飛行器紅外圖像識別與跟蹤算法研究

王華榮,劉 霞

(廣東科技學(xué)院,廣東 東莞 523083)

1 引 言

紅外空空導(dǎo)彈自問世以來,在發(fā)展上已經(jīng)經(jīng)歷了四代[1],而不同代導(dǎo)彈的主要性能差異均體現(xiàn)在導(dǎo)彈導(dǎo)引頭的識別制導(dǎo)上。目前,最先進(jìn)的第四代紅外成像制導(dǎo)導(dǎo)彈其導(dǎo)引頭由多元陣列探測器組成,可以在導(dǎo)引頭焦平面內(nèi)對目標(biāo)的紅外特征進(jìn)行成像,抗干擾能力大幅提升。

由于紅外成像制導(dǎo)導(dǎo)彈的出現(xiàn),紅外圖像識別跟蹤技術(shù)迅速發(fā)展,國內(nèi)外的學(xué)者對紅外圖像的檢測、識別、跟蹤等技術(shù)進(jìn)行了大量研究[2-3]。劉陽對成像彈的目標(biāo)識別和跟蹤算法進(jìn)行了研究[4],通過對比不同幀圖像的特征,將圖像中的目標(biāo)提取并進(jìn)行跟蹤。馬惠敏提出了一種用于紅外成像制導(dǎo)導(dǎo)彈快速識別目標(biāo)飛行器的系統(tǒng)[5],可以實(shí)現(xiàn)對高速運(yùn)動的目標(biāo)進(jìn)行實(shí)時識別。李成對紅外成像制導(dǎo)導(dǎo)彈的末端圖像識別與跟蹤進(jìn)行了研究[6],選取了高亮區(qū)比例、灰度標(biāo)準(zhǔn)偏差、長寬比、緊湊度和復(fù)雜度等5個特征量作為目標(biāo)識別的依據(jù)。付曉紅對紅外成像制導(dǎo)導(dǎo)彈的抗干擾方法和干擾方法進(jìn)行了研究[7],將導(dǎo)彈的圖像識別與跟蹤過程分為四個階段,分別研究每個階段的干擾方法。

本文對紅外成像制導(dǎo)導(dǎo)彈的圖像識別與跟蹤過程進(jìn)行研究,建立了飛行器圖像識別和跟蹤算法,并進(jìn)行了仿真分析。

2 飛行器紅外圖像識別算法

導(dǎo)引頭的紅外陣列探測器接收目標(biāo)/背景紅外輻射,并通過圖像處理器對接收到的紅外信息進(jìn)行處理,其處理紅外圖像的主要流程包括:①圖像預(yù)處理；②特征提取與選擇；③目標(biāo)識別。導(dǎo)引頭的圖像處理過程如圖1所示。

圖1 紅外成像導(dǎo)引頭的基本組成Fig.1 The basic composition of IR imaging seeker

2.1 目標(biāo)紅外圖像預(yù)處理

紅外成像導(dǎo)引頭獲取的目標(biāo)飛行器紅外圖像,不可避免地?fù)诫s了背景噪聲和環(huán)境雜波,圖像的信噪比和對比度都不理想。為抑制背景噪聲和雜波,提高圖像的信噪比和對比度,必須首先對紅外圖像進(jìn)行預(yù)處理。紅外圖像的預(yù)處理主要分為圖像增強(qiáng)、圖像分割以及邊緣檢測與提取。

(1)圖像增強(qiáng)

圖像增強(qiáng)技術(shù)主要分為變換域增強(qiáng)和空域增強(qiáng),考慮到實(shí)時性和易實(shí)現(xiàn)性,本文采用空域增強(qiáng)的中值濾波方法,對獲得的飛行器紅外圖像進(jìn)行增強(qiáng)處理(文中所有的紅外場景圖像均來自于課題組自開發(fā)的紅外軟件)[8],如圖2(b)所示。圖2(a)為飛行器釋放干擾彈的原始紅外圖像,由圖2(a)和(b)對比結(jié)果可知,圖像增強(qiáng)技術(shù)將飛行器目標(biāo)的圖像特征凸顯了出來,而將環(huán)境背景的噪聲以及干擾彈的部分圖像屏蔽掉。從而大大增加了目標(biāo)圖像被識別的概率。

圖2 飛行器紅外圖像預(yù)處理過程Fig.2 IR image of air vehicle preprocessing

(2)圖像分割

通過將獲得的飛行器紅外圖像分割成若干包含潛在目標(biāo)的區(qū)域,實(shí)現(xiàn)目標(biāo)圖像與環(huán)境背景的分離[9]。

飛行器在飛行過程中由于蒙皮的氣動加熱作用,使得其蒙皮溫度一般都大于周圍環(huán)境背景溫度。因此,目標(biāo)圖像處于灰度變化較大的區(qū)域,且目標(biāo)一般在紅外輻射高亮區(qū)。

設(shè)導(dǎo)引頭獲取的紅外圖像總像素數(shù)N=m×n,灰度級為Lg={0,1,…,L-1},灰度值為i的像素點(diǎn)個數(shù)ni,則圖像的灰度分布直方圖的概率分布為:

(1)

設(shè)對應(yīng)圖像中的背景為C0,對應(yīng)圖像中的目標(biāo)飛行器為C1,則二者對應(yīng)的灰度范圍為C0={0,1,…,s},C1={s+1,t+2,…,L-1}。

則C0類和C1類出現(xiàn)的概率為:

(2)

(3)

C0類和C1類的灰度均值為:

(4)

(5)

式中,μ為圖像整體灰度均值,其值為μ=ω0μ0+ω1μ1。

μ的標(biāo)準(zhǔn)方差為:

(6)

(7)

由圖2(c)處理結(jié)果可知,背景噪聲完全被屏蔽掉,圖中僅剩下目標(biāo)飛行器和紅外干擾彈圖像。

對圖2(c)中的圖像進(jìn)行Canny算子邊緣檢測并提取出邊緣,結(jié)果如圖2(d)所示。

(3)邊緣檢測與提取

目標(biāo)圖像的邊緣包含了豐富的特征信息,通過邊緣檢測與提取可以為后續(xù)圖像處理提供目標(biāo)的準(zhǔn)確邊緣特征信息[11]。文中選擇Canny邊緣檢測算子進(jìn)行圖像邊緣檢測[12],其邊緣檢測流程步驟如圖3所示。

圖3 Canny邊緣檢測的計算流程Fig.3 Calculation process of edge detection

2.2 目標(biāo)圖像特征提取與選擇

通過目標(biāo)圖像特征提取可以得到圖像中目標(biāo)的獨(dú)立可區(qū)別特征,但所選的特征必須具有一定的穩(wěn)定性,且互不相關(guān),所含數(shù)據(jù)冗余最小,同時具有比例、旋轉(zhuǎn)和位移的不變性等特征。常用的紅外圖像特征可大致分為:圖像灰度特征、紋理特征、圖像邊緣特征、圖像輪廓特征等[13]。

灰度特征是圖像中最直觀的特征之一,但由于導(dǎo)引頭接收到的紅外圖像易受光照和場景等變化的影響,且需要實(shí)時高校檢索,因此灰度特征被利用較少。紋理特征能夠反映出圖像亮度的空間變化情況,但對于空中高速運(yùn)動飛行器目標(biāo),由于觀測距離較遠(yuǎn),目標(biāo)和背景的紋理特征十分模糊,因此紋理特征較少應(yīng)用于成像彈的識別中。而圖像邊緣特征作為圖像的基本底層特征之一,具有不受外界光照變化影響、能夠適應(yīng)局部遮擋的優(yōu)點(diǎn),但一般用于目標(biāo)成像良好、輪廓清晰、對比度強(qiáng)的情況。紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭接收到的圖像往往比較模糊,且圖像面積較小,邊緣特征提取的難度增大。

圖像輪廓特征廣泛的應(yīng)用于圖像處理和識別中,相比其他圖像特征,輪廓特征具有受背景環(huán)境干擾較小、實(shí)時性高、對圖像的分辨度要求低等眾多優(yōu)點(diǎn),廣泛應(yīng)用于紅外成像彈的目標(biāo)特征提取中。因此文中應(yīng)用目標(biāo)的輪廓特征對圖像進(jìn)行提取。由于圖像的輪廓特征量較多,首先需要對特征量進(jìn)行選取,本文選用成像彈最常用的三個特征量進(jìn)行仿真。

(1)長寬比F1:紅外圖像中目標(biāo)區(qū)域的最小外接矩形的長寬比值,體現(xiàn)了目標(biāo)區(qū)域的形狀特征。表示為:

(8)

式中,a是目標(biāo)最小外接矩形的長度；b是目標(biāo)最小外接矩形的寬度。

(2)緊湊度F2:定義目標(biāo)圖像的總像素個數(shù)與其最小外接矩形的總像素個數(shù)的比值,反映目標(biāo)的充滿程度。表示為:

(9)

式中,Nr為最小外接矩形內(nèi)的總像素個數(shù);Nin為目標(biāo)圖像像素個數(shù)。

(3)周長F3:提取得到的目標(biāo)圖像其邊緣像素個數(shù),反映了目標(biāo)的邊緣長度大小。

以上特征量均經(jīng)過試驗(yàn)檢驗(yàn),能夠作為成像彈導(dǎo)引頭目標(biāo)識別和處理的依據(jù)。圖3為導(dǎo)引頭獲得的飛行器釋放干擾下的紅外圖像,依據(jù)2.1節(jié)中的圖像預(yù)處理算法對圖3(a)、(b)進(jìn)行預(yù)處理,得到的特征量如表1所示。

表1 不同目標(biāo)圖像提取的特征量Tab.1 The comparison of characteristicquantities for different images

2.3 目標(biāo)圖像識別

當(dāng)導(dǎo)引頭的視場中出現(xiàn)多個目標(biāo)圖像時,需要對視場中的紅外圖像進(jìn)行識別,以區(qū)分真假目標(biāo)。目標(biāo)圖像識別是計算導(dǎo)引頭視場內(nèi)每一個圖像與當(dāng)前跟蹤目標(biāo)相似程度的過程,整個識別過程可以用一個包含目標(biāo)特征的函數(shù)表示,用于確定跟蹤目標(biāo)。

依據(jù)2.2節(jié)得到的特征量,推導(dǎo)出區(qū)別度函數(shù)如下所示:

(10)

(11)

設(shè)圖4為飛行器目標(biāo)模板,應(yīng)用文中計算的特征量對圖4中的目標(biāo)進(jìn)行計算,其計算結(jié)果如表2所示。

圖4 飛行器目標(biāo)模板圖Fig.4 The target templates for air vehicle

表2 特征量計算結(jié)果對比Tab.2 The comparison of characteristicquantity computed results

表3 目標(biāo)圖像相似度計算結(jié)果Tab.3 The similarity computed results of target image

由表3中的計算結(jié)果可知,圖3(a)中兩個潛在目標(biāo)區(qū)域Ⅰ和Ⅱ與目標(biāo)模板進(jìn)行對比,特征量相似度分別為95 %和65.9 %,則識別目標(biāo)Ⅰ為真目標(biāo)。圖3(b)中兩個潛在目標(biāo)區(qū)域Ⅰ和Ⅱ與目標(biāo)模板進(jìn)行對比,特征量相似度分別為82.35 %和73.79 %,判斷后識別目標(biāo)Ⅰ為真目標(biāo)。

3 跟蹤算法

紅外成像制導(dǎo)導(dǎo)彈一般都具有多種制導(dǎo)跟蹤能力,導(dǎo)彈飛行過程中,根據(jù)不同階段的作戰(zhàn)態(tài)勢、目標(biāo)類型,選擇不同的目標(biāo)跟蹤模式。當(dāng)導(dǎo)彈與目標(biāo)間距較遠(yuǎn)時,目標(biāo)圖像在視場中所成像素較少,無法對其進(jìn)行目標(biāo)特征提取,一般采用點(diǎn)目標(biāo)跟蹤模式；當(dāng)目標(biāo)逐步具有了相對清晰的圖像特征時,則可以對目標(biāo)圖像的圖像特征進(jìn)行識別提取,并對識別后的圖像進(jìn)行跟蹤。通常采用的跟蹤模式為邊緣跟蹤、形心跟蹤以及相關(guān)跟蹤等幾種模式。

3.1 邊緣跟蹤

邊緣跟蹤通常選取目標(biāo)圖像上的邊緣點(diǎn),通過設(shè)置波門套住此跟蹤點(diǎn),并實(shí)現(xiàn)對目標(biāo)的跟蹤。邊緣跟蹤以兩個邊緣的中心作為目標(biāo)位置,其跟蹤點(diǎn)坐標(biāo)為:

(12)

式中,xl(t)、yl(t)為第t個周期目標(biāo)圖像在焦平面的左下側(cè)坐標(biāo);xr(t)、yr(t)為第t個周期目標(biāo)圖像在焦平面的右上側(cè)坐標(biāo);x0(t)、y0(t)為跟蹤點(diǎn)坐標(biāo)。

3.2 形心跟蹤

形心跟蹤是指紅外成像制導(dǎo)導(dǎo)彈以目標(biāo)圖像的形心作為實(shí)際跟蹤點(diǎn)[4]。當(dāng)目標(biāo)飛行器飛行姿態(tài)發(fā)生變化時,形心的位置變動較小,因此采用形心跟蹤時跟蹤比較平穩(wěn),且抗雜波干擾能力較強(qiáng),算法簡單,是彈目距離比較近時常用的一種跟蹤模式。

假設(shè)圖像函數(shù)為f(x,y),圖像大小為m×n像素,目標(biāo)邊緣共有k個像素點(diǎn)(xi,yi),則目標(biāo)飛行器形心為:

(13)

當(dāng)彈目距離較近時,目標(biāo)成像相對較大,采用形心跟蹤。當(dāng)目標(biāo)處于均勻的背景中且目標(biāo)圖像信噪比良好時,也可以選取質(zhì)心作為跟蹤點(diǎn),采用質(zhì)心跟蹤。目標(biāo)的質(zhì)心計算式為:

(14)

3.3 波門設(shè)置

無論哪種跟蹤算法都需要設(shè)置波門,波門的設(shè)置可以大幅提高導(dǎo)彈的抗干擾能力,提高對目標(biāo)的跟蹤效率。通過設(shè)置波門,使得導(dǎo)引頭只對波門內(nèi)的目標(biāo)圖像進(jìn)行識別處理,對于波門外的輻射予以忽略,從而減少外部干擾、提高跟蹤精度。

但當(dāng)導(dǎo)引頭丟失目標(biāo)后,導(dǎo)引頭會由鎖定狀態(tài)轉(zhuǎn)換到搜索狀態(tài),釋放波門以較大的靜態(tài)視場角掃描視場搜索目標(biāo)。波門中心坐標(biāo)與跟蹤點(diǎn)坐標(biāo)重合,波門半徑可以由下式得到:

r=[xr(t)-xl(t)+yr(t)-yl(t)+|xr(t)-xl(t)-yr(t)+yl(t)|]/4

(15)

本文在進(jìn)行紅外成像制導(dǎo)導(dǎo)彈目標(biāo)跟蹤仿真時,當(dāng)目標(biāo)具有相對清晰的圖像特征時采用形心跟蹤模式。根據(jù)建立的相似度函數(shù),對目標(biāo)圖像的特征值進(jìn)行計算,計算識別得到的真目標(biāo)形心坐標(biāo),設(shè)置波門,并對其進(jìn)行跟蹤,如圖5所示。

圖5 形心跟蹤以及波門設(shè)置Fig.5 Centroid tracking and wave gate setting

4 仿真結(jié)果與分析

4.1 飛行器平飛仿真結(jié)果

設(shè)飛行器保持水平直線飛行,其正后方2 km處有一枚紅外成像制導(dǎo)導(dǎo)彈對其進(jìn)行跟蹤。分別仿真飛行器不釋放干擾和釋放面源型紅外干擾彈時,導(dǎo)引頭的圖像識別和跟蹤過程,如圖6和圖7所示。

圖6 無干擾時導(dǎo)引頭圖像識別過程Fig.6 The image recognition processes for seeker without decoy

圖7 連續(xù)釋放干擾彈時導(dǎo)引頭圖像識別過程Fig.7 The image recognition processes for seekerwhen decoys are launched continuously

由圖6的仿真結(jié)果可知,目標(biāo)不釋放干擾,此時在導(dǎo)引頭視場內(nèi)只存在飛行器圖像這一個目標(biāo),因此導(dǎo)引頭通過圖像識別后將其鎖定,并設(shè)置波門進(jìn)行跟蹤。圖7的仿真中,盡管飛行器連續(xù)的釋放了多枚干擾彈,但是由于其保持水平飛行,導(dǎo)引頭焦平面內(nèi)接收到的紅外圖像中飛行器圖像與干擾彈重合在一起。導(dǎo)引頭經(jīng)過圖像識別處理后,干擾彈四周不連續(xù)的圖像被剔除,將干擾彈和飛行器相重合的中心圖像作為真目標(biāo),并設(shè)置波門對其跟蹤。

4.2 飛行器做桶滾機(jī)動仿真結(jié)果

紅外成像彈雖然具有極強(qiáng)的抗干擾能力,但是飛行器通過選擇合理的機(jī)動配合紅外干擾彈仍然能夠?qū)⑵涑晒Ω蓴_。

設(shè)目標(biāo)飛行器做防御型桶滾機(jī)動,同時連續(xù)釋放干擾彈,成像彈在飛行器尾后2 km處。仿真導(dǎo)引頭的圖像識別和跟蹤過程如圖8和圖9所示。

由圖8可知,彈目距離2 km時,目標(biāo)飛行器的紅外特征已經(jīng)非常明顯,此時導(dǎo)引頭已經(jīng)記憶了目標(biāo)機(jī)的紅外圖像信息并將其牢牢鎖定。在干擾彈釋放0.1 s內(nèi),干擾彈紅外圖像與飛行器的紅外圖像沒有分離,因此導(dǎo)引頭將飛行器和干擾彈相重合的圖像認(rèn)為是真目標(biāo),并記憶其圖像特征。圖9的仿真結(jié)果可知,0.3 s時刻,干擾彈與飛行器的圖像逐漸分離,導(dǎo)引頭提取目標(biāo)圖像的特征,通過公式(10)計算各圖像的相似度,計算結(jié)果得出干擾彈核心區(qū)域的紅外圖像與模板目標(biāo)的相似度最高,因此導(dǎo)引頭將干擾彈鎖定,并設(shè)置波門對其進(jìn)行跟蹤,飛行器成功擺脫跟蹤。

圖8 干擾彈釋放0.1 s時刻導(dǎo)引頭圖像識別處理過程Fig.8 The image recognition and treating processesfor seeker at 0.1 s when decoy is launched

圖9 干擾彈釋放0.3 s時刻導(dǎo)引頭圖像識別處理過程Fig.9 The image recognition and treating processesfor seeker at 0.3 s when decoy is launched

由圖7～圖9的仿真結(jié)果可知飛行器不做機(jī)動時不能將導(dǎo)彈成功干擾,而采取桶滾機(jī)動并釋放干擾時,可以將導(dǎo)彈成功干擾,這一結(jié)論與導(dǎo)彈的真實(shí)性能保持一致[14-16]。

5 結(jié) 論

本文對紅外成像制導(dǎo)導(dǎo)彈的圖像識別以及圖像跟蹤算法進(jìn)行了建模研究。重點(diǎn)分析了導(dǎo)彈的圖像識別跟蹤機(jī)理,對導(dǎo)彈的圖像識別和跟蹤各流程分別建立相應(yīng)的算法模型,模型的建立滿足導(dǎo)彈的實(shí)時性和可信性要求。并應(yīng)用提出的算法,對導(dǎo)引頭接收到的紅外圖像進(jìn)行了相應(yīng)的圖像處理與跟蹤仿真；最后,分別仿真了飛行器平飛以及采取桶滾機(jī)動并釋放干擾彈時,導(dǎo)引頭的圖像識別跟蹤過程,真實(shí)的還原了導(dǎo)彈的圖像識別跟蹤過程,所得到的結(jié)論與導(dǎo)彈實(shí)際一致。