空中目標(biāo)紅外測量圖像自動(dòng)判讀方法研究

周 慧

(中國人民解放軍92941部隊(duì)， 遼寧 葫蘆島 125000)

隨著紅外圖像傳感器技術(shù)的發(fā)展，經(jīng)緯儀的圖像存儲(chǔ)頻率越來越高，目前，光電經(jīng)緯儀上的紅外傳感器已經(jīng)達(dá)到1000幀/s，如此高的存儲(chǔ)頻率，傳統(tǒng)的人工判讀方式越來越不能滿足任務(wù)的需要。同時(shí),由于試驗(yàn)頻率的加大，滿足成像條件的氣象環(huán)境逐漸減少，導(dǎo)致對自動(dòng)判讀算法性能的要求也越來越高。自動(dòng)判讀的主要指標(biāo)是目標(biāo)特定部位跟蹤的穩(wěn)定性和定位的準(zhǔn)確性。目前，在目標(biāo)跟蹤方面，大多數(shù)研究主要集中在弱目標(biāo)的跟蹤算法上[1]，而且是基于參數(shù)預(yù)測的方法。由于經(jīng)緯儀測量圖像的目標(biāo)和背景同時(shí)變化，且背景移動(dòng)具有較高的無規(guī)律性，因此，預(yù)測效果實(shí)際上并不好。而對于特定部位的跟蹤主要集中在相關(guān)匹配算法研究上[2]，由于空中目標(biāo)軌跡的變化，導(dǎo)致目標(biāo)圖像在形態(tài)和大小發(fā)生變化，所謂的配準(zhǔn)算法很難實(shí)現(xiàn)。由于紅外傳感器強(qiáng)大的感應(yīng)能力，目前大多數(shù)紅外測量實(shí)際上主要是跟蹤發(fā)動(dòng)機(jī)尾焰[3]，但是并沒有發(fā)現(xiàn)關(guān)于發(fā)動(dòng)機(jī)尾焰跟蹤定位方面的文獻(xiàn)。至于判讀定位精度，大多數(shù)集中在提高標(biāo)準(zhǔn)目標(biāo)跟蹤定位的算法精度上[4]，對于實(shí)驗(yàn)室的典型圖像效果較好，而對實(shí)際測量目標(biāo)圖像的適用性并不理想。

作者根據(jù)多年的靶場實(shí)際工作經(jīng)驗(yàn)，依據(jù)測量目標(biāo)圖像的具體結(jié)構(gòu)和特點(diǎn)，按照測量圖像判讀的具體要求,論述了目標(biāo)判讀的一些關(guān)鍵問題，給出了相應(yīng)的判讀方法，并在實(shí)際圖像處理工作中取得了良好的應(yīng)用效果。

1 經(jīng)緯儀測量圖像判讀原理

對于光測設(shè)備，一般采用多臺(tái)設(shè)備交匯測量的定位方式，當(dāng)然如果實(shí)現(xiàn)單臺(tái)定位，必須實(shí)現(xiàn)單臺(tái)測距，目前在被測目標(biāo)上加合作目標(biāo)比較困難，進(jìn)行激光測距還難以實(shí)現(xiàn)。兩臺(tái)以上的設(shè)備跟蹤同一目標(biāo)，就要求跟蹤目標(biāo)的同一個(gè)部位，測量目標(biāo)上的同一位置作為目標(biāo)運(yùn)動(dòng)軌跡，這個(gè)位置即為判讀同名點(diǎn)。

目前各靶場的經(jīng)緯儀基本上采用紅外和CCD傳感器，隨著跟蹤距離逐漸增大，紅外傳感器應(yīng)用越來越多，并且多數(shù)選擇中波紅外傳感器。對于飛行目標(biāo)圖像，一般由彈體和尾焰組成[5,6]，如果要在彈體上確定一個(gè)同名點(diǎn)，對于可見光圖像，存在拍攝角度誤差引起部位差，但總體還可以忍受。而對于紅外圖像卻很難實(shí)現(xiàn)，因?yàn)榧t外圖像為熱輻射，在異常高的尾焰輻射強(qiáng)度下，彈體蒙皮不可能成像，因此，紅外圖像僅僅為尾焰圖像，隨著距離的逐漸增大，尾焰的成像越來越弱，一旦距離稍遠(yuǎn)就變成光團(tuán)圖像了。

為了在紅外和CCD圖像上判讀同一個(gè)部位，同名點(diǎn)就必須選擇在可見光和紅外圖像都能成像的交叉部位，即為發(fā)動(dòng)機(jī)尾噴口。在可見光圖像上為尾噴口后邊緣，在紅外圖像上，由于導(dǎo)彈蒙皮很難成像，一般選擇導(dǎo)彈尾焰前端，雖然距尾噴口有一定的距離，但在誤差允許范圍內(nèi)，已經(jīng)是最佳選擇了。當(dāng)然也可以通過計(jì)算馬赫盤位置對這一小段距離進(jìn)行修正，不過，目標(biāo)特性參數(shù)實(shí)際上較難測量。

2 典型紅外測量目標(biāo)的判讀方法

根據(jù)同名點(diǎn)判讀的原則，按照拍攝距離的遠(yuǎn)近，將紅外和CCD傳感器的測量目標(biāo)成像分為尾焰圖像、光團(tuán)圖像和剛體圖像三類進(jìn)行分析。

2.1 飛行器尾焰圖像

對于近距離的發(fā)動(dòng)機(jī)尾焰圖像，總體上一般成拋物線狀顯示，由于經(jīng)緯儀鏡頭的衍射作用，其拋物線邊緣不可能非常光滑，且由于不同的距離和拍攝方向，導(dǎo)致其形狀和衍射影響差別很大，直接對其進(jìn)行定位不現(xiàn)實(shí)?；诖嗽?，本文提出了一種基于Hough變換[7]的飛行器尾焰前端判讀方法。對于目前的CCD和紅外傳感器，只有距離較近時(shí)發(fā)動(dòng)機(jī)尾焰才可成像，此時(shí)高度達(dá)不到云層，無云雜波等干擾。距離較遠(yuǎn)時(shí)，經(jīng)過大氣的衰減，即成為光團(tuán)圖像。并且由于尾焰的輻射能量很強(qiáng)，背景信息的灰度受到較大抑制，造成紅外圖像對比度很高，導(dǎo)致尾焰邊緣與背景灰度的梯度較大，因此，最佳的方法是首先對圖像進(jìn)行自適應(yīng)二值化處理。經(jīng)過處理后的二值化圖像，其邊緣一般比較規(guī)整，按一般處理原則，應(yīng)當(dāng)對其拋物線頂端進(jìn)行二次曲線擬合，由于尾焰圖像邊緣形狀變化較大，實(shí)際擬合效果并不理想。

經(jīng)過長期的工作經(jīng)驗(yàn)發(fā)現(xiàn)，由于飛行目標(biāo)速度一般較快，尾焰橫向基本對稱，其最穩(wěn)定幾何特征為中軸線，且尾焰中軸線必然與尾焰頂端點(diǎn)相交，因此，必須首先提取目標(biāo)的中軸線。提取中軸線的方法很多，基本上都是根據(jù)外形進(jìn)行提取，而尾焰外形是不穩(wěn)定的，因此基本上不適用。本文根據(jù)尾焰的具體特點(diǎn)，提出了一種利用重心線和Hough算法提取尾焰中軸線的方法，首先判斷尾焰二值化圖像的長寬比，如果在橫軸方向大于縱軸，則在縱軸方向求重心，反之，在橫軸方向求重心，得到每點(diǎn)的重心連線，如下式：

(1)

式(1)中:xi或yi為橫軸或縱軸的重心坐標(biāo);i或j為橫軸或縱軸的重心坐標(biāo)。

由于外形輪廓的不平滑，得到的重心連線不可能全部與尾焰中軸線重合，且尾焰的前端成圓形，所求出的重心線前端不可能與尾焰前端中心相交。但是，重心連線上的多數(shù)點(diǎn)還是在尾焰的中軸線上。因此，本文提出一種方法，采用Hough變換技術(shù)求取重心直線中的最長線段。由于Hough采用一種投票機(jī)制，因此可適當(dāng)設(shè)定一定的線段間隔，以適應(yīng)一定的噪聲，這樣求出的最長直線一定是尾焰的中軸線。將中軸線段延長，交于尾焰圖像前端，其交點(diǎn)必然是尾焰圖像的前端。具體原理如圖1。

圖1 尾焰圖像判讀示意圖

2.2 光團(tuán)圖像

對于較遠(yuǎn)的目標(biāo)圖像，由于圖像傳感器的感應(yīng)能力有限，一般只能成光團(tuán)形狀，僅僅因距測控站點(diǎn)的遠(yuǎn)近不同導(dǎo)致光團(tuán)大小不同而已，此部分圖像往往占整個(gè)軌跡的80%～90%，且定位精度較高。因此，此部分為自動(dòng)判讀的主要內(nèi)容，其定位方法基本思想為灰度重心，主要有重心法、均值飄移法等。重心法[8-9]即求取目標(biāo)重心，此方法受到目標(biāo)區(qū)域的影響，如果目標(biāo)區(qū)域定義過大，背景的影響必然很大，如果目標(biāo)區(qū)域定義過小，則變成了在目標(biāo)上求重心，而實(shí)際上目標(biāo)灰度很難做到重心區(qū)域均衡分布，因此，目標(biāo)區(qū)域的確定非常關(guān)鍵；均值漂移算法[10]為求取目標(biāo)圖像的反向直方圖，前提是必須準(zhǔn)確確定目標(biāo)區(qū)域的直方圖，這也要求準(zhǔn)確確定目標(biāo)區(qū)域。由此可見兩種算法均要求準(zhǔn)確確定目標(biāo)區(qū)域。

目前確定目標(biāo)區(qū)域一般采用圖像二值化方法，即取包含目標(biāo)圖像的一定區(qū)域，此區(qū)域一般采用上一幀圖像確定的區(qū)域。目標(biāo)距離拍攝經(jīng)緯儀越遠(yuǎn)，區(qū)域也應(yīng)該越小，且這個(gè)縮小量很難判定，在實(shí)際應(yīng)用中效果并不理想。這是因?yàn)閷τ谶h(yuǎn)距離目標(biāo)，其邊緣為熱輻射擴(kuò)散，灰度逐漸遞減，如果疊加上發(fā)動(dòng)機(jī)尾焰的變化及背景海浪和云團(tuán)灰度的變化，導(dǎo)致光團(tuán)目標(biāo)邊緣變化具有很強(qiáng)的隨機(jī)性，但光團(tuán)中心輻射能量很強(qiáng)，背景因素很難改變其灰度量。另外，無論何種二值化算法，導(dǎo)致其失效的原因基本上都是由于區(qū)域取得過大或過小，區(qū)域過大則背景像素比值過大，灰度值不均衡，目標(biāo)像素與部分背景像素分為一類；如果區(qū)域過小，則將目標(biāo)像素分為兩部分。但在目標(biāo)判讀時(shí)第一幀的區(qū)域劃分應(yīng)該是合理的。

本文根據(jù)長期判讀經(jīng)驗(yàn)，提出了一種灰度均值恒定方法，其原理為：由于目前經(jīng)緯儀傳感器拍攝頻率較高，兩幀之間目標(biāo)的灰度變化并不大，因此，可將前一幀目標(biāo)的二值化閾值作為下一幀目標(biāo)的閾值，對圖像進(jìn)行二值化，得到目標(biāo)區(qū)域后，按前一幀目標(biāo)和背景的比值，確定后一幀的背景區(qū)域。步驟如下：

1) 人工確定第一幀圖像的目標(biāo)和背景范圍，采用Otsu方法[11]對第一幀圖像進(jìn)行二值化，并計(jì)算目標(biāo)與背景的像素?cái)?shù)比值k。在實(shí)際判讀工作中，第一幀圖像往往選擇目標(biāo)比較清晰的圖像，且根據(jù)目標(biāo)實(shí)際大小，人工設(shè)定目標(biāo)范圍，因此，二值化效果非常好；

2) 利用前一幀(如果當(dāng)前幀為第二幀，則利用第一幀)圖像的閾值對當(dāng)前幀圖像進(jìn)行二值化，得到目標(biāo)區(qū)域像素?cái)?shù)T。此區(qū)域?yàn)橛汕耙粠拈撝邓?，得到的范圍有一定誤差，由于序列圖像的連續(xù)性，目標(biāo)范圍誤差并不大；

4) 利用重心法對目標(biāo)中心進(jìn)行重定位，得到脫靶量值(x,y)。

5) 利用Otsu方法對包含目標(biāo)的背景正方形區(qū)域進(jìn)行二值化，得到圖像的二值化閾值，作為下一幀圖像的二值化初始閾值。

6) 轉(zhuǎn)到2)，繼續(xù)處理下一幀。

此方法充分利用了序列測量圖像各幀之間灰度分布的連續(xù)性及目標(biāo)區(qū)域的范圍信息，對下一幀圖像的初始目標(biāo)區(qū)域進(jìn)行預(yù)測，控制了目標(biāo)區(qū)域的異常變化，抵消了目標(biāo)區(qū)域的變化誤差，在使用過程中效果良好，只要不是爆炸和助脫段，其效果是非常理想的，判讀原理及演示結(jié)果如圖2。

圖2 光團(tuán)圖像判讀示意圖

2.3 剛體圖像

對于剛體判讀，要求判讀點(diǎn)在目標(biāo)邊緣，例如，飛機(jī)一般為機(jī)頭或尾噴口。因此，多數(shù)采用模板匹配方法[12]，即將第一幀圖像的目標(biāo)區(qū)域作為模板，對第二幀以后的圖像分別進(jìn)行匹配，圖像中匹配系數(shù)最大的位置即為判讀點(diǎn)，然后，將第二幀的目標(biāo)圖像作為第三幀圖像的匹配模板，依次類推。對于較近的剛體目標(biāo)，圖像目標(biāo)比較清晰，目標(biāo)細(xì)節(jié)較多，相關(guān)性較大，可直接采用模板匹配。但是，對于較遠(yuǎn)的剛體目標(biāo)，目標(biāo)信號變?nèi)酰繕?biāo)邊緣梯度勢必變差，邊緣像素灰度產(chǎn)生較大的隨機(jī)性，而對于空中測量目標(biāo)，其目標(biāo)本身較為單一、細(xì)節(jié)很小，本身相關(guān)性就很少，此時(shí)采用模板匹配必然存在著匹配誤差，多幀匹配后必然產(chǎn)生誤差積累。目前所有文獻(xiàn)介紹的匹配定位方法都是定位到模板中心，而實(shí)際上，靶場目標(biāo)都是定位到目標(biāo)邊緣，這樣，模板必須有一半為變化的背景，實(shí)際誤差積累是很大的，每幀定位后，必須進(jìn)行判讀重定位。由于目標(biāo)的不規(guī)則性，重定位算法采用各種灰度質(zhì)心法不現(xiàn)實(shí)，而較差的邊緣，采用各種識(shí)別算法，其誤差也是很大的。因此，作者根據(jù)長期的圖像處理經(jīng)驗(yàn)，結(jié)合被測剛體目標(biāo)的實(shí)際運(yùn)動(dòng)特性，提出了一種根據(jù)目標(biāo)運(yùn)動(dòng)趨勢進(jìn)行目標(biāo)重定位的方法。因?yàn)榕凶x點(diǎn)必然位于目標(biāo)邊緣，且一般都在目標(biāo)圖像范圍的最外部，所以，首先取得到目標(biāo)運(yùn)動(dòng)的方向，即：

(2)

式(2)中：y2，y1為前兩幀和前一幀的y脫靶量；x2，x1為前兩幀和前一幀的x脫靶量。如果y2>y1，則ky=1，否則ky=-1，如果x2>x1，則kx=1，否則kx=-1。其次,采用Otsu算法對目標(biāo)圖像進(jìn)行二值化，實(shí)際上應(yīng)當(dāng)對目標(biāo)范圍內(nèi)的圖像進(jìn)行二值化，因匹配點(diǎn)已知，此范圍很容易確定。對于剛體目標(biāo)，目標(biāo)必在此運(yùn)動(dòng)方向上，模板匹配點(diǎn)一定位于目標(biāo)幾何中心或目標(biāo)范圍內(nèi)，因此，可以自此點(diǎn)開始，沿運(yùn)動(dòng)方向在相比目標(biāo)范圍稍大的圖像區(qū)域內(nèi)作數(shù)條垂線，某條垂線與目標(biāo)最后的交點(diǎn)，即為匹配修正點(diǎn)。定位原理示意圖見圖3。

圖3 剛體目標(biāo)判讀原理示意圖

當(dāng)然，為了取得邊緣，必須對目標(biāo)區(qū)域進(jìn)行二值化，由于每幀圖像的自適應(yīng)二值化方法一致，且目標(biāo)蒙皮成像，因此，此方法修正精度非常高。

3 實(shí)驗(yàn)結(jié)果與分析

為了更好地驗(yàn)證本文所提算法的有效性，每種方法選取了處理過程的4幅圖像，具體見圖4和圖5。

由圖4可以看出：第一幅圖像為原始圖像，尾焰帶有較強(qiáng)的光學(xué)衍射現(xiàn)象。第二幅圖像，其重心連線明顯不在一條直線上，且存在一些斷點(diǎn)，尾焰前端接近圓形，重心連線前端向上彎曲，并不與尾焰前端相交。第三幅圖像為二值化圖像及hough變換所得的中軸線與尾焰前端的交點(diǎn)，尾焰外形盡管基本對稱，但邊緣并不平滑，這也是利用hough變換求最長直線的必要性。第四圖像上可以清晰看到所求交點(diǎn)為尾焰前端。因此，本文提出算法對圖像質(zhì)量具有較強(qiáng)的適應(yīng)性，所求的判讀點(diǎn)準(zhǔn)確。

由圖5可以看出：第一幅圖像為原始圖像。第二圖像為利用前一幅圖像閾值得到的目標(biāo)區(qū)域，視覺可以看到此區(qū)域比目標(biāo)實(shí)際范圍略小。第三幅圖像中的正方形區(qū)域?yàn)榘瓷弦粠瑘D像目標(biāo)和背景比例擴(kuò)大的目標(biāo)范圍，其范圍比較恰當(dāng)?shù)匕四繕?biāo)圖像，對此范圍圖像進(jìn)行二值化處理可以得到理想的結(jié)果，即第四幅圖像。因此，本文算法可以很好地控制目標(biāo)及所包含的背景范圍，最大限度消除了背景的干擾，從而得到準(zhǔn)確的判讀點(diǎn)。

圖4 尾焰圖像判讀效果圖

圖5 光團(tuán)圖像判讀效果圖

4 結(jié)論

本文介紹了經(jīng)緯儀圖像判讀的基本原理，論述了判讀同名點(diǎn)的確定原則，提供了利用經(jīng)緯儀測角預(yù)測目標(biāo)圖像位置的方法，分析了靶場不同典型目標(biāo)的成像原理，并提出了相應(yīng)的自動(dòng)判讀方法。本文所提出方法是對各種氣象條件下跟蹤方法的適用性經(jīng)過反復(fù)比較，長期測試的結(jié)果，具有定位精度高、算法簡單、判讀效率高，適用性強(qiáng)的特點(diǎn)，這些方法都已經(jīng)在實(shí)際圖像處理工作中得到了充分應(yīng)用，完成了大量圖像判讀工作。當(dāng)然，限于文章篇幅的原因，每種方法都沒有介紹詳細(xì)的實(shí)現(xiàn)步驟，不過文章對于方法所用的原理已經(jīng)指明了具體的參考文獻(xiàn)，實(shí)現(xiàn)起來應(yīng)當(dāng)比較容易。

[1] 蒲靜松,許東,劉乙君，等.星空背景下紅外弱小目標(biāo)的快速檢測[J].激光與紅外，2017，47(4):513-517.

[2] 彭玉青，李木，高晴晴，等.基于動(dòng)態(tài)模板匹配的移動(dòng)機(jī)器人目標(biāo)識(shí)別[J].傳感技術(shù)學(xué)報(bào),2016，29(1):58-63.

[3] 孫丹丹，高教波，孫科峰.飛機(jī)及尾焰的紅外仿真[J].兵工自動(dòng)化，2016.35(8):62-65.

[4] 李大成,楊曉東.一種圖像抖動(dòng)下的目標(biāo)位置測量方法[J].兵器裝備工程學(xué)報(bào),2017，38(2):97-100.

[5] 郭曉沅,黃建祥.基于云重心判讀法的瞄準(zhǔn)誤差影響度分析[J].彈箭與制導(dǎo)學(xué)報(bào),2014，34(2):182-184.

[6] 郭鵬宇,丁少聞,田尊華，等.靶場光測圖像實(shí)時(shí)判讀系統(tǒng)設(shè)計(jì)與方法[J].國防科技大學(xué)學(xué)報(bào),2014，36(2):168-174.

[7] 鐘權(quán)，周進(jìn)，吳欽章，等.基于Hough 變換和邊緣灰度直方圖的直線跟蹤算法[J].光電工程,2014,41(3):89-93.

[8] 錢鋒,楊名宇,張曉沛.基于序列圖像提高光斑質(zhì)心定位精度[J].光學(xué)精密工程,2016，24(11):2880-2887.

[9] 曹陽,李保權(quán),李海濤，等.像素位置偏差對質(zhì)心定位精度的影響[J].紅外與激光工程,2016，45(12):1217007-1-1217007-6.

[10] OTSU N.A Threshold Selection Method from gray-level histogram[J].IEEE Trans.,1979.SMC9(1):62-66.

[11] 徐火希.基于改進(jìn)MeanShift的運(yùn)動(dòng)目標(biāo)跟蹤算法[J].兵器裝備工程學(xué)報(bào),2016，37(2):127-130.

[12] 陳金令,馮勝,李娜,等.空中目標(biāo)的多模跟蹤算法研究[J].艦船電子工程,2015，256(10):51-54.