一种管径自适应时空域滤波的弱小目标检测方法与流程

技术特征：

1.一种管径自适应时空域滤波的弱小目标检测方法，其特征在于：包括如下步骤：

步骤一、各向异性背景预测：采用各向异性微分算法对待处理图像进行背景预测，得到差分图；

步骤二、对步骤一中得到的差分图像采用局部极大值方法进行目标分割，获取二值图像；

步骤三、初始化时域参数和空域参数，时域参数为累积帧长度，空域参数为管径大小，输入累积帧长度为N的系列二值图像，初始管径大小一般为候选目标直径的2倍；

步骤四、对步骤三输入的系列二值图,采用管径自适应的时空域滤波对目标进行检测，获取真实目标，具体步骤如下：

(41)将输入的系列图像中的第一帧作为当前帧，找出该图像中的所有候选目标点x_i(i＝1,2,3,…)，并记录它们的坐标位置；

(42)判断约束条件，更新计数器，对当前帧中所有的候选目标点在下一帧中观察其所处邻域内是否出现可疑目标点，如果存在可疑目标点则记录目标出现的次数；同时在判别计数器中统计目标位置未变计数器M，判断两帧之间候选目标位置是否发生变化，如果目标位置没有变化则M加1，如果有变化则M置零，其中约束条件的定义如下：

$\begin{array}{c}|(x_k-x_{k-1})-(x_{k-1}-x_{k-2})|\<{\mathrm{\β}}_x\\ |(y_k-y_{k-1})-(y_{k-1}-y_{k-2})|\<{\mathrm{\β}}_y\\ |\sqrt{{(x_k-x_{k-1})}^2+{(y_k-y_{k-1})}^2}-\sqrt{{(x_{k-1}-x_{k-2})}^2+{(y_{k-1}-y_{k-2})}^2}|\<{\mathrm{\β}}_v\end{array}---(2-1)$

式中，(x_k，y_k)为第k帧图像候选目标点的位置，(x_k-1，y_k-1)为第k-1帧图像候选目标点的位置,(x_k-2，y_k-2)为第k-2帧图像候选目标点的位置,β_x,β_y,β_v为目标中心在相邻两帧间移动变化量的阈值；

(43)更新空域参数，当累积帧内的目标满足约束条件时，利用尺度空间DoG算法可获取目标的中心坐标和尺寸大小，用以更新候选目标中心坐标和管径大小；

(44)识别真伪目标，待N帧图像处理完毕后，统计每个计数器的输出值，如果目标出现次数计数器大于等于num1且目标位置未变计数器小于等于num2，则判定该候选目标为真实目标，并记录其坐标信息，否则将其剔除；

(45)更新累积帧长度，直到处理完所有图像序列；

步骤五、对所有帧的检测结果进行叠加，输出目标运动轨迹。