维随机过 程。目标的红外辐射强度与其周围自然背景的辐射 强度无关， 且一般都高于背景的辐射强度， 可以认 为背景处在图像信号的低频部分， 而目标处在图像 信号的高频部分， 通过小波变换将红外图像的低频 部分和高频部分进行分离， 然后对各高频分量进行 分析， 将目标检测出来。
利用小波变换实现频率选择和多尺度分解， 可 以起到抑制背景噪声和增强目标的作用， 极大地提 高信噪比， 从而提高单帧图像中目标检测概率， 降 低误检测。同时， 当时间分辨率高时， 适合于分析高 频信号， 可以更加精确估计信号所在的位置； 当频 率分辨率低时， 适合于分析低频信号， 可以观察过 程的全貌， 这使得基于小波变换的检测算法具有较 好的鲁棒性。 ２．１．２ 背景抑制法
复杂背景中弱小目标的检测与跟踪一直是监 视和告警系统的重要组成部分。要求监视和告警系 统 具 备 极 快 的 反 应 就 只 有 及 时 地 发 现 目 标 、跟 踪 目 标 、捕 获 和 锁 定 目 标 。 而 监 视 和 告 警 系 统 为 了 增 大 其有效作用距离， 要求在远距离发现目标， 因此在 绝大部分时间内， 目标在视场中是以小目标（ 点和 斑点目标） 形态出现的。因此， 复杂背景下低信噪比 红外弱小目标检测是武器系统中的关键技术之一， 是运动目标探测中一个重要的课题。
技术的研究， 对于提高现代高技术武器的作战距离 及反应速度具有重要意义。
１ 红外小目标图像特性分析
红外小目标图像可以用以下的模型描述： ｆ（ ｍ， ｎ） ＝Ｔ（ ｍ， ｎ） ＋Ｂ（ ｍ， ｎ） ＋Ｎ（ ｍ， ｎ） 。
式 中ｆ（ ｍ， ｎ） 为 场 景 图 像 ； Ｔ（ ｍ， ｎ） 为 目 标 点 灰 度 ； Ｂ （ ｍ， ｎ） 为背景图像； Ｎ（ ｍ， ｎ） 为噪声图像。
该方法是利用某种形式把图象空间的红外图 象转换到其他空间， 并利用这些空间的特有性质来 实现目标的检测与跟踪， 其对数学理论的依赖性较 强。如小波理论的发展使得基于小波变换的方法得 到了广泛深入的应用， 基于Ｆｏｕｒｉｅｒ变换的方法也是 其中比较典型的方法之一， 它利用了对图像序列进 行Ｆｏｕｒｉｅｒ变换时， 其结果的频谱幅度不变而相位谱 的变化是一个常数这一性质， 来检测运动目标； 另 外， 李智杰［２８］ 引入图像的Ｃｕｒｖｅｌｅｔ变换， 在Ｃｕｒｖｅｌｅｔ域 经阈值化处理抑制背景杂波中的低频分量， 然后在 空域中通过块对比的操作进一步抑制杂波的边缘 分量， 最终实现背景杂波的抑制和弱小目标的增 强 ； 文 献 ［ ３０， ３１］ 分 别 用Ｈａｒｔｌｅｙ变 换 和 余 弦 面 积 变 换 （ ＣＡＴ） 来 实 现 目 标 检 测 与 跟 踪 ； 文 献 ［ ３１， ３２］ 用 Ｈｏｕｇｈ 变 换 实 现 目 标 检 测 与 跟 踪 ； 文 献 ［ ３３］ 将 Ｗｉｇｎｅｒ Ｖｉｌｌｅ分布和Ｈｏｕｇｈ变换技术相结合， 实现目 标检测； 这些算法的特点是结构简单、运算速度快 ， 具有较低信噪比下的目标检测能力， 是工程应用较 多的方法。
第 ６ 卷 第 ２０ 期 ２００６ 年 １０ 月 ２０期１６７１ － １８１５ （ ２００６） ２０ － ３３２９ － ０６
科学技术与工程
夏爱利Ｓｃ，ｉｅ等ｎｃ：ｅ红Ｔ外ｅｃｈ小ｎｏ目ｌｏ标ｇｙ检ａｎ测ｄ 与Ｅｎ跟ｇｉｎ踪ｅｅ方ｒｉｎ法ｇ 研究
Ｖｏｌ． ６ Ｎｏ． ２０ Ｏｃｔ． ２００６ ｃ ２００６ Ｓｃｉ． Ｔｅｃｈ． Ｅｎｇｎｇ．
!!!"
!!!"
!!!!!!!!"
综述
!!!!!!!!"
计算机技术
红外小目标检测与跟踪方法研究
夏爱利１， ２ 马彩文２ 张砺佳１， ２
（ 中国科学院研究生院１， 北京 １０００３９； 中国科学院西安光学精密机械研究所２， 西安 ７１００６８）
摘 要 复杂背景中小目标的检测与跟踪一直是监视和告警系统的重要组成部分， 综合该领域近年来的研究成果， 从空间滤 波和时间滤波的角度对现有的红外小目标检测方法进行了简单的概述， 并分析了今后的研究方向。 关键词 复杂背景 检测 跟踪 小目标 中图法分类号 ＴＰ２７７ ＴＰ２７４．５２； 文献标识码 Ａ
以上为含有运动小目标的红外图像的特点， 国
３３３０
科学技术与工程
６卷
内外研究的许多检测方法都基于以上特点。本文系 统分析了有关的文献， 对近年来该领域的研百度文库进行 了综述。
２ 跟踪方法分类
小目标的检测一般都采用空间滤波和时间滤 波相结合的算法， 传统的小目标检测与跟踪算法是 把时间滤波器放在空间滤波器之后叫先检测后跟 踪 （ ｄｅｔｅｃｔ ｂｅｆｏｒｅ ｔｒａｃｋ） 算 法 ， 这 类 方 法 需 要 被 处 理 的图像中的目标能量足够大， 否则不能很好地检测 出目标。与之相反把时间滤波器放在空间滤波器之 前， 叫做探测前跟踪（ ｔｒａｃｋ ｂｅｆｏｒｅ ｄｅｔｅｃｔｉｏｎ） 算法， 它 只用运动特性对目标进行描述， 并将目标的检测和 跟踪问题简化为轨迹的检测， 因而得到广泛地应 用。 ２．１ 先检测后跟踪（ ｄｅｔｅｃｔ ｂｅｆｏｒ ｅ ｔｒ ａｃｋ） 方法
２．１．４ 门限检测法 利用门限检测法的目的是使规定的检测门限
高得足以抑制背景起伏， 低得足以使目标信号通 过， 小目标探测算法最终都要演化成门限检测法。 这种算法存在于很多文献中， 但是计算出来的门限 通常为固定门限， 适应性较差。 ２．２ 探测前跟踪方法（ ｔｒ ａｃｋ ｂｅｆｏｒ ｅ ｄｅｔｅｃｔｉｏｎ）
在自然环境中， 目标与背景的成像条件是不可 控制的， 随机因素和复杂背景给目标检测和跟踪带 来很大困 难 ［１］， 主 要 表 现 在 ： （ １） 缺 少 关 于 背 景 的 统 计先验信息； （ ２） 目标的信噪比非常低以至于很难 从单幅图像中检测出目标； （ ３） 目标可能会在某时 间出现或消失； （ ４） 无法得到形状、纹理等有用的目 标特征； （ ５） 仅有的检测信息是目标未知的亮度和 移动速度。因此， 对低对比度小目标的检测与跟踪
２００６年 ６ 月２１ 日 收 到 第 一 作 者 简 介 ： 夏 爱 利 （ １９７９—） ， 女 ， 陕 西 省 户 县 人 ， 中 国 科 学 院 研 究 生 院 硕 士 研 究 生 ， 研 究 方 向 ： 图 像 处 理 与 目 标 跟 踪 。 Ｅ－ ｍａｉｌ： ｘｉａ＿ａｉｌｉ＠１６３．ｃｏｍ。
周 卫 祥 ［１６］ 提 出 了 用 空 间 高 通 滤 波 方 法 改 善 图 像 质 量 抑 制 背 景 噪 声 的 方 法 ； 文 献 ［ １７， １８］ 提 出 了 一种基于卡尔曼滤波理论的时域递归低通滤波算 法 。 低 通 、高 通 滤 波 虽 然 对 背 景 起 到 一 定 的 抑 制 作 用， 但是效果不够理想。基于Ｔｏｐ－ ｈａｔ变换的数学形 态学滤波［１９］ 是一种实用的自适应非线性滤 波技术， 它利用集合函数的膨胀和腐蚀进行局部最大和最 小运算以实现对图像的空间滤波， 通过使参与运算 的区域大小根据背景的起伏程度进行相应的调 整来实现自适应滤波。只要结构元素选择合适， 该 方法能得到比较理想的背景估计结果。参考文 献 ［ ２０—２７］ 也 利 用 了 数 学 形 态 学 的 方 法 检 测 红 外 灰度图像小目标。 ２．１．３ 基于变换的方法
探测前跟踪方法是在目标检测前， 已经对大量 的候选目标轨迹进行评估， 提高了在恒虚警率下的 目标检测能力， 这个特点使其更适合于低信噪比背 景下弱小目标的检测。 ２．２．１ 动态规划方法
动 态 规 划 方 法 ［３４］ 是 由Ｂａｍｉｖ首 先 提 出 的 ， 他 利 用了动态规划方法分段优化的思想， 将目标轨迹搜 索问题分解为分级优化的问题， 在算法结构上得到 了一个性能优良且可实现的方案， 但对于具体的检 测条件， 还有优化和改进的余地。
小波分析的多尺度特性， 使得它适合于在低信 噪比环境下进行红外目标检测。其伸缩特性可使部 分图像特征在某个尺度下被有效地抑制， 而某些感 兴趣的特性可以被突显出来。因为小波基函数有可 变的间隔， 它们能够使定位信号间断。当对一幅图 像进行二维离散小波变换时， 可产生具有不同分辨 力和减小了空间的子图， 而保持目标和杂散的适当 空间位置。小波变换的另一个潜在的好处就是不但 能够从一个或两个子带仅用系数进行检测， 而且可 以减少处理的总像素数目。