紅外大視場環境下的多小目標實時檢測方法
2023-05-31 13:33:36 1
專利名稱：紅外大視場環境下的多小目標實時檢測方法
技術領域：
本發明涉及的是一種檢測技術領域的方法，特別是一種紅外大視場環境下的多小目標實時檢測方法。
背景技術：
作為一種純被動的目標檢測技術，紅外目標檢測已被廣泛應用於防空預警、精確制導和衛星遙測等領域中。以防空預警為例，伴隨著各種紅外成像技術的發展和應用，如何充分發揮紅外目標檢測技術的優勢，爭取在最有利的時機獲取來襲目標的相關信息成為了決定現代戰爭勝負的重要因素。於是，儘可能的增大紅外目標的檢測視場，提高目標的檢測距離成為了各國研究人員都非常關注的議題。由於視場越大，幹擾因素就越多，系統的實時性能就會受到影響；距離越遠，或者軍事領域中各種紅外隱身技術的運用，目標在檢測器件上的成像面積就會越小，檢測難度也就會隨之增大。顯然，研究一類大視場條件下多運動小目標快速而準確的檢測方法成為了一項既富挑戰性，又有實際意義的工作。現已提出了多種紅外小目標圖像的預處理和目標檢測方法，其主要思路都是將不同背景中的紅外小目標理解為圖像中的高頻成分，進而探索不同的高通濾波方法來解決紅外小目標的檢測問題。從算法的實用性角度出發，空域高通濾波方法是最容易被人們接受的。
經對現有技術的文獻檢索發現，彭嘉雄等人在《電子學報》1999，27，(12)，pp.47-51上發表的「紅外背景抑制與小目標分割檢測」，該文中提及空域高通濾波方法中較具代表性的一類基於5×5空域高通濾波模板的小目標增強分割方法。這種方法通過設計一個簡單的5×5空域高通濾波模板並與紅外小目標圖像做卷積，可實現對紅外圖像信雜比的較大提升。由此就可方便的實現對紅外小目標對象的檢測了。這種方法不僅思路簡單，而且實時性很好，極易在微處理器件(如DSP)上並行實現，所以在紅外小目標檢測領域得到了廣泛的應用。但是該方法不能適用於紅外大視場環境下的多小目標實時檢測，由於視場太大，方法的實時性能和檢測效果之間的矛盾就更加突出(比如，要對每一幀紅外大視場圖像做卷積計算顯然是不切實際的)。在進一步的檢索中，迄今為止尚未發現有紅外大視場多小目標實時檢測方法的報導。
發明內容
本發明的目的在於針對現有技術中存在的不足，提出一種紅外大視場環境下的多小目標實時檢測方法，使其綜合現有的小目標檢測算法，通過對紅外大視場環境下的各小目標對象進行分割並求取它們的相關參數，可為後續的多目標航跡跟蹤、威脅程度判定及目標識別等工作提供依據。
本發明是通過以下技術方案實現的，本發明採用一種「由粗到精」的紅外小目標檢測方法。首先，根據需處理的圖像數據大小確定圖像的分塊方法，再通過求取實時大視場圖像的分塊圖像能量矩陣，可實現在「粗」尺度上對大視場圖像的區域描述。將當前幀圖像的能量新值矩陣與系統內存中描述背景特性的能量初值矩陣各元素值進行比較，即可得到當前幀大視場環境下的多小目標存在區域。在這些小目標存在區域的實時圖像數據與系統外存中對應的背景圖像數據求差得到的差分圖像塊中，由3×3滑窗求取各象素位置的局部能量值並與一個根據不同紅外場景下實驗得到的目標區域局部能量閾值進行比較，就可在「精」尺度上實現各小目標對象的分割和相關參數獲取。
本發明的紅外大視場中多小目標實時檢測方法的具體實現步驟如下①根據所需處理的紅外大視場的大小，確定其圖像數據的分塊方法根據已獲知的DSP系統(這裡的硬體系統都一般認為是DSP系統，以下同)需處理的圖像數據大小確定紅外大視場圖像數據的分塊方法。此時，如果對原圖像劃分得到的分塊圖像象素數越少(尺度越小)，分塊圖像能量矩陣對原始圖像的描述就越精確。但矛盾的是，此時系統實時性也會受到影響。所以在系統實現時，必須根據不同的實際情況，對大視場紅外圖像的分塊方式做出權衡，以使得各分塊圖像既能在「粗」尺度上對原始紅外圖像進行區域描述，又能滿足系統運行的實時性要求。注意，此步處理必須在編制系統程序前完成。以上所述紅外圖像中某象素點的能量值即為該象素點的灰度值；紅外圖像的分塊圖像是指將原始紅外圖像在行和列方向按一定比例均勻劃分，且在相鄰圖像塊間做搭接處理(以防出現目標可能被分割到相鄰兩塊或幾塊而漏檢或重複檢測的情形)形成的塊圖像；紅外圖像的分塊圖像能量矩陣是指對各分塊圖像求取其中能量值(灰度值)的和，並將和值按各分塊圖像對應的空間位置排列得到的矩陣。
②實現背景圖像數據和能量初值矩陣的初始化將第1幀實時圖像的數據讀入DSP中，可得到所謂「原始背景圖像」。將這些背景圖像數據保存到硬體系統的外存中，就實現了對第2幀處理時需使用的背景圖像的初始化；同時，求取背景圖像數據的分塊圖像能量矩陣。將這些分塊圖像能量矩陣保存下來，就實現了對第2幀能量初值矩陣的初始化。
③求取當前幀實時圖像的能量新值矩陣不失一般性，設檢測系統已運行至第k，k＝2，3，4，…幀，即此時DSP讀取的是該第k幀的實時圖像數據。同理，可求取此幀實時圖像數據的分塊圖像能量矩陣。為區別起見，將這個分塊圖像能量矩陣命名為能量新值矩陣。
④求取當前幀實時圖像對應的能量差值矩陣通過對前後幀間能量矩陣值變化情況的判定，可以估計得到目標存在的可能區域。將上一步求得的當前幀能量新值矩陣與存儲空間中的能量初值矩陣求差，可得當前幀實時圖象對應的能量差值矩陣A(k)。
⑤能量差值矩陣元素值調整為了跟蹤背景灰度強度的變化趨勢，可求取第k幀分塊圖像能量差值矩陣A(k)中每一行元素(能量值)的平均值，將其作為能量差值矩陣中每行元素值的修正項，對能量差值矩陣各元素值實施調整。實踐證明這樣的調整能穩健的跟蹤大視場整體灰度的變化。
⑥獲取可能存在小目標的分塊圖像區域將經上一步修正得到的能量差值矩陣中各元素與一個根據不同紅外場景下實驗得到的分塊圖像能量增加閾值相比較，可實現對矩陣中各元素的二值化處理。由此，可得可能存在小目標區域的二值矩陣T(k)。
⑦可能存在小目標的相鄰圖像塊合併查找二值矩陣T(k)中的「1」元素，將其所對應的圖像塊標記為可能含有目標的圖像塊。此外，還需對二值矩陣T(k)中左右或上下相鄰元素為「1」的部分所對應的兩個或多個圖像塊實施合併，如此可得含有目標的擴充圖像塊，這樣處理可以避免同一個小目標被重複分割到相鄰的圖像塊中。
⑧獲得差分圖像塊將上一步得到的可能含有目標的圖像塊或擴充圖像塊位置的實時圖像數據與硬體系統外存中該位置的背景圖像數據相減，即可得到減除了複雜背景和幹擾的差分圖像塊。
⑨基於局部能量閾值的多小目標檢測及相關參數獲取在上一步得到的各差分圖像塊中，由3×3滑窗求取各象素點區域的局部能量值(即3×3滑窗內各象素點灰度值之和)。將這些局部能量值與一個根據不同紅外場景下實驗得到的目標區域局部能量閾值比較，可得小目標象素點集合。反覆在此集合中遍歷相互連接的象素點，並逐步刪除集合中已經處理過的象素點，可實現對具有不同象素數量的小目標對象的區域生長和分割，同時可得各小目標對象的象素數量和幾何中心坐標等相關參數值。
⑩能量初值矩陣元素值更新及外存中背景圖像更新在上述第⑥步中被標記為可能存在小目標的分塊圖像區域，其對應的能量初值矩陣元素值和外存中對應的實時背景圖像塊數據將保留以供第k+1幀使用；對於未檢測到可能存在目標的分塊圖像區域，其第k+1幀對應的能量初值矩陣元素值將由其當前第k幀求得的能量新值矩陣元素值替換，且外存中對應的實時背景圖像將由當前第k幀獲得的實時圖像數據進行覆蓋。這樣的更新方法既可以最大限度的保存小目標所處背景的信息，又可以實現對最新背景信息的更新。
完成第k幀圖像中的目標檢測，令k＝k+1，返回第③步循環執行。
通過以上各步驟，可以獲取紅外大視場中各運動小目標對象的位置信息、象素數量和幾何中心坐標等相關參數值。由此就可以很方便地實現對這些小目標對象的航跡跟蹤、威脅程度判定及目標識別等工作，這也就為實現防空預警的基本任務提供了保證。
本發明的各個步驟體現了一種「由粗到精」的多小目標檢測思路。考慮到算法實時性的要求，在本發明中並沒有採用複雜的變換或操作，而這也正為實際系統程序設計中儘量實現算法的並行處理提供了便利條件。例如，作為本發明中最為耗時部分的上述第③步和第⑨步在經過了算法優化，實現軟體流水後，執行效率可得到大大的提高。實踐證明，本發明可以很好地滿足紅外大視場環境下多小目標檢測的實時性要求。
圖1為本發明實施例採用的系統結構示意圖。
圖2為本發明中分塊圖像的劃分方法及對應的分塊圖像能量矩陣示意圖。
圖3為本發明紅外大視場行方向的一半的實際圖像示例(原圖已被縮放數倍)圖4為真實場景中多紅外小目標檢測實例具體實施方式
以下結合具體的實施例對本發明的技術方案作進一步詳細描述。
本實施例所採用的成像器件為具有288像元的紅外線列探測器。通過在一個以2秒/周勻速轉動的旋轉機構上安裝相互連接、具有不同視角的6塊稜鏡，可得到一個象素值為1728(行)×7168(列)(即288(行)×6(條帶)×7168(列))的紅外大視場(每塊稜鏡所成圖像對應大視場中的一個「條帶」)。為了滿足檢測過程的實時性要求，將此大視場的實時圖像數據按行方向平均分配到4塊DSP C67中(即每塊DSP C67上分別處理象素值為288(行)×6(條帶)×1792(列)的大視場數據)，系統結構如圖1所示。由於這6個條帶的圖像數據是隨著稜鏡旋轉陸續進入每塊DSP C67中，且各條帶數據是彼此獨立的，所以它們各自的處理方法完全一樣。於是，所面對的多目標實時檢測問題即可被簡化為如何在 秒內完成每塊DSP C67上象素值為288(行)×1792(列)的紅外大視場中多小目標的檢測問題了。
以下是整個實施例的具體實現過程①根據所需處理的紅外大視場的大小，確定其圖像數據的分塊方法。對於此處所討論的某一條帶大小為288(行)×1792(列)的紅外大視場圖像，可做如下分塊處理設F(i，j)是象素值為288×1792的原始紅外圖像上象素點(i，j)處的能量值，即灰度值。將此圖像劃分為10×48個象素值為36×53的分塊圖像(注意行方向左右各搭接16個象素，列方向上下各搭接8個象素)，分塊圖像的劃分方法如圖2所示。於是，由前面所述的紅外圖像的分塊圖像能量矩陣定義得到的10×48維分塊圖像能量矩陣E中元素Em，n(式中下標「m，n」分別為此矩陣中各元素的行、列坐標值，以下同)的計算公式可寫為Em,n=h=120l=121F(28(m-1)+h+8,37(n-1)+l+16)]]>+x=01h=18l=121F(28(m+x-1)+h,37(n-1)+l+16)]]>+y=01h=120l=116F(28(m-1)+h+8,37(n+y-1)+l)---(1)]]>+x=01y=01h=18l=116F(28(m+x-1)+h,37(n-1)+l)]]>②實現背景圖像數據和能量初值矩陣的初始化。將第1幀實時圖像的6個條帶數據分別讀入4塊DSP C67中(如圖1)可得到所謂「原始背景圖像」。將這些背景圖像數據保留到硬體系統的外存中，即得第2幀處理時所需的實時背景圖像Bi(2)(i＝1，2，…6，為條帶號，以下同)，從而實現了外存空間中背景圖像的初始化。同時，設在本檢測系統投入運行時場景中沒有目標出現，則可由公式(1)依次求取這6個條帶各自的分塊圖像能量矩陣。為了便於區分，稱這些矩陣為後一幀實時圖像對應的能量初值矩陣，依此類推。由此，可得第2幀處理時所需的分塊圖像能量初值矩陣Ci(2)。
③求取當前幀實時圖像的能量新值矩陣。不失一般性，設檢測系統已運行至第k，k＝2，3，4，…幀，且設此時某塊DSP C67讀取的是該幀第i，i＝1，2，…6條帶的實時圖像數據，記為Xi(k)。分別求取這些實時圖像數據的分塊圖像能量矩陣，可稱得到的矩陣為此條帶在該幀的能量新值矩陣，簡記做Ni(k)。接下來，將僅就此DSP C67中該條帶(其象素值為288(行)×1792(列))的實時多目標檢測問題展開討論。因為對於其它DSP C67及各幀和條帶的情況，處理方法完全一樣。
④求取當前幀某條帶實時圖像對應的能量差值矩陣。在系統實際運行中，前後幀相同位置上的背景一般是變化很小的，所以其對應的能量矩陣元素值的變化也很有限。但當具備一定信雜比的紅外小目標在該條帶的某些位置出現時，能量新值矩陣中該位置對應的元素值就會發生較大的提升。所以，通過對前後幀間能量矩陣值變化情況的判定，就可估計得到目標存在的可能區域。將上一步中求得的第i條帶的能量新值矩陣與存儲空間中此條帶的能量初值矩陣做差，可得此幀中此條帶的能量差值矩陣Ai(k)，即Ai(k)＝Ni(k)-Ci(k)。
⑤能量差值矩陣元素值調整。在實際場景中，隨著檢測系統運行時間的增加以及陽光強度、雨雪等因素影響，會導致整個背景的灰度強度發生緩慢的變化。為了跟蹤背景灰度強度的這種變化趨勢，考慮到小目標能量對於整個檢測視場能量的影響畢竟是很小的，所以可求取第k幀中第i條帶分塊圖像能量差值矩陣Ai(k)中每一行元素(能量值)的平均值，將其作為能量差值矩陣中每行元素值的修正項，即對元素值做如下調整
Ai,m,n(k)=Ai,m,n(k)-148n=148Ai,m,n(k)]]>實踐證明上式能非常穩健的跟蹤大視場整體灰度的變化。
⑥獲取可能存在小目標的分塊圖像區域。對經第5步修正的A′i(k)中各元素實施二值化處理可得可能存在小目標區域的二值矩陣Ti(k)，其中各元素值為Ti,m,n(k)=1,Ai,m,n(k)10,Ai,m,n(k)1]]>式中，λ1為根據不同紅外場景下實驗確定的滿足一定信雜比原則的分塊圖像能量增加閾值。對於實際系統，取λ1＝800即可穩健實現能量差值矩陣元素的二值化。
⑦可能存在小目標的相鄰圖像塊合併。為了簡化檢測過程，查找二值矩陣Ti(k)中的「1」元素，並將其所對應的圖像塊標記為可能含有目標的圖像塊。此外，還需對二值矩陣Ti(k)中左右或上下相鄰元素為「1」的部分所對應的兩個或多個圖像塊實施合併，如此可得含有目標的擴充圖像塊，這樣處理可以避免同一個小目標被重複分割到相鄰的圖像塊中。
⑧獲得差分圖像塊。將第⑦步得到的可能含有目標的圖像塊或擴充圖像塊位置的實時圖像數據與硬體系統外存中該位置的背景圖像數據相減，即可得到減除了複雜背景和幹擾的差分圖像塊。由此，紅外圖像中小目標的信雜比可得到大幅度的提升。
⑨基於局部能量閾值的多小目標檢測及相關參數獲取。在此定義圖像塊中某象素區域的局部能量值為以該象素點為中心的3×3窗口(即8鄰域)內各象素灰度值之和。由此，在上一步得到的各差分圖像塊中，可由3×3滑窗求取各象素點區域的局部能量值。將這些局部能量值與一個根據不同紅外場景下實驗得到的目標區域局部能量閾值λ2比較，即可得小目標象素點集合S＝{小目標象素點坐標|差分圖像塊中某象素點處局部能量值≥λ2}。對於實際系統來說，取λ2＝120即可穩健的實現小目標象素點檢測。接下來，反覆在小目標象素點集合S中遍歷相互連接的象素點，並逐步刪除集合中已經處理過的象素點，可實現對具有不同象素數量的紅外小目標對象的區域生長和分割。由此過程可得到各小目標對象的象素數量和幾何中心坐標等相關參數值。
⑩能量初值矩陣元素值更新及外存中背景圖像更新。在實際的檢測過程中，有限數量的小目標對於大視場環境的影響是很小的。這也就是說，大視場中絕大部分背景中是不會出現目標的。為了反映紅外背景圖像的最新情形以使目標檢測過程得以繼續，需對作為描述「粗」尺度實時背景圖像特徵的能量初值矩陣元素值和硬體系統外存中的實時背景圖像數據進行更新，其更新方法為a)對第k幀中第i條帶在第⑥步中被標記為可能存在小目標的分塊圖像區域，其對應的能量初值矩陣元素值和外存中對應的實時背景圖像塊數據將保留以供第k+1幀使用。其目的為最大限度的保存小目標所處背景的信息。
b)對於未檢測到可能存在目標的分塊圖像區域，其第k+1幀中對應的能量初值矩陣元素值將由其當前第k幀求得的能量新值矩陣元素值替換；外存中對應的實時背景圖像將由當前第k幀獲得的實時圖像數據進行覆蓋。這樣操作可以實現對最新背景信息的更新。
以上調整方法可表示為Ci,m,n(k+1)=Ci,m,n(k);Bi,m,n(k+1)=Bi,m,n(k),Ti,m,n(k)=1Ci,m,n(k+1)=Ni,m,n(k);Bi,m,n(k+1)=Xi,m,n(k),Ti,m,n(k)=0]]>完成第k幀圖像中的目標檢測，令k＝k+1，返回第3步循環執行。
由於篇幅所限，圖3為本發明的成像器件所採大視場實時圖像行方向的一半的實例(注意，圖3已在原圖基礎上縮放了數倍)，其象素值為1728(行)×3584(列)(即288(行)×6(條帶)×7168/2(列))。由此可見本發明所要處理的紅外視場是非常大的。
接下來截取幾幀檢測系統發現小目標對象的某塊DSP C67中某條帶行方向的一半的來說明本發明的有效性，如圖4所示，即所截取的圖像大小為288(行)×896(列)(288(行)×1792/2(列))。其中(a)為第95幀，(b)為第98幀，(c)為第101幀，(d)為第105幀。注意，由於實際系統中紅外線列探測器各像元的敏感性不同及成像電路電子特性差異，造成所獲取的圖像具有明顯的行條紋(如圖3、4所示)，但由於幀間各對應像元的非均勻性變化不大，且本實時檢測算法基於實時圖像與背景圖像間的差值(包括能量差值矩陣和差分圖像塊)，這就實現了幀間各像元非均勻性的對消，從而保證了本文所述方法具有探測器像元非均勻性自適應能力。實驗數據表明，本檢測算法可以在大視場環境中很有效的實現多小目標的檢測(如圖4)。此外，在對DSP程序仔細分解和優化後，可將程序每次循環中兩個主要耗時部分的運算時間測算如下(1)求取一次某幀實時圖像的能量新值矩陣(第③步，即相對於求取一次某條帶的分塊圖像能量矩陣)需耗時約4兆時鐘；(2)在一個36×53象素的差分圖像塊中，由3×3滑窗求取各象素點區域的局部能量值並遍歷獲取一個目標點位置及相關參數(第9步)，平均需耗時約0.5兆時鐘。顯然，對於具有100兆時鐘的每塊DSP C67來說，保證每個條帶在 秒(即約33兆時鐘)內完成一定數量的多目標檢測的技術指標是很容易得到滿足的。由此也就說明了本方法所具有的良好實時性能。
權利要求
1.一種紅外大視場環境下的多小目標實時檢測方法，其特徵在於，包括如下具體步驟①根據已獲知的DSP系統需處理的圖像數據大小確定紅外大視場圖像數據的分塊方法，此步處理必須在編制系統程序前完成；②實現背景圖像數據和能量初值矩陣的初始化；③設檢測系統運行至第k，k＝2，3，4，…幀，求取此幀實時圖像數據的分塊圖像能量矩陣，為了區別，將這個分塊圖像能量矩陣命名為能量新值矩陣；④將第③步求得的當前幀能量新值矩陣與存儲空間中的能量初值矩陣做差，得到當前幀實時圖象對應的能量差值矩陣；⑤能量差值矩陣元素值調整；⑥獲取可能存在小目標的分塊圖像區域；⑦可能存在小目標的相鄰圖像塊合併，查找二值矩陣中的「1」元素，將其所對應的圖像塊標記為可能含有目標的圖像塊，此外，對二值矩陣中左右或上下相鄰元素為「1」的部分所對應的兩個或多個圖像塊實施合併，如此得到含有目標的擴充圖像塊；⑧獲得差分圖像塊；⑨基於局部能量閾值的多小目標檢測及相關參數獲取；⑩能量初值矩陣元素值更新及外存中背景圖像更新；完成第k幀圖像中的目標檢測，令k＝k+1，返回第③步循環執行。
2.根據權利要求1所述的紅外大視場環境下的多小目標實時檢測方法，其特徵是，所述的步驟②，是指將第1幀實時背景圖像數據讀入DSP，並將其保存到硬體系統的外存中，求取這些背景圖像數據的分塊圖像能量矩陣並保存，由此便實現了對第2幀處理時需使用的背景圖像和能量初值矩陣的初始化。
3.根據權利要求1所述的紅外大視場環境下的多小目標實時檢測方法，其特徵是，所述的步驟⑤，是指求取第k幀分塊圖像能量差值矩陣中每一行元素能量值的平均值，將其作為能量差值矩陣中每行元素值的修正項，對能量差值矩陣各元素值實施調整。
4.根據權利要求1所述的紅外大視場環境下的多小目標實時檢測方法，其特徵是，所述的步驟⑥，是指將經第⑤步修正得到的能量差值矩陣中各元素與一個根據多種紅外場景下實驗得到的分塊圖像能量增加閾值相比較，實現對矩陣中各元素的二值化處理，由此，得到一個可能存在小目標區域的二值矩陣。
5.根據權利要求1所述的紅外大視場環境下的多小目標實時檢測方法，其特徵是，所述的步驟⑧，是指將第⑦步得到的可能含有目標的圖像塊或擴充圖像塊位置的實時圖像數據與硬體系統外存中該位置的背景圖像數據相減，即得到減除了複雜背景和幹擾的差分圖像塊。
6.根據權利要求1所述的紅外大視場環境下的多小目標實時檢測方法，其特徵是，所述的步驟⑨，是指由3×3滑窗求取各象素點區域的局部能量值即3×3滑窗內各象素點灰度值之和，並將這些局部能量值與一個根據多種紅外場景下實驗得到的目標區域局部能量閾值比較，得到小目標象素點集合，反覆在此集合中遍歷相互連接的象素點，並逐步刪除集合中已經處理過的象素點，實現對具有各種象素數量的小目標對象的區域生長和分割，同時得到各小目標對象的象素數量和幾何中心坐標參數值。
7.根據權利要求1所述的紅外大視場環境下的多小目標實時檢測方法，其特徵是，所述的步驟⑩，是指在第⑥步中被標記為可能存在小目標的分塊圖像區域，其對應的能量初值矩陣元素值和外存中對應的實時背景圖像塊數據將保留以供第k+1幀使用；對於未檢測到可能存在目標的分塊圖像區域，其第k+1幀對應的能量初值矩陣元素值將由其當前第k幀求得的能量新值矩陣元素值替換，且外存中對應的實時背景圖像將由當前第k幀獲得的實時圖像數據進行覆蓋。
全文摘要
一種目標檢測技術領域的紅外大視場環境下的多小目標實時檢測方法，步驟為①根據所需處理的紅外大視場的大小，確定其圖像數據的分塊方法；②實現背景圖像數據和能量初值矩陣的初始化；③求取當前幀實時圖像的能量新值矩陣；④求取當前幀實時圖像對應的能量差值矩陣；⑤能量差值矩陣元素值調整；⑥獲取可能存在小目標的分塊圖像區域；⑦可能存在小目標的相鄰圖像塊合併；⑧獲得差分圖像塊；⑨基於局部能量閾值的多小目標檢測及相關參數獲取；⑩能量初值矩陣元素值更新及外存中背景圖像更新；(11)完成第k幀圖像中的目標檢測，令k＝k+1，返回第③步循環執行。本發明實現對紅外大視場環境下的各小目標對象的分割和相關參數獲取，為後續的工作提供依據。
文檔編號G01S7/48GK1731217SQ20051002888
公開日2006年2月8日 申請日期2005年8月18日 優先權日2005年8月18日
發明者楊磊, 楊傑, 凌建國 申請人:上海交通大學