技术领域
[0001] 本
发明涉及一种非相参雷达图像的背景模型实时更新方法，属于低空
空域安全监视技术领域，涉及雷达
图像处理与目标检测。
背景技术
[0002] 一次非相参雷达具有成本低、架设方便、独立工作性强等特点，是空域安全监视的重要手段。非相参雷达本身不具备动目标检测的功能，成熟的雷达监视系统通常采用
图像采集卡将雷达平面
位置指示图像传输给计算机，再由后端基于图像的目标检测
算法对其进行处理，从中提取出动目标信息。背景差分技术是最常用的动目标检测技术。但是，由于系统监视的区域为
低空空域，背景环境复杂，噪声干扰强，背景物体回波起伏较大，并具有一定的随机特性。因此，建立准确的背景模型，并采用适当的方法对其进行实时更新，成为提高目标检测能
力的关键。
[0003] 传统的背景模型更新方法，通常利用当前
帧图像中新提取的背景
像素样本去替换原始背景模型中存留时间最长的样本，造成每个样本在背景模型中存留的时间完全相同，限制了背景模型样本的时间
覆盖范围。
发明内容
[0004] 本发明的目的在于提供了一种非相参雷达图像的背景模型实时更新方法，该方法适用于基于非相参雷达图像的动目标检测，拓宽了背景模型样本的时间覆盖范围。
[0005] 本发明的非相参雷达图像的背景模型实时更新方法，包括如下步骤：
[0006] 步骤1，为雷达图像中的每个像素建立背景模型；
[0007] 雷达图像中每个像素(x,y)对应的灰度值由v(x,y)表示，用vi表示第i个背景模型样本，每个像素(x,y)的背景模型M(x,y)表示为由之前N帧图像中提取的N个背景模型样本集合：
[0008] M(x,y)＝{v1,v2,...,vN} (1)
[0009] 式(1)集合中的N个背景模型样本，初始通过如下方法获取：对于雷达
图像序列中的第i(1≤i≤N)帧图像，从像素(x,y)的8连通邻域NG(x,y)中提取第i个背景模型样本vi：
[0010]
[0011] 其中，坐标 在邻域NG(x,y)中随机选择， 表示坐标 处的灰度值。
[0012] 步骤2，读取一帧雷达图像，对各像素的新样本分类；
[0013] 依照像素(x,y)的背景模型M(x,y)，对当前帧图像中像素的新样本v(x,y)进行分类，具体是：以v(x,y)为中心，R为半径，建立球形域SR(v(x,y))，如果该球形域与M(x,y)的背景模型样本集合的交集中的样本数不小于
阈值#min，则将新样本v(x,y)判断为背景模型样本，否则新样本判断为前景目标。球形域与背景模型样本集合的交集表示为：
[0014] #{SR(v(x,y))∩{v1,v2,...,vN}} (3)
[0015] 步骤3，对于判定为背景模型的新样本，更新对应像素的背景模型；
[0016] 对于判定为背景模型的新样本v(x,y)，生成0～1之间随机小数θ，如果θ大于阈值T，则对像素(x,y)背景模型进行更新，否则不进行更新。
[0017] 在进行背景模型更新时，生成0～N之间的随机整数i，并以新样本v(x,y)替换背景模型中的第i个样本vi。
[0018] 步骤4，对于判定为背景模型的新样本，更新邻域像素样本；
[0019] 对于判定为背景模型的新样本v(x,y)，生成0～1之间随机小数θ，如果θ大于阈值T，则对像素(x,y)的8连通邻域内像素背景模型进行更新，否则不进行更新。
[0020] 当进行邻域内像素背景模型更新时，随机选择8连通邻域内的像素坐标(xNG,yNG)，生成0～N之间的随机整数i，以新样本v(x,y)替换像素(xNG,yNG)的背景模型中的第i个样本vi。
[0021] 本发明提供的非相参雷达图像的背景模型实时更新方法，与
现有技术相比，在保持背景模型样本数量不变的情况下，延长了每个样本在背景模型集合中存留的时间，拓宽了背景模型样本的时间覆盖范围。
附图说明
[0022] 图1是本发明的非相参雷达图像的背景模型实时更新方法的流程示意图；
[0023] 图2是本发明
实施例的一帧原始非相参雷达图像及某像素位置。
具体实施方式
[0024] 下面结合附图中某非相参雷达图像序列的处理结果对本发明提出的背景模型实时更新方法进行图示和描述。
[0025] 非相参雷达背景中包含大量静止物体，其中大部分属于非刚性目标（树林、草地、
水面等），回波强度起伏较大，背景边缘杂波干扰强烈，给低空小目标检测造成困难。本发明方法随机设定背景模型更新周期，并随机替换背景模型中的样本，延长了每个样本在背景模型中的存留时间，其流程如图1所示，本发明的非相参雷达图像的背景模型实时更新方法包括具体步骤如下：
[0026] 步骤1，背景模型初始化；为雷达图像中的每个像素建立背景模型。
[0027] 首先，雷达图像中每个像素(x,y)对应的灰度值由v(x,y)表示，并以指数i标定每个背景模型样本vi，i为整数且1≤i≤N，每个像素(x,y)的背景模型M(x,y)由之前多帧图像中提取的N个背景模型样本组成背景模型样本集合：
[0028] M(x,y)＝{v1,v2,...,vN} (1)
[0029] 对于雷达图像序列中的第一帧图像（时间t=0），可以从像素(x,y)的8连通邻域0
NG(x,y)中提取背景模型样本，表示为M(x,y)：
[0030]
[0031] 上式中坐标 可在邻域NG(x,y)中随机选择，某个像素的灰度值 可能被多次0
选择，也可能从不被选择。v1初始为M(x,y)。
[0032] 继续读取N-1帧雷达图像，在每帧图像中，与式(2)所示方法相同，获取每帧图像中像素(x,y)的背景模型样本值。对于雷达图像序列中的第i(1≤i≤N)帧图像，从像素(x,y)的8连通邻域NG(x,y)中提取第i个背景模型样本vi： 最终得到如式(1)所示的像素(x,y)的背景模型。
[0033] 一帧原始非相参雷达图像如图2所示，图像大小为456×456，坐标原点在图像左上
角，X轴水平向右，Y轴垂直向下，图中“*”位置处的像素坐标为(138,360)。该像素点的背景模型样本集合共包括10个样本，即N=10，每个样本为像素的灰度值，背景模型如下：
[0034] M(138,360)＝{10,10,12,24,22,11,12,34,12,26} (3)
[0035] 步骤2，读取一帧雷达图像，对各像素的新样本分类。
[0036] 依照像素(x,y)当前的背景模型M(x,y)，对当前帧图像中像素(x,y)的新样本v(x,y)进行分类，判断新样本是否属于背景模型样本集合。以v(x,y)为中心，R为半径，建立球形域SR(v(x,y))，R为整数。如果该球形域与背景模型样本集合的交集中的样本数不小于阈值#min，则将该像素的新样本v(x,y)判断为背景模型样本，继续进行步骤3和4；否则，判断该像素的新样本v(x,y)不是背景模型样本，为前景目标，不进行下面步骤3和4。球形域与背景模型样本集合的交集表示为：
[0037] #{SR(v(x,y))∩{v1,v2,...,vN}} (4)
[0038] 本发明实施例中，设当前帧图像“*”位置处坐标的像素灰度值为v(138,360)=15，以该新样本为中心，R=5为半径，建立球形域SR=5(v(138,360))，阈值#min=5，该球形域与背景模型样本集合的交集为
[0039] #{SR＝5(v(138,360))∩M(138,360)}＝{10,10,12,11,12,12} (5)[0040] 则交集中共有6个样本，大于阈值#min，所以该样本为背景样本。
[0041] 步骤3，对于判定为背景模型的新样本，更新对应像素的背景模型。在更新中实现更新周期和更新样本的随机设定。
[0042] 对于判定为背景模型的新样本v(x,y)，通过生成0～1之间随机小数θ的方法决定是否将其用于背景模型更新。如果θ大于阈值T，则对像素(x,y)背景模型进行更新，否则不进行更新。阈值T由用户设定，为0～1之间的数据。
[0043] 在进行背景模型更新时，同样采用随机方法选择更新样本。生成0～N之间的随机整数i，并以v(x,y)替换背景模型中的第i个样本vi。
[0044] 本发明实施例中，设阈值T=0.5，生成的随机小数为θ=0.68，则对背景模型进行更新，以新样本v(138,360)=15替换原始背景模型中的某个样本。生成随机整数i=6，则替换背景模型的第6个样本，更新后的背景模型为
[0045] M(138,360)＝{10,10,12,24,22,15,12,34,12,26} (6)
[0046] 步骤4，对于判定为背景模型的新样本，更新邻域像素样本。
[0047] 对于判定为背景模型的新样本，同样可用于更新像素(x,y)的8连通邻域的背景模型。
[0048] 更新周期的设定与步骤3相同，采用生成0～1之间随机小数的方法判断是否进行更新。本发明实施例中，设生成的随机小数为θ=0.52，大于阈值T=0.5，则以新样本v(138,360)=15更新邻域像素背景模型。
[0049] 同样采用随机的方法选择需要更新的邻域像素位置与替换样本。设(xNG,yNG)为8连通邻域内的像素坐标，包括(x-1,y-1)，(x-1,y)，(x-1,y+1)，(x,y-1)，(x,y+1)，(x+1,y-1)，(x+1,y)和(x+1,y+1)。随机确定邻域坐标(xNG,yNG)之后，与步骤3相同，生成0～N之间的随机整数i，并以v(x,y)替换像素(xNG,yNG)的背景模型中的第i个样本vi。
[0050] 本发明实施例中，设随机生成需更新的邻域像素坐标(xNG,yNG)=(138,361)，该像素的原始背景模型为：
[0051] M(138,361)＝{15,12,14,26,26,17,22,28,22,28} (7)
[0052] 生成随机整数i=9，则替换该像素背景模型的第9个样本，更新后的背景模型为[0053] M(138,361)＝{15,12,14,26,26,17,22,28,15,28} (8)
[0054] 在利用当前帧雷达图像进行背景模型更新后，可继续读取下一帧雷达图像，然后转步骤2继续执行。
