復(fù)雜背景下目標(biāo)的快速識別方法

【摘要】復(fù)雜背景下目標(biāo)的識別是自動(dòng)跟蹤測量系統(tǒng)中的關(guān)鍵技術(shù)，識別算法的優(yōu)劣直接影響了目標(biāo)識別的精度與速度。針對空中目標(biāo)成像，由于大氣湍流等因素的影響，CCD圖像中的光斑通常呈不規(guī)則形狀，而傳統(tǒng)的模板匹配法與圓擬合法在識別不規(guī)則光斑時(shí)存在不足。本文利用光斑在像平面上的空域分布特性，提出一種基于空域相關(guān)程度排序的識別算法，配合經(jīng)過改進(jìn)的高效圖像處理方法，實(shí)現(xiàn)了多個(gè)不規(guī)則光斑的快速識別。實(shí)驗(yàn)結(jié)果表明該方法能夠在混有多個(gè)假目標(biāo)的圖像中有效識別出真實(shí)目標(biāo)并進(jìn)行跟蹤測量。

【關(guān)鍵詞】測量技術(shù)；目標(biāo)識別；光斑質(zhì)心；迭代搜索

The fast identification method of target under complex bockground

Zhang hui-sen

PetroChina Changqing Oilfield Company Training Center ， Xi’an 710127 China

Abstract： The fast identification method of target under complex bockground is the key technology of automatic tracking measurement system.The quality of recognition algorithm directly affected the target recognition speed and accuracy.Aimed at the aerial target imaging， since atmospheric turbulence factors，the spots of CCD image usually appears irregular shape， the traditional template mat ching method and the light fitting method are not very effect when these spots exist.In this paper，we Proposed an recognition algorithm based on sorting space-domain relevance. Cooperate with efficient image processing method，this algorithm achieved quick identification of multiple irregular spot. Experimental results show that the proposed method can effectively recognize the true target ，moreover tracking and measure this target in the image mixed with several 1 target.

Key word： Measurement Technology，Target recognition，Spot centroid，Iterative search

1、引言

在一些科學(xué)測量實(shí)驗(yàn)中，通常要求儀器對空中目標(biāo)實(shí)施自動(dòng)跟蹤測量，點(diǎn)光源是被測目標(biāo)上最常用的一種信標(biāo)。在理想情況下，點(diǎn)光源在CCD上所成的像是規(guī)則的圓形光斑，但光波在大氣中傳輸時(shí)，會出現(xiàn)光束的閃爍、相位面的擾動(dòng)、到達(dá)角起伏、光束的漂移、光束湍流擴(kuò)展等一系列光傳輸?shù)拇髿馔牧餍?yīng)[1]。這些現(xiàn)象通常會把成像光束打成“碎塊”，因此我們得到的實(shí)際圖像，通常是隨大氣湍流時(shí)刻變化的不規(guī)則光斑。

傳統(tǒng)的模板匹配與圓擬合等方法要求目標(biāo)形狀規(guī)則[2][3][4]，否則會導(dǎo)致識別可靠性變差，甚至無法正常識別目標(biāo)。本文首先使用遞歸法確定圖像分割閾值，然后使用基于像素組的圖像搜索算法與區(qū)域加寬迭代質(zhì)心算法識別所有不規(guī)則光斑，最后利用空間相關(guān)程度排序法識別真實(shí)目標(biāo)。

2、不規(guī)則目標(biāo)的搜索算法

本文提出的方法在目標(biāo)識別過程中對噪聲的處理有別于傳統(tǒng)的圖像處理方法，其特點(diǎn)在于不過分強(qiáng)調(diào)圖像的視覺效果，并沒有使用中值濾波等方法來消除噪聲，而是使用其他方法規(guī)避噪聲對目標(biāo)識別過程的影響，這種思想的目的在于忽略次要因素，直指關(guān)鍵環(huán)節(jié)，從而提高搜索與識別速度。下面介紹了不規(guī)則光斑搜索的三個(gè)關(guān)鍵步驟。

2.1基于像素組的圖像搜索方法

基于像素組的圖像搜索方法的基本思想是將個(gè)像素看成一個(gè)單元，即像素組，并將左上角定為特征像素，其灰度值代表整個(gè)像素組的平均灰度值，如圖1。傳統(tǒng)的圖像處理方法中，通常是逐像素搜索整幅圖像，其優(yōu)勢在于能夠準(zhǔn)確把握圖像的細(xì)節(jié)，不足之處在于搜索速度較慢。

基于像素組的圖像搜索方法主要有兩種優(yōu)勢：

1、提高了搜索速度，與逐點(diǎn)搜索相比，后者搜索速度是前者的倍；

2、整個(gè)像素組的灰度值由特征像素確定，若特征點(diǎn)的灰度值低于分割閾值，則像素組內(nèi)其它單元中存在的噪聲點(diǎn)將被忽略，若特征點(diǎn)本身就是一個(gè)噪聲點(diǎn)，則可以通過計(jì)算像素組的真實(shí)灰度均值來排除，這樣，在圖像的首次搜索過程中已經(jīng)在一定程度上進(jìn)行了噪聲規(guī)避。

從上述分析可以看出，基于像素組的圖像搜索方法在提高搜索效率的同時(shí)有效的規(guī)避了隨機(jī)噪聲，為不規(guī)則光斑的快速搜索奠定了基礎(chǔ)。

2.2迭代法確定圖像分割閾值[5]

在分割目標(biāo)與背景時(shí)，一個(gè)合適的閾值是準(zhǔn)確分割的關(guān)鍵步驟，本文中采用了基于像素組的迭代閾值法確定分割閾值。實(shí)現(xiàn)步驟如下：

1、找出圖像的最大灰度值Pmax與最小灰度值Pmin，并確定初始分割閾值T0：

2、利用T0對圖像進(jìn)行初次分割，同時(shí)計(jì)算目標(biāo)與背景的平均灰度值P0、Pb：

式中，p（i，j）為圖像中（i，j）點(diǎn)的灰度值。

3、計(jì)算新閾值Tk+1：

4、若Tk+1=Tk則迭代結(jié)束，否則轉(zhuǎn)到2進(jìn)行下一輪迭代；

5、迭代結(jié)束后的Tk即為最終分割閾值。

從圖2的處理實(shí)驗(yàn)中可以看出，使用該方法得到的閾值對圖像進(jìn)行分割能夠得到很好的效果。其中（a）為分割前，（b）為分割后。

2.3搜索不規(guī)則光斑目標(biāo)的區(qū)域加寬迭代質(zhì)心算法

在圖像分割步驟結(jié)束后，對目標(biāo)的搜索方法通常為區(qū)域生長法，算法的時(shí)間復(fù)雜度為O（n2），該方法的優(yōu)勢在于速度快且利于判斷目標(biāo)形狀。但由于湍流影響，有時(shí)光斑會被嚴(yán)重分裂，如圖3所示，中間的“兩個(gè)”光斑實(shí)際上是由于湍流影響被“分裂”的一個(gè)光斑。

對于這種情況，區(qū)域生長法會將中間的光斑生長為兩個(gè)獨(dú)立的圖像，而在實(shí)際應(yīng)用中，我們希望在識別過程中能夠有效的避免這種干擾，把被“分裂”的光斑當(dāng)作一個(gè)目標(biāo)進(jìn)行處理，此時(shí)，區(qū)域生長法就會失效。

本文中提出的區(qū)域加寬迭代質(zhì)心算法能夠很好的處理這種情況，實(shí)現(xiàn)步驟如下：

1、使用基于像素組搜索算法捕捉到一個(gè)種子點(diǎn)；

2、以種子點(diǎn)為中心選取像素的正方形區(qū)域，計(jì)算出該區(qū)域的重心并統(tǒng)計(jì)出該區(qū)域中目標(biāo)光斑的所占的像素個(gè)數(shù)N0；

3、以2中計(jì)算得出的重心作為新的種子點(diǎn)；

4、以為中心選取像素的正方形區(qū)域，計(jì)算出該區(qū)域的重心并統(tǒng)計(jì)出該區(qū)域中目標(biāo)光斑的所占的像素個(gè)數(shù)N=i+1；

5、判斷且是否成立，若成立，則迭代結(jié)束；若不成立，取，回到步驟4繼續(xù)迭代。

我們利用該方法在中國科學(xué)院安徽光學(xué)精密機(jī)械研究所中國科學(xué)院大氣與大氣光學(xué)重點(diǎn)實(shí)驗(yàn)室研制的大氣相干長度儀上進(jìn)行了識別實(shí)驗(yàn)，圖4是實(shí)驗(yàn)效果圖。實(shí)驗(yàn)（a0=10，m=5）證明該方法對“分裂”光斑的識別是成功的。

3、基于空間相關(guān)程度排序的目標(biāo)識別算法

在實(shí)際應(yīng)用中，除大氣湍流的干擾外，往往還存在許多假目標(biāo)，假目標(biāo)與隨機(jī)噪聲不同，它們的體積、形態(tài)等與真實(shí)目標(biāo)十分接近，如圖5，常規(guī)的濾波方法無法有效消除，此時(shí)，必須在眾多目標(biāo)中使用一定的規(guī)則識別出具有一定特征的真實(shí)目標(biāo)。

對于光斑目標(biāo)，單光斑的主要空間特性包括質(zhì)心坐標(biāo)、光斑面積，多光斑的空間特性主要包括質(zhì)心坐標(biāo)間距、質(zhì)心水平與垂直方向差距、光斑面積差。這些特點(diǎn)決定了各光斑間的空域相關(guān)特性，因此，可以根據(jù)這些參數(shù)建立目標(biāo)優(yōu)化識別函數(shù)的數(shù)學(xué)模型：

式（5）為目標(biāo)面積過濾方程。式中M表示目標(biāo)取舍值（1為選用，0為舍棄）；n表示目標(biāo)光斑面積；Nmin表示期望最小面積；Nmax表示期望最大面積。該公式可以初步篩選符合面積條件的光斑。

式（6）為空域相關(guān)度函數(shù)。W表示相關(guān)度；分別為兩個(gè)不同光斑的質(zhì)心橫坐標(biāo)；分別為兩個(gè)不同光斑的質(zhì)心縱坐標(biāo)；表示期望橫、縱坐標(biāo)間距；d表示兩個(gè)不同光斑的質(zhì)心間距；表示期望質(zhì)心間距；表示光斑面積差；表示期望光斑面積差。

研究表明，函數(shù)f的其中一種解析式可以寫成：

式中，k1～k4是4個(gè)常系數(shù)，需要根據(jù)各空間特征的穩(wěn)定性設(shè)定，一般原則是：穩(wěn)定性越高，系數(shù)越大。4個(gè)期望值可以根據(jù)目標(biāo)光斑的特性設(shè)置。

例如在圖5 中，兩個(gè)豎直排列的大小相似的光斑是所需目標(biāo)，則根據(jù)目標(biāo)的豎直、等大小的特點(diǎn)，可以認(rèn)為其水平穩(wěn)定性于面積差穩(wěn)定性較強(qiáng)，即k1與k4應(yīng)取較大值。

在目標(biāo)識別時(shí)，需要對所有過濾后的目標(biāo)兩兩求其相關(guān)度Wi，則有：a、對于單光斑，可以連取兩幀，兩次Wmax同時(shí)包含的光斑即為真實(shí)目標(biāo)；b、對于雙光斑，Wmax所對應(yīng)的兩個(gè)光斑即為真實(shí)目標(biāo)；c、對于多光斑，取最大、次大等W值，使得它們包含的光斑數(shù)等于所需光斑數(shù)，這些光斑即為真實(shí)目標(biāo)。

我們針對圖5的目標(biāo)特點(diǎn)設(shè)計(jì)參數(shù)進(jìn)行了雙光斑目標(biāo)實(shí)驗(yàn)，真實(shí)目標(biāo)為兩個(gè)豎直排列的大小相似的光斑。實(shí)驗(yàn)參數(shù)如下：

實(shí)驗(yàn)結(jié)果如圖6，通過該方法能夠正確識別目標(biāo)，在Intel 5400處理器的硬件條件下識別速度為12ms，達(dá)到了快速識別的目的。

4、結(jié)論

結(jié)合了高效圖像處理方法的空域相關(guān)程度排序識別算法，能夠迅速準(zhǔn)確的識別多個(gè)不規(guī)則光斑目標(biāo)，可用于復(fù)雜背景條件下目標(biāo)的自動(dòng)跟蹤測量。

參考文獻(xiàn)

[1]饒瑞中.光在湍流大氣中的傳播[M].合肥：安徽科學(xué)技術(shù)出版社，2005.68-90

[2]宋曦，周蔭清.一種基于模板匹配的目標(biāo)識別方法[J].遙測遙控，2010，31（2）：51-55.

（Song Xi， Zhou Yinqing. A Novel Target Recognition Method Based on Template Matching [j]. Journal of Telemetry， Tracking and Command， 2010， 31（2）：51-55.）

[3]孔兵，王昭，譚玉山.基于圓擬合的激光光斑中心檢測算法[J].紅外與激光工程，2002，31（3）：275-279.

（KONG Bing， WANG Zhao， TAN Yushan. Algorithm of laser spot detection based on circle fitting [J]. Infrared and Laser Engineering， 2002， 31（3）：275-279.）

[4]唐冠群.幾種激光光斑中心定位算法的比較[J].北京機(jī)械工業(yè)學(xué)院學(xué)報(bào)，2009，24（1）：61-64.

（TANG Guanqun. Analysis and comparison of several calculation methods of beam spot center [J]. Journal of Beijing Institute of Machinery， 2009， 24（1）：61-64.）

[5]鐘志光，盧君，劉偉榮.Visual C++ NET數(shù)字圖像處理實(shí)例與解析[M].清華大學(xué)出版社，2003

作者簡介

張會森，男，河北邢臺市巨鹿縣，工程師，陜西師范大學(xué)碩士研究生，主要研究方向?yàn)閳D形圖像技術(shù)與模式識別、GIS、軟件理論，中國石油長慶油田公司培訓(xùn)中心工作。

基金項(xiàng)目

國家自然科學(xué)基金重點(diǎn)項(xiàng)目（No.60736008）。