背景干扰下的捷联图像导引系统目标跟踪方法

《背景干扰下的捷联图像导引系统目标跟踪方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、背景干扰下的捷联图像导引系统目标跟踪方法郭晓冉 1，崔少辉 2，毛向东 1，刘海涛 1，周云川 1(1.军械技术研究所，石家庄050000；2.军械工程学院，石家庄050003)基金项目：国家自然科学基金资助项目(61501493)作者简介：郭晓冉(1985—),男,博士,工程师,主要从事电子稳像技术和目标跟踪技术研究。本文引用格式：郭晓冉，崔少辉，毛向东，等.背景干扰下的捷联图像导引系统目标跟踪方法[J].兵器装备工程学报，2017(3):1-5.Citation：format:GUOXiao-ran,CUIShao-hui,M

2、AOXiang-dong,etal.StrapdownImageHomingSystemTargetTrackingApproachUndertheInterferenceofBackground[J].JournalofOrdnanceEquipmentEngineering,2017(3):1-5.摘要：在捷联图像导引系统目标跟踪过程中，针对跟踪前期弹目距离较远、跟踪目标在背景图像中所占的区域较小、易遭受背景信息干扰，提出了一种新的基于MeanShift算法的目标跟踪方法。该算法通过对目标模型做背景直方图加权变换和对目标候选模

3、型做倒数加权变换，显著降低了MeanShift目标跟踪算法迭代过程中背景信息所占的比重，有效抑制了跟踪区域中背景信息对目标定位的干扰，提高了目标的跟踪精度。实验结果表明，该算法与经典算法相比，迭代次数低、单帧处理时间短，可应用于捷联图像导引系统目标跟踪的前期阶段。关键词：兵器科学与技术；图像制导；捷联；MeanShift；背景直方图捷联图像制导导弹在跟踪的前期阶段，目标(飞机、坦克等)尺度变化较小，目标区域受背景信息及环境噪声干扰。初始确定的目标跟踪区域，反映在图像上通常为椭圆形或矩形跟踪窗，而目标(飞机、坦克等)的轮廓通常不具有

4、规则的外形，所以跟踪窗不可能与目标的轮廓外形完全一致。为了鲁棒的跟踪，一般在确定目标跟踪区域时，初始划定的跟踪窗都会略大于目标。因此，目标跟踪窗中或多或少都会包含一些背景信息，使其与实际背景之间存在一定的相关性。在跟踪的前期阶段，由于导弹与目标之间的距离较远，实际目标在图像中所占面积较小，跟踪窗内的背景信息会对跟踪造成一定的干扰；另外，在实际跟踪过程中，目标区域还会受到一些环境噪声的干扰。经典的MeanShift算法具有严谨的理论支撑、较强的实时性和较高的跟踪精度，一直以来被广泛应用于目标跟踪中 [1-5]。当目标区域中包含一定量

5、背景信息时，MeanShift算法难以有效地从背景中区分出目标，致使其跟踪性能下降；需要研究一种可有效增强目标与背景区分度，同时能抑制或削弱背景信息或环境噪声对目标定位造成干扰的目标跟踪算法。基于背景加权直方图(background-weightedhistogram,BWH) [6]的MeanShift跟踪算法，同时对目标模型以及候选模型进行背景直方图的加权运算，其目的是为了降低目标模型及候选模型中背景信息的概率，削弱其对目标定位的影响。经推导后发现，该方法只是对经典MeanShift算法中的目标表示方法所获得的权值做一定的比例

6、变换，信息量并没有变化，而MeanShift迭代算法对权值的比例变换不敏感、具有不变性。因此，基于背景加权直方图的MeanShift算法并没有有效地提升MeanShift算法的跟踪性能。文献[7]中提出了一种校正背景加权直方图(correctedbackground-weightedhistogram,CBWH)的目标跟踪算法，该方法仅降低目标模型中背景信息的概率，没有对目标候选模型中的背景信息进行任何操作，它可以有效抑制背景信息对目标的干扰，具有较好的效果。在BWH和CBWH两种方法的启发下，结合课题的高精度、鲁棒性跟踪需求，本

7、文提出了一种对背景信息抑制效果更好的方法：对目标模型的背景直方图加权，并用该权值的倒数对候选模型中的背景直方图加权，该方法在CBWH算法的基础上将跟踪精度和鲁棒性进一步提升。1背景加权直方图及有效性分析在2000年和2003年，文献[8-10]阐述了MeanShift算法在目标跟踪领域中的应用，通过建立Bhattacharyya系数与核直方图的相似度数学模型证明了该算法的收敛过程实质上就是在连续帧中搜索与目标模型最相似的候选区域的过程。MeanShift算法在目标跟踪中的应用是该领域近年来的一个重大的研究成果，具有完整的理论框架支

8、撑。本文以该算法为基础，进行拓展研究。背景信息的重要性可以通过以下两点概括：①如果目标区域所具有的特征同时出现在背景中，这样就会增强目标与背景的相关性，造成目标与背景的区分度降低，增加目标在背景中定位的难度；②在目标区域的选择过程中，很难精确地根据