引言
随着现代海上军事信息化的发展，舰船目标跟踪系统是海军信息化的重要研究方向之一，其监测跟踪精度、准确度及效率是衡量目标检测系统3 个最重要的性能指标。
传统的舰船目标跟踪监测系统是基于单处理中心，进行多目标识别时则按照先后顺序处理，同时海上气候环境及海上噪声变化较快，基于单处理中心的处理精度及效率已经越来越不能满足现代海上军事系统的性能要求。
基于分布式的云处理平台通过虚拟化手段，将分布在不同地理位置的计算及存储资源进行虚拟化归类，并进行统一的资源调度。对于海上船舶目标监测跟踪系统，可以将不同舰船目标识别或同一舰船目标识别算法的不同处理调度至分布式的计算及存储资源。
本文研究基于云计算的分布式平台，分析海上目标跟踪监测中的噪声滤波，结合帧间差分法及背景差分法，提出的基于分布式云平台的舰船目标监测算法，提高了算法效率。
1 船舶动态跟踪技术
船舶跟踪监测技术主要利用视频帧信号的连续性来构建目标的运动性特征，并通过算法来确定目标物的运动特性及具体轮廓。其基本过程包括3 个步骤: 一是船舶目标特征提取; 二是船舶目标特征匹配; 三是船舶目标定位跟踪。
对船舶的动态跟踪监测技术最主要是获取船舶的特征，如船舶的轮廓视频帧﹑目标船舶的质量重心投影及其颜色﹑纹理等静态特征。
1) 船舶的外形轮廓特征。由红外线视频仪获取的连续动态视频帧，其灰色度对比较为明显。船舶外形轮廓特侦提取就是在连续的视频帧中找出灰色度的局部极值和变化率。
2) 船舶的质量重心投影。通过获取运动船舶的水平及垂直方面投影图像，计算出其目标的重心变化坐标。
3) 颜色及纹理等静态特征。通过统计算法获取其特征，计算出的纹理条纹特征可以在一定程度上反映出灰色度的变化情况。
2 船舶目标跟踪监测算法
2. 1 视频帧预处理
由于海上气候地形环境复杂，运动船舶的视频帧信号混合了不同的噪声，在进行目标跟踪及监测算法之前需要对图像帧信号进行过滤处理。当前成熟的算法有均值滤波及中值滤波法。本文算法利用均值滤波法。
均值滤波法是基于线性处理，其算法实现复杂度较低，实时性能好，滤波使用平均方差模型，计算当前视频帧某点灰色度数值是利用之前计算的灰色度均值进行代替。
算法具体描述如下: 船舶视频帧在滤波前每个像素的灰色度为f( x，y) ，滤波后用F( x，y ) 表示。在进行滤波前，根据海上船舶环境的具体情况设计一个N* N 大小的滤波模板，将此滤波模板的中心位置对准船舶视频帧当前的需要处理的像素点，设当前像素点的灰度值为f( x，y) ，利用此滤波模板计算的滤波后的值为:
F( x，y ) = 1NSf( i，j) ，( i，j )S。( 1)式中: S 为当前像素点的邻域点区域; N 为方形区域的像素个数值。结合现实中船舶运行海域的实际情况，本文的N 取值为5。
2. 2 船舶视频信号增强处理
由于利用视频识别拍摄的运动船舶图像在滤波处理后的信号会弱化，船舶外形轮廓清晰度不够，在后续的跟踪监测算法前需要对图像有用特征信号做增强处理。
采用直方图均衡化处理算法，对滤波后图像区域灰色度值做均衡处理，使像素均匀分布。原则是将原滤波后灰色度值较为集中的区域在整个图像轮廓范围内进行均衡，具体算法为: 图像视频信号灰度原始值为f( x，y) ，通过直方图均衡化后为g( x，y) ，算法的目的是将f( x，y) 映射为g( x，y ) ，中间函数为g = F( f) ，对结果F( k) 的限制条件如下:
1) 在一定范围内，如[0，L - 1]，当F( k) 为单调递增函数时，则原始的灰色度分布梯度不变。
2) 通过函数g( f) 映射后的值需要确保在[0，L - 1]区域内，这样确保映射后的图像与原始的视频图像区域一致，K 表示灰度分布梯度值。最终，直方图均衡化处理算法公式如下:g( k) = F( f( k) ) = ( ni /n) = pf( fi) 。( 2)式中: ni 为原始图像灰色度的梯度级别; n 为图像总的像素点个数; i = 0，1，k，L - 1，pf( fi) 为直方图均衡化处理频率值。
2. 3 基于分布式云平台的目标监测算法
当前比较成熟的目标物跟踪监测算法有背景差分法﹑帧间差分法及光流法，本文是基于帧间差分法进行改进。帧间差分法的原理是基于相邻帧信号之间信息的关联性，船舶视频相邻帧信号的灰度值做差值，通过差值的变化值可以描述船舶的运动状态及速度，并且通过一些列的差值变化可以对目标的位置进行跟踪。
3 基于分布式云平台的检测算法实现
上面对传统的帧间差分法进行了改进，对于在实际中的运行情况，根据运行船舶的实际运行速率及航向变化，三帧差分背景减除法还可以扩展为五帧差分背景减除法，同时利用分布式云平台的并行计算及存储资源，相邻两帧像素的灰色度值的算法调度至不同的计算及存储资源，最后进行归一化汇总。
对于五帧差分背景减除法，需要在船舶视频帧信号中加入Canny 信号增强因子，对船舶的轮廓特征进行增强处理，同时消减海上噪声对轮廓的模糊干扰，然后将前三帧信号及后三帧信号分别调度至不同的云平台算法单元进行差值计算，最后将结果上传至中心节点进行运算。基于分布式云平台的船舶目标跟踪监测算法的流程。
4 结语
本文首先说明了舰船动态跟踪的步骤，然后利用均值滤波进行去噪，为了强化运动船舶图像中船舶外形轮廓，对船舶图像的有用特征信号进行增强处理。最后设计了基于分布式云平台的舰船目标检测算法。
