基于红外多目标图像序列的自动判读技术
由于经过预处理后的图像中目标面积小，亮度变化小，因此可以采用单门限分割方法。即：
可见，阈值分割实际上就是根据某个判决准则来确定最佳阈值T的过程。为达到快速分割目标的目的，在这里根据图像的统计特性来确定门限，并根据所要求的虚警概率对初始选择阈值进行不断修正。具体算法如下：
对待检测图像求其统计特征，即计算均值m和方差σ，从而计算初始阈值T1。即：
式中，M，N分别为待检测图像的行数和列数；m为矩形邻域窗口内原图像的均值；σ为标准差；k为系数，可通过实验得到。为了保证对图像中小目标尽可能高的检测概率，同时又为了尽量虚警概率，将图像的SNR作为一个考虑因素，取k为图像的信噪比值。
1．3 判读脱靶量计算
在视频判读中，脱靶量的测量结果对于检验和评估导弹性能起着关键作用。下面简要介绍脱靶量计算原理。如图2所示。
以靶面中心为原点建立笛卡尔坐标系，如图3～6所示，设A点为目标像点，它偏离坐标原点的量称为判读脱靶量，记做△x，△y。计算出来的脱靶量△x，△y连同光测设备的测量信息作数据处理，可完成对目标运动参数的事后分析。在判读时，取其质心作为判读点，质心即目标可视部分图像灰度分布重心。首先对存储于硬盘中的图像序列进行二值分割，把目标从背景中分割出来，然后根据重心计算公式求出目标重心。物理学重心定义，设一幅M×N的图像，目标图像在(x，y)点的灰度值f(x，y)，其重心为：
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
