艦載激光武器打擊目標(biāo)外形提取方法

彭 聰，盧發(fā)興，邢昌風(fēng)

（海軍工程大學(xué)電子工程學(xué)院，武漢 430033）

0 引言

激光武器打擊目標(biāo)時(shí)，發(fā)射激光束并持續(xù)照射目標(biāo)上毀傷點(diǎn)，通過累積能量，造成目標(biāo)毀傷。照射目標(biāo)上不同部位，可造成不同程度的軟硬殺傷，影響打擊目標(biāo)效果。不難發(fā)現(xiàn)，毀傷點(diǎn)的選取是其中關(guān)鍵。目前，目標(biāo)毀傷點(diǎn)選取依靠人工在目標(biāo)圖像上選點(diǎn)，具有一定的盲目性[1-4]。為有效應(yīng)對(duì)來襲目標(biāo)，武器系統(tǒng)應(yīng)具有自動(dòng)確定目標(biāo)毀傷點(diǎn)的能力，則要求系統(tǒng)有選擇性地打擊目標(biāo)上的點(diǎn)，進(jìn)而系統(tǒng)需要知悉目標(biāo)在空間中的整體結(jié)構(gòu)，該信息可以由捕獲目標(biāo)圖像提供。圖像信息包含目標(biāo)外形、顏色等特征信息，其中外形特征與目標(biāo)整體結(jié)構(gòu)聯(lián)系緊密。因此，提取目標(biāo)外形是實(shí)現(xiàn)系統(tǒng)自動(dòng)確定毀傷點(diǎn)的基礎(chǔ)。通常，使用圖像分割的方法提取目標(biāo)外形。

圖像分割方法適用于分離目標(biāo)和背景，包括基于區(qū)域的圖像分割和基于邊緣的圖像分割?；趨^(qū)域的分割方法，通過設(shè)定分割閾值，將圖像像素與閾值比較，依據(jù)比較結(jié)果進(jìn)行前景（目標(biāo)）和背景分類，包括直方圖門限法、區(qū)域生長法等[5-7]。基于邊緣的分割方法，又稱圖像邊緣檢測(cè)，利用圖像一階導(dǎo)數(shù)極大值或二階導(dǎo)數(shù)過零點(diǎn)信息來判斷目標(biāo)邊緣點(diǎn)，包括 Sobel、LoG、Canny 算子等[8-10]。但是，基于區(qū)域的圖像分割結(jié)果并不十分準(zhǔn)確，容易造成過度分割，即存在部分像素分類被混淆；圖像邊緣檢測(cè)結(jié)果較為準(zhǔn)確，可是所得真實(shí)目標(biāo)邊緣中包含有偽邊緣。

本文采用峰值查找和色差閾值法完成圖像各像素顏色聚類，得到顏色聚類圖像；使用Canny算子對(duì)顏色聚類圖像中目標(biāo)進(jìn)行邊緣檢測(cè)。依據(jù)上述目標(biāo)外形提取方法，獲取圖像目標(biāo)真實(shí)外形。目標(biāo)外形提取能提供毀傷部位選擇相關(guān)的目標(biāo)外形信息，保證激光武器有效射擊。

1 近似主色確定

由于受光照以及拍攝角度等影響，圖像目標(biāo)區(qū)域各像素在值上存在差異，但大體接近。因此，可以考慮將值互相接近的像素歸于某一類主色中，即通過簡化構(gòu)成圖像的色彩成分，對(duì)像素值重新賦值。首先，采用顏色分布直方圖對(duì)圖像色彩信息進(jìn)行統(tǒng)計(jì)；然后，使用峰值查找算法確定近似主色。

1.1 顏色分布直方圖

彩色圖像由R、G、B 3個(gè)顏色通道組成，顏色通道間相互關(guān)聯(lián)。如果僅憑單一顏色通道的灰度值分布確定灰度閾值并對(duì)彩色圖像分割，則忽視了其余通道的灰度分布特點(diǎn)，造成分割不準(zhǔn)確的結(jié)果。顏色分布圖用于統(tǒng)計(jì)彩色圖像3個(gè)顏色通道分量值頻率分布。

RGB空間中每一種顏色由三維向量（R，G，B）描述，分量R、G、B取值范圍為0～255且為整數(shù)。如圖1所示，所有顏色向量包含于RGB彩色立方體，立方體頂點(diǎn)對(duì)應(yīng)不同的顏色[11]。

對(duì)RGB空間而言，共包含2563=16 777 216個(gè)向量。對(duì)圖像進(jìn)行顏色統(tǒng)計(jì)時(shí)，若直接使用空間中所有向量進(jìn)行顏色描述，則造成極大運(yùn)算量。為方便統(tǒng)計(jì)，且不影響圖像原有顏色分布，對(duì)RGB空間進(jìn)行降維處理，減少表示向量數(shù)目；然后，對(duì)顏色信息重新量化：

1）RGB空間降維：通常彩色圖像的每個(gè)顏色通道需要10～20個(gè)量化級(jí)別。將每個(gè)顏色通道原有的灰度級(jí)劃分為10個(gè)級(jí)別i（i=1，2，…，10），級(jí)別 i對(duì)應(yīng)的灰度級(jí)區(qū)域?yàn)?Ni=[Nimin，Nimax]，其中[]表示取整運(yùn)算，則降維后的空間包含顏色向量103=1 000個(gè)。

圖1 RGB彩色立方體

2）顏色信息量化：按照新的量化級(jí)別，對(duì)圖像像素點(diǎn)重新標(biāo)志。像素顏色向量（R，G，B）量化后新向量為（iR，iG，iB），滿足如下關(guān)系

圖2 顏色信息量化圖

按照式（1）將圖2（a）每個(gè)顏色通道灰度級(jí)別劃分為10個(gè)等級(jí)，按照式（2）對(duì)圖2（a）中各像素初始顏色向量重新量化，即使用降維后得到的1 000種顏色向量替代初始向量。統(tǒng)計(jì)新的顏色向量在圖2（a）中的分布特征，結(jié)果如圖2（b）顏色分布直方圖所示。

圖2（b）中橫軸為量化色域，表示降維后的種顏色向量；縱軸為出現(xiàn)頻率，表示圖2（a）中各顏色向量的數(shù)目。

1.2 峰值查找

顏色分布直方圖完成了對(duì)圖像所有色彩信息的統(tǒng)計(jì)，不難發(fā)現(xiàn)直方圖中顏色向量頻率差異較大，存在明顯的峰值落差。峰值部分相關(guān)聯(lián)的像素在整幅圖像中占有絕大比例，確定圖像近似主色成分就是對(duì)顏色向量進(jìn)一步篩選，保留能反映圖像顏色特征的部分向量[12-13]。

使用峰值查找算法，確定近似主色成分，步驟描述如下：

1）直方圖中所有峰值點(diǎn)構(gòu)成點(diǎn)集P1，作為初始峰值點(diǎn)集：

其中，P0為顏色分布直方圖中包含的顏色向量集合，pi為單個(gè)顏色向量；h（pi）為顏色向量統(tǒng)計(jì)頻率。

2）點(diǎn)集中每個(gè)元素（pi，h（pi））同相鄰元素（pi-1，h（pi-1））和（pi+1，h（pi+1））進(jìn)行比較，滿足以下條件則保留：

得到新點(diǎn)集Pi。

3）重復(fù)步驟2）直到滿足頻率閾值條件，則結(jié)束：

其中，ht為頻率閾值，k為閾值系數(shù)，N為像素點(diǎn)總數(shù)；iN為量化級(jí)別，表示顏色向量種數(shù)。

步驟3）結(jié)束所得點(diǎn)集即為近似主色成分，圖3為算法流程圖。

取閾值系數(shù)k=0.003，圖2（a）近似主色結(jié)果如圖4所示。圖中點(diǎn)表示峰值點(diǎn)，所得近似主色成分?jǐn)?shù)目為30個(gè)。

2 顏色聚類

近似主色確定完畢后，依據(jù)顏色距離大小將圖中像素歸于某一類主色當(dāng)中，即顏色聚類。顏色距離指色差大小，國際照明委員會(huì)（CIE）制定的CIE1976-L*a*b*規(guī)范是目前國際通用的色彩測(cè)量標(biāo)準(zhǔn)，可以精確地測(cè)量兩種顏色之間的色差。

圖3 峰值查找算法流程圖

圖4 近似主色峰值點(diǎn)圖

2.1 顏色距離

CIE1976-L*a*b*均勻顏色空間是在RGB空間基礎(chǔ)之上，制定了CIEXYZ基色系統(tǒng)和CIE-L*a*b*均勻顏色空間新標(biāo)準(zhǔn)。CIEXYZ基色系統(tǒng)用XYZ空間色彩重新表征RGB顏色。CIE-L*a*b*均勻顏色空間中，L*為明度坐標(biāo)，表征顏色亮度大小；a*b*為色品坐標(biāo)系，表征顏色的色調(diào)和飽和度。

從RGB空間到CIEXYZ基色系統(tǒng)的近似轉(zhuǎn)換關(guān)系如下：

XYZ空間色彩對(duì)應(yīng)的L*a*b*值計(jì)算如下：

其中，X0=95.047、Y0=100.000、Z0=108.883 分別代表標(biāo)準(zhǔn)白板在D65光源下，視場(chǎng)中的三基色刺激值。

假定CIE-L*a*b*空間中，和分別代表像素xi和主色u對(duì)應(yīng)的L*a*b*值，顏色距離計(jì)算如下：

其中，ΔL*為心理明度差，表示色彩亮度差異；Δa*和Δb*為心理色度差，表示色彩色相差異，其值為

2.2 顏色距離直方圖

顏色距離直方圖用于表征圖像像素與主色之間的距離分布。最大顏色距離記為，則像素顏色距離范圍為；顏色距離范圍 M 等分，第m 個(gè)顏色距離區(qū)間段，

其中，[]表示取整運(yùn)算，m=1，2，…，M∈Z+。像素點(diǎn)按照顏色距離區(qū)間段歸類。主色u的顏色距離直方圖H（u）可表示為

其中，h（m）表示像素點(diǎn)歸于Lm的頻率。

圖5 顏色距離直方圖

圖5為一種近似主色的顏色距離直方圖，橫坐標(biāo)表示顏色距離，縱坐標(biāo)表示顏色距離包含的像素點(diǎn)數(shù)目。結(jié)合顏色距離直方圖，采用色差閾值法，并對(duì)所有像素進(jìn)行基于參考色的相似性分類。

色差閾值法基本步驟如下：

1）近似主色直方圖構(gòu)成集合H：

2）對(duì)于近似主色ui，對(duì)應(yīng)的色差閾值為。若，則Lm上像素點(diǎn)均歸于該主色集合滿足條件：

其中，[]表示取整運(yùn)算，kd為色差閾值系數(shù)（0＜kd＜1），N 為像素總數(shù)。

3）重復(fù)步驟2），直到得到所有主色像素點(diǎn)集合

新主色點(diǎn)集即為像素點(diǎn)顏色聚類，下頁圖6為色差閾值法流程圖。

按照顏色聚類，將主色RGB值賦值給圖像像素RGB值，如下頁圖7所示。

3 目標(biāo)外形提取

顏色聚類完畢后，對(duì)圖像中目標(biāo)部分外形輪廓進(jìn)行檢測(cè)，最終確定圖像目標(biāo)可毀傷區(qū)域。Canny算法是一種最優(yōu)邊緣檢測(cè)算法，采用高斯平滑模板對(duì)圖像濾波，計(jì)算濾波圖像灰度梯度值，使用雙閾值法跟蹤圖像邊緣，最終得到目標(biāo)輪廓二值圖像。

Canny算法主要步驟如下：

1）高斯平滑

利用高斯濾波器對(duì)圖像進(jìn)行濾波，濾波器是將高斯函數(shù)進(jìn)行離散化得到的結(jié)果：

式（19）中k是濾波器維度，當(dāng)k=3時(shí)，濾波器是一個(gè) 3×3 矩陣，Hi，j是該矩陣內(nèi)第 i行第 j列元素（i，j=1，2，3）。使用該濾波器與圖像做卷積運(yùn)算，完成高斯平滑。

圖6 色差閾值法流程圖

圖7 導(dǎo)彈顏色聚類圖像

2）計(jì)算灰度梯度大小

圖像相鄰像素灰度間存在差異，稱為灰度梯度，計(jì)算像素坐標(biāo)（x，y）處灰度梯度大?。?/p>

3）非極大值抑制

尋找出準(zhǔn)確的梯度方向，對(duì)每個(gè)像素點(diǎn)進(jìn)行如下操作：

a）梯度方向假定一個(gè)方向，每個(gè)像素在鄰域內(nèi)包含上下左右和45°角8個(gè)方向；

b）比較該像素點(diǎn)和梯度方向上的像素點(diǎn)梯度大??；

c）如果該像素點(diǎn)梯度強(qiáng)度最大則保留，否則抑制（剔除）。

經(jīng)過非極大值抑制后圖像邊界會(huì)保留最亮的一條細(xì)線。

4）邊緣跟蹤

邊緣跟蹤的目的是保證邊緣結(jié)果是連續(xù)的閉合曲線，Canny算法使用滯后閾值，即設(shè)定一個(gè)高閾值和低閾值，當(dāng)像素點(diǎn)梯度大于高閾值，則認(rèn)為該像素必然是邊界；當(dāng)像素點(diǎn)梯度小于低閾值時(shí)，則認(rèn)為必然不是邊界。沿著步驟3）導(dǎo)出的梯度方向，開始跟蹤圖像整個(gè)邊緣，利用低閾值可以篩選曲線模糊部分像素點(diǎn)，直到跟蹤回到起點(diǎn)。

按照Canny算法步驟，對(duì)圖7和圖2（a）邊緣檢測(cè)，結(jié)果如圖8（a）和（b）所示。

圖8 Canny算法邊緣檢測(cè)

圖8（a）中由像素值“1”所圍成的閉合區(qū)域即為目標(biāo)區(qū)域。相比較于（b），經(jīng)過顏色聚類方法處理后，極大減少了偽邊緣，同時(shí)比較完整地提取出了目標(biāo)邊緣信息。

4 結(jié)論

激光武器毀傷目標(biāo)外形提取有助于武器系統(tǒng)對(duì)目標(biāo)可毀傷區(qū)域自動(dòng)選取，保證武器有效射擊和提高作戰(zhàn)效率。文中通過顏色聚類和Canny邊緣檢測(cè)的方法，對(duì)目標(biāo)外形提取且效果較好。下一步將基于目標(biāo)外形，對(duì)目標(biāo)可毀傷部位識(shí)別并確認(rèn)毀傷區(qū)域，完整實(shí)現(xiàn)激光武器打擊目標(biāo)時(shí)毀傷部位的選擇。