基于數(shù)據(jù)塊特征的地面目標(biāo)識(shí)別方法研究*

王佳坤，王 蜂

(1武漢大學(xué)遙感信息工程學(xué)院，武漢 430079;2西安二炮工程大學(xué)，西安 710025)

0 引言

對(duì)地攻擊武器要精確打擊地面目標(biāo)，首先需要確定被攻擊目標(biāo)的位置。采用圖像處理與識(shí)別技術(shù)是獲取地面目標(biāo)準(zhǔn)確位置的一種有效方法。

圖像識(shí)別是在光學(xué)、雷達(dá)、紅外等圖像中尋找目標(biāo)的一種處理方法。用于識(shí)別目標(biāo)的數(shù)字圖像由像素排列組成，單個(gè)像素灰度只反映一個(gè)區(qū)域某個(gè)波段能量輻射強(qiáng)弱，很難與目標(biāo)之間建立必然聯(lián)系，只有較多的像素才能反映目標(biāo)在圖像中形狀和結(jié)構(gòu)特征[1]。文中基于被識(shí)別目標(biāo)的結(jié)構(gòu)特點(diǎn)，提出一種基于圖像數(shù)據(jù)塊特征的，能夠有效識(shí)別不同背景下特定目標(biāo)的方法。

1 圖像識(shí)別方法及存在問題

圖像識(shí)別基本原理是尋找目標(biāo)與背景之間的差異。圖像識(shí)別一般方法是通過圖像處理，獲取邊緣、灰度、紋理、頻譜等特征，放大目標(biāo)和背景之間差異，再根據(jù)識(shí)別目標(biāo)特殊形狀、結(jié)構(gòu)等數(shù)據(jù)特征，判斷識(shí)別目標(biāo)。

在簡(jiǎn)單背景下，目標(biāo)和背景區(qū)分明顯，一個(gè)空中紅外圖像的亮點(diǎn)特征可能就是飛機(jī)，一個(gè)海上強(qiáng)反射雷達(dá)信號(hào)可能就是艦船，而在復(fù)雜背景下，目標(biāo)和背景光學(xué)特征往往混雜在一起，不容易判斷和識(shí)別。影響地面可見光圖像目標(biāo)識(shí)別的主要因素有:光線強(qiáng)弱和生成模型影響圖像灰度值;目標(biāo)三維結(jié)構(gòu)和拍攝位置與角度影響圖像形狀;相似目標(biāo)相似特征影響目標(biāo)判斷依據(jù)。這些因素影響了圖像識(shí)別的準(zhǔn)確性和可靠性。

目前圖像識(shí)別方法，大部分寄希望于復(fù)雜的數(shù)據(jù)處理技術(shù)，常針對(duì)特定背景采取特殊識(shí)別方法，在光線、背景變化情況下難以保持目標(biāo)識(shí)別能力[2－3]。分析圖像生成過程，雖然輻射能量、拍攝位置角度變化影響像素灰度，但目標(biāo)的結(jié)構(gòu)形狀具有相對(duì)穩(wěn)定性，其生成圖像的數(shù)據(jù)塊也具有穩(wěn)定結(jié)構(gòu)。因此，可以根據(jù)目標(biāo)在圖像中形成數(shù)據(jù)塊的結(jié)構(gòu)特點(diǎn)，識(shí)別這些目標(biāo)。

2 目標(biāo)圖像結(jié)構(gòu)分析

需要進(jìn)行圖像識(shí)別的地面目標(biāo)，常常是人類設(shè)計(jì)、建造的物體，如:停機(jī)坪上的飛機(jī)，移動(dòng)的車輛，各種形狀的建筑物等。用于識(shí)別目標(biāo)的圖像來源于遙感衛(wèi)星或攻擊武器的實(shí)時(shí)成像，因此，這類目標(biāo)圖像一般具有以下典型特征:

1)相對(duì)穩(wěn)定的結(jié)構(gòu)特征。即使受光線強(qiáng)弱、云霧干擾影響，像素灰度出現(xiàn)較大變化，但其邊緣結(jié)構(gòu)、形狀等特征仍然比較穩(wěn)定。

2)具有俯視圖像特點(diǎn)。地面圖像通常從上往下拍攝，目標(biāo)形狀隨著拍攝角度幾何變化不大，比較容易校正。

3)目標(biāo)常?？梢圆鸱殖筛〉囊?guī)則形狀。這類人造物體圖像可以看作由基本點(diǎn)、線、面等元素構(gòu)成，如果在特定數(shù)據(jù)塊范圍內(nèi)包含這些元素，基本可以認(rèn)定該數(shù)據(jù)塊包含了要識(shí)別的目標(biāo)。

4)目標(biāo)信息包含于一個(gè)數(shù)據(jù)塊中。識(shí)別目標(biāo)總有一定大小，其在圖像中分布也有一定范圍，全部像素構(gòu)成一個(gè)不規(guī)則形狀的數(shù)據(jù)團(tuán)。

依據(jù)這些特點(diǎn)，可以根據(jù)相對(duì)穩(wěn)定的圖像特征來識(shí)別目標(biāo)，把目標(biāo)特征限定在數(shù)據(jù)塊范圍。對(duì)于結(jié)構(gòu)簡(jiǎn)單目標(biāo)，可以通過匹配等方法，判斷數(shù)據(jù)塊是否包含目標(biāo)特征;對(duì)于結(jié)構(gòu)復(fù)雜圖像，可以分解目標(biāo)特征，把它看作是在數(shù)據(jù)塊內(nèi)包含多個(gè)簡(jiǎn)單特征來識(shí)別。這樣可以縮小特征范圍，減少干擾對(duì)識(shí)別的影響。

圖1 典型地面目標(biāo)圖像

圖1是機(jī)場(chǎng)飛機(jī)和城市重要建筑圖像，白框是包含目標(biāo)的數(shù)據(jù)塊。圖1(a)圖像飛機(jī)是目標(biāo)，其特征很明顯，雖然兩種機(jī)型存在細(xì)微差別，但都包含在大小相似的數(shù)據(jù)塊里。圖1(b)圖像建筑是目標(biāo)，特征也明顯，白框中的3個(gè)建筑頂部都包含若干方形結(jié)構(gòu)，不同建筑略有差異，上框建筑由一個(gè)大方形套兩個(gè)小方形，中間框建筑包含兩個(gè)四方形特征，下框建筑包含很多正交線條。這些特點(diǎn)均符合前面的分析。

截取圖像特征塊如圖2所示，依次命名為飛機(jī)1、2，建筑 1、2、3 。

3 數(shù)據(jù)塊特征與識(shí)別方法

圖像數(shù)據(jù)形成過程與光線強(qiáng)弱關(guān)系密切，很難找到一種萬全方法克服光線差異對(duì)識(shí)別影響，比較好的辦法是針對(duì)不同目標(biāo)特點(diǎn)，設(shè)計(jì)不同識(shí)別方法。

首先根據(jù)目標(biāo)屬性，把圖像特征鎖定在一個(gè)不大的數(shù)據(jù)塊內(nèi)，只要搜索圖像中這樣大小的數(shù)據(jù)塊包含特征，就能判斷確定目標(biāo)。因此，目標(biāo)識(shí)別就變成數(shù)據(jù)塊特征識(shí)別與計(jì)算問題。

將圖1飛機(jī)和建筑目標(biāo)三維化，灰度數(shù)據(jù)變成三維高度(見圖3)。分析數(shù)據(jù)特點(diǎn):

對(duì)于飛機(jī)目標(biāo)，其對(duì)可見光反射往往高于背景，因此目標(biāo)數(shù)據(jù)總是大于周圍背景數(shù)據(jù)，顯示成為與目標(biāo)立體結(jié)構(gòu)近似一致的圖像。建筑目標(biāo)則不同，雖然其外觀是個(gè)飽滿立體，但受光線照射強(qiáng)度方向，建筑表面材料特性等影響，將灰度特征三維化后，其形狀與立體目標(biāo)有本質(zhì)區(qū)別，高的位置圖像灰度可能低，低的位置圖像灰度也可能高，也即存在灰度翻轉(zhuǎn)現(xiàn)象，并且翻轉(zhuǎn)方向不確定。進(jìn)一步分析建筑物數(shù)據(jù)，雖然灰度強(qiáng)弱與建筑高低沒有必然關(guān)系，但建筑邊緣棱角位置的灰度仍然存在差異，形成明顯輪廓。盡管受到光線影響和干擾，作為建筑輪廓特征，其基本構(gòu)造仍然被保留。

因此，地面目標(biāo)圖像灰度在光線下變化，可分為不存在反色和存在反色兩種類型。根據(jù)灰度圖像數(shù)據(jù)塊變化特點(diǎn)，提出下面目標(biāo)特征識(shí)別方法。

3.1 數(shù)據(jù)塊整體特征匹配計(jì)算

對(duì)于類似飛機(jī)這樣的目標(biāo)，其本身就是一個(gè)明顯特征，這種特征不易因光線照射變化而在圖像數(shù)據(jù)塊上出現(xiàn)灰度翻轉(zhuǎn)等變化，目標(biāo)區(qū)域灰度具有相對(duì)穩(wěn)定的高低變化特征。因此，用灰度匹配方法能夠最準(zhǔn)確度量數(shù)據(jù)塊目標(biāo)相似性。

Nprod算法是一種計(jì)算圖像之間相似度的方法[4]。相似度 R(a，b)表示為:

其中:N1、N2為目標(biāo)特征數(shù)據(jù)方塊大小;fij為N1、N2特征數(shù)據(jù)塊中i、j位置灰度值;a、b為匹配計(jì)算相似度的位置;g(a，b)ij為以(a，b)為中心，與特征數(shù)據(jù)塊相同大小的數(shù)據(jù)塊i、j位置灰度值;R(a，b)為特征塊數(shù)據(jù)與(a，b)位置圖像數(shù)據(jù)相似度。當(dāng)相似度R(a，b)出現(xiàn)明顯峰值時(shí)，可認(rèn)為該點(diǎn)就是特征目標(biāo)。

3.2 數(shù)據(jù)塊形狀與結(jié)構(gòu)特征分布計(jì)算

對(duì)于建筑物這類可能因光線變化造成反色的目標(biāo)，上述方法顯然不能正確度量目標(biāo)相似度。這類目標(biāo)雖然部分灰度反色了，但邊緣特征仍然保持。因此可以先提取它們邊緣特征，剔除反色影響，再根據(jù)這些特征結(jié)構(gòu)分布，采用相應(yīng)識(shí)別方法，判斷、識(shí)別這些目標(biāo)。識(shí)別這類特征可依據(jù)下列約束條件來實(shí)現(xiàn):

1)特征局限在有限的數(shù)據(jù)塊范圍;

2)特征表現(xiàn)為線段或圓弧等人造物體形狀;

3)選擇強(qiáng)特征作為目標(biāo)圖像識(shí)別元素。

3.3 計(jì)算方法實(shí)時(shí)性分析

攻擊武器一般以高亞音速飛臨目標(biāo)，速度在300m/s上下，接近目標(biāo)幾千米時(shí)才能獲得可以識(shí)別目標(biāo)的清晰圖像，因此，整個(gè)圖像制導(dǎo)攻擊過程只有10s左右時(shí)間。在這段時(shí)間里，圖像制導(dǎo)要完成識(shí)別、鎖定和跟蹤整個(gè)過程。跟蹤是在鎖定位置很小范圍計(jì)算目標(biāo)特征，相對(duì)計(jì)算量小，容易實(shí)現(xiàn)實(shí)時(shí)計(jì)算;識(shí)別和鎖定是在較大視野里計(jì)算和確定目標(biāo)，相對(duì)計(jì)算量較大，計(jì)算過程必須在短短幾秒內(nèi)完成，否則不能滿足實(shí)時(shí)性要求。

上述Nprod匹配方法，特征塊大小 N1、N2和搜索視野也不是很大，特征塊算式是個(gè)恒值，計(jì)算量總體不是很大;第二種方法在提取邊緣特征后，特征匹配計(jì)算量相對(duì)更小。依據(jù)以往實(shí)驗(yàn)經(jīng)驗(yàn)，采用高性能處理器能夠滿足實(shí)時(shí)性要求。

4 基于特征塊的地面目標(biāo)識(shí)別方法

對(duì)于圖1中兩類不同性質(zhì)目標(biāo)，采用數(shù)據(jù)匹配和特征計(jì)算識(shí)別方法，用Matlab編程計(jì)算目標(biāo)位置。

對(duì)機(jī)場(chǎng)飛機(jī)目標(biāo)，依照待識(shí)別飛機(jī)結(jié)構(gòu)特點(diǎn)，通過疊加處理，獲得兩種飛機(jī)目標(biāo)模擬數(shù)據(jù)，這種數(shù)據(jù)更能夠反映飛機(jī)目標(biāo)的結(jié)構(gòu)共性。

將模擬的兩種飛機(jī)模塊數(shù)據(jù)，用圖1(a)圖像范圍做匹配計(jì)算，獲得相似度圖。對(duì)于圖4(a)運(yùn)輸機(jī)圖像數(shù)據(jù)匹配，只產(chǎn)生一個(gè)匹配峰值;對(duì)于圖4(b)轟炸機(jī)圖像數(shù)據(jù)匹配，產(chǎn)生了兩個(gè)匹配峰值。顯然，匹配方法與實(shí)際目標(biāo)能夠?qū)?yīng)。

在匹配計(jì)算中，運(yùn)輸機(jī)匹配還出現(xiàn)兩個(gè)次峰值，轟炸機(jī)匹配也出現(xiàn)一個(gè)次峰值，說明轟炸機(jī)和運(yùn)輸機(jī)數(shù)據(jù)模塊存在一定相似度。

圖4 飛機(jī)目標(biāo)數(shù)據(jù)塊與匹配相似度

對(duì)建筑類型目標(biāo)，采用側(cè)抑制圖像處理方法獲得圖像邊緣特征[5－6]。

圖5 目標(biāo)邊緣特征與識(shí)別建筑1、2位置

通過邊緣提取，將建筑物輪廓特征歸一為邊緣。根據(jù)建筑物大小，確定建筑物數(shù)據(jù)塊大小為35像素×35像素，在這樣大的框內(nèi)尋找包含3個(gè)以上長(zhǎng)直邊緣特征所在的位置。通過計(jì)算，確定了建筑1，建筑2的位置，如圖5中兩個(gè)“十”字中心所在位置。

建筑3與1和2特征表現(xiàn)有差異，需另選擇特征識(shí)別方法。

Matlab是一種編程效率較低的高級(jí)語言，選擇WIN7系統(tǒng)2.53GHz主頻單核計(jì)算機(jī)，在上述兩種識(shí)別方法計(jì)算中，分別耗時(shí)1.29s和0.27s，如果采用專用處理器，優(yōu)化計(jì)算程序，完全可以滿足實(shí)時(shí)計(jì)算要求。

5 結(jié)論

文中提出的數(shù)據(jù)塊特征匹配和數(shù)據(jù)塊結(jié)構(gòu)識(shí)別方法，首先將識(shí)別目標(biāo)的特征局限在數(shù)據(jù)塊范圍，限定了特征分布;其次，將識(shí)別目標(biāo)分為灰度不反色和反色兩類，采用匹配和特征識(shí)別方法，有效避免了光線變化對(duì)識(shí)別影響。實(shí)驗(yàn)表明，該方法能夠有效識(shí)別不同類型目標(biāo)。

[1]汪閩，駱劍承，明冬萍.高分辨率遙感影像上基于形狀特征的船舶提取[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2005，30(8):685－688.

[2]杜春，孫即祥，李智勇，等.光學(xué)遙感艦船目標(biāo)識(shí)別方法[J].中國(guó)圖象圖形學(xué)報(bào)，2012，17(4):589 －595.

[3]蔣李兵.基于高分辨光學(xué)遙感圖像的艦船目標(biāo)檢測(cè)方法研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué)，2006.

[4]沈幫樂.計(jì)算機(jī)圖象處理[M].北京:解放軍出版社，1995.

[5]李言俊，張科.視覺仿生成像制導(dǎo)技術(shù)與應(yīng)用[M].北京:國(guó)防工業(yè)出版社，2006.

[6]Milan Sonka，Vaclav Hlavac，Roger Boyle.圖像處理、分析與機(jī)器視覺[M].艾海舟，蘇延超，譯.3版.北京:清華大學(xué)出版社，2011.