蔡睿潔，馮祖仁，張 婕

(1西安交通大學(xué)系統(tǒng)工程研究所機(jī)械制造系統(tǒng)工程國家重點(diǎn)實(shí)驗(yàn)室，西安 710049;2 中國兵器工業(yè)第203研究所，西安 710065)

0 引言

直瞄式制導(dǎo)武器在作戰(zhàn)的過程中，進(jìn)入觀瞄跟蹤視場的導(dǎo)彈光標(biāo)，往往在一定時(shí)間內(nèi)，大面積遮住所要打擊的目標(biāo)，嚴(yán)重時(shí)約有一半的目標(biāo)完全被導(dǎo)彈光標(biāo)遮擋，同時(shí)遮擋目標(biāo)的時(shí)間也比較長，導(dǎo)致了大量目標(biāo)信息的喪失，這種強(qiáng)光干擾現(xiàn)象直接影響了自動(dòng)跟蹤的可靠性與準(zhǔn)確性，使其難以順利實(shí)現(xiàn)。

該研究涉及圖像圖形學(xué)、最優(yōu)估計(jì)、最優(yōu)控制、模式識(shí)別等眾多學(xué)科，是計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺中的一個(gè)研究熱點(diǎn)。但這方面的算法多適用于靜態(tài)目標(biāo)丟失小部分信息的情形，應(yīng)用于動(dòng)態(tài)目標(biāo)大面積丟失信息情況的研究比較少。之前多個(gè)科研院所均致力于此項(xiàng)研究，但都由于軟硬件技術(shù)等原因，沒有完全解決這一問題。

本方案首先通過閾值判決分離出高亮度的光斑信息，再采用角點(diǎn)檢測算法來進(jìn)行特征提取，最終利用射影幾何技術(shù)實(shí)現(xiàn)圖像的恢復(fù)和重建。

1 基本原理

1.1 閾值分割

圖像分割處理的過程就是把數(shù)字圖像劃分成互不相交的區(qū)域的過程，鑒于圖像背景與導(dǎo)彈光標(biāo)往往存在較大的灰度差，文中采用了較簡便的閾值統(tǒng)計(jì)方法計(jì)算灰度閾值。以平均灰度為基準(zhǔn)乘以系數(shù)作為灰度閾值，此方法與固定閾值相比，這種算法得到的閾值與每次實(shí)驗(yàn)的灰度信息有關(guān)，在一定程度上消除了外部環(huán)境因素引起的灰度誤差。

在動(dòng)態(tài)計(jì)算導(dǎo)彈光標(biāo)尺寸時(shí)，統(tǒng)計(jì)灰度大于閾值的像素點(diǎn)，其橫坐標(biāo)、縱坐標(biāo)各自平均值作為光標(biāo)質(zhì)心，將光標(biāo)近似為正方形計(jì)算得到光標(biāo)半徑約為R=則導(dǎo)彈光標(biāo)處理區(qū)域?yàn)?x0－R≤x≤x0+R，y－0R≤y≤y0+R。導(dǎo)彈光標(biāo)處理區(qū)域的大小，將隨著每場圖像導(dǎo)彈光標(biāo)的大小實(shí)時(shí)同步的進(jìn)行調(diào)整變化，最大限度的保留未被導(dǎo)彈光標(biāo)遮擋的背景和目標(biāo)信息，有利于提高匹配效率，減小匹配帶來的誤差形變，增強(qiáng)圖像的真實(shí)效果和可信度。

1.2 Harris角點(diǎn)檢測

Harris算子是 C.Harris和 M.J.Stephens在 1988年提出的一種點(diǎn)特征提取算子。這種算子受信號(hào)處理中自相關(guān)函數(shù)的啟發(fā)，給出與自相關(guān)函數(shù)相聯(lián)系的矩陣M。M陣的特征值是自相關(guān)函數(shù)的一階曲率，如果兩個(gè)曲率值都高，那么就認(rèn)為該點(diǎn)是角點(diǎn)［1］。

Harris方法提取角點(diǎn)的過程可以分成以下幾步:

1)首先對要處理的灰度圖像中的每個(gè)像素點(diǎn)，計(jì)算其在水平方向和垂直方向上的梯度以及二者的乘積，這樣可以得到3幅新的圖像，3幅圖像中的每個(gè)像素對應(yīng)的屬性值分別代表Ix、Iy和IxIy。然后對3幅圖像進(jìn)行高斯濾波，再計(jì)算原圖像上對應(yīng)的每個(gè)像素點(diǎn)的興趣值，即R值。

2)選取局部極值點(diǎn)。Harris方法認(rèn)為，特征點(diǎn)是局部范圍內(nèi)的極大興趣值對應(yīng)的像素點(diǎn)。因此，在計(jì)算完各像素的興趣值后，要提取原始圖像中所有局部興趣值最大的點(diǎn)。實(shí)際操作中，可依次從以每個(gè)像素為中心的窗口區(qū)域中提取最大值，如果中心點(diǎn)像素的興趣值就是最大值，則該像素點(diǎn)就是特征點(diǎn)。

3)根據(jù)需要提取一定數(shù)目的特征點(diǎn)。局部極值點(diǎn)的數(shù)目往往很多，可以對所有的極值點(diǎn)排序，根據(jù)要求選取興趣值最大的若干個(gè)像素點(diǎn)作為最后的結(jié)果。另外，也可以通過設(shè)置興趣值的門限，選取期望的角點(diǎn)，此時(shí)選取的角點(diǎn)數(shù)目是不確定的。

Harris算子作為一種有效的點(diǎn)特征提取算子，具有計(jì)算簡單，提取的點(diǎn)特征均勻而且合理、穩(wěn)定等優(yōu)點(diǎn)［2］。圖1所示為一幅飛機(jī)圖像的角點(diǎn)提取。

圖1 Harris算法角點(diǎn)提取圖

文中的算法中采用Harris角點(diǎn)檢測法，實(shí)現(xiàn)對相鄰兩場圖像的特征提取。檢測上一場已經(jīng)恢復(fù)處理過的圖像角點(diǎn)，將它作為匹配時(shí)的模板信息，檢測當(dāng)前場的圖像角點(diǎn)作為對應(yīng)的待匹配信息。使用角點(diǎn)檢測算法主要是為了提取目標(biāo)特征點(diǎn)，對目標(biāo)實(shí)現(xiàn)定位跟蹤，獲得了相鄰兩場的目標(biāo)圖像及相應(yīng)的角點(diǎn)，從而通過建立匹配關(guān)系，獲取位置變換式。

1.3 角點(diǎn)匹配

文中采用歸一化相關(guān)算法實(shí)現(xiàn)當(dāng)前圖像與參考圖像的灰度匹配。如下式:

式中:R(x，y)為相關(guān)系數(shù);f(i+x，j+y)為實(shí)時(shí)圖像中搜索區(qū)各點(diǎn)的灰度值;s(i，j)為模板圖像的灰度值;(x，y)為實(shí)時(shí)圖像與模板之間的偏移量;M為模板的大小。

以下分別為上一場已經(jīng)過恢復(fù)處理的圖像角點(diǎn)提取狀況以及當(dāng)前場彈標(biāo)遮擋時(shí)的角點(diǎn)提取狀況。

圖2 上一場已恢復(fù)圖像角點(diǎn)提取狀況

圖3 當(dāng)前場彈標(biāo)遮擋時(shí)角點(diǎn)提取狀況

如圖2、圖3所示:對剛剛采入的當(dāng)前場圖像進(jìn)行角點(diǎn)提取時(shí)，往往會(huì)提取出導(dǎo)彈光標(biāo)附近的角點(diǎn)信息，這些角點(diǎn)作為虛假信息不能夠參與匹配運(yùn)算，只能在剩余的角點(diǎn)中計(jì)算出與上場角點(diǎn)相匹配的位置信息。

若以圖2作為待匹配圖像，圖3作為模板圖像，以上兩場圖像共建立了6組對應(yīng)角點(diǎn)對，其對應(yīng)關(guān)系見表1。

表1 角點(diǎn)匹配對照表

表中“*”表示對應(yīng)點(diǎn)位于導(dǎo)彈光標(biāo)遮擋區(qū)域，無法進(jìn)行匹配運(yùn)算。

由表1可見:每個(gè)待匹配點(diǎn)都有唯一的模板特征點(diǎn)與之對應(yīng)，但一個(gè)模板特征點(diǎn)卻可能與多個(gè)待匹配點(diǎn)建立匹配對應(yīng)關(guān)系，這種匹配關(guān)系并不是一一對應(yīng)的。例如圖2中的2號(hào)和3號(hào)兩處角點(diǎn)都與圖3中的2號(hào)角點(diǎn)具有很高的匹配度。由于本算法處理的是移動(dòng)目標(biāo)，而恢復(fù)處理后的圖像又往往存在失真，所以即使是相互匹配的角點(diǎn)在圖像中的相對位置也可能存在差異，也就是角點(diǎn)檢測時(shí)可能會(huì)出現(xiàn)一致性較差的情況，如果直接利用角點(diǎn)對的位置關(guān)系進(jìn)行圖像填充恢復(fù)，必然造成嚴(yán)重的形變失真，這就要求在圖像恢復(fù)算法中引入仿射變換模型以實(shí)現(xiàn)恢復(fù)過程的預(yù)測與矯正。

1.4 圖像恢復(fù)

由于文中所要處理的是目標(biāo)移動(dòng)、攝像器材也移動(dòng)的情形，無法直接利用上一場同一位置的像素填充本場像素。必須利用角點(diǎn)的對應(yīng)匹配關(guān)系，建立起兩場圖像間的變換關(guān)系模型，擬合出模型的各項(xiàng)參數(shù)，最終逐個(gè)填充被遮擋部分的像素點(diǎn)。為了完備的建立起圖像旋轉(zhuǎn)、縮放、平移變換的模型，可以將方程變換為，這就構(gòu)成了仿射變換模型。

線性回歸分析是研究剛性變量間相關(guān)關(guān)系的一種數(shù)學(xué)方法，是通過試驗(yàn)和觀測來尋找那些隱藏在變量之間相關(guān)關(guān)系的一種數(shù)學(xué)方法［3］。

通過線性回歸方法，可以計(jì)算出仿射變換中a11、a12、a21、a22、b1、b2等各項(xiàng)參數(shù)，設(shè)共匹配了 N 組角點(diǎn)對，其中:(xi，yi)為待恢復(fù)像素點(diǎn)坐標(biāo)，(x0i，y0i)為(xi，yi)在上一場圖像中對應(yīng)點(diǎn)坐標(biāo)，可得如下公式［4］:

利用以上公式完全確立了仿射變換模型，明確了兩場圖像各像素間的動(dòng)態(tài)對應(yīng)關(guān)系，將本場待恢復(fù)點(diǎn)的坐標(biāo)(x，y)代入仿射變換方程:

得對應(yīng)的上一場圖像的坐標(biāo)為:

這樣就可以根據(jù)兩場圖像間的對應(yīng)關(guān)系，用上一場已經(jīng)恢復(fù)過的像素點(diǎn)替換本場待恢復(fù)的像素點(diǎn)，最終實(shí)現(xiàn)對導(dǎo)彈光標(biāo)遮擋區(qū)域的完全恢復(fù)。由于已經(jīng)引入了平移旋轉(zhuǎn)因子，填充部分與原圖像之間的融合度較好，外形輪廓也更加接近。在算法的最后往往會(huì)對圖像進(jìn)行平滑濾波，以便消除圖像間的拼接邊緣。

2 實(shí)驗(yàn)結(jié)果

下面的對比分析展示了導(dǎo)彈光標(biāo)在背景中未遮擋目標(biāo)、導(dǎo)彈光標(biāo)大面積遮擋目標(biāo)等情況下硬件仿真的處理效果，來驗(yàn)證本算法的有效性與可行性。

1)針對靶板目標(biāo)，導(dǎo)彈光標(biāo)大面積遮擋目標(biāo)

圖4 未處理導(dǎo)彈光標(biāo)的圖像

圖5 處理導(dǎo)彈光標(biāo)后的圖像

以上為導(dǎo)彈光標(biāo)遮擋靶板目標(biāo)的處理結(jié)果對比，對于真實(shí)戰(zhàn)場環(huán)境中的目標(biāo)本算法也有較好的處理結(jié)果。

2)針對實(shí)際坦克目標(biāo)，導(dǎo)彈光標(biāo)大量遮擋目標(biāo)

圖6 未處理導(dǎo)彈光標(biāo)的圖像

圖7 處理導(dǎo)彈光標(biāo)后的圖像

經(jīng)過在核心處理器為DM642的硬件平臺(tái)上仿真測試，算法所需時(shí)間為12.9 ms，平臺(tái)的可視圖像周期為40 ms，本算法運(yùn)算速度可以滿足系統(tǒng)實(shí)時(shí)性的要求。

3 結(jié)語

從以上所述可以看出:無論針對靶板目標(biāo)還是實(shí)際目標(biāo)，本算法都能準(zhǔn)確實(shí)施定位和處理，對于導(dǎo)彈光標(biāo)遮擋的區(qū)域，能比較準(zhǔn)確完備地恢復(fù)目標(biāo)的真實(shí)特征。與沒有進(jìn)行處理的情況相比，應(yīng)用本算法對動(dòng)態(tài)目標(biāo)圖像進(jìn)行重建，處理后基本消除了導(dǎo)彈光標(biāo)的影響，明顯減少了目標(biāo)圖像的失真程度，更有利于目標(biāo)的識(shí)別跟蹤，提高了對動(dòng)態(tài)目標(biāo)的跟蹤能力。

［1］仇芝.三維重建的匹配技術(shù)［D］.南京:南京理工大學(xué)，2005.

［2］李忠新.像鑲嵌理論及若干算法研究［D］.南京:南京理工大學(xué)，2004.

［3］王超.基于仿射變換的成像跟蹤器的開發(fā)與研究［D］.武漢:華中科技大學(xué)，2005.

［4］閆朝升.數(shù)據(jù)流聯(lián)機(jī)分析處理技術(shù)的研究［D］.哈爾濱:黑龍江大學(xué)，2004.

［5］程關(guān)兵.回歸分析在航空發(fā)動(dòng)機(jī)裝配間隙對其性能影響研究上的應(yīng)用［D］.天津:中國民用航空學(xué)院，2004.