基于貓眼效應的激光主動探測技術研究

郭榮幸，孫俊靈，趙成，馬鵬閣

1.鄭州航空工業(yè)管理學院，河南鄭州450000

2.航空經(jīng)濟發(fā)展河南省協(xié)同創(chuàng)新中心，河南鄭州450000

3.北京工業(yè)大學電子信息與控制工程學院，北京100124

基于貓眼效應的激光主動探測技術研究

郭榮幸1，2，孫俊靈1，3，趙成1，馬鵬閣1

1.鄭州航空工業(yè)管理學院，河南鄭州450000

2.航空經(jīng)濟發(fā)展河南省協(xié)同創(chuàng)新中心，河南鄭州450000

3.北京工業(yè)大學電子信息與控制工程學院，北京100124

在現(xiàn)代戰(zhàn)爭中，對優(yōu)秀狙擊手的目標定位能力要求極高，而目前通用的目標識別算法對“貓眼”目標的識別精度不高，算法復雜且運行速度慢，無法滿足對整個區(qū)域的實時監(jiān)控要求。為此，本文在激光主動探測模型基礎上，對圖像的閾值處理、形態(tài)學處理、邊界追蹤和目標識別算法進行研究，建立了基于DSP芯片的激光主動探測系統(tǒng)并進行了室內(nèi)外目標識別測試。結果表明：在室內(nèi)，對簡單目標算法的識別精度較高，且DSP芯片的圖像處理速度較快并能夠實時顯示；在室外，當目標對光的反射強度高出其四周背景亮度幾個數(shù)量級時，能夠準確地將目標從背景中識別出來，系統(tǒng)的最大探測距離達1200 m，最小分辨率為200 m。

貓眼效應；激光探測；目標識別

近年來為了應對日益嚴重的狙擊手威脅，各國紛紛開展了基于激光探測技術的主動反狙擊裝置的開發(fā)［1-3］。目前，歐美等發(fā)達國家將激光主動探測技術應用在車載、機載、便攜等激光探測系統(tǒng)中，都取得了較好的作戰(zhàn)效果，如美國的激光武器系統(tǒng)“魟魚”、前蘇聯(lián)的激光致盲武器“拉瑟”、法國的激光反狙擊手探測裝置SLD500。而國內(nèi)的激光探測技術對“貓眼”目標的探測精度不足，算法運行速度慢，無法實現(xiàn)實時監(jiān)控的要求。針對上述問題，就要對目標探測算法進行優(yōu)化，并使用速度更快、配置更高的硬件平臺。

1　激光主動探測模型的建立與圖像處理

1.1激光主動探測模型的建立

為了隱蔽激光探測系統(tǒng)，需選擇人眼不可見的近紅外波段激光，且此波段光在CCD上的靈敏度也較高。考慮到白天進行探測時，太陽光會對后續(xù)的圖像處理產(chǎn)生較大的干擾，因此要在CCD前加裝近紅外波段窄帶濾光片，用以減小太陽光干擾。實際目標探測時，離焦量、入射角會對目標的回光功率模型［4，5］產(chǎn)生很大影響。

1.1.1離焦量對激光回波的影響采用幾何光學方法，將目標等效為由一個反射面和兩個透鏡組成的模型，具體如圖1所示。

圖1　貓眼效應等效模型Fig.1 The equivalent model of cat's eye effect

在圖1的理想模型中，從遠處發(fā)射過來的光束AA1和AA2，首先在焦平面的E點匯聚，然后其在焦平面的反射光按照鏡面反射形式沿BB1和BB2返回。但由于具有貓眼效應的設備有制造和安裝誤差，其分劃板、光敏面無法精確處于焦平面上，因此離焦量和入射角會對貓眼目標的回波發(fā)散角和激光有效接收面積產(chǎn)生影響，進而影響目標回光功率。

正離焦情況和負離焦情況下貓眼目標的等效模型如圖2、圖3所示。

圖2　正離焦等效模型Fig.2 Equivalent model of positive defocus

圖3　負離焦等效模型Fig.3 Equivalent model of negative defocus

根據(jù)三角相似原理，正離焦情況下目標的回波發(fā)散角如式1所示，負離焦情況下目標的回波發(fā)散角如式2所示：

式中，D表示目標透鏡的直徑，f表示透鏡焦距，d表示反射面的離焦量，θs表示回波發(fā)散角。對于一般光學元件：f＞＞d，所以目標的回波發(fā)散角都能夠使用式2表示，因此貓眼目標的激光有效接收面積如式3所示。

1.1.2入射角對激光回波的影響入射激光一般分為正入射和斜入射［6］兩種情況，在正入射和斜入射情況下離焦目標模型如圖4、圖5所示。

圖4　正入射條件離焦目標模型Fig.4 The defocus target model at normal incidence

圖5　斜入射條件離焦目標模型Fig.5 The defocus target model at oblique incidence

正入射條件下，貓眼目標的有效面積如式4所示，離焦量產(chǎn)生的回波束散角如式5所示：

依據(jù)幾何光學原理，從A處發(fā)射出的激光到達B處的光斑面積如式6所示，由B處目標鏡頭反射回的激光到達A處的光斑面積如式7所示：

式中，θt表示發(fā)射激光的束散角，其余參數(shù)含義同前。

斜入射條件下，入射的激光與光軸之間有一定的角度，光束經(jīng)過透鏡后其聚焦點可能在反射面外，導致反射光不能出射，所以光束的最大入射角αMAX應滿足式8所示。

斜入射的照射面積如式9所示，A處CCD探測到的目標回波光功率如式10所示。

式中，τt表示激光發(fā)射系統(tǒng)的透射率，τr表示探測系統(tǒng)光學鏡頭的透射率，τ表示單程激光水平大氣透過率，τ2表示雙程激光水平大氣透過率，τs表示目標光學鏡頭透射率，ρs表示目標分化板的反射率，Ar表示CCD的面積。

1.1.3貓眼目標回波功率模型根據(jù)前述的討論，CCD接收到目標的回波功率如式11所示：

式中，Pt表示激光發(fā)射器的發(fā)射功率，Ar表示鏡頭的接收面積，SCCD表示CCD靶面的光斑面積，ACCD表示CCD靶面的總面積，其余參數(shù)意義同前。

1.2圖像處理與目標識別算法

1.2.1閾值處理根據(jù)多次實驗測試總結，如果系統(tǒng)獲取的圖像中存在待識別的目標，則其最大的亮度值都大于190，所以可將190與圖片中的最大亮度值進行對比，如果圖片中的最大亮度值小于190，則認為圖像中沒有待識別的目標；若圖片中的最大亮度值大于190，則用該閾值對圖像進行分割。

1.2.2形態(tài)學處理在圖像的形態(tài)學腐蝕和膨脹處理中，算法腐蝕使用的方法為：如果在某白色像素點八連通區(qū)域內(nèi)有黑色像素點，則將該白色像素點轉換為黑色像素點（像素灰度值設為16，以便與原灰度值為0的黑色像素點區(qū)分）；算法膨脹使用的方法為：如果在某黑色像素點八連通區(qū)域內(nèi)有白色像素點，則將該黑色像素點轉換為白色像素點（像素灰度值設為閾值減10，以便與原灰度值為255的白色像素點區(qū)分）。

1.2.3邊界追蹤將一副圖像劃分為多個區(qū)域后，還需將其處理為適用于計算機處理的形式，根據(jù)待處理圖像特征，區(qū)域采用邊界來表示［7，8］。對于一個確定的二值區(qū)域R，追蹤其邊界的算法步驟如下：

①圖像中左上角標記為1的點為起始點b0，b0西側的鄰近點以c0表示；

②c0一定是背景點，所以從c0起按照順時針方向對b0的8個鄰近點進行考察。b1代表考察過程中第一個值為1的點，并令c1作為序列中b1前的點，然后對b0與b1所處的位置進行儲存；

③令b=b1且c=c1；

④從c起按照順時針方向進行，令b的8個鄰近點為n1，n2，…，n8，并找到第一個值為1的nk；

⑤令b=nk且c=nk-1；

⑥重復步驟3與步驟4，直到找到下一個邊界點b1且b=b0。

當算法執(zhí)行完成后，找到的b點序列就是排列后整個邊界點的集合，圖6中的a、b為邊界追蹤算法的前幾步，算法追蹤的最終邊界如圖6中的c所示：

圖6　邊界追蹤算法各步驟示意圖Fig.6 The process of boundary tracking algorithm

1.2.4目標識別圖像邊界找到后，下一步需要進行目標的識別，為了提高算法的精度，按照三種情況分別進行算法設計。

當邊界的外接矩形長寬的像素平均值大于9時，此時目標主要特征為圓形，采用基于方差的算法識別圓形特征，具體算法步驟如下：

③如果r2與的比值大于閾值因子，則其為待識別的目標，此處閾值因子大小為該邊界區(qū)域外接矩形長寬均值的0.1倍。

當區(qū)域外接矩形的長寬的像素均值不大于9時，目標形狀信息并不明顯。此時待識別的目標亮度較小，無法采用基于方差的圓形識別方法，應采用基于面積比的目標識別方法，算法的具體步驟如下：

①將區(qū)域外接矩形橫縱坐標各向外各擴展5個像素，獲得一個新邊界范圍F，然后按照此范圍遍歷原圖像中各像素點，找到像素的最小值xmin和最大值xmax；

②重新確定二值化閾值T：T=（xmax+xmin）/2；

③確定新邊界范圍F內(nèi)的原圖像中像素值大于T的像素點數(shù)量，然后將這些像素點橫坐標的最大值以x41表示，最小值以x31表示，縱坐標的最大值以y41表示，最小值以y31表示；

④將x41，x31，y41，y31四個值確定的矩形擴展為正方形；

⑤如果區(qū)域的圓形度閾值大于0.6，小于0.95，則認為此邊界區(qū)域就是待識別的目標。

如果待識別的目標亮度值較大，其反射光存在著發(fā)散的衍射條紋，此時需要識別出發(fā)散的帶有6個角的圖形，具體算法步驟如下：

①首先計算出邊界區(qū)域半徑平方的均值；

②標記出峰值兩側半徑平方相等的點；

③計算出步驟2中標記的各點對應的區(qū)域質心角度；

④將步驟3中計算出的角度按1、2；3、4；5、6…的組合取均值；

⑤計算出步驟4中取得角度的后向差分，獲得n個角度值；

⑥如果n等于6，則認為目標識別成功，進行步驟7，否則繼續(xù)處理后續(xù)區(qū)域；

⑦如果計算出的6個角度值與60度差的絕對值的均值與60度的比值小于閾值因子，則認為此邊界區(qū)域就是待識別的目標。

2　結果與分析

為驗證本文提出的目標主動識別算法是否正確有效，搭建了基于DSP芯片激光主動探測系統(tǒng)。首先在室內(nèi)進行了目標識別實驗來驗證算法，然后在室外進行了大量的實驗并對系統(tǒng)的最遠探測距離和最小分辨率進行了定量測試。

2.1貓眼目標主動識別室內(nèi)測試

室內(nèi)實驗的結果如圖7所示，顯示器顯示不同圖形時系統(tǒng)的目標識別情況如圖右側所示。其中，右上圖中共有圓形和橢圓兩種圖形，矩形框將圓形標記出來，說明算法能夠自動識別圓形和橢圓兩種圖形；右下圖中共有五邊形、矩形、圓形、同心圓四種圖形，矩形框還是將圓形標記出來，說明算法對五邊形、矩形和同心圓的圖形干擾都能夠識別出來，算法有效。

圖7　室內(nèi)測試結果Fig.7 The test results in doors

2.2貓眼目標主動識別室外測試

2.2.1室外識別可行性驗證實驗實驗場地為樓頂天臺，從系統(tǒng)自動獲取的圖片能夠看出，目標的反光強度明顯高于其四周背景亮度幾個數(shù)量級，可以輕易的從背景中識別出來，說明系統(tǒng)能夠完成室外目標的主動識別。

2.2.2室外識別分辨距離測試實驗由于實驗條件有限，系統(tǒng)探測的目標距離為200 m處并排的兩個槍瞄，具體如圖8所示。右圖中兩個槍瞄的距離是40 cm，系統(tǒng)能夠將目標清晰的識別出來；左圖中兩個槍瞄的距離是25 cm，已經(jīng)是系統(tǒng)對目標識別的極限。

圖8　測試距離200 m時系統(tǒng)分辨率Fig.8 The resolution at the distance 200 m in test

系統(tǒng)的最大探測距離實驗結果如圖9所示，其中左側為探測距離為300 m時的結果，中間為探測距離為800 m時的結果，右側為探測距離為1200 m時的結果。

圖9　最大探測距離實驗結果Fig.9 The maximum detection range in test

從圖9中可以看出，系統(tǒng)可以有效識別出距離800 m處的目標，但識別精度不高；當目標位于1200 m處時，激光強度下降幅度較大，使目標回波功率較小，激光基本全部在背景中淹沒，此時系統(tǒng)基本無法識別出目標。

3　討論

本文在進行激光主動探測技術研究的過程中，獲得了一些有益的結果，但同時也存在一些問題：一是算法運行效率還不夠高，復雜背景圖像無法在限定時間內(nèi)完成處理，這能夠通過對一些程序采用匯編語言進行編寫來改善；二是對于在陽光照射下自身亮度特別高的物體無法從圖像中分離出來，這需將激光發(fā)射器更換為脈沖激光器，同時通過對連續(xù)取得的相鄰兩幅圖像相減來消除偽目標，這樣能夠大幅度減小虛警率，提高系統(tǒng)的可靠性。這些還都需在后續(xù)的工作中繼續(xù)研究驗證。

4　結論

針對復雜背景中，常用目標識別算法對“貓眼”目標的識別精度不高等問題，本文首先對貓眼效應產(chǎn)生影響的各個因素進行了分析，推導出了貓眼目標回波功率模型。然后對獲取的圖像處理方法進行了研究，有效的提高了目標識別的精度，最后應用目標回波功率模型及圖片處理算法搭建了實驗系統(tǒng)進行了相關實驗，實驗結果表明本文提出的回波功率模型能夠實現(xiàn)目標的主動探測且探測距離及分辨率較高。

［1］Yang Junfeng，Zhang Yin.Alternating direction algorithms for L1 problems in compressive sensing［J］，Rice CAAM Report TR09-37，2013，4（12）：20-25

［2］趙勛杰，高稚允，張英遠.基于貓眼效應的激光偵察技術及其在軍事上的應用［J］.光學技術，2013，29（4）：415-417

［3］孫華燕，趙延仲，鄭勇輝，等.基于貓眼效應的激光主動探測技術研究與應用［J］.裝備學院學報，2015，23（6）：6-13

［4］Candes E，Tao T.Near optimal signal recovery from random projections：Universal encoding strategies［J］.IEEE Trans. Info.Theory，2013，52：5406-5425

［5］張博，張雛，武東生，等.斜入射條件下貓眼目標回波功率分析［J］.激光與紅外，2014，39（10）：1046-1050

［6］趙延仲，孫華燕，宋豐華，等.傾斜離軸高斯光束通過貓眼光學鏡頭的傳輸特性［J］.光學學報，2015，29（9）：2252-2556

［7］馮明.一種基于改進的圖像傳感器測量瞬時車速的方法［J］.山東農(nóng)業(yè)大學學報：自然科學版，2015，46（2）：243-246

［8］RenXiming，Lili.Recognizing cat-eye targets with dual criterions of shape and modulation frequency［J］.Chin.Opt.Lett，2014，3（9）：1-5

Study on the LaserActive Detection Technology Based on the Cat's Eye Effect

GUO Rong-xing1，2，SUN Jun-ling1，3，ZHAO Cheng1，MAPeng-ge1
1.Zhengzhou University of Aeronautics，Zhengzhou 450000，China
2.Cooperative Innovation Center for Aviation Economy Development，Zhengzhou 450000，China
3.College of Electronic Information and Control Engineering/Beijing University of Technology，Beijing 100124，China

To improve the ability for a sniper to locate enemies in modern war，instead of using the present target recognition technology erroneous complex and slow so as to lead to come to nothing，this paper performed the process of image threshold，morphology，boundary tracking and target identification algorithm based on the model of laser active detection to establish the laser active detection system with DSP chip and test it indoor and outdoor.The results showed that the target recognition accuracy was higher for the simple objects and image process was faster and actual in doors；the objects were distinguished from a complex background when the target light reflection intensity was higher than its background brightness around several orders of magnitude，the max-detection range went to 1200 meters and the mini distinguish ability went to 200 meters out doors.

Cat's eye effect； laser active detection；target recognition

TN202

A

1000-2324（2016）02-0278-05

2015-04-20

2015-06-02

航空科學基金重點項目：非高斯雜波背景下基于TRD的低可觀測性激光目標檢測與跟蹤技術研究（2014ZC13004）；鄭州航院青年基金項目：基于多種探測的汽車ADAS關鍵技術研究（2016133001）

郭榮幸（1980-），男，河南南陽人，碩士，講師，主要研究方向為信息處理、目標探測識別.E-mail：guogrx@163.com