馬慶軍

摘要：圖像分割是成像跟蹤算法中極為關(guān)鍵的一步，其結(jié)果的準(zhǔn)確性與穩(wěn)定性直接影響整個(gè)跟蹤系統(tǒng)的性能。從分析空間目標(biāo)圖像的特點(diǎn)入手，在目標(biāo)大小的不同階段，選用不同的分割算法，并結(jié)合任務(wù)特點(diǎn)對(duì)算法參數(shù)進(jìn)行了優(yōu)化。試驗(yàn)結(jié)果表明，該文的設(shè)計(jì)滿足任務(wù)需求，結(jié)果準(zhǔn)確且具有很好的魯棒性。

關(guān)鍵詞：空間目標(biāo)；成像跟蹤；閾值分割；大津算法

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）33-7979-04

Abstract： Image segmentation is a very important sector in the imaging track algorithm. Its accuracy and stability plays a crucial role in the whole tracking systems performance. Starting from analyzing the characteristics of space targets image， different algorithms are employed depending on the size of target image and algorithms parameters are also optimized accordingly. Results show that the design in this paper satisfied tasks requirement with good accuracy and robustness.

Key words： space target； imaging track； threshold segmentation； ostu algorithm

1 概述

天基空間目標(biāo)的成像探測(cè)與跟蹤系統(tǒng)以衛(wèi)星為平臺(tái)，可以探測(cè)人造衛(wèi)星、空間碎片等目標(biāo)。相比于地基系統(tǒng)，具有不受地理位置和氣象條件限制等優(yōu)點(diǎn)，是進(jìn)行空間目標(biāo)監(jiān)視的一種重要技術(shù)手段，一直倍受各個(gè)航天大國(guó)的重視[1-5]。

如圖1所示，成像跟蹤系統(tǒng)典型的信號(hào)處理流程一般可粗分為單幀處理和幀間處理兩個(gè)部分，其中單幀處理包括空間濾波、圖像分割、區(qū)域標(biāo)記和特征提取等幾個(gè)環(huán)節(jié)，幀間處理包括軌跡關(guān)聯(lián)和目標(biāo)識(shí)別兩個(gè)環(huán)節(jié)。圖像分割是提取目標(biāo)信息的第一步，是所有后續(xù)處理環(huán)節(jié)的基礎(chǔ)。因此從某種意義上來(lái)說(shuō)，分割算法的性能好壞直接決定了跟蹤系統(tǒng)性能的優(yōu)劣。目前常用的圖像分割方法有三種：取閾值法、區(qū)域生長(zhǎng)法和分水嶺法[6]。取閾值法由于計(jì)算簡(jiǎn)單，運(yùn)算效率高，成為圖像分割中廣泛采用的方法，特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。根據(jù)閾值的計(jì)算方式不同，取閾值法又可分為基于像素灰度和基于像素分布兩大類[7]?；谙袼鼗叶燃锤鶕?jù)背景與目標(biāo)灰度值的差異，利用均值、方差等統(tǒng)計(jì)信息完成目標(biāo)分割?；谙袼胤植挤椒ㄖ校狈綀D分割是最常見(jiàn)的，通過(guò)統(tǒng)計(jì)像素灰度分布，在目標(biāo)灰度集中點(diǎn)和背景灰度集中點(diǎn)之間選取一個(gè)灰度分布極小值作為閾值。

本文將結(jié)合任務(wù)特點(diǎn)，對(duì)常用閾值分割算法進(jìn)行有針對(duì)性的深入分析，通過(guò)對(duì)仿真視頻的實(shí)際拍攝圖像進(jìn)行分割試驗(yàn)，分析算法的性能與效率，最終選出適合空間目標(biāo)圖像分割的算法。

2 圖像特征分析

讓我們從分析圖像的特點(diǎn)開(kāi)始討論分割算法的有關(guān)問(wèn)題。圖2所示依次是搜索跟蹤過(guò)程中不同大小的目標(biāo)和波門內(nèi)的灰度統(tǒng)計(jì)直方圖。

可以看到：

1） 在距離較遠(yuǎn)的點(diǎn)目標(biāo)階段，由于目標(biāo)沒(méi)有充滿瞬時(shí)視場(chǎng)，圖像中的目標(biāo)不但像素少，灰度也比較低，波門內(nèi)的直方圖完全是以背景灰度的單峰分布為主。

2） 當(dāng)目標(biāo)逐漸變大以后，亮度隨之增加（充滿瞬時(shí)視場(chǎng)后不再增加），波門內(nèi)的直方圖慢慢呈現(xiàn)出一個(gè)典型的雙峰分布，而且兩峰之間有一個(gè)較寬的波谷，幾乎就是圖像分割中最容易處理的圖像。背景的均值沒(méi)有變化，只是起伏有所增加。需要說(shuō)明的是，背景的灰度峰中存在著“子雙峰”，這是由于在仿真的過(guò)程中增加了強(qiáng)側(cè)照光來(lái)模擬雜散光的緣故。真實(shí)太空環(huán)境下的雜散光非常弱，不足以產(chǎn)生灰度子峰。而目標(biāo)灰度峰中的“子峰”則真實(shí)地反映了目標(biāo)不同部位的灰度差異。

可以這樣來(lái)總結(jié)上面的分析：1） 目標(biāo)亮度高于背景；2） 在空間環(huán)境下，目標(biāo)由于距離、姿態(tài)和光照條件等的變化，會(huì)造成圖像中目標(biāo)的灰度發(fā)生很大的變化，而且面目標(biāo)內(nèi)部不同部位的灰度也會(huì)有較大的差別，相比之下，由探測(cè)器的暗信號(hào)和極少量的雜散光形成的背景圖像卻十分穩(wěn)定，在直方圖中表現(xiàn)為一個(gè)均值不變的波峰，而且左右近乎對(duì)稱。因此分割的關(guān)鍵在于對(duì)背景的準(zhǔn)確估計(jì)，包括均值、方差和起伏等。

3 算法特點(diǎn)分析

5 結(jié)論

通過(guò)成像試驗(yàn)可以看到，雖然Otsu算法使用窮盡的方法來(lái)得到最佳閾值，運(yùn)算量比較大，但是它在目標(biāo)大小的不同階段，直方圖呈單峰分布或雙峰分布，都可以給出非常好的分割結(jié)果，而算法的魯棒性恰恰是在航天應(yīng)用中最需要考慮的一個(gè)因素。

參考文獻(xiàn)：

[1] 趙霜，張社欣，方有培.美俄空間目標(biāo)監(jiān)視現(xiàn)狀與發(fā)展研究[J].航天電子對(duì)抗，2008，24（1）：27-29.

[2] 徐拓奇，張劉，徐偉，等.空間目標(biāo)圖像的天基動(dòng)態(tài)識(shí)別[J].液晶與顯示，2012，27（3）：406-413.

[3] 駱文輝，楊建軍.國(guó)外空間監(jiān)視系統(tǒng)的現(xiàn)狀與發(fā)展[J].飛航導(dǎo)彈，2008（4）：25-31.

[4] 王杰娟，于小紅.國(guó)外天基空間目標(biāo)監(jiān)視研究現(xiàn)狀與特點(diǎn)分析[J].裝備指揮技術(shù)學(xué)院學(xué)報(bào)，2006，17（4）：33-37.

[5] 周彥平，舒銳，陶坤宇，等.空間目標(biāo)光電探測(cè)與識(shí)別技術(shù)的研究[J].光學(xué)技術(shù)，2007，33（1）：68-76.

[6] 陳學(xué)佺.數(shù)字圖像分析[M].安徽：中國(guó)科學(xué)技術(shù)大學(xué)，2004.

[7] 陳鎮(zhèn).基于FPGA的紅外圖像分割與識(shí)別技術(shù)[D].上海：中國(guó)科學(xué)院上海技術(shù)物理研究所，2005.

[8] 崔春明.基于COTS多處理器的紅外多目標(biāo)實(shí)時(shí)跟蹤系統(tǒng)的研究與實(shí)現(xiàn)[D].上海：中國(guó)科學(xué)院上海技術(shù)物理研究所，2002.

[9] Otsu N A. Threshold Selection Method From Grey-Level Histograms[J].IEEE Transactions on System Man and Cybernetic，1979（8）：62-66.

[10] Woo Y W. Performance Evaluation of Binarizations of Scanned Insect Footprints.IWCIA 2004：669-678.