维普资讯 http://www.cqvip.com
第３０卷第６期 ２００８年６月 红外技术 Ｉｎｆｒａｒｅｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖｌ０ｌ－３０ ＮＯ．６ Ｊｕｎｅ ２０ｏ８ 基于图像局部特征的红外小目标检测与跟踪算法 成兰，王志杰，姬绣荔 （安阳工学院科研处，河南安阳４５５０００） 摘要：基于红外序列图像中小目标的典型特征，提出了一种新的红外小目标检测与跟踪算法。利用图 像小目标的微分几何特性，计算图像的最小法向曲率，并以此为阈值，获得小目标的候选对象。之后 利用多幅图像之间目标的相关性，在时间尺度上基于Ｋａｌｍａｎ滤波算法，实现对目标噪声的过滤并实 现目标的跟踪。最后对算法的有效性进行了验证。 关键词：目标检测；序列图像；法向曲率 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１００１．８８９１（２００８）０６．０３２４．０３ Ａｎ Ｎｏｖｅｌ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｉｎｆｒａｒｅｄ Ｓｍａｌｌ Ｔａｒｇｅｔｓ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ Ｂａｓｅｄ ｏｎ Ｌｏｃａｌ Ｉｍａｇｅ Ｆｅａｔｕｒｅｓ ＣＨＥＮＧ ＬＡＮ，ＷＡＮＧ Ｚｈｉ．Ｊｉｅ，ＪＩ Ｘｉｕ．１ｉ （Ｒｅｓｅａｒｃｈ ｏｆｉｆｃｅ ｏｆＡｎｙａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｅｎａｎ Ａｎｙａｎｇ ４５５０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｈｅ ｔｙｐｉｃａｌ ｆｅａｔｕｒｅ ｏｆ ｓｍａｌｌ ｔａｒｇｅｔ ｉｎ ｓｅｑｕｅｎｃｅ ｉｎｆｒａｒｅｄ ｉｍａｇｅｓ，ａ ｎｅｗ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ａｎｄ ｔｒａｃｋｉｎｇ ｓｍａｌｌ ｔａｒｇｅｔｓ ｉｎ ｓｅｑｕｅｎｃｅ ｉｍａｇｅｓ．Ｂｙ ｕｓｉｎｇ ｄｉｆｆｅｒｅｎｔｉａｌ ｇｅｏｍｅｔｒｙ ｐｒｏｐｅｒｔｙ ｏｆ ｓｍａｌｌ ｏｂｊｅｃｔ ｏｆ ｉｎｆｒａｒｅｄ ｉｍａｇｅ，ｃｏｍｐｕｔｉｎｇ ｍｉｎｉｍａｌ ｎｏｒｍａｌ ｃｕｒｖａｔｕｒｅ ｗｈｉｃｈ ｉｓ ｕｓｅｄ ａｓ ｔｈｅ ｔｈｒｅｓｈｏｌｄ ｔｏ ｏｂｔａｉｎ ｃａｎｄｉｄａｔｅ ｏｂｊｅｃｔｓ ｆｏｒ ｓｍａｌｌ ｔａｒｇｅｔ．Ｂｙ ｕｓｉｎｇ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｏｆ ｏｂｊｅｃｔｓ ｂｅｔｗｅｅｎ ｄｉｆｆｅｒｅｎｔ ｉｍａｇｅｓ，ｂｌｕｒｒｅｄ ｏｂｊｅｃｔｓ ａｒｅ ｉｆｌｔｅｒｅｄ ｂｙ Ｋａｌｍａｎ ｉｆｌｔｅｒ．Ｆｉｎａｌｌｙ，ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｉｓ ｖｅｒｉｉｆｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ；ｓｅｑｕｅｎｃｅ ｉｍａｇｅｓ；ｎｏｒｍａｌ ｃｕｒｖａｔｕｒｅ 引言 红外或可见光成像检测及跟踪系统，是一种被动 检测技术，故较之其它跟踪系统而言具有隐蔽性好， 抗干扰能力强，跟踪精度高等优点。尤其是红外目标 检测与跟踪系统，具有全天候２４ｈ昼夜工作的特点， 使之成为军事领域中最具发展前途的成像检测及跟 匹配滤波器阵的检测算法 ．２】、投影检测算法【３＇４ 和时 域滤波算法［５，６１三类。对于三维速度匹配滤波器检测算 法，当目标运动速度未知时，需要采用滤波器组进行 匹配滤波，这将导致计算量的迅速增加，另外，三维 速度匹配滤波器很难设计；基于像素统计的检测算法 与三维速度匹配滤波器检测算法在实际实现上并无 本质差别，同样存在计算量很大和较难实时实现的缺 踪系统之一。序列图像中弱小目标检测是成像检测及 跟踪系统的关键技术之一，被广泛应用于成像制导、 点；投影检测算法将序列中的每一帧图像经门限处理 后检测出的点投影在同一投影平面上，然后用ｈｏｕｇｈ 告警系统和光电对抗等多种武器装备中。对于序列图 变换算法检测出直线轨迹段，提高了检测速度，可以 像中的弱小运动目标的检测和跟踪，其涉及到的相关 技术主要包括图像的预处理、目标检测和弱小目标跟 踪３个方面。目标检测是在图像预处理的基础上，利 用序列图像来确认真实的目标，是目标检测与跟踪的 实现实时检测，但该算法属于先检测后跟踪检测方 法，检测性能不高。 目标跟踪是计算机视觉中的基本问题之一。国内外学 者已经对此进行了大量的研究，提出了许多用于跟踪 的有效算法。关于这些方法如果就跟踪的策略来分， 通常可分为三维方法与两维方法。红外小目标检测属 于两维方法。例如：基于几何特征的方法（利用边缘 角点） Ｊ、基于相关匹配的方法 川，如三重时域衰 关键。根据弱小目标检测中应用的目标运动的短时间 平稳特性的方式，序列图像目标检测技术分为先检测 后跟踪（ＤＢＴ）和先跟踪后检测（ＴＢＤ）两类。目前， 序列图像中弱小目标检测算法主要有基于三维速度 收稿日期：２００８．０１．０４ 作者简介：成兰（１９６１．），女，学 副教授，研究领域：模式识别，过程控制。 ３２４ 维普资讯 http://www.cqvip.com 第３０卷第６期 ２００８年６月 Ｖ＿０１－３０ Ｎｏ．６ 成兰等：基于图像局部特征的红外小目标检测与跟踪算法 Ｊｕｎｅ ２ｏ０８ 减滤波（ＴＴＦ）法【ｍ】、４阶滤波器Ｉｌ２］、广义似然比检 验（ＧＬＲＴ）的算法【 】、基于差的平方和的方法Ｉｌ训， 基于时间差分的方法【ｌ ５】和基于连续小波变换分析 。一＝ｃ 一＝ （ ＋窘］＋ （２） （ＣＷＴ），其它如基于局部特征Ｉｌ ｂ１＂Ｊ等，这些算法或 者不具有对不同背景杂波的广泛适应性，或者硬件开 １ —— ２ 销太大，或者检测能力不是很强等。 本文提出了一种新的图像特征并将其用于红外 ＝ｃ ＝ （ ＋等］＿ （３） 图像小目标的检测与跟踪。这种图像特征是建立在对 图像曲面的形状分析的基础之上的。利用微分几何的 理论，分析图像的曲率特性，并据此可以完成对图像 的分割与跟踪。此外由于本方法是基于二值特征区域 的跟踪，所以具有较小的运算量；同时因为使用连通 的方法计算特征区域的面积，从而本文方法能够较好 的处理部分遮挡的情形。实验证明，本文方法不仅能 够鲁棒实时地完成跟踪任务，并且对目标的部分遮 挡、摄像机的运动和背景图像的干扰都具有良好的适 应能力，从而在一定程度上克服了以往２Ｄ跟踪算法 的不足之处。 １基于曲面性质的目标检测 在这里主要利用微分几何的理论依图像曲面的 性质对图像进行了划分，通过实验可以发现此划分方 法可以较为鲁棒的提取出一些关于图像的区域性的 特征。 对于红外小目标，通常其温度较四周高，因此在 红外图像中应该具有较大的灰度，就像凸起的山包， 如图１所示。 图１ 目标凸起区域 Ｆｉｇ．１ Ｃｏｎｖｅｘ ｒｅｇｉｏｎ 对于图像曲面 ，），）上任－－￣（ｘ，），），其二阶方向 导数为： ｄ ２ｆ ｌ（ｏ￣ ２ｆ：＋ ］＋ （ 一 ］ｃｏｓ ２ … ｌ２Ｉ（ ｏ￣２ ｆ＋嘉］ｓｉＩｌ２ 由（１）易知其最大和最小的二阶方向导数分别为： 脬 一２ ２ ２ ２ 显然如果Ｄｍ￣＜０，则该点所有方向上的二阶导 数皆小于０，因此其属于上凸区域；同样，如果Ｄｍｉ ＞０，则该点所有方向上的二阶导数皆大于０，因此其 属于下凸区域。 对于红外小目标通常属于上凸区域。首先用于与 目标大小尺度相适应对图像进行卷积，而后依照（３） 式计算图像中各点的Ｄ ，而后设定阈值将Ｄ 图 像二值化，获得可能目标的初始分割。 从中可以看出分割结果于目标区域的对应关系。 下面实验所用的图像为３５２×２４０，为了去除噪声的影 响并获得稳定的特征区域，图像用Ｄ＝＝１的Ｇａｕｓｓｉａｎ 滤波器进行了低通滤波，取Ｄ一＜一１０为阈值二值 化。如图２所示。 一 图２利用最大二阶方向导数的红外小目标检测结果 Ｆｉｇ．２ Ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｒｅｓｕｌｔ ｕｓｉｎｇ ｍａｘｉｍｕｍ ｏｆ ｔｗｏ ｏｒｄｅｒ ｄｉｒｅｃｔｉｏｎａｌ ｄｅｒｉｖａｔｉｖｅ ２基于Ｋａｌｍａｎ滤波的跟踪 在目标跟踪过程中，当视频图像采集频率足够高 的条件下，可以将目标的运动近似看成线模型。设 ， ）， ）表示ｔ时刻质心的位置，（Ｕ ，Ｖｔ）为ｔ时刻目标质心分 别在 方向和Ｙ方向的速度，所以ｔ时刻目标的状态 向量 ＝ ｆ，Ｙ，Ｕｆ，Ｖｔ） 。 假定目标质心在连续两帧图像之间（时间间隔为 Ｄ ）的位移很小，且是匀速移动，那么状态转移矩阵 Ａ可以设定为： ３２５ 维普资讯 http://www.cqvip.com 第３０卷第６期 ２００８年６月 红外技术 Ｉｎｆｒａｒｅｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖ＿０ｌ－３０ ＮＯ．６ Ｊｕｎｅ ２００８ ｌ ０ Ｄ．０ １ Ａ： ０ Ｐｋ＝ＡＰｋ一１Ａ ＋Ｑ （７） （８） ０ ＤＪ ０ ｌ 测量更新方程为： （４） ０ ０ １ ０ ０ ０ 一Ｐｋ Ｈ （ＨＰ ｋ Ｈ ＋Ｒ）一１ ＝ ｉ＋Ｋ （Ｚ —ＨＳｃ；） Ｐｋ＝（１一 Ｐｋ （９） （１０） 同样，由于 只与位置有关，所以测量矩阵 设为： 可以看出，根据上一状态的估计值和当前状态的 观测值来推测当前状态的估计值时，其结果偏向误差 Ｖ１ ０ ０ ０－］ 较小的一方。如果在多帧图像中在预测范围内始终有 ｌＩ ０ １ ０ ０ ｆ Ｉ（～ ５） 目标出现，则作为正确的检测目标输出，噪声则相对 稳定度较差，一般不会在多帧图像中出现。 给出状态模型、测量模型和其他的一些初始条件 后，用上述方法就可以估计出下一帧图像中目标的状 态向量Ｘｋ以及协方差矩阵。 此时，时间更新方程为： ＝３实验及结论 本文用真实序列图像对所设计的算法进行了大 量的实验，图３给出了一组典型的实验结果。采用的 ＡＹｅ （６） 图像为红外图像，并含有一定的随机噪声。 图３基于红外序列图像的小目标检测与跟踪结果：分别为第１帧、第１５帧、第３０帧、第４５帧的跟踪结果 Ｆｉｇ．３ Ｓｍａｌｌ ｔａｒｇｅｔｓ ｄｅｔｅｃｔｉｏｎ ｒｅｓｕｌｔｓ ｂａｓｅｄ ｏｎ ｉｎｆｒａｒｅｄ ｉｍａｇｅ ｓｅｑｕｅｎｃｅ： ｔｒｇｅｔ ａｔｒａｃｋｉｎｇ ｒｅｓｕｌｔｓ ｏｎ ｌｔｈ，１５ｔｈ，３０ｔｈ ａｎｄ ４５ｔｈ ｌａｍｅ ｆｒｅｓｐｅｃｔｉｖｅｌｙ ４结语 序列图像中弱小目标检测是成像检测及跟踪系 统的关键技术之一，被广泛应用于成像制导、告警系 ｄｅｔｅｃｔｉｏｎ ａｎｄ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｄｉｍ ｔａｒｇｅｔｓ［Ｊ］ ＩＥＥＥ Ｔｒａｎｓ．ｏｎ ＰＡＭＩ，１９９０， １２ｆ４ ：３９８￣４０１． ｆ４］Ｐｏｈｌｉｇ ＳＣ．Ａｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｄｅｔｅｃｔｉｏｎ ｏｆ ｍｏｖｉｎｇ ｏｐｔｉｃａｌ ｔａｒｇｅｔｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ ＡＥＳ，１９８９，２５（１）：５６￣６３． 【５】Ｃａｅｆｅｒ ＣＥ，ＳｉｌｖｅｒＴｎａｎ Ｊ，Ｍｏｏｎｅｙ Ｊ Ｍ．Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ Ｐｏｉｎｔ ｔｒｇｅｔａ ｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．ＯＨ ＡＥＳ，２１３００，３６（１）：１５￣２５． 统和光电对抗等多种武器装备中。序列图像中弱小目 标检测算法的性能对成像及跟踪系统的作用距离和 智能化程度十分关键，论文正是针对此问题进行研究 ［６］Ｔｚａｎｎｅｒ Ａ Ｐ，Ｂｒｏｏｋｓ Ｄ Ｈ Ｄｅｔｅｃｔｉｎｇ ｓｍａｌｌ ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ ｕｓｉｎｇ ｔｅｍｐｏｒｌａ Ｈｙｐｏｔｈｅｓｉｓ ｔｅｓｔｉｎｇ［Ｊ１．ＩＥＥＥ Ｔｒａｎｓ ＯＨ ＡＥＳ，２００２，３８（２）：５７０￣５８５． 的。算法能够较为鲁棒得对红外小目标进行检测与跟 踪。 ［７］Ｓ．Ｍ．Ｓｍｉｔｈ ａｎｄ Ｊ．Ｍ．Ｂｒａｄｙ．ＡＳＳＥＴ－２：Ｒｅａｌ－ｔｉｍｅ ｍｏｔｉｏｎ ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ ｓｈａｐｅ ｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｏｎ ＰＡＭＩ，１９９５，ｌ７（８）：８１４￣８２０． 参考文献： ［１］Ｒｅｅｄｌ Ｓ，Ｇａｇｌｉａａｒｄｉ，Ｒ Ｍ ａｎｄ Ｓｔｏｔｔｓ Ｌ Ｂ．Ｏｐｔｉｍａｌ ｍｏｖｉｎｇ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ［８】 Ｊｉｎｂｏ Ｓｈｉａ ａｎｄ Ｃａｒｌｏ Ｔｏｍａｓｉ．Ｇｏｏｄ Ｆｅａｔｕｒｅｓ ｔｏ Ｔｒａｃｋ［Ａ］．ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ＯＨ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］，１９９４ 【９］Ｑｉ Ｔｉａｎ ａｎｄ Ｍｉｃｈａｅｌ Ｎ．Ｈｕｈｎｓ．Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｓｕｂｐｉｘｅｌ ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］． ＣｖＧｌＰ．、９８６．３５：２２０￣２３３ ｗｉｔｈ ３Ｄ ｍａｔｃｈｅｄ ｆｉｌｔｅｒｉｎｇ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓｓ．ｏｎ ＡＥＳ，１９８８，２４（４）：３２７ ３３６． ［２］Ｐ Ｌ Ｃｈｕ．Ｏｐｔｉｍａｌ Ｐｒｏｊｅｃｔｉｏｎ ｆｏｒ ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ｓｉｇｎａｌ ｄｅｔｅｃｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓ ｏｎ ＡＳＳＰ，１９８８，３６（５）：７７５～７８６． ［３］ＰｏｒａｔＢ，Ｆｒｉｅｄｌａｎｄｅｒ Ｂ．Ａ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｍｕｌｔｉｆｒａｍｅ （下转第３３４页） ３２６ 维普资讯 http://www.cqvip.com 第３Ｏ卷第６期 ２００８年６月 红外技术 Ｉｎｆｒａｒｅｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖｌ０１．３Ｏ Ｎｏ．６ Ｊｕｎｅ ２０ｏ８ ＿ ＿● ＿／ ｎ 厂 ＼ 静 列 ＿ ／＼ 』 Ｉ ， ＬＩ 倾斜路径仰角 图２大气透过率 Ｆｉｇ．２ Ａｔｍｏｓｐｈｅｒｉｃ ｔｒａｎｓｍｉｔｔａｎｃｅ 图３ Ｏ．９６ ｇｍ大气透过率随倾斜路径仰角变化的曲线 Ｆｉｇ．３ Ａｔｍｏｓｐｈｅｒｉｃ ｔｒａｎｓｍｉｔｔａｎｃｅ ｃｕｒｖｅ ｏｆ ０．９６ ｇｍ ｗｈｉｃｈ ｉｓ ｃｈａｎｇｅｄ ｂｙ ｔｈｅ ｅｌｅｖａｔｉｏｎ ｏｆ ｗｒｏｎｇ ｐａｔｈ 最后给出一种计算红外大气透过率的数学模型：只要 给出大气温度、相对湿度、大气能见度、降水强度、 降雪强度等简单的大气数据，就可以计算出红外辐射 通过任意倾斜路径的大气光谱透过率。文章最后给出 参考文献： ［１］ 孙再龙等译．红外与光电系统手册第五卷［Ｍ】．国际光学工程学会， １９９９． ［２】路远，凌永顺．红外辐射大气透射比的简易计算［Ｊ】．红外技术，２００３， ２５ｆ５ ：４５—４９ 某种气象条件下的计算实例。由于大气影响因素分析 中只考虑影响红外辐射传输的几个主要因素，势必影 响计算结果的精度，对于精度要求不高的工程计算， 基本上可满足要求，具有较好的使用价值。 ［３】陈玻若．红外系统［Ｍ】．北京：国防工业出版社，１９８８． ［４】 王娟．红外成像系统的作用距离估算［ＤＪ．电子科技大学硕士学位论 文，２００４． ［５】 韩 涛，朱学光．一种计算大气透过率的方法【ＪＪ．红外技术．２００２， ２４ｆ６ ：５１—５３ （上接第３２６页） ［１０】Ｓｉｌｖｅ Ｉ，Ｍｏｏｎｅｙ Ｊ Ｍ，Ｃａｆｅｒ Ｃ Ｅ Ｔｅｍｐｏｒａｌ ｆｉｌｔｅｒｓ ｆｏｒ ｔｒａｃｋｉｎｇ ｗｅａｋ ｓｌｏｗ ．Ｃ．Ｙｅｎ，Ｘ．Ｘｕ．Ｌｏｃａｌ Ｃｏｒｒｅｌａｔｉｏｎ Ｍｅａｓｕｒｅｓ ｆｏｒ Ｍｏｔｉｏｎ ［１４】 Ｐ．Ｊ．Ｂｕｒｒｐｏｉｎｔ ｔａｒｇｅｔｓ ｉｎ ｅｖｏｌｖｉｎｇ ｃｌｏｕｄ ｃｌｕｔｔｅｒ［Ｊ］ｌｎｆａｒｅｄ Ｐｈｙｓｉｃｓ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，１９９６，３７（６）：６９５￣７１０ Ａｎａｌｙｓｉｓ：ａ Ｃｏｍｐａｒｉｔｉｖｅ Ｓｔｕｄｙ［Ａ］．１ＥＥＥ Ｃｏｎｆ．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ［Ｃ］，￣９８２：２６９￣２７４． ［１５】 Ｃ Ａｎｄｅ￣ｏｎ，Ｐ．Ｂｕｒｒ，Ｇ．Ｖａｎ ｄｅｒ Ｗａ１．Ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｕｓｉｎｇ ｐｙｒａｍｉｄ ｔｒｎｓｆｏｒｍａｔａｉｏｎ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］ＳＰ１Ｅ－ｌｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，１９８５，５７９：７２￣７８． ［１ １】Ｗ．Ｆ．ｏｒｓｍｅｒ ａｎｄ Ａ．Ｐｅｎ１．Ｐｈｏｔｏｇｒａｍｍｅｔｒｉｃ Ｓｔａｎｄａｒｄ Ｍｅｔｈｏｄｓ ａｎｄ Ｄｉｇｉｔａｌ Ｉｍａｇｅ Ｍａｔｃｈｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ Ｈｉｇｈ Ｐｒｅｃｉｓｉｏｎ Ｓｕｒｆａｃｅ Ｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．Ｅｌｓｅｖｉｅｒ Ｓｃｉｅｎｃｅ Ｐｕｂ．，１９８６． ［１２Ｊ Ｌｊｍ Ｅ Ｔ，Ｄｅｓｈｐａｎｄｅ Ｓ Ｄ，Ｃｈａｎ Ｃ Ｗ，ｅｔ ａ１．Ｄｉｍ ｐｏｉｎｔ ｔｒｇｅｔａ ｄｅｔｅｃｔｉｏｎ ｉｎ ＩＲ ｉｍａｇｅｒｙ ｕｓｉｎｇ ｍｕｌｔｉｓｔａｇｅ ＩＩＲ ｆｉｌｔｅｒ［Ａ］．／ｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＳＰＩＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｑｕｉｓｉｔｉｏｎ，Ｔｒａｃｋｉｎｇ ａｎｄ Ｐｏｉｎｔｉｎｇ［Ｃ］．Ｏｒｌａｎｄｏ，￣ｏｆｉｄａ， ＵＳＡ．２０００，４０２５：１９４￣２０２ Ｕ６】 王炎，郑链，王克勇．用于成像引信图像识别的局部特征提取技 术［Ｊ］．红外技术．２００１，２３（５）：２０￣２３． ［１７】 张惠娟，梁彦，程咏梅，等．运动弱小目标先跟踪后检测技术的研 究进展［Ｊ］．红外技术．２００６，２８（７）：４２３￣４３０． ［１３】Ｔｚａｎｎｅｓ Ａ Ｐ，Ｂｒｏｏｋｓ Ｄ Ｈ．Ｐｏｉｎｔ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｉｎ ＩＲ ｉｍａｇｅ ｓｅｑｕｅｎｃｅｓ， ａ ｈｙｐｏｔｈｅｓｉｓ－－ｔｅｓｔｉｎｇ ａｐｐｒｏａｃｈ ｂａｓｅｄ ｏｎ ｔｒｇｅｔａ ａｎｄ ｃｌｕｔｔｅｒ ｔｅｍｐｏｒｌ ａｐｒｏｆｉｌｅ ｍｏｄｅｌｉｎｇ［Ｊ］．Ｏｐｔｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２０００，３９（８）：２２７０￣２２７８． ３３４