楊岳青，李 麗

(北京航空航天大學電子信息工程學院，北京100191)

1 引言

一束光進入光電設(shè)備的光學鏡頭后，經(jīng)鏡頭會聚，然后經(jīng)焦平面或分劃板反射，其反射回波強度比一般物體的漫反射回波強度高出2～4個數(shù)量級，這種光學現(xiàn)象被稱為貓眼效應(yīng)［1－2］。在反偵察、反狙擊的應(yīng)用領(lǐng)域中，基于貓眼效應(yīng)的激光主動探測系統(tǒng)展現(xiàn)出了很好的早期預(yù)警作用［3－6］。依據(jù)貓眼效應(yīng)的原理，因激光照射，貓眼效應(yīng)目標在主動圖像中的灰度級非常高，而在沒有激光照射的被動圖像中，貓眼效應(yīng)目標和周圍背景的灰度級相差無幾。目前，已有多種貓眼效應(yīng)目標的識別方法被提出［7－9］。文獻［7］提出了一種基于形狀和頻率雙重判據(jù)的貓眼效應(yīng)目標識別方法，該方法能識別出復(fù)雜背景環(huán)境下貓眼目標，但卻需要采集處理大量的數(shù)據(jù)，且識別的準確率低。文獻［8］提出了一種基于壓縮感知的貓眼效應(yīng)目標識別方法，該方法適用于遠距離且背景環(huán)境具有高度相關(guān)性的場合，對近距離(1～10 m)且背景環(huán)境相關(guān)性低的場合，不能有效地識別出貓眼效應(yīng)目標。以上方法在對遠距離目標探測識別方面也都展現(xiàn)出了良好的識別性能。在某些特定的應(yīng)用場合，如室內(nèi)反偷拍，需要近距離地對貓眼目標進行識別。在此種情況下，因激光在近距離范圍內(nèi)的反射衰減很弱，主動圖像的平均灰度將遠高于被動圖像，此時，以上的識別方法將不再適用。

為了克服以上方法的缺點，提高識別速度，本文提出了一種基于局部特征的近距離貓眼效應(yīng)目標快速識別方法。該方法基于文獻［8］工作原理的探測系統(tǒng)，通過對采集到的同一背景環(huán)境下的主被動圖像進行處理，識別出目標。

2 基于局部特征的貓眼效應(yīng)目標識別方法

本文采用的方法流程如圖1所示。首先，對被動圖像進行平均灰度差相加的處理，然后對主被動圖像進行差分，去除大部分的背景干擾;其次，通過貓眼效應(yīng)目標在圖像中所占像素點的先驗信息，確定合適的閾值，通過閾值分割，將貓眼效應(yīng)目標和偽目標留在黑白圖像中;最后，依據(jù)主被動圖像中特定區(qū)域的平均灰度差，對貓眼目標進行識別。

圖1 基于局部特征的貓眼效應(yīng)目標識別流程Fig.1 Flowchart of the method based on local features

2.1 圖像差分

設(shè)Ia(x，y)為原始的主動圖像，Ip(x，y)為原始的被動圖像。主被動圖像都是尺寸為M×N的灰度圖像(1≤x≤M，1≤y≤N)，(x，y)表示像素點的坐標位置。設(shè)Iave-sub為主動圖像與被動圖像的平均灰度差，即:

為了消除近距離時，被動圖像與主動圖像的平均灰度差過大的影響，圖像的差分運算由下式給出，Isub(x，y)表示差分圖像:

2.2 閾值分割

在差分圖像Isub(x，y)中，背景部分被嚴重削弱，而貓眼效應(yīng)目標較為完整地存在。為了進一步去除背景，縮小目標的識別范圍，需要對差分圖像進行閾值分割。普通的閾值分割方法，通常是為了提取圖像中較大的目標，即該類圖像的灰度直方圖呈雙峰或類雙峰分布。但在貓眼效應(yīng)圖像中，效應(yīng)目標所占像素點很少，圖像的灰度直方圖雙峰分布不明顯。為了找出合適的閾值，我們可以利用貓眼目標所占像素點數(shù)目這一先驗信息作為尋找閾值的依據(jù)。設(shè)hk為圖像中灰度值為k的像素點數(shù)目(0≤k≤255)。設(shè)t為閾值，貓眼效應(yīng)目標的灰度級在差分后的圖像中的處于最高的部分，其所占像素點的數(shù)目一般在100左右，所以最佳的閾值t*由下式確定:

經(jīng)圖像分割后，Iseg(x，y)中會有一些離散的目標連通域。這是因為某些偽效應(yīng)目標與貓眼效應(yīng)目標特性相似，所以其所占區(qū)域仍會殘留在分割后的圖像Iseg(x，y)中。

2.3 目標識別

在Iseg(x，y)中，只有一個連通域代表貓眼效應(yīng)目標區(qū)域，其余的都是偽目標區(qū)域。真的貓眼效應(yīng)目標只存在于主動圖像中，而偽效應(yīng)目標既存在于主動圖像中，又存在于被動圖像中。我們可利用這一差別，識別出真的貓眼效應(yīng)目標。設(shè)在分割后的圖像中有n個連通域。分別標記每一個連通域，Ti代表第i個連通域，HTi表示該連通域的像素點數(shù)量，Iiave_a代表在主動圖像中與Iseg(x，y)中第i個連通域處于同一坐標區(qū)域的平均灰度值，Iiave_p代表在被動圖像中與Iseg(x，y)中第i個連通域處于同一坐標區(qū)域的平均灰度值:

設(shè)貓眼目標所在的連通域為Tr，由式(5)－(7)可得:

3 試驗與仿真

為了驗證基于局部特征的近距離貓眼效應(yīng)目標快速識別方法的可行性以及有效性，本文做了兩組試驗，試驗1是可行性試驗，試驗2是對比試驗。試驗1的數(shù)據(jù)包括圖2和圖3。

圖2 原始主動圖像與被動圖像Fig.2 Original active image and passive imabe

圖2 (a)中，矩形框內(nèi)是因激光照射而形成的貓眼效應(yīng)目標，而在圖2(b)中，相同坐標的區(qū)域里不存在貓眼目標。通過觀察圖的明暗程度可知，主動圖像的整體灰度明顯高于被動圖像。

圖3 貓眼效應(yīng)目標識別過程效果圖Fig.3 Pictures of cat－eye images in process

在圖3中分別列出了目標識別的三個主要過程中的效果圖。圖3(a)中，貓眼效應(yīng)目標仍較為明顯的存在，而大部分背景非常暗，灰度級很低。由此可知，主動圖像與經(jīng)平均灰度差相加后的被動圖像做差分運算，能極大地降低大部分背景的灰度，增大了貓眼效應(yīng)目標與背景的對比度;在閾值分割后的圖3(b)中，只剩下貓眼效應(yīng)目標與一些偽目標區(qū)域，這縮小了搜索貓眼目標區(qū)域的范圍，減小了后續(xù)需要識別的可疑區(qū)域的數(shù)量;在圖3(c)中，可以清晰地看到只有貓眼效應(yīng)目標留在了圖像中，這充分驗證了通過對比主被動局部區(qū)域平均灰度差來識別目標的方法，具有很高準確性。

試驗2的數(shù)據(jù)包括圖4以及表1。圖4列出了基于本文方法與基于壓縮感知識別貓眼效應(yīng)目標的效果圖。其中(a1)，(a2)，(a3)是三幅含有貓眼目標的原始主動圖像，(b1)，(b2)，(b3)是基于本文方法的最后識別效果圖，(c1)，(c2)，(c3)是基于壓縮感知的最后識別效果圖。

由圖4可知，基于壓縮感知的識別方法，有一些非貓眼效應(yīng)目標的區(qū)域也留在了圖像中，存在誤判的情況。這是因為近距離時，主被動圖像的平均灰度差大，背景相關(guān)性低;而基于本文的識別方法，可以準確地識別貓眼效應(yīng)目標。

圖4 基于本文方法與基于壓縮感知方法的貓眼效應(yīng)目標識別效果對比圖Fig.4 Results of methods based on the proposed one and compressive sensing

表1列出了以圖4中的原始圖像為樣本，基于壓縮感知與基于本文的識別方法的仿真試驗時間。

表1 基于局部特征的近距離貓眼效應(yīng)目標快速識別方法與基于壓縮感知的貓眼效應(yīng)識別方法對比表Tab.1 Running times of methods based on the propsed one and compressive sensing

由表1可知，基于局部特征的近距離貓眼效應(yīng)目標的識別方法，每次識別大約耗時2 s，而基于壓縮感知的貓眼效應(yīng)目標識別方法每次識別需要耗時7 s左右。所以，本文方法的識別速度更快。

4 結(jié)論

本文提出了一種基于局部特征的近距離貓眼效應(yīng)目標快速識別方法。該方法主要步驟包括圖像差分、閾值分割以及目標識別等步驟。在圖像差分中，通過平均灰度差相加處理，降低了背景的干擾;利用貓眼效應(yīng)目標的先驗信息來選取閾值保證了圖像分割能有效縮小識別范圍;利用主被動圖像的局部平均灰度差識別貓眼效應(yīng)目標區(qū)域的方法，提高了最后識別的準確性。試驗結(jié)果證明了本文所用方法，在準確性和時間性能上均優(yōu)于基于壓縮感知的識別方法，在近距離貓眼效應(yīng)目標的識別中具有很強的實用性。

［1］ BI Borui，XUE Changjia，GU Heng，et al．Anti-sniper detector based on linear array CCD［J］．Journal of Applied Optics，2010，31(2):203－206．(in Chinese)畢博瑞，薛常佳，谷衡，等．基于線陣CCD反狙擊探測儀的研制［J］．應(yīng)用光學，2010，31(2):203－206．

［2］ SHAN Congmiao，SUN huayan，ZHANG Yanzhong，et al．Analysis of cat-eye terminal echo flashing based on the modified rytov method［J］．Laser＆Infrared，2013，43(8):876－880．(in Chinese)單聰淼，孫華燕，趙延仲，等．貓眼終端回波閃爍效應(yīng)分析［J］．激光與紅外，2013，43(8):876－880．

［3］ DONG Xiaogang，ZHU Haijun，YI Gang，et al．Detection distance analysis of pulsed laser based on cat’s effect［J］．Laser＆Infrared，2011，41(1):67－70．(in Chinese)董小剛，朱海軍，殷剛．基于“貓眼效應(yīng)”的激光主動偵察系統(tǒng)探測距離分析［J］．激光與紅外，2011，41(1):67－70．

［4］ JIANG Zhiguo，F(xiàn)AN Yang．Research of stealth technology based on weakening the“cat eye”effect［J］．Laser＆Infrared，2013，43(8):872－875．(in Chinese)蔣治國，樊洋．基于減弱“貓眼效應(yīng)”的隱身技術(shù)研究［J］．激光與紅外，2013，43(8):872－875．

［5］ Lecocq C，Deshors G，Lado-Bordowsky O，et al．Sight laser detection modeling［C］//AeroSense 2003．International Society for Optics and Photonics，2003:280－286．

［6］ Truong K N，Patel SN，Summet J W，et al．Preventing camera recording by designing a capture-resistant environment［M］//UbiComp 2005:Ubiquitous Computing．Springer Berlin Heidelberg，2005:73－86．

［7］ Ximing Ren，Li Li．Recognizing cat-eye targets with dual criterions of shape and modulation frequency［J］．Chinese Optics Letters，2011，9(4):38－41．

［8］ Li L，Li H，Dang E，et al．Compressive sensing method for recognizing cat-eye effect targets［J］．Applied optics，2013，52(28):7033－7039．

［9］ LI li，WANG Xinbin，ZHANG Weiguo．A recognition method of“cat-eye”effect target based on texture character［J］．Acta Photonica Sinica，2013，43(2):0210001－1－11．(in Chinese)李麗，王興賓，張衛(wèi)國．基于紋理特征的“貓眼”效應(yīng)目標識別方法［J］．光子學報，2013，43(2):0210001－1－11．