基于運動信息的視頻圖像空間目標檢測

張學陽，項軍華

（國防科學技術大學航天科學與工程學院，長沙410073）

基于運動信息的視頻圖像空間目標檢測

張學陽，項軍華

（國防科學技術大學航天科學與工程學院，長沙410073）

針對衛星拍攝的以深空為背景的視頻圖像中空間運動目標的檢測問題進行了研究，提出了一種基于運動信息的目標檢測算法。首先，通過均值濾波對圖像進行降噪處理；然后，采用基于局部統計的可變閾值來分割單幀圖像，使用灰度重心法計算像點坐標。當衛星凝視目標區域時，恒星可以認為是靜止的，而目標依舊在運動，基于此，可檢測出空間運動目標。基于某型衛星在軌拍攝的視頻圖像驗證了算法的有效性。

空間目標檢測；小目標檢測；目標運動信息；局部可變閾值；視頻圖像

衛星通過姿態機動控制可以實現對某一興趣區域進行“凝視”觀測，獲取目標區域連續的視頻圖像信息。視頻圖像比靜止單幅圖像包含更多信息，能夠探測到動態事件的發生，并可以基于視頻圖像中的序列圖像進行圖像重構，以獲得更高分辨率的圖像，為抗災救災、戰時監控、計劃決策提供第一手資料[1]。

為此，許多國家投入大量資金和科技人員對該類衛星進行了廣泛研究，國內外已發射了多顆具有視頻成像功能的衛星。如SKYBOX公司的Skysat系列衛星[2]、德國柏林理工大學的TUBSAT系列衛星[3]，印度尼西亞研制的LAPAN系列衛星[4]，以及國防科技大學研制的天拓二號衛星[5]，這些衛星都可以在軌獲取不同性能的視頻圖像。

衛星對空間運動目標的觀測，例如小衛星等，可以為衛星健康判斷、太空安全監測等提供重要依據。由于天基平臺的不穩定性，即使是凝視觀測，背景和相機也會發生相對運動，無法通過簡單的幀差法得到運動目標，造成了目標檢測的困難。

針對此問題，學者們提出了許多方法。多假設檢測（MHT）[6]是較早提出的一種有效的目標檢測跟蹤算法，它將所有候選目標點可能的關聯情況都作為一種假設，隨著新觀測數據集的到來不斷衍生，得到一棵假設樹，同時根據制定規則不斷對樹進行修剪。為了防止虛警等因素導致誤判，每一次修剪都需根據后面得到的觀測數據進行判斷。MHT對于性噪比很低的圖像也有較好的檢測效果，然而這是以巨大的計算量為代價的，實時性較差。事實上，MHT屬于檢測前跟蹤（Track-Before-Detect，TBD）算法，而根據星圖本身的特征，跟蹤前檢測（Detect-Before-Track，DBT）算法要更加適合[7]。

文獻[8]提出了一種序列星圖中目標運動軌跡的提取算法，利用序列圖像中最亮的一組星點的質心進行圖像匹配，濾除背景恒星，提取目標運動軌跡。文獻[9]提出了一種基于星圖識別的空間目標檢測算法，利用三角形算法進行探測圖像序列的配準，然后在配準后的圖像序列中檢測出空間目標。文獻[10]提出了一種基于改進的三角形匹配的星圖配準方法，改進了傳統的三角形匹配算法，通過多幀軌跡關聯檢測出目標的運動軌跡。文獻[11]利用三角形算法對星圖序列中的恒星進行匹配，將恒星與潛在目標分類，之后通過3幀最近鄰關聯法粗檢測目標，并利用多幀前后向搜索法濾除假目標。文獻[12]利用恒星三角形定位幀差得到只包含目標和噪聲的圖像序列，再使用改進的DPA算法檢測空間運動小目標。文獻[13]提出了一種基于迭代最優化分類思想的弱小目標檢測新方法，利用迭代最優化距離分類方法去除恒星背景，依據目標軌跡連續性進行目標軌跡關聯，檢測出弱小目標。

上述文獻的核心思想是利用恒星位置的相對不變性配準圖像，濾除背景恒星，因而存在計算量大、實時性較差的問題；文獻[14]將空間目標檢測分成3種情形，利用從圖像序列中提取出的特征針對每個像素特征構造穩定性函數，據此檢測出目標，雖然沒有圖像配準，但是僅考慮了一個目標的情形；文獻[15]基于FPGA和DSP提出了一種空間小目標的實時檢測算法，但是并未考慮平臺的不穩定性。此外，以上文獻中用于驗證算法的星圖序列，文獻[8，11-14]使用了地基光電望遠鏡觀測的星圖序列，文獻[9-10，15]使用的是仿真生成的星圖序列，沒考慮天基實測圖像特點。

本文針對衛星拍攝的以深空為背景的視頻圖像中空間運動目標的檢測問題進行了研究，提出了一種基于運動信息的目標檢測算法，并利用某型衛星在軌拍攝的視頻圖像驗證了算法的有效性。

1 衛星拍攝空間運動目標視頻圖像特性

衛星拍攝的以深空為背景的視頻圖像包括星空背景、大量的恒星、運動目標以及由成像設備和宇宙射線引入的噪聲組成。其數學模型可以描述為[15]：

f(x,y,t)=fB(x,y,t)+fs(x,y,t)+fT(x,y,t)+n(x,y,t)。（1）式（1）中：fB(x,y,t)為深空背景灰度值；fs(x,y,t)為恒星背景灰度值；fT(x,y,t)為目標灰度值；n(x,y,t)為噪聲灰度值；(x,y)表示圖像中的像素坐標；t表示視頻圖像的幀數。

視頻圖像中，恒星和空間運動目標距離相機都較遠，所成像僅占據有限個像素，為點狀分布，難以利用形態特征和光度特征分辨出目標與背景恒星，如圖1所示，可以看出單幀圖像中很難區分恒星和目標。

圖1 恒星和目標圖像Fig.1 Imagesof fixed starand target

2 基于運動信息的目標檢測

2.1圖像降噪

視頻圖像中的噪聲主要包括空間輻射噪聲、星空背景噪聲和CCD暗電流噪聲等，可采用3×3均值濾波來降低噪聲，濾波模板為：

2.2單幀圖像分割

為了區分恒星和目標，須將每幀圖像中的背景去除，然而雜散光卻使得圖像背景強弱分布不均勻。圖2 a）是視頻圖像的的某一幀圖像，圖2 b）是其灰度直方圖。由灰度直方圖的單峰形態可知，無法用傳統星圖分割所采用的全局閾值法[8，10-12，15]來分割圖像。

圖2 單幀視頻圖像及其灰度直方圖Fig.2 Gray levelhistogram of single frame image

無論是恒星還是目標，其灰度值都要大于其鄰域中的像素點，考慮采用基于局部統計的可變閾值來分割圖像。對圖像中每一點(x,y)的鄰域計算標準差σxy和均值mxy，它們是局部對比度和平均灰度的描述子，之后得到基于局部均值和標準差的閾值：

式中，a和b是大于0的常數。b表示平均灰度對閾值的貢獻，一般取為1+ε，而a表示局部對比度對閾值的貢獻，是根據目標特性主要調整的參數。對于空間運動目標，灰度隨著姿態變化不斷變化，時強時弱，a若較大，則會在很多時刻丟失目標，因而在1的小鄰域內取值。

分割圖像算法如下：

式（4）中：f(x,y)是原圖像在(x,y)處的灰度值；g(x,y)

是分割處理后的圖像在(x,y)處的灰度值。

2.3像點坐標提取

在理想光學系統中，點目標在CCD焦平面上成像要占據一個像素，但在實際成像條件下，受圓孔衍射的影響，導致目標在焦平面的成像由點成像擴散為多像元[3]。這時，目標在焦平面的坐標由其灰度中心所在位置確定，這里采用簡單有效的灰度重心法計算像點坐標，定位精度可達0.1～0.3個像素[16]。

對圖像二值化分割，識別出目標區域S，其灰度中心坐標計算公式為：

式（5）中：f(x,y)是原圖像在(x,y)處的灰度值；(xS,yS)即為區域S的灰度中心坐標。

2.4基于運動信息的目標檢測

空間運動目標的姿態變化使其亮度不斷變化，時強時弱，亮度較低時，單幀畫面中甚至會丟失目標，可見，孤立地對每幅圖像進行處理，無法區分恒星和目標，因為這樣沒有利用圖像序列中目標的連續一致性，浪費了大量信息。因此，須要利用空間目標與背景恒星成像運動特征上的差異將其分辨出來。

測量過程中，背景恒星在慣性空間中可認為是靜止的，其成像運動僅與衛星視軸變化相關，這就是其與空間目標成像運動特征最重要的區別。

有了衛星視軸變化的先驗信息，即可確定恒星的運動狀態。當衛星視軸不變，即衛星處于凝視觀測狀態時，恒星可以認為是靜止的，而目標依舊在運動。基于此提出下述凝視觀測時的目標檢測算法：

1）第 1幀圖像得到 n1個點 (x1,y1),(x2,y2),…, (xn1,yn1)，作為n1個點類的坐標；

2）第 2幀圖像得到 n2個點 (x1,y1),(x2,y2),…, (xn2,yn2)，與已有的點類坐標比較，當距離小于閾值時，認為是一類，并由新的坐標代替舊的坐標作為點類的坐標，如果與每個點類坐標的距離都大于閾值，則作為新的點類。如此對獲得的每一幀進行處理。這里的閾值需大于目標在一幀時間的運動距離。

3）當處理完10幀時，即開始判斷每個點類是否為目標，計算橫坐標與縱坐標的標準差之和與閾值比較，小于認為是恒星背景或噪點，大于則認為是空間運動目標。

這里的閾值主要剔除衛星平臺的不穩定性帶來的圖像晃動，一般可設為1。

3 實驗結果

為了驗證文中算法，對某衛星在軌拍攝的一段視頻圖像進行實驗，圖像大小為960×576，灰度級為8bit，對連續20幀圖像進行處理。

式（3）中取a=1，b=1.1，分割時所基于的鄰域使用7×7鄰域，如對第20幀圖像分割后可得到10個目標區域，見圖3。

圖3 第20幀圖像分割后得到的結果Fig.3 Resultof segmenting the 20th frame image

目標檢測算法第2）步中的閾值取為5，第3）步中的閾值取為1。使用文中算法處理后，檢測出一個運動目標，如圖4所示。可見因目標姿態的變化，其亮度也發生了較大的變化，通過運動信息較好地檢測出了目標。整個檢測過程耗時1.88 s，平均一幀的處理時間小于100ms，具有較好的實時性。

圖4 某顆衛星視頻圖像檢測結果Fig.4 Detection resultsof satellite video images

4 結論

本文針對衛星拍攝的以星空為背景的視頻圖像，提出了一種基于運動信息的弱小目標檢測算法。針對視頻圖像的特點使用了局部可變閾值分割圖像，基于衛星凝視觀察時恒星與目標運動特征的不同檢測出目標。通過某型衛星的實拍視頻圖像驗證了算法的有效性和實時性。

[1]楊秀彬，林星辰.低軌凝視衛星動態跟蹤對成像的影響分析[J].紅外與激光工程，2014，42（S1）：203-208.

YANG XIUBIN，LIN XINGCHEN.Analysis of influence of LEO staring satellite dynamic tracking on imaging[J]. Infrared and Laser Engineering，2014，42（S1）：203-208. （in Chinese）

[2]云燕.業界動態[J].衛星應用，2014（8）：3-4.

YUN YAN.Industry news[J].Satellite Application，2014 （8）：3-4（.in Chinese）

[3]STECKLING M，RENNER U，ROSER H.DLR-TUBSAT，qualification of high precision attitude control in orbit[J].Acta Astronautica，1996，39（9）：951-960.

[4]TRIHARJANTO R，HASBIW，W IDIPAM INTO A.Lapan-Tubsat：m icro-satellite platform for surveillance&remote sensing[C]//Proceedings of the 4S Symposium：Small Satellites，Systems and Services（ESA SP-571）. 2004：id.35.1.

[5]中新社.中國“一箭雙星”成功將“遙感衛星二十一號”與“天拓二號視頻微衛星”發射升空[J].河北遙感，2014 （3）：12.

CNS.China has successfully launched a rocket carrying 21stremote sensing satellite and TT2 video m icrosatellite [J].HebeiRemote Sensing，2014（3）：12.（in Chinese）

[6]BLOSTEIN SD，HUANG T S.Detection of smallmoving objects in image sequences usingmultistage hypothesis testing[C]//IEEE Proceedings on ICASSP.New York：IEEE，1988：1068-1071.

[7]TAO HUANG，YAOHENG XIONG，ZHULIAN LI，etal. Space target tracking by variance detection[J].Journal of Computers，2014，9（9）：2107-2115.

[8]張春華，陳標，周曉東.運動背景星空圖像中小目標的運動軌跡提取算法[J].光學精密工程，2008，16（3）：524-530.

ZHANG CHUNHUA，CHEN BIAO，ZHOU XIAODONG.Small target trace acquisition algorithm for sequence star images w ith moving background[J].Optics and Precision Engineering，2008，16（3）：524-530.（in Chinese）

[9]程軍，張偉，叢明煜，等.基于星圖識別的空間目標檢測算法研究[J].光學技術，2010，36（3）：439-444.

CHENG JUN，ZHANGWEI，CONGM INGYU，etal.Research of detecting algorithm for space object based on starmap recognition[J].Optical Technique，2010，36（3）：439-444.（in Chinese）

[10]韓艷麗，劉峰.基于三角形匹配的空間小目標檢測算法[J].紅外與激光工程，2014（9）：3134-3140.

HAN YANLI，LIU FENG.Small targets detection algorithm based on trianglematch space[J].Infrared and Laser Engineering，2014（9）：3134-3140.（in Chinese）

[11]張健，奚曉梁，周曉東.基于運動信息的星圖中空間目標檢測算法[J].系統工程與電子技術，2014（5）：838-845.

ZHANG JIAN，XI XIAOLIANG，ZHOU XIAODONG. Space target detection in star image based onmotion information[J].Systems Engineering and Electronics，2014 （5）：838-845.（in Chinese）

[12]張玉葉，王春歆.基于改進DPA的空間小目標檢測算法[J].電子學報，2010，38（3）：556-560.

ZHANG YUYE，WANG CHUNXIN.Space small targets detection based on improved DPA[J].Acta Electronica Sinica，2010，38（3）：556-560.（in Chinese）

[13]姚睿，張艷寧，楊濤，等.基于迭代距離分類與軌跡關聯檢測空間弱小目標[J].光學精密工程，2012（1）：179-189.

YAO RUI，ZHANGYANNING，YANG TAO，etal.Detection of small space targetbased on iterative distance classification and trajectory association[J].Optics and Precision Engineering，2012（1）：179-189.（in Chinese）

[14]XU YONGHUI，ZHANG JIHUI.Real-time detection algorithm for small space targets based onmax-median filter[J].Journal of Information&Computational Science，2014，11（4）：1047-1055.

[15]王兆魁，張育林.一種CCD星圖星點快速定位算法[J].空間科學學報，2006，26（3）：209-214.

WANG ZHAOKUI，ZHANG YULIN.A lgorithm for CCD star image rapid locating[J].Chinese Journal of Space Science，2006，26（3）：209-214.（in Chinese）

[16]于起峰，尚洋.攝像測量學原理與應用研究[M].北京：科學出版社，2009：101.

YU QIFENG，SHANG YANG.Videometrics：principles and researches[M].Beijing：Science Press，2009：101.（in Chinese）

Video Image Space TargetDetection Based on Motion Information

ZHANGXueyang,XIANG Junhua

（CollegeofAerospace Scienceand Technology,NUDT,Changsha 410073,China）

A space target detection algorithm in video with star image background from video satellite was researched, which was based onmotion information.Firstly,average filterwas used to decrease noise.Then a single frame image was segmented using variable thresholding based on local image properties.When video satellitewas staring interested area, stars in FOV could thoughtstatic and the targetwasmoving.So space targetcould detected bymotion information.Experi?mental resultsaboutvideo from satelllite demonstrated the effectivenessof the algorithm.

space target detection;small targetdetection;targetmotion information;local variable thresholding;video im?age

TP391.41

A

1673-1522（2016）02-0113-04

10.7682/j.issn.1673-1522.2016.02.003

2015-08-30；

2016-01-26

國防預研基金資助項目（51320010201）

張學陽（1988-），男，博士生。