星空运动小目标轨迹检测超时控制

沈同圣，郭少军，奚晓梁，马新星



星空运动小目标轨迹检测超时控制

沈同圣1，郭少军2，奚晓梁2，马新星2

( 1. 中国国防科技信息中心，北京 100142；2. 海军航空工程学院，山东 烟台 264001 )

针对天基观测星图的特点，分析了星空背景下运动小目标检测算法超时和虚警率过高的原因，引入并改进了MTI滤波器对序列星图进行处理，避免了恒星识别的繁重计算；改进了小目标关联算法结构，在精确度较高的情况下较大范围地提高了算法效率。实验结果表明，改进算法耗时大大减少，能够有效控制算法超时和虚警率过高的风险，满足天基观测星图运动小目标轨迹检测的工程实际需要。

天基观测星图；算法超时；虚警过高；目标轨迹检测

0 引 言

目前，美国利用“天基太空监视系统”(SBSS)同其他空间目标监视系统一起组成了全方位的空间目标监视网，让太空目标无所遁形。为了避免未来太空争夺中处于绝对劣势，我国正大力发展空间监视能力，组建太空目标监视网，开展对星空运动目标的检测与跟踪，本文针对实际需求和天基观测图像的特点，对目前星空监视目标检测存在的超时与虚警问题进行了相关研究。

天基观测平台观测星空是利用卫星携带的天基拍摄相机对星空进行光学观测或其他手段的监视，由于天基观测平台成像没有地球大气的影响，拍摄获得的星空图像中恒星目标会更加明亮，运动小目标较恒星则变得黯淡。在大量恒星的干扰下如何获得运动小目标的轨迹是一项复杂的工程。目前的处理方式是首先对每帧图像进行恒星目标识别并去除恒星像素，留下运动小目标像素。然后对相邻帧图像进行运动参数估计完成运动目标的帧间关联。这种方法首先需要完成帧图像中的恒星识别，算法耗时会随着恒星数量的增加而增加，而卫星拍摄图像帧时间间隔为3 s，当图像处理时间超过3 s则会造成算法超时(即单帧图像目标检测时间超过帧间间隔时间则会造成图像处理延时到下一帧图像处理过程中，出现时间延迟累积，造成处理滞后)。

目前，对序列图像中弱小目标的检测方法主要有三维匹配滤波算法[1]，基于多级假设检验的算法[2]，基于动态规划算法[3]，基于轨迹滤波方法[4]，基于光流的方法[5]和基于Hough变换的方法[6]。基于三维匹配的方法需要目标的运动速度大小及方向信息，当速度失配时，输出的信噪比较低；多级假设检验和动态规划算法优于三维匹配算法，但是要求目标轨迹不能间断，对目标的信噪比要求较高；轨迹滤波法只适应包含目标和噪声的情况，由于恒星背景和目标在灰度和尺寸上存在相似性，导致不能有效检测；光流法假设图像灰度变化完全由于目标和背景的运动所引起，但图像背景会因为传输通道的不同和读出口增益不同而造成差异。Hough变换法不但能检测连续轨迹还可以有效检测间断轨迹，但由于其存在峰值模糊、短线段淹没、无端点信息丢失等缺点不能直接用于目标轨迹检测。

文献[7]提出了MTI(Moving Target Indicator)滤波器进行序列星图处理的方法，该方法能够有效获得运动目标轨迹。算法首先利用恒星作为控制点进行序列图像配准从而完成运动补偿，为了消除恒星对目标关联的影响算法进一步对恒星像素进行去除，然而该方法对恒星的消除效果并不理想，会残留很多恒星边缘轮廓像素，造成大量虚假目标，使得航迹关联算法压力增大，恒星数量剧增时存在算法超时和虚警过高的危险。

本文提出了一种改进型的MTI滤波器，并结合TBD(Tracking Before Detection)结构进行目标检测，在保证了时效性的同时，降低了目标检测的虚警率。该方法的优点有以下几点：1) 不需要进行目标分类识别恒星就能够对恒星进行滤除；2) 通过改进序列图像配准条件大量削减了假目标出现的数量，减轻了航迹关联算法的压力；3) 设计的航迹关联算法运算快，准确度高，灵敏性强。

1 预处理

表1给出了恒星数量和算法耗时的关系，当图像中的恒星数量达到4 800颗时，耗时量达到了2.983 s，恒星数量继续增加则算法存在着超时及虚警率过高的风险。

表1 恒星数量与算法耗时

Table 1 The number of star and time consuming of algorithm

1.1 星空背景噪声抑制

天基观测的区域决定了星图背景的情况，比如有些区域存在高亮杂散光和高能粒子辐射干扰等[8]。一般情况下星空背景表现为来自宇宙深空的背景辐射和任何进入相机的杂散光。在没有高亮背景杂散光干扰的情况下，可以通过拟合算法精确地计算背景的相关参数，文章利用文献[9]提出的对星空图像背景拟合确定分割阈值的方法对星图背景参数进行拟合。阈值为

该方法实现简单，背景估计精度较高，对单帧图像处理后保留了恒星目标和运动目标信息，漏检率极大的降低。

1.2 交叉投影获取星点坐标

2 算法耗时控制

2.1 利用MTI滤波器避免恒星识别

通常恒星滤除方法需要先对获得的恒星进行识别然后去除恒星像素，然而当星图中存在高亮恒星区域时，识别算法的压力急剧增大，耗时急剧增加，极有可能造成算法超时[11]。

避免算法超时的关键是控制恒星处理耗时，按照DBT算法结构，运动目标关联始终需要对恒星进行处理，引入MTI滤波器[7]可以避免对恒星进行识别处理，大量节约算法耗时。天基观测相机对空间目标进行实时观测过程中运动目标和背景在像平面坐标中不断变化，因此，首先需要对序列星图进行配准，然后目标进行运动补偿才能通过MTI滤波器获得最大值影射图。配准利用恒星在像平面内出现相对位置不变的特征，构建三角形进行配准[12]。

2.2 提高恒星滤除效果

MTI滤波器处理后的序列图像中含有大量的恒星边缘残留像素，这给目标关联算法带来了大量的计算负担，当天基观测存在大量恒星的情况下，必然会产生算法超时和虚警过高。为了避免大量恒星残留像素对关联算法的影响，本文对MTI滤波器进行了改进，流程如图1所示。利用改进MTI滤波器对某天基平台16帧图像进行试验，试验结果如图2所示。

图2 MTI滤波器对2到16帧图像处理

改进MTI首先对星空目标序列图像进行运动参数估计，计算相邻帧间相对运动速度，如果速度偏差大于设定阈值则说明这两幅图像中相对应的恒星存在位置偏差，需要修正。完成修正后算法对序列图像进行最大值投影，在投影过程中引入了双线性插值扩大存在偏差的帧间恒星的影响面积，使对应恒星在投影时更好的重叠。对于恒星来说，序列图像中同一恒星的均值和最大值差异极小，而运动目标由于其运动特性，各帧图像配准后不会出现重叠，从而存在均值与最大值间较大的差异，由此凸显出运动轨迹。

图3给出了改进滤波器和原始MTI滤波器的处理效果，图中显示改进后滤波结果中虚假目标要远远少于原始MTI滤波器处理结果，大大减小了运动目标关联算法的负担和耗时量。

图3 处理结果对比

2.3 利用TBD轨迹检测算法减少耗时

背景恒星滤除后剩下的目标则是可疑目标区域，利用关联算法对可疑目标区域进行运动轨迹关联，从而获得运动目标轨迹。恒星滤除后进行运动目标关联检测再跟踪的算法称之为DBT算法[13]，即先检测后跟踪。DBT算法对目标轨迹的检测精确有效，其缺点是在关联运动目标像素获得真实目标后还需要对目标进行跟踪处理，增加了耗时。

改进MTI滤波器处理后获得的图像中虚假目标数大量减少，从图3中可以清晰地看到运动目标的轨迹，改进MTI滤波器虽然减少了大量恒星遗留像素，但是并没有完全消除，因此还需要对投影图像进行运动目标像素关联，实现假目标的识别与消除。这种先利用MTI投影再进行目标检测的算法称之为TBD算法[14]，即先跟踪后检测，TBD算法流程如图4所示。

图4 MTI改进滤波器

TBD算法的优点是将线段形的区域作为候选目标区域，然后对候选目标进行关联[15-16]，从而判断目标的真伪，这样就减少了检测获得真实目标后需要重新跟踪的计算量，减少了算法耗时。对某天基观测光电望远镜的运动背景星空序列图像(16 bit灰度图像)添加一个仿真目标，真实目标轨迹和本文关联算法获得轨迹结果的对比情况如表2所示。

表2 数据对比

3 算法超时风险评估

利用某天基观测星空序列图像添加运动目标进行仿真实验，改进前后耗时如表3和表4所示。通过算法结构的耗时对比发现，DBT算法由于天基观测恒星数量剧增的原因已经存在算法超时和虚警过高的风险，而本文提出的改进算法总共耗时不到1 s，极大限度地提高了算法的实时性，避免了算法超时和虚警过高的风险。分析表格中各部分的耗时，发现DBT算法在目标关联算法步骤较本文改进TBD算法耗时要多将近0.3 s，充分显示了本文提出的改进算法的优越性，目标轨迹提取结果如图5所示。

表3 DBT算法结构各个过程耗时

图5 目标轨迹提取结果

4 结 论

本文针对天基观测序列星图存在高密度恒星区域的情况，从算法的根本机理出发，分析了算法耗时和恒星数量的关系。文章对MTI滤波器进行原理分析，改进了滤波器结构，分析了DBT与TBD两种关联算法的特点并制定了算法耗时控制措施，仿真实验结果表明使用的改进MTI滤波器和目标关联算法结构能有效地控制星空运动目标轨迹跟踪检测的算法耗时量。本文算法通过改进MTI滤波器结构，创造性的在帧间恒星对应位置进行双线性插值，利用序列图最大值投影法有效减少了恒星像素去除后的残留像素，降低了目标轨迹关联的压力，并结合TBD算法结构避免了对海量恒星的识别，节约了大量的时间。对某观测台获得的天基序列图像，加入虚拟目标进行仿真实验，结果表明本文算法在精确度和算法速度上都具有较大的优势，能够有效避免算法超时与虚警过高的情况发生，在工程中具有较高的应用价值。

[1] LI Xiaojuan，HU Guangshu，GAO Xiaorong. Design and implementation of a novel compression method in a tele-ultrasound system [J]. Information Technology in Biomedicine IEEE Transactions on(S1089-7771)，1999，3(3)：205-213.

[2] ZHANG Tianxu，LI Meng，ZUO Zhengrong，. Moving dim point target detection with three-dimensional wide-to-exact search directional filtering [J]. Pattern Recognition Letters(S0167-8655)，2007，28(2)：246-253.

[3] 王学伟，王春歆，张玉叶，等. 空间小目标动态规划检测 [J]. 光学 精密工程，2010，18(2)：477-484.

WANG Xuewei，WANG Chunxin，ZHANG Yuye，. Detection of small space target by dynamic programming [J]. Optics and Precision Engineering，2010，18(2)：477-484.

[4] Diani M，Corsini G，Baldacci A. Space-time processing for the detection of airborne targets in IR image sequences [J]. IEE Proceedings - Vision Image and Signal Processing(S1070-9908)，2001，148(3)：151-157.

[5] 罗寰，王芳，陈中起，等. 基于对称差分和光流估计的红外弱小目标检测 [J]. 光学学报，2010，30(6)：1715-1720.

LUO Huan，WANG Fang，CHEN Zhongqi，. Infrared Target Detecting Based on Symmetrical Displaced Frame Difference and Optical Flow Estimation [J]. Acta Optica Sinica，2010，30(6)：1715-1720.

[6] 姜磊，张艳宁，孙瑾秋. 基于分块的非均匀Hough变换轨迹检测方法 [J]. 中国体视学与图像分析，2009，14(1)：60-66.

JIANG Lei，ZHANG Yanning，SUN Jinqiu. A detecting method based on non-uniform block Hough transform [J]. Chinese Journal of Stereology and Image Analysis，2009，14(1)：60-66.

[7] Lincoln Laboratory. Efficient Detection of Small Moving Objects [R]. Massachusetts Institute of Technology，1989：846.

[8] Gene A Heyler，Patricia K Murphy. Midcourse Space Experiment(MSX) closed-loop image and tracking processing [C]// The Johns Hopkins University Applied Physics Laboratory，Laurel，MD 20723，AIAA Computing in Aerospace Conference，San Diego，CA，October 3-8，1993，10：237-305.

[9] 张春华，陈标，周晓东. 运动背景星空图像中小目标的运动轨迹提取算法 [J]. 光学 精密工程，2008，16(3)：524-530.

ZHANG Chunhua，CHEN Biao，ZHOU Xiaodong. Small target trace acquisition algorithm for sequence star images with moving background [J]. Optics and Precision Engineering，2008，16(3)：524-530.

[10] 王兆魁，张育林. 一种CCD星图星点快速定位算法 [J]. 空间科学学报，2006，26(3)：209-214.

WANG Zhaokui，ZHANG Yulin. Algorithm for CCD Star Image Rapid Locating [J]. Chinese Journal of Space Science，2006，26(3)：209-214.

[11] Sharma J，Braun C von，Gaposchkin E M. Space-Based Visible Data Reduction [J]. Journal of Guidance Control and Dynamics(S0731-5090)，2000，23(1)：170-174.

[12] 韩艳丽，刘峰. 基于三角形匹配的空间小目标检测算法 [J]. 红外与激光工程，2014，43(9)：3134-3140.

HAN Yanli，LIU Feng. Small target detection algorithm based on triangle match space [J]. Infrared and Laser Engineering，2014，43(9)：3134-3140.

[13] Curt von Braun，Michael Gaposchkin E. Metric Accuracy Improvements of Space-Based Visible Using Spacecraft Attitude Drift Corrections [J]. Journal of Guidance Control and Dynamics(S0731-5090)，2000，23(1)：182-185.

[14] Sharma J，Wiseman A，Zollinger G，. Improving Space Surveillance with Space-Based Visible Sensor [J]. MIT Lincoln Laboratory(S0302-9743)，2001，11(2)：235-246.

[15] Fred Halsall. Computer Networking and the Internet [M]. Addison Wesley，2005：238-284.

[16] Grant H Stokes，Curt von Braun，Ramaswamy Sridharan，. The Space-Based Visible Program [J]. Lincoln Laboratory Journal(S0302-9743)，1998，11(2)：205-238.

Timeout Controlling for Moving Object Orbit Detecting under Starry-sky Background

SHEN Tongsheng1，GUO Shaojun2，XI Xiaoliang2，MA Xinxing2

( 1. China Defense Science and Technology Information Center, Beijing 100142, China; 2. Naval Aeronautical and Astronautical University, Yantai 264001, Shandong Province, China )

For the features of the space-based starry images, this paper analyzed the reason of algorithm timeout and high false alarm when detecting the orbits of moving objects under the starry background. The heavy computing of stellar identification is avoided by introducing and improving the Moving Target Indicator (MTI) filter to process the sequence starry-images. At the same time, we changed the algorithm structure from DBT to TBD and largely improved the algorithm speed under high precision. The simulation shows that the improved algorithm has the character of low time consumption, and we can use it to control the algorithm timeout and high false alarm, which meets the project needs for space-based starry-images moving objects orbits detecting.

space-based starry images; algorithm timeout; high false alarm; objects orbits detecting

1003-501X(2016)06-0001-06

V557.4

A

10.3969/j.issn.1003-501X.2016.06.001

2015-09-05；

2015-11-25

沈同圣(1966-)，男(汉族)，江苏如皋人。教授，博士，主要研究工作是图像处理与智能系统等。E-mail：shents_cd@sina.com。

国家自然科学基金(61303192)