本發(fā)明涉及航天器相對(duì)測量技術(shù)領(lǐng)域，特別涉及一種非合作目標(biāo)快速輪廓跟蹤方法。

背景技術(shù)：

在空間非合作目標(biāo)交會(huì)對(duì)接相對(duì)測量過程中，需要精確制導(dǎo)追蹤航天器與目標(biāo)星之間的相對(duì)位置、相對(duì)姿態(tài)角、相對(duì)速度和相對(duì)運(yùn)動(dòng)信息。對(duì)空間非合作目標(biāo)特征的跟蹤提取是完成后續(xù)姿態(tài)測量的前提的保證，針對(duì)傳統(tǒng)的連續(xù)目標(biāo)特征跟蹤提取算法容易受目標(biāo)圖像較多邊緣的干擾導(dǎo)致輪廓提取效果差一級(jí)存在處理速度慢的缺點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種非合作目標(biāo)快速輪廓跟蹤方法，能夠根據(jù)由遠(yuǎn)及近相對(duì)距離動(dòng)態(tài)變化的非合作目標(biāo)直線特征的實(shí)時(shí)提取實(shí)現(xiàn)目標(biāo)連續(xù)快速穩(wěn)定輪廓特征的跟蹤，具有速度快、準(zhǔn)確性強(qiáng)、穩(wěn)定性高等優(yōu)點(diǎn)。

為了達(dá)到上述目的，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：

一種非合作目標(biāo)快速輪廓跟蹤方法，對(duì)目標(biāo)尺度動(dòng)態(tài)變化序列圖像中的目標(biāo)進(jìn)行跟蹤，其特征是，包含以下步驟：

s1、對(duì)目標(biāo)尺度動(dòng)態(tài)變化序列圖像中初始幀圖像中的目標(biāo)區(qū)域進(jìn)行分割，得到目標(biāo)區(qū)域分割圖像；

s2、對(duì)目標(biāo)區(qū)域分割圖像進(jìn)行局部輪廓區(qū)域特征的提?。?/p>

s3、依次根據(jù)上一幀圖像中的局部輪廓區(qū)域特征完成相鄰下一幀圖像中局部輪廓區(qū)域特征的提取與跟蹤，最終實(shí)現(xiàn)剩余序列圖像局部輪廓區(qū)域特征的連續(xù)提取和跟蹤。

上述的非合作目標(biāo)快速輪廓跟蹤方法，其中，所述步驟s1具體包含：

s11、運(yùn)用大律法對(duì)初始幀圖像中的目標(biāo)區(qū)域與背景區(qū)域進(jìn)行初始分割；

s12、對(duì)初始分割的圖像進(jìn)行形態(tài)學(xué)處理開運(yùn)算和閉運(yùn)算，以得到目標(biāo)輪廓邊界；對(duì)目標(biāo)輪廓邊界進(jìn)行上下左右四個(gè)方向范圍區(qū)域的擴(kuò)充，得到目標(biāo)區(qū)域分割圖像。

上述的非合作目標(biāo)快速輪廓跟蹤方法，其中，所述的步驟s2具體包含：

s21、使用canny算法對(duì)目標(biāo)區(qū)域分割圖像進(jìn)行目標(biāo)邊緣的檢測，得到邊緣檢測圖像；

s22、采用基于區(qū)域生長的深度優(yōu)先搜索遞歸調(diào)用算法對(duì)邊緣檢測圖像進(jìn)行邊界追蹤，提取出目標(biāo)邊緣輪廓特征，并得到目標(biāo)邊緣輪廓；

s23、將目標(biāo)邊緣輪廓擴(kuò)展到大于目標(biāo)輪廓區(qū)域四個(gè)方向外邊緣一定范圍的四邊形區(qū)域，以完成對(duì)目標(biāo)輪廓局部區(qū)域的圖像摳取，并記錄所摳取的局部目標(biāo)輪廓區(qū)域圖像的四個(gè)方向角點(diǎn)局部圖像坐標(biāo)，作為后續(xù)連續(xù)序列圖像中目標(biāo)跟蹤的初值；

s24、采用霍夫變換對(duì)局部目標(biāo)輪廓區(qū)域圖像的邊緣檢測圖像輪廓所在區(qū)域的上下左右四個(gè)方向一定區(qū)域內(nèi)的邊緣進(jìn)行初始幀局部目標(biāo)輪廓區(qū)域圖像中輪廓直線的提取，獲得目標(biāo)輪廓直線的參數(shù)。

上述的非合作目標(biāo)快速輪廓跟蹤方法，其中，所述的步驟s21中：

只對(duì)目標(biāo)區(qū)域分割圖像中均大于目標(biāo)區(qū)域上下左右四方向一定冗余的局部圖像進(jìn)行canny邊緣檢測，得到局部圖像邊緣檢測結(jié)果，通過該結(jié)果得到邊緣檢測圖像。

上述的非合作目標(biāo)快速輪廓跟蹤方法，其中，所述的步驟s22具體包含：

采用基于8鄰域連通的深度優(yōu)先搜索遞歸調(diào)用算法對(duì)邊緣檢測圖像進(jìn)行處理，以消除噪聲及非閉合的數(shù)據(jù)，形成分段連續(xù)的邊界鏈碼，完成目標(biāo)邊緣輪廓特征的提?。?/p>

對(duì)提取的目標(biāo)邊緣輪廓特征進(jìn)行輪廓的邊界排序，選取最優(yōu)區(qū)域輪廓序列為最終的目標(biāo)邊緣輪廓。

上述的非合作目標(biāo)快速輪廓跟蹤方法，其中，所述的步驟s23中：

所述摳取的目標(biāo)輪廓局部區(qū)域包含目標(biāo)所有輪廓信息；

所述的記錄所摳取的局部目標(biāo)輪廓區(qū)域圖像的四個(gè)方向角點(diǎn)局部圖像坐標(biāo)的具體過程為：以當(dāng)前摳取的局部目標(biāo)輪廓區(qū)域圖像為局部圖像，建立相應(yīng)的局部坐標(biāo)系，并記錄摳取的局部目標(biāo)輪廓區(qū)域圖像的四個(gè)方向角點(diǎn)局部圖像坐標(biāo)。

上述的非合作目標(biāo)快速輪廓跟蹤方法，其中，所述的步驟s3具體包含：

s31、根據(jù)初始幀目標(biāo)輪廓直線的參數(shù)對(duì)應(yīng)確定該目標(biāo)輪廓直線的參數(shù)在第二幀圖像中的全局坐標(biāo)，分別擴(kuò)大四條直線所在的目標(biāo)區(qū)域一定的范圍，摳取第二幀圖像中目標(biāo)局部區(qū)域圖像；

s32、采用霍夫變換對(duì)摳取的第二幀圖像目標(biāo)局部區(qū)域圖像的邊緣檢測圖像上下左右四方向內(nèi)外一定區(qū)域的邊緣進(jìn)行處理，提取獲得第二幀目標(biāo)局部區(qū)域圖像中輪廓直線，并獲取第二幀圖像中目標(biāo)輪廓直線的參數(shù)；

s33、根據(jù)目標(biāo)尺度動(dòng)態(tài)變化序列圖像前后幀之間的關(guān)聯(lián)性，依次根據(jù)上一幀圖像中目標(biāo)輪廓直線參數(shù)擴(kuò)充一定的區(qū)域完成相鄰下一幀圖像中目標(biāo)局部區(qū)域圖像的摳取，并利用霍夫變換通過局部處理實(shí)現(xiàn)剩余序列圖像輪廓直線特征的連續(xù)跟蹤。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：相對(duì)于傳統(tǒng)的序列圖像前后幀無關(guān)聯(lián)的全局輪廓跟蹤圖像處理算法，本方法只全局處理初始幀圖像，根據(jù)初始幀提取的輪廓特征信息在第二幀全局圖像中鎖定目標(biāo)的局部區(qū)域，根據(jù)相鄰前后幀圖像間的關(guān)聯(lián)性，通過局部處理實(shí)現(xiàn)剩余序列圖像輪廓部分區(qū)域特征的連續(xù)跟蹤，具有速度快、準(zhǔn)確性強(qiáng)、穩(wěn)定性高等優(yōu)點(diǎn)。

附圖說明

圖1為本發(fā)明的方法流程圖；

圖2為本發(fā)明的方法中步驟s3的實(shí)現(xiàn)流程圖。

具體實(shí)施方式

以下結(jié)合附圖，通過詳細(xì)說明一個(gè)較佳的具體實(shí)施例，對(duì)本發(fā)明做進(jìn)一步闡述。

如圖1所示，本發(fā)明提出了一種非合作目標(biāo)快速輪廓跟蹤方法，用于對(duì)目標(biāo)尺度動(dòng)態(tài)變化序列圖像中的目標(biāo)進(jìn)行跟蹤，這個(gè)目標(biāo)尺度動(dòng)態(tài)變化序列圖像中包含多個(gè)幀，本方法通過分別處理該多個(gè)幀來實(shí)現(xiàn)目標(biāo)輪廓的快速跟蹤，本方法具體包含以下步驟：

s1、對(duì)目標(biāo)尺度動(dòng)態(tài)變化序列圖像中初始幀圖像中的目標(biāo)區(qū)域進(jìn)行分割，得到目標(biāo)區(qū)域分割圖像；

s2、對(duì)目標(biāo)區(qū)域分割圖像進(jìn)行局部輪廓區(qū)域特征的提取；

s3、依次根據(jù)上一幀圖像中的局部輪廓區(qū)域特征完成相鄰下一幀圖像中局部輪廓區(qū)域特征的提取與跟蹤，最終實(shí)現(xiàn)剩余序列圖像局部輪廓區(qū)域特征的連續(xù)提取和跟蹤。

上述非合作目標(biāo)快速輪廓跟蹤方法中，所述步驟s1具體包含：

s11、運(yùn)用大律法對(duì)初始幀圖像中的目標(biāo)區(qū)域與背景區(qū)域進(jìn)行初始分割；

s12、對(duì)初始分割的圖像進(jìn)行形態(tài)學(xué)處理開運(yùn)算和閉運(yùn)算，以得到目標(biāo)輪廓邊界；對(duì)目標(biāo)輪廓邊界進(jìn)行上下左右四個(gè)方向范圍區(qū)域的擴(kuò)充，得到目標(biāo)區(qū)域分割圖像。

大律法是在判決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出，利用其完成圖像中的目標(biāo)區(qū)域與背景區(qū)域的初始分割的具體實(shí)現(xiàn)過程如下：

設(shè)圖像中灰度為i的像素?cái)?shù)為ni，灰度范圍為[0,l-1],則像素總數(shù)為:

各灰度值出現(xiàn)概率：

對(duì)于pi，有：

把圖中的像素用閾值t分成兩類c0和c1，c0由灰度值在[0,t-1]的像素組成，c1由灰度值在[t,l-1]的像素組成，則區(qū)域c0和c1的概率分別為：

區(qū)域c0和c1的平均灰度分別為：

其中，μ是整幅圖像的平均灰度：

兩個(gè)區(qū)域的總方差為：

讓t在[0,l-1]范圍內(nèi)依次依次取值，使最大的t值便是最佳區(qū)域分割閾值，進(jìn)而完成圖像中的目標(biāo)區(qū)域與背景區(qū)域的初始分割。

所述形態(tài)學(xué)開閉運(yùn)算都是由腐蝕和膨脹復(fù)合而成，開運(yùn)算是先腐蝕后膨脹，而閉運(yùn)算是先膨脹后腐蝕，具體的：

使用結(jié)構(gòu)元素s對(duì)a進(jìn)行開運(yùn)算，記作可表示為：

其中所述的形態(tài)學(xué)開運(yùn)算可以使圖像的輪廓變得光滑，還能使狹窄的連接斷開和消除細(xì)毛刺。

使用結(jié)構(gòu)元素s對(duì)a進(jìn)行閉運(yùn)算，記作a·s,可表示為：

其中所述的形態(tài)學(xué)閉運(yùn)算同樣可以使圖像的輪廓變得光滑，但與開運(yùn)算相反，它通常能夠彌合狹窄的間斷，填充小的空洞。

對(duì)初始分割的圖像使用形態(tài)學(xué)處理開運(yùn)算和閉運(yùn)算實(shí)現(xiàn)最終目標(biāo)區(qū)域的完整性分割，獲取目標(biāo)輪廓邊界，通過對(duì)目標(biāo)邊界外輪廓上下左右四方向一定范圍區(qū)域的擴(kuò)充得到初始幀目標(biāo)圖像的分割。

所述的步驟s2具體包含：

s21、使用canny算法對(duì)目標(biāo)區(qū)域分割圖像進(jìn)行目標(biāo)邊緣的檢測，得到邊緣檢測圖像；

s22、采用基于區(qū)域生長的深度優(yōu)先搜索遞歸調(diào)用算法對(duì)邊緣檢測圖像進(jìn)行邊界追蹤，提取出目標(biāo)邊緣輪廓特征，并得到目標(biāo)邊緣輪廓；

s23、將目標(biāo)邊緣輪廓擴(kuò)展到大于目標(biāo)輪廓區(qū)域四個(gè)方向外邊緣輪廓最長邊長十分之一大小區(qū)域范圍的四邊形區(qū)域，以完成對(duì)目標(biāo)輪廓局部區(qū)域的圖像摳取，并記錄所摳取的局部目標(biāo)輪廓區(qū)域圖像的四個(gè)方向角點(diǎn)局部圖像坐標(biāo)，作為后續(xù)連續(xù)序列圖像中目標(biāo)跟蹤的初值；較佳的，這里分別選取目標(biāo)輪廓四方向最優(yōu)的直線參數(shù)作為最終目標(biāo)輪廓直線獲取的效果，所需處理的目標(biāo)區(qū)域大幅減小，干擾少，輪廓提取效果好，具有處理速度快目標(biāo)輪廓特征提取的實(shí)時(shí)性和穩(wěn)定性。

s24、采用霍夫變換對(duì)局部目標(biāo)輪廓區(qū)域圖像的邊緣檢測圖像輪廓所在區(qū)域的上下左右四個(gè)方向輪廓最長邊長十分之一大小區(qū)域范圍區(qū)域內(nèi)的邊緣進(jìn)行初始幀局部目標(biāo)輪廓區(qū)域圖像中輪廓直線的提取，獲得目標(biāo)輪廓直線的參數(shù)。

上述非合作目標(biāo)快速輪廓跟蹤方法中，所述的步驟s21中：

只對(duì)目標(biāo)區(qū)域分割圖像中均大于目標(biāo)區(qū)域上下左右四方向輪廓最長邊長十分之一大小區(qū)域范圍冗余的局部圖像進(jìn)行canny邊緣檢測，得到局部圖像邊緣檢測結(jié)果，通過該結(jié)果得到邊緣檢測圖像。

所述的canny邊緣檢測實(shí)現(xiàn)步驟如下：

(1)用高斯濾波器h(x,y)平滑圖像f(x,y)；

高斯函數(shù)：

濾波后圖像：

g(x,y)＝f(x,y)*h(x,y)(13)

(2)用一階偏導(dǎo)的有限差分計(jì)算濾波后圖像梯度的幅值和方向；

一階差分卷積模板:

得到幅值：

方向：

(3)抑制梯度幅值非極大值，實(shí)現(xiàn)圖像邊緣細(xì)化；

每一個(gè)點(diǎn)m的梯度方向進(jìn)行梯度幅值比較，如果此點(diǎn)的梯度比它相鄰的兩個(gè)點(diǎn)梯度幅值都大，則不變；否則將其排除出邊緣點(diǎn)置0。

(4)用雙閾值法檢測和連接邊緣，獲得邊緣檢測圖。

使用兩個(gè)閾值t1和t2(t1<t2),從而得到兩個(gè)閾值邊緣圖像n1[i,j]和n2[i,j]。雙閾值法是在n2[i,j]中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點(diǎn)時(shí)，該算法就在8鄰點(diǎn)位置尋找可以連接到輪廓上的邊緣，這樣，算法不斷在n1[i,j]中收集邊緣，直到將n2[i,j]連接起來為止。

其中，所述基于8鄰域連通的深度優(yōu)先搜索遞歸調(diào)用算法是一種圖的遍歷的方法，包含輪廓邊緣跟蹤、輪廓邊緣提取、輪廓邊緣排序以及最優(yōu)輪廓提取4步，遍歷的過程實(shí)質(zhì)上是對(duì)每個(gè)頂點(diǎn)查找其8鄰域鄰接點(diǎn)的過程，是從圖的某一頂點(diǎn)開始遍歷，被訪問的頂點(diǎn)就做上已訪問的記號(hào)，接著遍歷此頂點(diǎn)的所有8鄰域相鄰且未訪問過的頂點(diǎn)中任意一個(gè)，并做上記號(hào)，再以該點(diǎn)為新的起點(diǎn)繼續(xù)進(jìn)行深度優(yōu)先的查找。

上述非合作目標(biāo)快速輪廓跟蹤方法中，所述的步驟s22具體包含：

采用基于8鄰域連通的深度優(yōu)先搜索遞歸調(diào)用算法對(duì)邊緣檢測圖像進(jìn)行處理，以消除噪聲及非閉合的數(shù)據(jù)，形成分段連續(xù)的邊界鏈碼，完成目標(biāo)邊緣輪廓特征的提??；

對(duì)提取的目標(biāo)邊緣輪廓特征進(jìn)行輪廓的邊界排序，選取最優(yōu)區(qū)域輪廓序列為最終的目標(biāo)邊緣輪廓。

上述非合作目標(biāo)快速輪廓跟蹤方法中，所述的步驟s23中：

所述摳取的目標(biāo)輪廓局部區(qū)域包含目標(biāo)所有輪廓信息；

所述的記錄所摳取的局部目標(biāo)輪廓區(qū)域圖像的四個(gè)方向角點(diǎn)局部圖像坐標(biāo)的具體過程為：以當(dāng)前摳取的局部目標(biāo)輪廓區(qū)域圖像為局部圖像，建立相應(yīng)的局部坐標(biāo)系，并記錄摳取的局部目標(biāo)輪廓區(qū)域圖像的四個(gè)方向角點(diǎn)局部圖像坐標(biāo)。

上述非合作目標(biāo)快速輪廓跟蹤方法中，所述的步驟s3具體包含：

s31、根據(jù)初始幀目標(biāo)輪廓直線的參數(shù)對(duì)應(yīng)確定該四條直線在第二幀圖像中的全局坐標(biāo)，分別擴(kuò)大四條直線所在的目標(biāo)區(qū)域輪廓最長邊長十分之一大小區(qū)域范圍，摳取第二幀圖像中目標(biāo)局部區(qū)域圖像；本實(shí)施例中，對(duì)第二幀圖像的目標(biāo)局部區(qū)域圖像的摳取無需全局處理，只需根據(jù)初始幀提取的輪廓特征信息在第二幀全局圖像中鎖定目標(biāo)的局部區(qū)域即可；

s32、采用霍夫變換對(duì)摳取的第二幀圖像目標(biāo)局部區(qū)域圖像的邊緣檢測圖像上下左右四方向內(nèi)外一定區(qū)域的邊緣進(jìn)行處理，提取獲得第二幀目標(biāo)局部區(qū)域圖像中輪廓直線，并獲取第二幀圖像中目標(biāo)輪廓直線的參數(shù)；

s33、根據(jù)目標(biāo)尺度動(dòng)態(tài)變化序列圖像前后幀之間的關(guān)聯(lián)性，依次根據(jù)上一幀圖像中目標(biāo)輪廓直線參數(shù)擴(kuò)充一定的區(qū)域完成相鄰下一幀圖像中目標(biāo)局部區(qū)域圖像的摳取，并利用霍夫變換通過局部處理實(shí)現(xiàn)剩余序列圖像輪廓直線特征的連續(xù)跟蹤。

所述的霍夫(hough)變換直線提取過程如下：

(1)設(shè)定hough平面累加器(ρ,θ)，其中θ∈[0,180°]，(w,h為圖像寬度和高度)；

(2)對(duì)處理區(qū)域所有點(diǎn)進(jìn)行hough變換：依次將θ帶入直線極坐標(biāo)方程ρ＝xcosθ+ysinθ中計(jì)算，每次計(jì)算得到的(ρ,θ)在累加器相應(yīng)位置處單元計(jì)數(shù)+1；

(3)hough變換處理后，設(shè)定合適的閾值t，累加器中大于t的單元對(duì)應(yīng)的(ρ,θ)作為檢測出的直線。

通過對(duì)hough變換檢測出的直線進(jìn)行分類合并擬合，根據(jù)擬合后的直線到所有相對(duì)應(yīng)邊緣點(diǎn)的距離誤差最小為準(zhǔn)則，剔除一些不合理的直線，獲取最終目標(biāo)直線的提取。

盡管本發(fā)明的內(nèi)容已經(jīng)通過上述優(yōu)選實(shí)施例作了詳細(xì)介紹，但應(yīng)當(dāng)認(rèn)識(shí)到上述的描述不應(yīng)被認(rèn)為是對(duì)本發(fā)明的限制。在本領(lǐng)域技術(shù)人員閱讀了上述內(nèi)容后，對(duì)于本發(fā)明的多種修改和替代都將是顯而易見的。因此，本發(fā)明的保護(hù)范圍應(yīng)由所附的權(quán)利要求來限定。