基于偵察圖像信息的目標(biāo)提取和測量研究

劉軍輝，關(guān)興來，屈金標(biāo)，吳魏屹

（1.西安交通大學(xué)電子與信息工程學(xué)院，西安 710049；2.裝甲兵工程學(xué)院，北京 100072；3.中國洛陽電子裝備試驗(yàn)中心，河南 洛陽 471000；4.軍械工程學(xué)院，石家莊 050003）

基于偵察圖像信息的目標(biāo)提取和測量研究

劉軍輝1，2，關(guān)興來3，屈金標(biāo)4，吳魏屹4

（1.西安交通大學(xué)電子與信息工程學(xué)院，西安 710049；2.裝甲兵工程學(xué)院，北京 100072；3.中國洛陽電子裝備試驗(yàn)中心，河南 洛陽 471000；4.軍械工程學(xué)院，石家莊 050003）

光電偵察在戰(zhàn)場偵察中具有非常重要的地位。但我軍現(xiàn)有的光電偵察裝備，僅僅能夠記錄偵察獲得的圖像信息，還不具有自動(dòng)檢測和提取圖像中目標(biāo)的能力，無法滿足現(xiàn)代戰(zhàn)爭條件下戰(zhàn)場偵察的需要。針對現(xiàn)有光電偵察的需求，采用改進(jìn)的均值分割算法提取圖像目標(biāo)，進(jìn)而采用空間濾波的方法濾除噪聲，并利用游程連通性分析和計(jì)算形心坐標(biāo)方法實(shí)現(xiàn)目標(biāo)位置的提取和測量。

運(yùn)動(dòng)目標(biāo)，分割，測量

Abstract：Photoelectric reconnaissance plays a very important role in battlefield reconnaissance.But the current Photoelectric reconnaissance equipment of our army can only record image information gained by equipment，which don’t have the ability to detect and pick up the targets of images automatically，and cannot meet requirements of battlefield reconnaissance of modern war.Aiming at the current requirements of photoelectric reconnaissance，this paper adopts an improved separated mean value algorithm to pick up image targets，spatial filtering method to filter noise，and uses connectivity analysis and centroid coordinate calculating method to fulfill the picking up and measuring of targets’position.

Key words：moving target，picking up，measuring

0 引言

我軍裝甲偵察車輛［1］現(xiàn)有的偵察手段，主要包括雷達(dá)偵察和光電偵察。光電偵察［2］是利用光源在目標(biāo)和背景上的反射，或目標(biāo)、背景本身輻射電磁波的差異來探測、識(shí)別目標(biāo)并對目標(biāo)進(jìn)行跟蹤、測量。其主要優(yōu)點(diǎn)是成像分辨率高，能提供目標(biāo)的清晰圖像；被動(dòng)偵察隱蔽性好，不容易被敵方探測；不受電子干擾影響，可以在惡劣的電子環(huán)境中工作。

但是目前我軍現(xiàn)有的光電偵察設(shè)備僅能夠記錄偵察圖像，無法自動(dòng)提取偵察目標(biāo)，存在測量精度低、多目標(biāo)數(shù)據(jù)處理時(shí)效性差等缺點(diǎn)，無法滿足現(xiàn)代戰(zhàn)爭條件下的偵察需要。為提高偵察目標(biāo)信息的快速處理能力，有必要研究一種圖像序列中目標(biāo)自動(dòng)提取和測量方法，滿足以下需求：

①具備運(yùn)動(dòng)復(fù)雜背景下的目標(biāo)提取和測量能力；

②具有自動(dòng)處理多目標(biāo)的能力。

基于當(dāng)前光電偵察需求，本文對運(yùn)動(dòng)目標(biāo)提取和測量進(jìn)行了研究。

1 運(yùn)動(dòng)目標(biāo)分割

在圖像信息處理［3-4］過程中，運(yùn)動(dòng)目標(biāo)提取和測量包括運(yùn)動(dòng)目標(biāo)信息檢測、運(yùn)動(dòng)目標(biāo)分割、運(yùn)動(dòng)目標(biāo)標(biāo)記等，如圖1所示。

圖1 圖像信息處理過程

目標(biāo)檢測［5］主要是利用光流值作為目標(biāo)檢測的特性值，限于篇幅，本文不作介紹。本文主要介紹運(yùn)動(dòng)目標(biāo)分割、運(yùn)動(dòng)目標(biāo)標(biāo)記和測量。

1.1 光流均值分割算法

目標(biāo)分割［6］是通過判斷每一像素點(diǎn)光流值的絕對值大小來實(shí)現(xiàn)。在獲取偵察圖像后，分別求出每一像素點(diǎn)水平光流u和垂直光流v后，取其水平和垂直光流中較大的一個(gè)作為光流值，用m表示，如式（1）：

式（1）中，m為各個(gè)像素點(diǎn)的光流值，單位為灰度。

由于被偵察目標(biāo)一般處于距離較遠(yuǎn)的位置，其在像面上投影面積很小，運(yùn)動(dòng)目標(biāo)在圖像投影中像素光流值均值大于背景部分。設(shè)運(yùn)動(dòng)目標(biāo)、背景和整幅圖像的光流平均值分別為M1、M2、M3，則3個(gè)數(shù)值之間的關(guān)系如式（2）所示：

因此，可以在均值附近選擇一個(gè)適當(dāng)?shù)拈撝祵\(yùn)動(dòng)目標(biāo)的分割。其算法是：先對圖像中所有像素的水平和垂直光流值取絕對值，將圖像中每一個(gè)像素的光流值減去閾值，大于0的為目標(biāo)，小于等于0的為背景。

設(shè)各點(diǎn)的光流值為mxy，x和y分別代表圖像中像素點(diǎn)的坐標(biāo)，將圖像中各點(diǎn)光流絕對值減去M，如式（3）所示。

式（3）中，m1xy為減去均值后各像素的光流值。由于噪聲等原因，可能出現(xiàn)部分背景像素的光流值明顯大于其鄰域的像素，為了濾除這些干擾，可以將閾值加上一個(gè)修正量：αM，其中α為修正系數(shù)。這樣式（3）就變成：

α可以通過分布函數(shù)計(jì)算求得。

1.2 干擾噪聲消除

因?yàn)樵肼曉?，按照上述算法求出的目?biāo)光流場只是稀疏光流場，并不能準(zhǔn)確地反映目標(biāo)輪廓，無法正確分割目標(biāo)。只有排除干擾，才能求出目標(biāo)的稠密光流，進(jìn)而分割目標(biāo)。

本文采用均值濾波算法解決這個(gè)問題。其原理是，先確定平滑窗口的尺度，然后將圖像中的各像素，在其平滑窗口范圍內(nèi)求其及鄰域像素的光流平均值作為這個(gè)像素的平滑后光流值。公式如下：

式（5）中，x和y分別是當(dāng)前點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，m1（x，y）是點(diǎn)（x，y）處的稀疏光流值，m2（x，y）是進(jìn)行平滑處理后，點(diǎn)（x，y）處的稠密光流值，2n+1是光流窗口的大小。圖2為當(dāng)n=1時(shí)以某點(diǎn)光流值為中心的3×3個(gè)空間濾波模板。

圖2 空間濾波模板

由于圖像分割是按照各像素的光流值是否大于0將圖像分割為目標(biāo)和背景，因此，在各像素光流值相對比例和符號不變情況下，具體數(shù)值的大小并不重要，為了簡化運(yùn)算，式（5）中的分母（2n+1）2可以省略，如式（6）：

1.3 目標(biāo)區(qū)域獲取

為了清晰突出目標(biāo)，需要將已經(jīng)分割出目標(biāo)區(qū)域的光流場作二值化處理，即設(shè)定一個(gè)閾值δ，然后將光流場中光流值大于閾值δ的像素光流為1，小于或等于閾值δ的像素光流值為0。如式（7）所示：

此時(shí)，光流場就是稠密的二值圖，已經(jīng)不存在背景信號，但由于受干擾和誤差等因素影響，在目標(biāo)區(qū)域輪廓中還會(huì)存在各種裂痕或孔洞，且邊界也不夠平滑。為此，本文采用閉運(yùn)算，即先膨脹后腐蝕來解決這個(gè)問題。

將光流場和原圖進(jìn)行與運(yùn)算，可獲取圖像目標(biāo)。但由于求光流是采用兩幀圖像差分的方法，光流場所包含的像素范圍是兩幀圖像中目標(biāo)所包含像素范圍的并集，因此，提取目標(biāo)時(shí)，另一幀圖像中目標(biāo)覆蓋的背景也被提取出來。當(dāng)目標(biāo)運(yùn)動(dòng)速度較慢時(shí)，其誤差可以忽略不計(jì)，但對于高速目標(biāo)會(huì)出現(xiàn)明顯的錯(cuò)誤。為解決這個(gè)問題，本文將本次求出的光流場和上一次所求光流場進(jìn)行與運(yùn)算，然后再將結(jié)果和本次所用的第一幀圖像進(jìn)行與運(yùn)算，消除目標(biāo)周圍背景。

2 目標(biāo)標(biāo)記與測量

在完成目標(biāo)分割后，需要對圖像目標(biāo)進(jìn)行連通性分析，進(jìn)而標(biāo)記圖像目標(biāo)范圍，完成目標(biāo)位置的測量。

2.1 游程連通性分析

游程［7］是連續(xù)掃描線在一個(gè)連續(xù)圖像區(qū)域內(nèi)形成的線段，使用游程算法比逐像素判斷要簡單。本文首先對單個(gè)游程進(jìn)行標(biāo)記，使用連續(xù)掃描線對圖像進(jìn)行掃描，并將掃描得到的游程標(biāo)記出來；其次對游程進(jìn)行匯總處理，判定各游程之間的關(guān)系，將屬于同一目標(biāo)的游程數(shù)據(jù)匯總，標(biāo)記出目標(biāo)所包含的所有像素的信息。根據(jù)標(biāo)記出的目標(biāo)像素信息，可以計(jì)算目標(biāo)的位置。本文采用形心法計(jì)算目標(biāo)圖像位置。

形心法是指取出一個(gè)目標(biāo)中像素的最大列坐標(biāo)和最小列坐標(biāo)，算出其中間值，為目標(biāo)的列坐標(biāo)；取出這個(gè)目標(biāo)中像素的最大行坐標(biāo)和最小行坐標(biāo)，算出其中間值，為目標(biāo)的行坐標(biāo)，如式（8）。

式中，（ox，oy）表示目標(biāo)的橫坐標(biāo)和縱坐標(biāo)。oxmax，oxmin，oymax，oymin分別表示目標(biāo)右邊界坐標(biāo)、目標(biāo)左邊界坐標(biāo)、目標(biāo)上邊界坐標(biāo)和目標(biāo)下邊界坐標(biāo)。

2.2 游程數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)

根據(jù)記錄數(shù)據(jù)的需要，采用兩個(gè)二維數(shù)組結(jié)構(gòu)分別表示游程和目標(biāo)數(shù)據(jù)。

目標(biāo)數(shù)組用來記錄目標(biāo)信息，每行表示一個(gè)目標(biāo)的信息。數(shù)組有8列，每列分別表示目標(biāo)編號、目標(biāo)批號、目標(biāo)橫坐標(biāo)、目標(biāo)縱坐標(biāo)、目標(biāo)上邊界坐標(biāo)、目標(biāo)下邊界坐標(biāo)、目標(biāo)左邊界坐標(biāo)和目標(biāo)右邊界坐標(biāo)。其中目標(biāo)的橫坐標(biāo)和列坐標(biāo)需要在對每幀光流場處理完成，各流程匯總完畢后再計(jì)算，數(shù)據(jù)格式如表1所示：

表1 目標(biāo)數(shù)組每行格式

因?yàn)榭赡艹霈F(xiàn)目標(biāo)合并的現(xiàn)象，因此，在目標(biāo)合并后，將該目標(biāo)編號統(tǒng)一為數(shù)值最小的編號，并將與編號相同的行作為記錄目標(biāo)數(shù)據(jù)的默認(rèn)行，而后面其他的數(shù)據(jù)行不再更新使用。然后每幀數(shù)據(jù)處理完成后，將目標(biāo)編號和行號不同的目標(biāo)數(shù)據(jù)剔除，并對所有目標(biāo)重新編號。

游程數(shù)組用于記錄各游程數(shù)據(jù)，每行記錄一條游程的信息。數(shù)組有5列，每列表示數(shù)據(jù)分別是：行號、編號、游程開始列坐標(biāo)、游程結(jié)束列坐標(biāo)、游程所屬目標(biāo)，如表2所示。

表2 游程數(shù)組每行格式

由于每個(gè)目標(biāo)所包含的游程數(shù)不同，且游程行號編號也可能不連續(xù)，因此，在目標(biāo)數(shù)組中沒有記錄每個(gè)目標(biāo)所屬的游程編號。游程和目標(biāo)的隸屬關(guān)系信息記錄在游程數(shù)組中的最后一列，當(dāng)需要對目標(biāo)所包含的游程進(jìn)行查詢時(shí)，對游程數(shù)組進(jìn)行搜索即可。

在完成目標(biāo)的提取和測量后，游程數(shù)組中的數(shù)據(jù)不再保留，而目標(biāo)數(shù)組中的數(shù)據(jù)則需要保存并輸出，供進(jìn)一步處理。

3 實(shí)驗(yàn)驗(yàn)證

下面通過實(shí)驗(yàn)驗(yàn)證本文提出的算法可行性。實(shí)驗(yàn)分別選取靜止背景的視頻1和運(yùn)動(dòng)背景的視頻2為例，在求出其光流場的基礎(chǔ)上采用本文提出的分割濾波和游程連通性分析等算法，將目標(biāo)從背景中提取出來，并計(jì)算目標(biāo)在圖像中的坐標(biāo)位置。

圖3 視頻1實(shí)現(xiàn)目標(biāo)提取檢測

圖3是靜止背景狀態(tài)下錄制的視頻1的一組圖像，圖3（c）表示對光流場按照本文的算法進(jìn)行運(yùn)算后，完全過濾各種干擾信號，提取出目標(biāo)光流場，并標(biāo)記出其位置。圖3（d）是將光流場和原圖像前一幀疊加后，將目標(biāo)分割出來的情況。

表3是對目標(biāo)位置的測量值，按照游程連通性分析，將目標(biāo)的最左、最右、最上、最下4個(gè)坐標(biāo)求出后，計(jì)算其形心坐標(biāo)。從表中可以看出，由于游程連通性分析是從上向下，從左向右逐行掃描的，因此，將圖像中靠上的目標(biāo)標(biāo)記為目標(biāo)1，將下方的目標(biāo)標(biāo)記為目標(biāo)2，表中列出兩組圖像處理后的數(shù)據(jù)。

表3 視頻1測量目標(biāo)數(shù)據(jù)

圖4是運(yùn)動(dòng)背景狀態(tài)下錄制的視頻2的一組圖像，通過基于光流的圖像移位算法對背景光流進(jìn)行抑制后，采用本文算法進(jìn)行分割濾波，并對目標(biāo)進(jìn)行提取。圖4（c）表示對本次光流場按照本章的算法進(jìn)行運(yùn)算后，完全過濾各種干擾信號，提取出目標(biāo)光流場，并標(biāo)記出其位置。

圖4 視頻2實(shí)現(xiàn)目標(biāo)提取和檢測

圖4（d）和圖4（e）是高速運(yùn)動(dòng)狀態(tài)下兩種目標(biāo)提取算法的對比。圖4（d）表示下右圖是將光流場和原圖像前一幀疊加后，將目標(biāo)分割出來的情況?？梢钥闯?，在目標(biāo)前方有一塊空白區(qū)域，這是由于視頻1中的目標(biāo)飛機(jī)是高速運(yùn)動(dòng)物體，由于光流場所包含的像素范圍是兩幀圖像中目標(biāo)所包含像素范圍的并集，超出了單幀圖像中目標(biāo)的范圍，因此，提取目標(biāo)時(shí)，將部分背景提取出來。按照1.3節(jié)的方法進(jìn)行處理后，結(jié)果如圖4（e）所示。

表4 視頻2測量目標(biāo)數(shù)據(jù)

表4是計(jì)算目標(biāo)的形心坐標(biāo)表中列出兩組圖像處理后的數(shù)據(jù)。從圖像處理和位置數(shù)據(jù)測試的結(jié)果看，視頻2體現(xiàn)了典型的快速運(yùn)動(dòng)背景下目標(biāo)跟蹤測量的特點(diǎn)。從圖像分析可以看出，由于目標(biāo)和設(shè)備均相對背景作快速運(yùn)動(dòng)，前后兩幀圖像中目標(biāo)的位移接近8個(gè)像素，但在圖像中的位置變化卻只有約1～2個(gè)像素。

4 結(jié)論

針對光電偵察設(shè)備僅能夠記錄偵察圖像，無法自動(dòng)提取偵察目標(biāo)，測量精度低、實(shí)時(shí)性差等問題，提出了一種完善的復(fù)雜運(yùn)動(dòng)背景條件下目標(biāo)提取和測量算法，采用了光流均值分割方法和閉運(yùn)算實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)分割，設(shè)計(jì)了一種游程數(shù)據(jù)結(jié)構(gòu)標(biāo)記和測量目標(biāo)。另外，通過具體實(shí)驗(yàn)證明了該方法能夠?qū)崿F(xiàn)運(yùn)動(dòng)目標(biāo)的提取與測量，證明了該方法具備運(yùn)動(dòng)復(fù)雜背景下的目標(biāo)提取和測量能力，能自動(dòng)處理多目標(biāo)。

［1］成志鐸.地面裝甲車輛的目標(biāo)特性建模研究［J］.熱能工程，2012，17（7）：35-47.

［2］牛照東.光電目標(biāo)檢測與跟蹤系統(tǒng)算法實(shí)現(xiàn)技術(shù)研究［D］.長沙：國防科學(xué)技術(shù)大學(xué)，2014.

［3］胡覺輝，李一民，潘曉露.改進(jìn)的光流法用于車輛識(shí)別與跟蹤［J］.科學(xué)技術(shù)與工程，2010，10（8）：5814-5817.

［4］李宏，楊廷梧，任樸舟，等.基于光流場技術(shù)的復(fù)雜背景下運(yùn)動(dòng)目標(biāo)跟蹤［J］.光電工程，2006，33（10）：14-17.

［5］徐楊.面向視頻監(jiān)控的動(dòng)態(tài)目標(biāo)檢測、跟蹤與識(shí)別關(guān)鍵技術(shù)研究［J］.模式識(shí)別與智能系統(tǒng)，2015，27（7）：34-46.

［6］王席.基于視頻光照和紋理信息的動(dòng)態(tài)目標(biāo)分割與提?。跩］.計(jì)算機(jī)科學(xué)與技術(shù)，2015，30（6）：58-67.

［7］李淵.基于游程編碼的測試向量壓縮方法研究［J］.軟件工程，2013，29（6）：116-121.

Research on Picking up and Measuring of Targets Based on Information of Reconnaissance Image

LIU Jun-hui1，2，GUAN Xing-lai3，QU Jin-biao4，WU Wei-yi4
（1.School of Electronic and Information Engineering Xi’an Jiaotong University，Xi’an 710049，China；2.Academy of Armored Force Engineering，Beijing 100072，China；3.Luoyang Electronic Equipment Test Center，Luoyang 471000，China；4.Ordnance Engineering College，Shijiazhuang 050003，China）

TN919.71；TJ81

A

10.3969/j.issn.1002-0640.2017.09.028

1002-0640（2017）09-0129-04

2016-08-08

2016-09-07

劉軍輝（1971- ），湖南湘鄉(xiāng)人，副教授。研究方向：數(shù)字圖像處理與多源信息融合。