一種基于改進霍夫變換的天基GEO目標快速檢測算法

翟永立 丁雷 裴浩東

摘 要： 分析GEO空間目標和恒星在高軌探測器上的運動特性和成像特點，提出一種基于改進Hough變換的空間目標檢測算法，以便有效地從復雜星空背景下提取出空間目標。采用均值加方差的方式選取全局閾值；根據(jù)末幀差分圖的疑似目標點確定進行Hough變換的區(qū)域和潛在的軌跡端點；使用改進的單維Hough變換進行軌跡判斷。實驗結果表明，與傳統(tǒng)Hough對比，算法的復雜度、占用內存和計算量都有明顯降低，算法所用時間減小50%，可見該算法可以用于空間目標在軌實時識別，并且對噪聲有不錯的抵抗能力。

關鍵詞： GEO空間目標； 在軌識別； 目標檢測； 閾值分割； 復雜星空背景； Hough變換

中圖分類號： TN957.52?34； TP391.9 文獻標識碼： A 文章編號： 1004?373X（2018）22?0001?04

Abstract： A space target detection algorithm based on the improved Hough transform is proposed by analyzing the motion feature and imaging characteristics of the GEO space targets and stars on the high?orbit detector， so as to effectively extract space targets from the complex celestial background. The global threshold is selected by using the mean value and variance. The region for the Hough transform and the potential trajectory endpoints are determined according to the suspected target points of the last frame difference image. The improved single?dimensional Hough transform is used to judge the trajectory. The experimental results show that， in comparison with the traditional Hough， the algorithm has obviously?reduced complexity， occupied memory and computation quantity with its time consumption reduced by 50%， which indicates that the algorithm can be used for real?time on?orbit recognition of space targets， and has a good anti?noise capability.

Keywords： GEO space target； on?orbit recognition； target detection； threshold segmentation； complex celestial background； Hough transform

0 引 言

空間目標泛指人造地球衛(wèi)星、空間碎片等地球附近的快速運動天體。空間目標的監(jiān)視對空間態(tài)勢的感知、保障在軌運行航天器的安全有著重要意義。而地球靜止軌道（GEO）因其軌道特殊性，常常運行著各國天基信息網(wǎng)的關鍵節(jié)點衛(wèi)星[1]，所以對地球靜止軌道帶內空間目標的跟蹤觀測便顯得極為重要，如美國2016年發(fā)射的gssap衛(wèi)星[2]。

空間目標距離探測器較遠時，其所成像僅占據(jù)有限個像素，為點狀分布[3]。星圖中恒星數(shù)量巨大，目標點完全淹沒在其中。如何克服恒星及噪聲的影響，對空間目標運動軌跡進行精確提取，是當前國內外航天科技領域研究的難點。

針對從序列圖像中檢測出運動點目標，國內外學者提出了許多檢測算法，如光流法、匹配濾波和動態(tài)規(guī)劃法等。光流法[4?6]可以直接計算目標的運動信息，但是計算比較復雜。匹配濾波[7]最大的缺點是在速度失配的情況下，檢測性能將顯著下降。動態(tài)規(guī)劃法[8?9]避免了速度失配的問題，但須滿足最優(yōu)化原理和無后效性?；贖ough變換[10?11]的軌跡檢測方法不僅能檢測連續(xù)軌跡，也能檢測間斷軌跡，同時具有較強的容錯性。但傳統(tǒng)的Hough變換方法具有計算量大、占用內存大、Hough變換本身存在的峰值模糊、短線段淹沒和無端點信息等缺點，并不能很好地確定空間目標的軌跡。針對這個問題，本文研究了GEO目標的運動特性，并在此基礎上提出一種基于改進的Hough變換的空間點目標檢測算法，可以減小Hough變換的復雜度與計算量，以實現(xiàn)空間目標軌跡的快速提取。

1 目標特性分析

遠距離成像時，空間目標與恒星都為點狀光斑，只占有幾個像素，在形狀上無法分辨。由于觀測角度和太陽夾角的變化，空間目標灰度會發(fā)生變化，無法由灰度判斷出目標和恒星。

觀測衛(wèi)星軌道位于GEO軌道下方，探測視場設為6°×6°，探測器陣列為1 024×1 024。恒星相對地心表現(xiàn)為慢速運動，自行最快的是巴納德星，達到每年10.31″，絕大多數(shù)的恒星角速度都小于1″。根據(jù)計算，恒星在探測器上的移動速度約為每秒0.7像素。觀測衛(wèi)星與GEO軌道的軌道差為100～1 000 km，計算空間目標在探測器上的移動速度。可以看出，目標和恒星存在運動差異，適當增大采樣間隔，即可看到明顯差異，所以根據(jù)兩者的運動差異進行區(qū)分，而且目標在視場內移動較慢，也有利于后續(xù)的跟蹤觀測。

2 Hough變換軌跡檢測方法

星空圖像是光電探測器的成像系統(tǒng)在極限作用距離上拍攝下的序列目標圖像。當序列圖像配準之后，背景恒星軌跡為點，而目標軌跡為一條直線。本文基于Hough變換原理，根據(jù)點目標運動軌跡為近似直線、運動的連續(xù)性和相關性，利用目標有限幀的位置信息進行Hough直線檢測，提取出目標的軌跡，并對目標進行定位?；贖ough變換的空間目標算法的流程圖如圖1所示。

2.1 全局閾值分割

探測器拍攝的星空圖像含有一定的噪聲，并且星點所占像素數(shù)只是總像素數(shù)的一小部分。在此情況下，常規(guī)閾值求取方法求取圖像均值時均值會淹沒在噪聲里，在進行閾值分割時分割出的圖像會包含大量的噪聲點，不利于后續(xù)對目標進行檢測。

考慮到噪聲一般多為高斯分布，根據(jù)高斯分布的特點，使用均值和方差來聯(lián)合確定分割閾值，計算方法如下：

2.2 Hough變換軌跡檢測

2.2.1 傳統(tǒng)Hough變換不足分析

Hough變換的基本思想就是利用點?線對偶性，把帶參數(shù)的曲線從曲線空間映射到以參數(shù)為坐標的參數(shù)空間中，根據(jù)該空間中的一些特征反過來確定曲線的參數(shù)值，從而確定圖像中各種邊界的確定性描述。

傳統(tǒng)的Hough變換存在的幾種較大缺陷：

1） 計算量大，每個邊緣點映射成參數(shù)空間的一條曲線，是一對多的映射；

2） 提取的參數(shù)受參數(shù)空間的量化間隔制約，占用內存大；

3） Hough變換直線檢測時還需另外計算判斷直線端點。

2.2.2 改進的Hough變換目標檢測方法

針對傳統(tǒng)Hough變換檢測目標方法的缺陷，本文提出了以下改進：

1） 軌跡檢測的端點確定。根據(jù)Hough變換的原理，Hough變換不能提供直線起點、終點的位置。根據(jù)序列星空圖像的特點，圖像配準差分之后，目標點不會被消除掉。所以在進行N幀差分圖累加時，單獨保存第N幀差分圖，獲取該差分圖上的所有非零點[PN]。考慮到目標軌跡的連續(xù)性，這些非零點就是潛在的目標點，即可能的目標軌跡的終點。

2） Hough變換計算區(qū)域確定。Hough變換需要對每一個非零點進行變換。一般情況下，由于噪聲的影響，并不能把背景恒星完全濾除掉，會因虛假目標過多而產生大量的無效計算，檢測不到目標點，故需要進行一定的判斷來進一步確定疑似目標點的范圍。

經過多幀差分圖累加后，目標會形成一條軌跡。所以在質心定位之后，以第N幀差分圖中的非零點[PN]為基準，根據(jù)恒星在每幀圖像的移動速度設置搜索半徑。在累加差分圖中進行非零點搜索，由于軌跡的連續(xù)性，若搜索到的非零點個數(shù)大于一定的閾值，就認為這些點為疑似軌跡點[PNiZ]，對應的第N幀差分圖上的點為候選目標點，保存[PNiZ]的位置坐標，后續(xù)將會使用這些點，按照所對應的[PN]進行分塊Hough變換。而如果搜索到的非零點個數(shù)比較少，則認為對應的差分圖上的點為噪聲點或恒星，不必進行Hough變換。

3） Hough變換計算。由于星空背景成像稀疏的特點，分塊區(qū)域內包含的非零點不會太多，所以不必對參數(shù)[ρ]和[θ]都進行量化。考慮到第N幀差分圖的疑似目標點作為軌跡的終點，軌跡近似為一條直線，故只需要對參數(shù)[θ]進行單維Hough變換即可。為了簡化計算，本文不對[θ]進行從[0°～180°]的量化計算，而是計算區(qū)域內[PNiZ]與對應的[PN]點的向量傾角。建立一個角度數(shù)組[θN]用于存放計算的向量傾角，并添加一個標記值，用標記值來統(tǒng)計相同[θ]的個數(shù)[Nθ]。若[Nθ]超過一定閾值時，則認為對應的點形成一條軌跡，對應的[PN]為目標點。

改進Hough變換計算的詳細流程圖如圖2所示。

3 實驗結果分析

為了驗證本文方法的有效性，本文根據(jù)背景恒星和空間目標在探測器上的成像特性進行序列星圖仿真，并對圖像添加了高斯噪聲。圖像分辨率為1 024×1 024，灰度等級為8 bit，相關算法在i5@3.10 GHz CPU，8 GB內存PC機上，利用Matlab 2016a編程實現(xiàn)。

由于星點在星空圖像中所占比例較小，所以使用不同于常規(guī)閾值分割的分割方法。圖3為不同分割方法的效果對比，可以看出本文方法更適合用于分割星空圖像。

首先對仿真圖像進行濾波、配準差分、質心定位等處理，然后對處理好的仿真圖像，分別使用數(shù)據(jù)關聯(lián)方法、傳統(tǒng)Hough檢測方法和改進Hough變換進行空間目標檢測。仿真圖、多幀差分累加圖和目標定位圖如圖4所示。

檢測算法運行時間對比如表1所示。

數(shù)據(jù)關聯(lián)方法時間過長原因是配準差分后的殘差點過多，每一幀都需要進行冗余的關聯(lián)匹配。后兩種方法則是針對累加圖像，標準Hough變換需要每一個非零點進行Hough變換；本文所提方法則先確定進行Hough變換的區(qū)域，然后使用改進的單維Hough變換。所以本文方法相對于其他兩種方法的運行速度有不小的提升。

由算法檢測過程分析可知，目標定位的誤差與檢測算法無關，而是由圖像預處理過程得到的質心定位誤差決定。由于高斯擬合計算質心定位的復雜度比較高，視場內星點較多，所以本算法采用常用的幾種簡單質心定位方法進行對比。