近空目標(biāo)圖像定位算法的研究*

王 立 雷 斌 王健寧 白 福

(西安工業(yè)大學(xué)電子信息工程學(xué)院 西安 710021)

?

近空目標(biāo)圖像定位算法的研究*

王 立 雷 斌 王健寧 白 福

(西安工業(yè)大學(xué)電子信息工程學(xué)院 西安 710021)

在深入分析巡航彈飛行參數(shù)的基礎(chǔ)上,論文主要介紹如何通過(guò)定位算法對(duì)目標(biāo)進(jìn)行定位；該系統(tǒng)通過(guò)對(duì)幀間差分算法的研究,通過(guò)幾何模型的分析,建立數(shù)學(xué)方程組,解算出待測(cè)物體方位角俯仰角,進(jìn)而得到待測(cè)物體的位置坐標(biāo)。由設(shè)備測(cè)量到的數(shù)據(jù)和實(shí)際值進(jìn)行對(duì)比；經(jīng)過(guò)驗(yàn)證,證明了此測(cè)量系統(tǒng)的正確性以及在工業(yè)生產(chǎn)中的實(shí)用性。

巡航彈; 幀間差分算法; 方位角俯仰角; 定位

Class Number TP391

1 引言

針對(duì)巡飛彈而言,飛行高度一般在100m～500m的高度范圍[1]。在這個(gè)高度范圍內(nèi),雷達(dá)定位和遙測(cè)定位失效,無(wú)法對(duì)目標(biāo)實(shí)現(xiàn)精準(zhǔn)的定位。在軍事戰(zhàn)爭(zhēng)中不利于對(duì)敵方的導(dǎo)彈實(shí)現(xiàn)精準(zhǔn)的判斷從而殲滅,本系統(tǒng)通過(guò)對(duì)圖像識(shí)別算法的研究,實(shí)現(xiàn)對(duì)目標(biāo)方位角俯仰角的估計(jì),從而判斷出目標(biāo)位置坐標(biāo),精度在1°以內(nèi),實(shí)現(xiàn)了較高精度的測(cè)量,在現(xiàn)代軍事戰(zhàn)爭(zhēng)中具有廣泛的應(yīng)用。

2 設(shè)計(jì)思想

幀間差分法是一種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[2～4],通過(guò)在視頻序列中相鄰幀間的差分運(yùn)算得到運(yùn)動(dòng)物體的輪廓,就是將當(dāng)前幀與當(dāng)前幀的前一幀進(jìn)行作差,通過(guò)對(duì)差分圖的判斷獲得運(yùn)動(dòng)目標(biāo)區(qū)域,由于相鄰幀間的距離很小,可以完全消除由光照變化引起的圖像的動(dòng)態(tài)變化。這種方法能適用于多種環(huán)境下,具有比較廣泛的應(yīng)用范圍。當(dāng)場(chǎng)景中的運(yùn)動(dòng)物體,在相鄰幀圖像在同一位置上會(huì)有不同的行為,讓像素差分的幀圖像的絕對(duì)值與閾值進(jìn)行對(duì)比檢測(cè),以確定是否有移動(dòng)物體在視頻序列中。該方法的突出特點(diǎn)是簡(jiǎn)單易用、數(shù)據(jù)量小、環(huán)境因子輕、魯棒性好、能在動(dòng)態(tài)場(chǎng)景和靜態(tài)場(chǎng)景中得到很好的效果但它只能獲得運(yùn)動(dòng)區(qū)域的輪廓,檢測(cè)區(qū)域的完全區(qū)域相對(duì)較大,可以提取物體,也對(duì)運(yùn)動(dòng)目標(biāo)的速度有一定的要求,需要選擇合適的時(shí)間間隔,它可以很好地適用于存在多個(gè)運(yùn)動(dòng)目標(biāo)和攝像機(jī)移動(dòng)的情況。

幀間差分法是基于像素的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,其幀間的定義可以是兩幀也可以是多幀,都是通過(guò)計(jì)算幀間的差異進(jìn)行檢測(cè)。一般將幾幀圖像校正在同一坐標(biāo)系下,然后將同一背景下相鄰的不同時(shí)刻的圖像進(jìn)行差分計(jì)算,對(duì)差分結(jié)果進(jìn)行閾值判斷,大于閾值的判斷為前景,小于閾值的則判斷為背景,從而突出運(yùn)動(dòng)區(qū)域,確定運(yùn)動(dòng)目標(biāo)[5～6]。

設(shè)相鄰兩幀圖像fk(x,y)與fk-1(x,y)差分圖像：Dk(x,y),則

Dk(x,y)=|fk(x,y)-fk-1(x,y)|

(1)

對(duì)差分圖像根據(jù)閾值T進(jìn)行判定以及二值化處理：

(2)

對(duì)二值化圖像再進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理以及連通分析就能夠獲得較為完整的運(yùn)動(dòng)目標(biāo)區(qū)域[7～9]。

由差分圖像結(jié)果可以看出幀間差分法的特點(diǎn),即運(yùn)動(dòng)目標(biāo)在兩幀中的重疊區(qū)域經(jīng)過(guò)差分計(jì)算判斷為背景,從而形成孔洞,只獲得了運(yùn)動(dòng)目標(biāo)的外圍區(qū)域,而且在一定程度上擴(kuò)大了實(shí)際的運(yùn)動(dòng)目標(biāo)區(qū)域,這樣就使得檢測(cè)結(jié)果不準(zhǔn)確,若要獲得較完整運(yùn)動(dòng)目標(biāo)就還需要進(jìn)一步處理。

2.1 算法結(jié)構(gòu)

該算法包括四大部分:

1) 提取背景圖像( 建立背景模型)；

2) 幀間差分得到變化區(qū)域；

3) 改變區(qū)域和背景圖像差以獲得初始運(yùn)動(dòng)目標(biāo)；

4) 初始目標(biāo)的濾波和形態(tài)學(xué)處理,消除目標(biāo)碎塊和提取運(yùn)動(dòng)的目標(biāo)。

算法流程圖如圖1所示。

圖1 算法流程圖

1)背景提?。耗壳暗囊曨l序列圖像大多都是RGB彩色圖像,因?yàn)檫@種彩色圖像有三個(gè)色彩分量,所以進(jìn)行背景提取時(shí)計(jì)算比較復(fù)雜。本文算法將獲得的RGB彩色圖像序列首先進(jìn)行灰度處理,得到相應(yīng)的灰度圖像序列,然后對(duì)每個(gè)像素的灰度圖像序列進(jìn)行灰度值的最高頻率,以及最大灰度值作為對(duì)應(yīng)像素灰度值,得到像背景圖像。

2) 目標(biāo)提?。阂曨l序列中相鄰幀進(jìn)行作幀間差,得到運(yùn)動(dòng)區(qū)域圖像,運(yùn)動(dòng)目標(biāo)圖像的運(yùn)動(dòng)區(qū)域圖像和背景圖像差分,通過(guò)把運(yùn)動(dòng)目標(biāo)圖像與閾值相比較得到二值化圖像。

3) 閾值Th的取法：如果閾值Th選擇過(guò)高,會(huì)將運(yùn)動(dòng)目標(biāo)區(qū)域嚴(yán)重碎化,如果選擇太低,將引入大量的噪音。因此,提出一個(gè)運(yùn)用當(dāng)前圖像灰度值來(lái)確定動(dòng)態(tài)閾值的方法:(1)得到了圖像的最小灰度值和最大灰度值,并將圖像的平均值作為初始閾值,記為T(mén)。(2)根據(jù)初始閾值,將圖像分為目標(biāo)和背景兩部分,得到了圖像的平均灰度值μ1、μ2和兩部分的灰度概率[10]。

4) 噪聲去除和形態(tài)學(xué)處理：因?yàn)殚撝捣指詈蟮亩祷瘓D像中會(huì)存在一些噪聲點(diǎn)和一些目標(biāo)孔洞,所以先利用中值濾波對(duì)輸出的二值化圖像進(jìn)行處理,從而來(lái)消除噪聲,再運(yùn)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算來(lái)合并領(lǐng)域和消除目標(biāo)孔洞,進(jìn)一步就可以提取出完整的運(yùn)動(dòng)目標(biāo)。數(shù)學(xué)形態(tài)學(xué)有四個(gè)基本運(yùn)算:膨脹、腐蝕、開(kāi)啟和閉合。一般地,設(shè)A為圖像集合,B為結(jié)構(gòu)元素,數(shù)學(xué)形態(tài)學(xué)運(yùn)算是用B對(duì)A進(jìn)行操作。先對(duì)圖像進(jìn)行腐蝕再膨脹稱(chēng)為開(kāi)啟。

幀間差分法的基本過(guò)程:

1) 獲取差分圖像；

2) 差分圖像的二值化處理；

3) 用數(shù)學(xué)形態(tài)學(xué)對(duì)二值圖像進(jìn)行處理；

4) 提取出運(yùn)動(dòng)目標(biāo)區(qū)域。

間差分法的流程圖如圖2。

圖2 幀間差分法的流程圖

幀間差分檢測(cè)算法的基本思想是：在序列圖像中,如果某個(gè)位置的對(duì)象發(fā)生變化,然后在該區(qū)域的對(duì)應(yīng)像素的灰度值也將發(fā)生改變；而在其它沒(méi)有運(yùn)動(dòng)目標(biāo)的圖像區(qū)域,像素灰度值變化不明顯[11]。

該算法的基本流程[12～13]是：首先對(duì)視頻相鄰幀中對(duì)應(yīng)像素點(diǎn)的灰度值進(jìn)行相減運(yùn)算,得到差分圖像,然后根據(jù)事先設(shè)定好的閾值對(duì)差分圖像進(jìn)行閾值分割,得到目標(biāo)的二值化圖像,最后再對(duì)二值圖進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理,獲得運(yùn)動(dòng)目標(biāo)的區(qū)域。 以灰度圖像為例,設(shè)fk(x,y)代表當(dāng)前第k幀圖像中像素點(diǎn)位置為(x,y)的亮度值,fk-1(x,y)代表第k-1幀圖像中像素點(diǎn)位置為(x,y)的亮度值,T是事先設(shè)定好的灰度閾值,當(dāng)差分圖像中像素點(diǎn)的灰度值大于或等于T時(shí),認(rèn)為該點(diǎn)是運(yùn)動(dòng)像素點(diǎn),也就是前景點(diǎn)。如果像素點(diǎn)的灰度值小于閾值T,則可以認(rèn)為其是背景點(diǎn)。Rk(x,y)是閾值分割后的二值圖像,0代表背景點(diǎn),表示為黑色；1代表前景點(diǎn),表示為白色。

2.2 仿真分析

對(duì)于上述的方法,只是利用方位角的定義通過(guò)質(zhì)心算法和三角函數(shù)在Matlab仿真平臺(tái)上進(jìn)行計(jì)算,這種方法雖然簡(jiǎn)單,但是一定程度上是存在誤差的,因此,就需要通過(guò)實(shí)際的測(cè)量來(lái)驗(yàn)證和找出誤差。

驗(yàn)證系統(tǒng)的基本思想：首先做一個(gè)固定的框架,架上照相機(jī),并且使照相機(jī)固定位置不動(dòng)。通過(guò)這個(gè)框架用照相機(jī)采集一系列圖片,然后對(duì)圖片上的運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)際的角度測(cè)量。最后將測(cè)出的角度和用Matlab計(jì)算出的角度進(jìn)行對(duì)比[14]。

相機(jī)坐標(biāo)系以小孔相機(jī)模型的聚焦中心為原點(diǎn),以相機(jī)光軸為軸zc建立的：攝像機(jī)成像原理如圖3所示。

圖3 小孔成像模型

驗(yàn)證系統(tǒng)的標(biāo)定：

第一步：將攝像頭鏡頭固定在盒子的孔洞位置保持不變,使鏡頭通過(guò)這個(gè)孔可以清晰地拍攝到含有運(yùn)動(dòng)目標(biāo)的連續(xù)幀圖像。設(shè)此位置為Q,鏡頭與正對(duì)面的距離為d(即像距)；

第二步：以攝像機(jī)通過(guò)孔洞的光軸為Z軸,垂直方向?yàn)閥軸,水平向右方向?yàn)閤軸建立三維坐標(biāo)系；

第三步：確定圖像運(yùn)動(dòng)目標(biāo)質(zhì)心的位置,設(shè)為P(x,y)；

第四步：確定圖像畫(huà)面中心的位置,設(shè)為O(u,v)；

標(biāo)定的作用主要是可以實(shí)際計(jì)算圖片對(duì)應(yīng)目標(biāo)的方位角和俯仰角

驗(yàn)證系統(tǒng)目標(biāo)坐標(biāo)方位角的實(shí)際計(jì)算方法:如圖4～5為拍攝的原始圖像。已知盒子的長(zhǎng)寬高分別為28,21和19。

第一步：計(jì)算運(yùn)動(dòng)目標(biāo)的坐標(biāo)方位角。因?yàn)楹凶拥拇笮∈枪潭ǖ?所以可以確定出畫(huà)面中心的實(shí)際坐標(biāo)O(u,v),運(yùn)動(dòng)目標(biāo)的實(shí)際坐標(biāo)P(x,y).那么根據(jù)坐標(biāo)方位角的定義可算出它的正切值[15]：

(3)

由此再求出其反切得到坐標(biāo)方位角的角度：

(4)

帶入已知條件解得坐標(biāo)方位角α。

其仿真代碼為

rad2deg(atan2(sum_x/2-plot_x(1),plot_y(1)-sum_y/2)) %%求目標(biāo)方位角

第二步：計(jì)算運(yùn)動(dòng)目標(biāo)與攝像頭之間的俯仰角,即鏡頭與運(yùn)動(dòng)目標(biāo)連線與光軸的夾角θ。同樣的道理,先算出θ角的正切值：

(5)

由此再求出其反切得到俯仰角的角度:

θ=arctanz

(6)

帶入已知條件解得俯仰角θ。

其仿真代碼為： atan(sqrt((plot_x(1)-sum_x/2)^2+(plot_y(1)-sum_y/2)^2)/2822.857) %%求俯仰角。

圖4 原始圖像

計(jì)算結(jié)果如表1和表2所示。

表1 目標(biāo)方位角計(jì)算結(jié)果

表2 目標(biāo)俯仰角計(jì)算結(jié)果

3 結(jié)論

經(jīng)過(guò)實(shí)際驗(yàn)證,證明了此圖像定位算法的正確性,并且它能夠?qū)_(dá)到方位角俯仰角的估計(jì)誤差在1°以內(nèi)的要求,可以很好地應(yīng)用于工業(yè)生產(chǎn)需求,具有很強(qiáng)的實(shí)用性。

[1] 鹿雪嬌.基于視頻圖像的運(yùn)動(dòng)物體識(shí)別與跟蹤技術(shù)研究[D].大慶:大慶石油學(xué)院,2009.

LU XueJiao. Based on moving object recognition and tracking of video image technology research[D]. Daqing: Daqing petroleum institute,2009.

[2] 萬(wàn)纓,韓毅,盧漢青.運(yùn)動(dòng)目標(biāo)檢測(cè)算法的探討[J].計(jì)算機(jī)仿真,2006,23(10):221-226.

WANYing, HANYi, LU HanQing. Moving target detection algorithm is discussed[J].The computer simulation,2006,23(10):221-226.

[3] 姚嵐.一種CMOS圖像傳感器驅(qū)動(dòng)及視頻處理技術(shù)的研究與實(shí)現(xiàn)[D].北京:中國(guó)科學(xué)院研究生院,2008.

YAO Lang. A CMOS image sensor and the research and implementation of video processing technology[D]. Beijing: Graduate School of Chinese Academy of Sciences,2008.

[4] 丁金鑄.基于圖像處理的運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].武漢:華中師范大學(xué),2007.

DING Jinzhu. Moving object detection based on image processing tracking system design and implementation[ D]. Wuhan: Central China normal university,2007.

[5] Stauffer C, Grimson W E L. Learning patterns of activity using real-time tracking [J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on,2000,22(8):747-757.

[6] 孟祥怡.運(yùn)動(dòng)目標(biāo)的跟蹤與識(shí)別算法研究[D].長(zhǎng)春:吉林大學(xué),2014.

MENG Xiangyi. Moving target tracking and recognition algorithm[D]. Changchun: Jilin university,2014.

[7] 何天祥.視頻圖像中目標(biāo)距離估計(jì)的研究[D].西安:西安電子科技大學(xué),2011.

HE Tianxiang. Video image in the study to estimate the target range[D]. Xi’an: Xi’an university of electronic science and technology,2011.

[8] 何東健,耿楠,張義寬.數(shù)字圖像處理(第二版)[M].西安:西安電子科技大學(xué)出版社,2008.

HE Dongjian, GEN Nan, ZHANG Yikuan. Digital image processing (second edition)[M]. Xi ’an: Xi’an university of electronic science and technology press,2008.

[9] 余慧玲.視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D].長(zhǎng)沙:中南大學(xué),2013.

YU Huiling. Research on moving target detection method in video image[D]. Changsha: Central south university,2013.

[10] 陳祥虎.智能視頻監(jiān)控中的運(yùn)動(dòng)物體檢測(cè)與跟蹤算法研究[D].南京:南京郵電大學(xué),2011.

CHEN Xianghu. Moving object detection and tracking algorithm of intelligent video surveillance study[D]. Nanjing: Nanjing university of posts and telecommunications,2011.

[11] Spoerri, A.Ullman, S.Aggarwal. The Early Detection of Motion Boundaries[M].

MIT A.I. Lab. Technical Report TR 1275, 1987.

[12] 徐梅.基于嵌入式的目標(biāo)跟蹤系統(tǒng)研究與開(kāi)發(fā)[D].成都:電子科技大學(xué),2015.

XU Mei. Target tracking based on embedded system research and development[D]. Chengdu: University of electronic science and technology,2015.

[13] 解曉萌.復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別關(guān)鍵技術(shù)研究[D].廣州:華南理工大學(xué),2012.

XIE Xiaomeng. Under the background of complex motion target detection and identification of key technology research[D]. Guangzhou: South China university of technology,2012.

[14] 明鵬.關(guān)于運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的研究[D].濟(jì)南:山東大學(xué),2013.

MING Peng. Research on moving target detection technology[D].Jinan: Shandong university,2013.

[15] 袁春蘭.基于Sobel算子的圖像邊緣檢測(cè)研究[D].武漢:武漢理工大學(xué),2009.

YUAN Chunlan. Study of image edge detection based on Sobel operator[D]. Wuhan: Wuhan university of technology,2009.

Image Localization Algorithm for Near Space Target

WANG Li LEI Bin WANG Jianning BAI Fu

(College of Electronic and Information Engineering, Xi’an Technological University, Xi’an 710021)

This paper mainly introduces how the localization algorithm to locate the target in depth analysis on the basis of cruise missile flight parameters, the system through the research of inter frame difference algorithm, through the analysis of the geometric model, the mathematical equations are established, the measured object azimuth elevation angle is calculated and coordinates of the object is measured. The data measured by the device is compared with the actual value, which proves the validity of the measurement system and the practicability of the measurement system in the industrial production.

cruise missile, inter frame difference algorithm, azimuth angle, location

2016年5月17日,

2016年6月25日

王立,男,碩士研究生，研究方向：通信與信息系統(tǒng)，嵌入式系統(tǒng)。雷斌,男,碩士,副教授,研究方向：測(cè)控技術(shù)，無(wú)線傳感器網(wǎng)絡(luò)(嵌入式系統(tǒng)等)。 王健寧,女,碩士研究生，研究方向：通信與信息系統(tǒng)，嵌入式系統(tǒng)。白福,男,碩士研究生，研究方向：通信與信息系統(tǒng)，嵌入式系統(tǒng)。

TP391

10.3969/j.issn.1672-9722.2016.11.012