沈同圣，郭少軍，奚曉梁，馬新星

?

星空運(yùn)動(dòng)小目標(biāo)軌跡檢測(cè)超時(shí)控制

沈同圣1，郭少軍2，奚曉梁2，馬新星2

( 1. 中國(guó)國(guó)防科技信息中心，北京 100142；2. 海軍航空工程學(xué)院，山東 煙臺(tái) 264001 )

針對(duì)天基觀測(cè)星圖的特點(diǎn)，分析了星空背景下運(yùn)動(dòng)小目標(biāo)檢測(cè)算法超時(shí)和虛警率過高的原因，引入并改進(jìn)了MTI濾波器對(duì)序列星圖進(jìn)行處理，避免了恒星識(shí)別的繁重計(jì)算；改進(jìn)了小目標(biāo)關(guān)聯(lián)算法結(jié)構(gòu)，在精確度較高的情況下較大范圍地提高了算法效率。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法耗時(shí)大大減少，能夠有效控制算法超時(shí)和虛警率過高的風(fēng)險(xiǎn)，滿足天基觀測(cè)星圖運(yùn)動(dòng)小目標(biāo)軌跡檢測(cè)的工程實(shí)際需要。

天基觀測(cè)星圖；算法超時(shí)；虛警過高；目標(biāo)軌跡檢測(cè)

0 引 言

目前，美國(guó)利用“天基太空監(jiān)視系統(tǒng)”(SBSS)同其他空間目標(biāo)監(jiān)視系統(tǒng)一起組成了全方位的空間目標(biāo)監(jiān)視網(wǎng)，讓太空目標(biāo)無所遁形。為了避免未來太空爭(zhēng)奪中處于絕對(duì)劣勢(shì)，我國(guó)正大力發(fā)展空間監(jiān)視能力，組建太空目標(biāo)監(jiān)視網(wǎng)，開展對(duì)星空運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤，本文針對(duì)實(shí)際需求和天基觀測(cè)圖像的特點(diǎn)，對(duì)目前星空監(jiān)視目標(biāo)檢測(cè)存在的超時(shí)與虛警問題進(jìn)行了相關(guān)研究。

天基觀測(cè)平臺(tái)觀測(cè)星空是利用衛(wèi)星攜帶的天基拍攝相機(jī)對(duì)星空進(jìn)行光學(xué)觀測(cè)或其他手段的監(jiān)視，由于天基觀測(cè)平臺(tái)成像沒有地球大氣的影響，拍攝獲得的星空?qǐng)D像中恒星目標(biāo)會(huì)更加明亮，運(yùn)動(dòng)小目標(biāo)較恒星則變得黯淡。在大量恒星的干擾下如何獲得運(yùn)動(dòng)小目標(biāo)的軌跡是一項(xiàng)復(fù)雜的工程。目前的處理方式是首先對(duì)每幀圖像進(jìn)行恒星目標(biāo)識(shí)別并去除恒星像素，留下運(yùn)動(dòng)小目標(biāo)像素。然后對(duì)相鄰幀圖像進(jìn)行運(yùn)動(dòng)參數(shù)估計(jì)完成運(yùn)動(dòng)目標(biāo)的幀間關(guān)聯(lián)。這種方法首先需要完成幀圖像中的恒星識(shí)別，算法耗時(shí)會(huì)隨著恒星數(shù)量的增加而增加，而衛(wèi)星拍攝圖像幀時(shí)間間隔為3 s，當(dāng)圖像處理時(shí)間超過3 s則會(huì)造成算法超時(shí)(即單幀圖像目標(biāo)檢測(cè)時(shí)間超過幀間間隔時(shí)間則會(huì)造成圖像處理延時(shí)到下一幀圖像處理過程中，出現(xiàn)時(shí)間延遲累積，造成處理滯后)。

目前，對(duì)序列圖像中弱小目標(biāo)的檢測(cè)方法主要有三維匹配濾波算法[1]，基于多級(jí)假設(shè)檢驗(yàn)的算法[2]，基于動(dòng)態(tài)規(guī)劃算法[3]，基于軌跡濾波方法[4]，基于光流的方法[5]和基于Hough變換的方法[6]?；谌S匹配的方法需要目標(biāo)的運(yùn)動(dòng)速度大小及方向信息，當(dāng)速度失配時(shí)，輸出的信噪比較低；多級(jí)假設(shè)檢驗(yàn)和動(dòng)態(tài)規(guī)劃算法優(yōu)于三維匹配算法，但是要求目標(biāo)軌跡不能間斷，對(duì)目標(biāo)的信噪比要求較高；軌跡濾波法只適應(yīng)包含目標(biāo)和噪聲的情況，由于恒星背景和目標(biāo)在灰度和尺寸上存在相似性，導(dǎo)致不能有效檢測(cè)；光流法假設(shè)圖像灰度變化完全由于目標(biāo)和背景的運(yùn)動(dòng)所引起，但圖像背景會(huì)因?yàn)閭鬏斖ǖ赖牟煌妥x出口增益不同而造成差異。Hough變換法不但能檢測(cè)連續(xù)軌跡還可以有效檢測(cè)間斷軌跡，但由于其存在峰值模糊、短線段淹沒、無端點(diǎn)信息丟失等缺點(diǎn)不能直接用于目標(biāo)軌跡檢測(cè)。

文獻(xiàn)[7]提出了MTI(Moving Target Indicator)濾波器進(jìn)行序列星圖處理的方法，該方法能夠有效獲得運(yùn)動(dòng)目標(biāo)軌跡。算法首先利用恒星作為控制點(diǎn)進(jìn)行序列圖像配準(zhǔn)從而完成運(yùn)動(dòng)補(bǔ)償，為了消除恒星對(duì)目標(biāo)關(guān)聯(lián)的影響算法進(jìn)一步對(duì)恒星像素進(jìn)行去除，然而該方法對(duì)恒星的消除效果并不理想，會(huì)殘留很多恒星邊緣輪廓像素，造成大量虛假目標(biāo)，使得航跡關(guān)聯(lián)算法壓力增大，恒星數(shù)量劇增時(shí)存在算法超時(shí)和虛警過高的危險(xiǎn)。

本文提出了一種改進(jìn)型的MTI濾波器，并結(jié)合TBD(Tracking Before Detection)結(jié)構(gòu)進(jìn)行目標(biāo)檢測(cè)，在保證了時(shí)效性的同時(shí)，降低了目標(biāo)檢測(cè)的虛警率。該方法的優(yōu)點(diǎn)有以下幾點(diǎn)：1) 不需要進(jìn)行目標(biāo)分類識(shí)別恒星就能夠?qū)阈沁M(jìn)行濾除；2) 通過改進(jìn)序列圖像配準(zhǔn)條件大量削減了假目標(biāo)出現(xiàn)的數(shù)量，減輕了航跡關(guān)聯(lián)算法的壓力；3) 設(shè)計(jì)的航跡關(guān)聯(lián)算法運(yùn)算快，準(zhǔn)確度高，靈敏性強(qiáng)。

1 預(yù)處理

表1給出了恒星數(shù)量和算法耗時(shí)的關(guān)系，當(dāng)圖像中的恒星數(shù)量達(dá)到4 800顆時(shí)，耗時(shí)量達(dá)到了2.983 s，恒星數(shù)量繼續(xù)增加則算法存在著超時(shí)及虛警率過高的風(fēng)險(xiǎn)。

表1 恒星數(shù)量與算法耗時(shí)

Table 1 The number of star and time consuming of algorithm

1.1 星空背景噪聲抑制

天基觀測(cè)的區(qū)域決定了星圖背景的情況，比如有些區(qū)域存在高亮雜散光和高能粒子輻射干擾等[8]。一般情況下星空背景表現(xiàn)為來自宇宙深空的背景輻射和任何進(jìn)入相機(jī)的雜散光。在沒有高亮背景雜散光干擾的情況下，可以通過擬合算法精確地計(jì)算背景的相關(guān)參數(shù)，文章利用文獻(xiàn)[9]提出的對(duì)星空?qǐng)D像背景擬合確定分割閾值的方法對(duì)星圖背景參數(shù)進(jìn)行擬合。閾值為

該方法實(shí)現(xiàn)簡(jiǎn)單，背景估計(jì)精度較高，對(duì)單幀圖像處理后保留了恒星目標(biāo)和運(yùn)動(dòng)目標(biāo)信息，漏檢率極大的降低。

1.2 交叉投影獲取星點(diǎn)坐標(biāo)

2 算法耗時(shí)控制

2.1 利用MTI濾波器避免恒星識(shí)別

通常恒星濾除方法需要先對(duì)獲得的恒星進(jìn)行識(shí)別然后去除恒星像素，然而當(dāng)星圖中存在高亮恒星區(qū)域時(shí)，識(shí)別算法的壓力急劇增大，耗時(shí)急劇增加，極有可能造成算法超時(shí)[11]。

避免算法超時(shí)的關(guān)鍵是控制恒星處理耗時(shí)，按照DBT算法結(jié)構(gòu)，運(yùn)動(dòng)目標(biāo)關(guān)聯(lián)始終需要對(duì)恒星進(jìn)行處理，引入MTI濾波器[7]可以避免對(duì)恒星進(jìn)行識(shí)別處理，大量節(jié)約算法耗時(shí)。天基觀測(cè)相機(jī)對(duì)空間目標(biāo)進(jìn)行實(shí)時(shí)觀測(cè)過程中運(yùn)動(dòng)目標(biāo)和背景在像平面坐標(biāo)中不斷變化，因此，首先需要對(duì)序列星圖進(jìn)行配準(zhǔn)，然后目標(biāo)進(jìn)行運(yùn)動(dòng)補(bǔ)償才能通過MTI濾波器獲得最大值影射圖。配準(zhǔn)利用恒星在像平面內(nèi)出現(xiàn)相對(duì)位置不變的特征，構(gòu)建三角形進(jìn)行配準(zhǔn)[12]。

2.2 提高恒星濾除效果

MTI濾波器處理后的序列圖像中含有大量的恒星邊緣殘留像素，這給目標(biāo)關(guān)聯(lián)算法帶來了大量的計(jì)算負(fù)擔(dān)，當(dāng)天基觀測(cè)存在大量恒星的情況下，必然會(huì)產(chǎn)生算法超時(shí)和虛警過高。為了避免大量恒星殘留像素對(duì)關(guān)聯(lián)算法的影響，本文對(duì)MTI濾波器進(jìn)行了改進(jìn)，流程如圖1所示。利用改進(jìn)MTI濾波器對(duì)某天基平臺(tái)16幀圖像進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果如圖2所示。

圖2 MTI濾波器對(duì)2到16幀圖像處理

改進(jìn)MTI首先對(duì)星空目標(biāo)序列圖像進(jìn)行運(yùn)動(dòng)參數(shù)估計(jì)，計(jì)算相鄰幀間相對(duì)運(yùn)動(dòng)速度，如果速度偏差大于設(shè)定閾值則說明這兩幅圖像中相對(duì)應(yīng)的恒星存在位置偏差，需要修正。完成修正后算法對(duì)序列圖像進(jìn)行最大值投影，在投影過程中引入了雙線性插值擴(kuò)大存在偏差的幀間恒星的影響面積，使對(duì)應(yīng)恒星在投影時(shí)更好的重疊。對(duì)于恒星來說，序列圖像中同一恒星的均值和最大值差異極小，而運(yùn)動(dòng)目標(biāo)由于其運(yùn)動(dòng)特性，各幀圖像配準(zhǔn)后不會(huì)出現(xiàn)重疊，從而存在均值與最大值間較大的差異，由此凸顯出運(yùn)動(dòng)軌跡。

圖3給出了改進(jìn)濾波器和原始MTI濾波器的處理效果，圖中顯示改進(jìn)后濾波結(jié)果中虛假目標(biāo)要遠(yuǎn)遠(yuǎn)少于原始MTI濾波器處理結(jié)果，大大減小了運(yùn)動(dòng)目標(biāo)關(guān)聯(lián)算法的負(fù)擔(dān)和耗時(shí)量。

圖3 處理結(jié)果對(duì)比

2.3 利用TBD軌跡檢測(cè)算法減少耗時(shí)

背景恒星濾除后剩下的目標(biāo)則是可疑目標(biāo)區(qū)域，利用關(guān)聯(lián)算法對(duì)可疑目標(biāo)區(qū)域進(jìn)行運(yùn)動(dòng)軌跡關(guān)聯(lián)，從而獲得運(yùn)動(dòng)目標(biāo)軌跡。恒星濾除后進(jìn)行運(yùn)動(dòng)目標(biāo)關(guān)聯(lián)檢測(cè)再跟蹤的算法稱之為DBT算法[13]，即先檢測(cè)后跟蹤。DBT算法對(duì)目標(biāo)軌跡的檢測(cè)精確有效，其缺點(diǎn)是在關(guān)聯(lián)運(yùn)動(dòng)目標(biāo)像素獲得真實(shí)目標(biāo)后還需要對(duì)目標(biāo)進(jìn)行跟蹤處理，增加了耗時(shí)。

改進(jìn)MTI濾波器處理后獲得的圖像中虛假目標(biāo)數(shù)大量減少，從圖3中可以清晰地看到運(yùn)動(dòng)目標(biāo)的軌跡，改進(jìn)MTI濾波器雖然減少了大量恒星遺留像素，但是并沒有完全消除，因此還需要對(duì)投影圖像進(jìn)行運(yùn)動(dòng)目標(biāo)像素關(guān)聯(lián)，實(shí)現(xiàn)假目標(biāo)的識(shí)別與消除。這種先利用MTI投影再進(jìn)行目標(biāo)檢測(cè)的算法稱之為TBD算法[14]，即先跟蹤后檢測(cè)，TBD算法流程如圖4所示。

圖4 MTI改進(jìn)濾波器

TBD算法的優(yōu)點(diǎn)是將線段形的區(qū)域作為候選目標(biāo)區(qū)域，然后對(duì)候選目標(biāo)進(jìn)行關(guān)聯(lián)[15-16]，從而判斷目標(biāo)的真?zhèn)?，這樣就減少了檢測(cè)獲得真實(shí)目標(biāo)后需要重新跟蹤的計(jì)算量，減少了算法耗時(shí)。對(duì)某天基觀測(cè)光電望遠(yuǎn)鏡的運(yùn)動(dòng)背景星空序列圖像(16 bit灰度圖像)添加一個(gè)仿真目標(biāo)，真實(shí)目標(biāo)軌跡和本文關(guān)聯(lián)算法獲得軌跡結(jié)果的對(duì)比情況如表2所示。

表2 數(shù)據(jù)對(duì)比

3 算法超時(shí)風(fēng)險(xiǎn)評(píng)估

利用某天基觀測(cè)星空序列圖像添加運(yùn)動(dòng)目標(biāo)進(jìn)行仿真實(shí)驗(yàn)，改進(jìn)前后耗時(shí)如表3和表4所示。通過算法結(jié)構(gòu)的耗時(shí)對(duì)比發(fā)現(xiàn)，DBT算法由于天基觀測(cè)恒星數(shù)量劇增的原因已經(jīng)存在算法超時(shí)和虛警過高的風(fēng)險(xiǎn)，而本文提出的改進(jìn)算法總共耗時(shí)不到1 s，極大限度地提高了算法的實(shí)時(shí)性，避免了算法超時(shí)和虛警過高的風(fēng)險(xiǎn)。分析表格中各部分的耗時(shí)，發(fā)現(xiàn)DBT算法在目標(biāo)關(guān)聯(lián)算法步驟較本文改進(jìn)TBD算法耗時(shí)要多將近0.3 s，充分顯示了本文提出的改進(jìn)算法的優(yōu)越性，目標(biāo)軌跡提取結(jié)果如圖5所示。

表3 DBT算法結(jié)構(gòu)各個(gè)過程耗時(shí)

圖5 目標(biāo)軌跡提取結(jié)果

4 結(jié) 論

本文針對(duì)天基觀測(cè)序列星圖存在高密度恒星區(qū)域的情況，從算法的根本機(jī)理出發(fā)，分析了算法耗時(shí)和恒星數(shù)量的關(guān)系。文章對(duì)MTI濾波器進(jìn)行原理分析，改進(jìn)了濾波器結(jié)構(gòu)，分析了DBT與TBD兩種關(guān)聯(lián)算法的特點(diǎn)并制定了算法耗時(shí)控制措施，仿真實(shí)驗(yàn)結(jié)果表明使用的改進(jìn)MTI濾波器和目標(biāo)關(guān)聯(lián)算法結(jié)構(gòu)能有效地控制星空運(yùn)動(dòng)目標(biāo)軌跡跟蹤檢測(cè)的算法耗時(shí)量。本文算法通過改進(jìn)MTI濾波器結(jié)構(gòu)，創(chuàng)造性的在幀間恒星對(duì)應(yīng)位置進(jìn)行雙線性插值，利用序列圖最大值投影法有效減少了恒星像素去除后的殘留像素，降低了目標(biāo)軌跡關(guān)聯(lián)的壓力，并結(jié)合TBD算法結(jié)構(gòu)避免了對(duì)海量恒星的識(shí)別，節(jié)約了大量的時(shí)間。對(duì)某觀測(cè)臺(tái)獲得的天基序列圖像，加入虛擬目標(biāo)進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明本文算法在精確度和算法速度上都具有較大的優(yōu)勢(shì)，能夠有效避免算法超時(shí)與虛警過高的情況發(fā)生，在工程中具有較高的應(yīng)用價(jià)值。

[1] LI Xiaojuan，HU Guangshu，GAO Xiaorong. Design and implementation of a novel compression method in a tele-ultrasound system [J]. Information Technology in Biomedicine IEEE Transactions on(S1089-7771)，1999，3(3)：205-213.

[2] ZHANG Tianxu，LI Meng，ZUO Zhengrong，. Moving dim point target detection with three-dimensional wide-to-exact search directional filtering [J]. Pattern Recognition Letters(S0167-8655)，2007，28(2)：246-253.

[3] 王學(xué)偉，王春歆，張玉葉，等. 空間小目標(biāo)動(dòng)態(tài)規(guī)劃?rùn)z測(cè) [J]. 光學(xué) 精密工程，2010，18(2)：477-484.

WANG Xuewei，WANG Chunxin，ZHANG Yuye，. Detection of small space target by dynamic programming [J]. Optics and Precision Engineering，2010，18(2)：477-484.

[4] Diani M，Corsini G，Baldacci A. Space-time processing for the detection of airborne targets in IR image sequences [J]. IEE Proceedings - Vision Image and Signal Processing(S1070-9908)，2001，148(3)：151-157.

[5] 羅寰，王芳，陳中起，等. 基于對(duì)稱差分和光流估計(jì)的紅外弱小目標(biāo)檢測(cè) [J]. 光學(xué)學(xué)報(bào)，2010，30(6)：1715-1720.

LUO Huan，WANG Fang，CHEN Zhongqi，. Infrared Target Detecting Based on Symmetrical Displaced Frame Difference and Optical Flow Estimation [J]. Acta Optica Sinica，2010，30(6)：1715-1720.

[6] 姜磊，張艷寧，孫瑾秋. 基于分塊的非均勻Hough變換軌跡檢測(cè)方法 [J]. 中國(guó)體視學(xué)與圖像分析，2009，14(1)：60-66.

JIANG Lei，ZHANG Yanning，SUN Jinqiu. A detecting method based on non-uniform block Hough transform [J]. Chinese Journal of Stereology and Image Analysis，2009，14(1)：60-66.

[7] Lincoln Laboratory. Efficient Detection of Small Moving Objects [R]. Massachusetts Institute of Technology，1989：846.

[8] Gene A Heyler，Patricia K Murphy. Midcourse Space Experiment(MSX) closed-loop image and tracking processing [C]// The Johns Hopkins University Applied Physics Laboratory，Laurel，MD 20723，AIAA Computing in Aerospace Conference，San Diego，CA，October 3-8，1993，10：237-305.

[9] 張春華，陳標(biāo)，周曉東. 運(yùn)動(dòng)背景星空?qǐng)D像中小目標(biāo)的運(yùn)動(dòng)軌跡提取算法 [J]. 光學(xué) 精密工程，2008，16(3)：524-530.

ZHANG Chunhua，CHEN Biao，ZHOU Xiaodong. Small target trace acquisition algorithm for sequence star images with moving background [J]. Optics and Precision Engineering，2008，16(3)：524-530.

[10] 王兆魁，張育林. 一種CCD星圖星點(diǎn)快速定位算法 [J]. 空間科學(xué)學(xué)報(bào)，2006，26(3)：209-214.

WANG Zhaokui，ZHANG Yulin. Algorithm for CCD Star Image Rapid Locating [J]. Chinese Journal of Space Science，2006，26(3)：209-214.

[11] Sharma J，Braun C von，Gaposchkin E M. Space-Based Visible Data Reduction [J]. Journal of Guidance Control and Dynamics(S0731-5090)，2000，23(1)：170-174.

[12] 韓艷麗，劉峰. 基于三角形匹配的空間小目標(biāo)檢測(cè)算法 [J]. 紅外與激光工程，2014，43(9)：3134-3140.

HAN Yanli，LIU Feng. Small target detection algorithm based on triangle match space [J]. Infrared and Laser Engineering，2014，43(9)：3134-3140.

[13] Curt von Braun，Michael Gaposchkin E. Metric Accuracy Improvements of Space-Based Visible Using Spacecraft Attitude Drift Corrections [J]. Journal of Guidance Control and Dynamics(S0731-5090)，2000，23(1)：182-185.

[14] Sharma J，Wiseman A，Zollinger G，. Improving Space Surveillance with Space-Based Visible Sensor [J]. MIT Lincoln Laboratory(S0302-9743)，2001，11(2)：235-246.

[15] Fred Halsall. Computer Networking and the Internet [M]. Addison Wesley，2005：238-284.

[16] Grant H Stokes，Curt von Braun，Ramaswamy Sridharan，. The Space-Based Visible Program [J]. Lincoln Laboratory Journal(S0302-9743)，1998，11(2)：205-238.

Timeout Controlling for Moving Object Orbit Detecting under Starry-sky Background

SHEN Tongsheng1，GUO Shaojun2，XI Xiaoliang2，MA Xinxing2

( 1. China Defense Science and Technology Information Center, Beijing 100142, China; 2. Naval Aeronautical and Astronautical University, Yantai 264001, Shandong Province, China )

For the features of the space-based starry images, this paper analyzed the reason of algorithm timeout and high false alarm when detecting the orbits of moving objects under the starry background. The heavy computing of stellar identification is avoided by introducing and improving the Moving Target Indicator (MTI) filter to process the sequence starry-images. At the same time, we changed the algorithm structure from DBT to TBD and largely improved the algorithm speed under high precision. The simulation shows that the improved algorithm has the character of low time consumption, and we can use it to control the algorithm timeout and high false alarm, which meets the project needs for space-based starry-images moving objects orbits detecting.

space-based starry images; algorithm timeout; high false alarm; objects orbits detecting

1003-501X(2016)06-0001-06

V557.4

A

10.3969/j.issn.1003-501X.2016.06.001

2015-09-05；

2015-11-25

沈同圣(1966-)，男(漢族)，江蘇如皋人。教授，博士，主要研究工作是圖像處理與智能系統(tǒng)等。E-mail：shents_cd@sina.com。

國(guó)家自然科學(xué)基金(61303192)