基于多目标提取与航迹处理的目标告警算法

徐亚飞

（华中光电技术研究所武汉光电国家实验室，湖北 武汉 430073）

0 引言

岸基光电探测设备的主要功能是探测发现目标，传统的探测发现目标方式是值班员观察设备显示器，判断是否有目标进入观测海域，而在一些偏僻的海岛由于值班人员较少，不能保证时刻有值班员在设备前值班，并且人眼长时间盯着显示器也容易疲劳；为此开发设计了基于图像处理的目标告警模块。传统目标告警算法一般采用模板匹配等算法，模板匹配算法计算量大且容易受海面波浪等干扰因素的影响而虚警率高。针对模板匹配目标告警算法的缺点，提出了基于多目标提取与航迹处理的目标告警系统。

1 传统的目标告警算法

传统的目标告警一般采用模板匹配算法，模板匹配目标告警的原理：监控区域的初始图像作为模板，将监控区域内的图像与模板进行比较，根据相似程度判断是否有目标进入监控区域，从而决定是否告警。模板匹配告警算法一般适用于固定场所的监控告警，而岸基光电探测设备需要在探测器转动的过程中实现对海面目标的实时告警，采用模板匹配算法需要存储大量的模板，不但计算量大，而且也容易受海面波浪等干扰因素的影响而使告警的虚警率过高。

本文中涉及算法简介：

1）中值滤波：中值滤波算法是一种通用的图像预处理算法，它在滤除噪声点的同时能很好地保持图像中的细节部分。中值滤波公式［1］：

式中，g（x，y），f（x，y）为像素灰度值，S为模板窗口。

2）梯度增强：梯度增强算法是以水平、垂直4个方向上的梯度计算为例，将4个方向的梯度均值作为每个像素点的灰度值［2］：

式中，g（i，j）表示梯度增强后图像对应点灰度值。

3）多向灰度梯度目标检测算法：多向灰度梯度目标检测算法以中值滤波或梯度图像增强后的图像为处理对象，疑似目标点提取判断准则如下［3］：

式中，ΠΔm，ng（i，j）＞Q表示在图像点（i，j）处多向梯度值全都大于梯度阈值Q，梯度判断方向及数目根据图像背景复杂度及图像处理时间要求来定。

2 基于多目标提取与航迹处理的目标告警算法

针对传统目标告警算法的缺点，结合岸基光电探测设备的实际情况，提出了基于多目标提取与航迹处理的目标告警算法。算法流程图如图1所示。

图1 基于多目标提取与航迹处理的目标告警算法流程图Fig.1 Target warning algorithm based on multi－target extract and track processing flowchart

多目标提取采用了梯度图像增强和多向梯度自适应检测的梯度图像处理算法，提高了目标提取的准确性，航迹处理算法消除了海面波浪等干扰因素对告警的不利影响，从而降低了目标告警的虚警率。

2.1 多目标提取算法

本文采用 “3×3中值滤波与图像增强”＋“8向梯度检测目标提取”＋“目标聚类”算法完成目标提取的相关计算。

1）3×3中值滤波与图像增强

中值滤波的效果依赖于滤波窗口的大小，太大会使边缘模糊且计算量大，太小则去噪效果不好。为了很好地滤除噪声且不增加计算量，经试验比较选用3×3的滤波窗口。

根据图像处理时间裕量，本文选择8向的梯度均值进行图像增强，这种图像增强算法可以滤除图像边界对边界上或边界附近目标的影响。

2）8向梯度检测目标提取

本设计为采用8向梯度检测算法。公式（3）中，若T（i，j）为1则表示该点为目标点，否则即为背景点。程序设计中梯度阈值Q的确定有人工设定和根据灰度梯度均值、标准差自适应计算两种方式。前者对特定场景针对性强；后者适应性强，探测率较高。自适应梯度阈值Q计算如下：

式中，p（i，j）、￡为图像（i，j）处局部空间的像素均值和标准差，k一般取5～7。

3）目标聚类

目标聚类是目标统计与精确计算目标位置的必需步骤，在此采用一种基于目标点的快速聚类算法，该算法以目标多向梯度检测输出的目标点链表作为输入。在聚类过程中充分考虑了图像中目标点的分布特点，如同一行中相邻的目标点属于同一类等；并且不需要事先确定总类数，而是自动生成；该算法只需扫描目标点链表，而非整幅图像；采用的聚类准则是两类间的最短欧氏距离小于等于某个阈值，当考察某一类是否可以合并到其它类时，不是将该类与其余所有类一一进行判别比较，而是只考察该类附近的一些类，从而在很大程度上提高了算法的执行速度，节省存储空间，便于后续处理［4］。

2.2 目标航迹处理

目标航迹处理的目的是虑除海面波浪等干扰因素对提取目标的影响，目标航迹处理是通过缓存3扫描周期传感器目标检测的数据，结合一定的方法发现所有可能存在的目标航迹。它是整个目标告警的重要组成部分。因此，为了获得较高的检测概率与较低的报警虚警率，就要尽量提高航迹处理的准确性，对于任何一条可能存在的目标航迹都不能轻易放弃。

目标航迹处理采用基于规则和基于逻辑相结合的方法，同时根据多假设的数据关联原则来建立目标航迹，建立目标航迹的过程［5］：

1）从未关联上航迹的点迹中取出前两扫描周期中的一个点迹，在以该点迹为中心的椭圆形跟踪门内搜索前一扫描周期未关联上航迹的点迹。

2）如果发现一个点迹，那么就按照目标的运动方向和速度预测下一个点迹可能的位置，并确定一个椭圆形的跟踪门。

3）在当前扫描周期未关联上航迹的点迹中，搜索在2）中确定的跟踪门内的点迹。

4）如果找到点迹点就可以建立目标的航迹，从而确定为真实目标，实现目标报警。

3 目标告警算法的试验验证

采用传统的模板匹配算法与采用本文基于多目标提取与航迹处理的目标告警算法进行对比试验，对进入监控区域内的52个目标进行了告警试验，试验如表1所示。

表1 模板匹配告警算法与基于多目标提取与航迹处理的目标告警算法对比试验Tab.1 Target warning algorithm based on template matching and target warning algorithm based on multi－target extract and track processing comparison test

由表1可见采用传统的模板匹配算法目标告警对海面目标的漏警率大于13%，目标告警的虚警率大于15%。而采用本文基于多目标提取与航迹处理的目标告警算法对海面各种目标漏警率小于4%，目标告警的虚警率小于6%。由此可见，采用基于多目标提取与航迹处理的告警算法不但很好地完成了对海面目标的提取，也很好地滤除了海面波浪等干扰因素对目标告警的影响，提高了告警准确性，降低了告警虚警率。

4 结论

本文提出基于多目标提取与航迹处理的目标告警算法。该算法采用“3×3中值滤波与图像增强”＋“8向梯度检测目标提取”＋“目标聚类”算法，提高了目标提取的准确性；采用航迹处理算法消除了海面波浪等干扰因素对告警的不利影响，降低了目标告警的虚警率。试验表明：相对于传统的模板匹配告警算法，基于多目标提取与航迹处理的目标告警算法在减少了计算量的同时，提高了目标告警的准确性，减少了目标告警的虚警率。为了进一步降低目标告警的虚警率，下一步将对航迹处理算法进行更深入地研究。

［1］李鸿林，张忠民，羿宗琪.中值滤波技术在图像处理中的应用［J］.信息技术，2004，28（7）：26－27.LI Honglin，ZHANG Zhongmin，YI Zongqi.The application of median filtering on image processing［J］.Information Technology，2004，28（7）：26－27.

［2］郎锐.图像处理学Visua1C＋＋实现［M］.北京：希望电子出版社，2002.

［3］赵荣椿.数字图象处理导论［M］.西安：西北工业大学出版社，2000.

［4］郑存红，张文艳，董静.红外小目标聚类算法研究及DSP实现［C］／／2006学术年会论文集.贵阳：中国造船工程学会电子技术委员会，2006：484－486.

［5］魏功明，周世椿，严义埙，红外搜索与跟踪系统多目标航迹处理算法的发展［J］.红外，2000（12）：1－9.WEI Gongming，ZHOU Shichun，YAN Yixun.The development of multi－target track processing algorithms infrared search and track system［J］.Infrared，2000（12）：1－9.