彈道目標識別方法與流程
2023-05-05 13:49:16
本發明涉及圖像處理方法
技術領域：
，尤其涉及一種彈道目標識別方法。
背景技術：
：視頻圖象數位化記錄後，如何從圖象數據中獲得彈標和彈標位置，並計算出自檢目標光斑位置相對於電視視場中心十字線(瞄準線的)的角偏差並不是一件容易的事情。如何從數字背景信號及眾多的幹擾目標中提取出飛彈目標信號，從而實現目標的識別、抗幹擾和角偏差計算是本發明取得的重大成果。技術實現要素：本發明所要解決的技術問題是提供一種彈道目標識別方法，所述方法能夠從數字背景信號及眾多的幹擾目標中準確的提取出飛彈目標信號，從而實現目標的識別、抗幹擾和角偏差計算。為解決上述技術問題，本發明所採取的技術方案是：一種彈道目標識別方法，其特徵在於包括如下步驟：1)彈道視頻圖象數位化記錄後形成數字視頻信號，數字視頻信號經雙門限比較器後形成目標的輪廓坐標集；2)根據每個目標的輪廓坐標集，計算每個目標的特徵參數；3)根據每個目標的特徵參數和自檢光斑信號的特點，實時記憶真假目標的特徵，依據所提取的各個目標的特徵與自檢目標特徵的差異，識別真假彈道目標。進一步的技術方案在於：所述的步驟1)中彈道視頻圖象通過CCD攝像機進行記錄。進一步的技術方案在於：所述的步驟1)中形成目標輪廓坐標集的方法如下：設統計的場景直方圖數據為：{H(i)|i＝0,1,2…255}式中：H(i)為波門中灰度i的像元個數；令：TH1＝max{i|H(i)＞0}TH2＝max{i|H(i-2)＜16,H(i-1)＜16,H(i)＜16}Tmax＝224Tmin＝32則高門限為低門限為：當Cf≤138時，TL＝TH1-32；當Cf>138時，其中Cf為自發射飛彈開始的電視場次；目標分割採用灰度切片方法，設大小為M×N的波門內的數字圖像為{G(i,j)|i＝1,2…m,j＝1,2…n}如果TH≥G(i,j)≥TL則像元G(i,j)為目標像元，否則為背景像元；式中：TH和TL分別為灰度切片的上下門限；目標分割出來後，可求得目標輪廓點坐標集合為：{(xiL,yiL),(xiR,yiR)|,i=1,2,...p}]]>其中p為目標所佔電視線行數，(xLi,yLi)和(xRi,yRi)分別是目標在一個電視行上的左、右輪廓坐標，且有進一步的技術方案在於：所述的步驟2)中，計算目標的特徵參數方法如下：目標的各特徵參量定義為X=12PΣi=1p(xiL+yiL)Y=12(yiL,+ypL)S=Σi=1p(xiR-xiL)L=(xiR-xiL)+(xpR-xpL)+2(p-1)+Σi=2p(|xiR-xi-1R|+|xiL-yy-1L|)]]>其中(X，Y)，S，L分別為目標的形心坐標、面積和周長。進一步的技術方案在於：所述步驟3)的具體方法如下：自檢目標軌跡預測：設第k場以前的自檢彈標軌跡為(Xk,Yk),(Xk-1,Yk-1),(Xk-2,Yk-2),…現對第k+1場彈標軌跡作預測，其二階預測值為X~1k+1=2XK-XK-1Y~1k+1=2YK-YK-1]]>五階預測值為X~2k+1=9XK-4XK-2-3XK-3+3XK-4Y~2k+1=9YK-4YK-2-3YK-3+3YK-4]]>出現在波門內的亮目標的幾何特徵是：(Xn,Yn,Sn,Ln,Rn)n＝1,2,…N其中，N為目標個數，n為目標編號，(X，Y)為目標坐標，S為面積，L為周長，R為圓形度。設第k-1場真目標的面積、周長分別是Sk-1、Lk-1,定義判據D(n)=δ(|Xn-X~k|+|Yn-Y~k|)+γ|Sn-Sk-1|+λ|Ln-Lk-1|+σ|Rn-1|]]>式中，σ，γ，λ，δ分別為目標各項特徵量的權重係數，其取值隨自檢目標在飛行過程中各階段運動特性的變化和自檢彈標特徵的變化而不同，在N個目標中，若有D(n′)＝min{D(n)|n＝1,2,…M}則認為第n′個目標為第k場與真實自檢彈標最為接近的目標。採用上述技術方案所產生的有益效果在於：所述方法能夠從數字背景信號及眾多的幹擾目標中準確的提取出飛彈目標信號，從而實現目標的識別、抗幹擾和角偏差計算。附圖說明下面結合附圖和具體實施方式對本發明作進一步詳細的說明。圖1是本發明所述方法的流程圖。具體實施方式下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明的一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。在下面的描述中闡述了很多具體細節以便於充分理解本發明，但是本發明還可以採用其他不同於在此描述的其它方式來實施，本領域技術人員可以在不違背本發明內涵的情況下做類似推廣，因此本發明不受下面公開的具體實施例的限制。總體的，如圖1所示，本發明公開了一種彈道目標識別方法，包括如下步驟：1)彈道視頻圖象數位化記錄後形成數字視頻信號，數字視頻信號經雙門限比較器後形成目標的輪廓坐標集；2)根據每個目標的輪廓坐標集，計算每個目標的特徵參數；3)根據每個目標的特徵參數和自檢光斑信號的特點，實時記憶真假目標的特徵，依據所提取的各個目標的特徵與自檢目標特徵的差異，識別真假彈道目標。具體的，多目標識別是建立在多目標特徵參數的提取上的。根據目標的特徵參數和自檢光斑信號的特點，實時記憶真假目標的特徵，依據所提取的各個目標的特徵和自檢目標特徵的差異，識別真假目標。實時場景直方圖分析及門限關鍵算法：設統計的場景直方圖數據為{H(i)|i＝0,1,2…255}式中：H(i)為波門中灰度i的像元個數。令TH，1＝max{i|H(i)＞0}TH2＝max{i|H(i-2)＜16,H(i-1)＜16,H(i)＜16}Tmax＝224Tmin＝32則高門限為低門限為：當Cf≤138時，TL＝TH1-32當Cf>138時，其中Cf為自發射飛彈開始的電視場次。目標分割及特徵計算：目標分割採用灰度切片方法。設大小為M×N的波門內的數字圖像為{G(i,j)|i＝1,2…m,j＝1,2…n}如果TH≥G(i,j)≥TL則像元G(i,j)為目標像元，否則為背景像元。式中：TH和TL分別為灰度切片的上下門限。目標分割出來後，可求得目標輪廓點坐標集合{(xiL,yiL),(xiR,yiR)|,i=1,2,...p}]]>其中p為目標所佔電視線行數，(xLi,yLi)和(xRi,yRi)分別是目標在一個電視行上的左、右輪廓坐標，且有目標的各特徵參量定義為X=12PΣi=1p(xiL+yiL)Y=12(yiL,+ypL)S=Σi=1p(xiR-xiL)]]>L=(xiR-xiL)+(xpR-xpL)+2(p-1)+Σi=2p(|xiR-xi-1R|+|xiL-yy-1L|)]]>其中(X，Y)，S，L分別為目標的形心坐標、面積和周長。自檢目標軌跡預測：彈標軌跡預測採用二階、五階加權平均算法，該算法具有較高的靈敏度和穩定性。設第k場以前的自檢彈標軌跡為(Xk,Yk),(Xk-1,Yk-1),(Xk-2,Yk-2),…現對第k+1場彈標軌跡作預測，其二階預測值為X~1k+1=2XK-XK-1Y~1k+1=2YK-YK-1]]>五階預測值為X~2k+1=9XK-4XK-2-3XK-3+3XK-4Y~2k+1=9YK-4YK-2-3YK-3+3YK-4]]>特徵匹配算法：出現在波門內的亮目標的幾何特徵是(Xn,Yn,Sn,Ln,Rn)n＝1,2,…N其中，N為目標個數，n為目標編號，(X，Y)為形心坐標，S為面積，L為周長，R為圓形度。設第k-1場真目標的面積、周長分別是Sk-1、Lk-1,定義判據D(n)=δ(|Xn-X~k|+|Yn-Y~k|)+γ|Sn-Sk-1|+λ|Ln-Lk-1|+σ|Rn-1|]]>式中，σ，γ，λ，δ分別為目標各項特徵量的權重係數，其取值隨自檢目標在飛行過程中各階段運動特性的變化和自檢彈標特徵的變化而不同。在N個目標中，若有D(n′)＝min{D(n)|n＝1,2,…M}則認為第n′個目標為第k場與真實自檢彈標最為接近的目標。所述方法能夠從數字背景信號及眾多的幹擾目標中準確的提取出飛彈目標信號，從而實現目標的識別、抗幹擾和角偏差計算。當前第1頁1 2 3