涂國(guó)勇，李偉建，劉興威，劉旭光，李 壯，譚鳳義

（酒泉衛(wèi)星發(fā)射中心，甘肅酒泉，732750）

景象匹配制導(dǎo)因具有分辨率高、可選擇目標(biāo)攻擊點(diǎn)、命中精度高以及附帶傷害小等優(yōu)點(diǎn)[1]，已成為重要的制導(dǎo)方式之一。在景象匹配問(wèn)題研究中，匹配算法的研究是熱點(diǎn)問(wèn)題，如自適應(yīng)冗余關(guān)鍵點(diǎn)消除的SIFT方法[2]、基于相位信息的梯度紋理特征匹配方法[3]、改進(jìn)的基于分區(qū)的匹配算法[4]等。有學(xué)者關(guān)注了匹配制導(dǎo)精度的分析評(píng)估問(wèn)題，如：文獻(xiàn)[5]提出了1 種基于Gabor 小波的制導(dǎo)精度預(yù)測(cè)方法；文獻(xiàn)[6]從實(shí)時(shí)圖獲取及預(yù)處理誤差、圖像匹配誤差、慣導(dǎo)測(cè)量誤差等方面分析了SAR圖像匹配制導(dǎo)精度的影響因素；文獻(xiàn)[7]研究了景象匹配/慣組導(dǎo)航復(fù)合制導(dǎo)武器系統(tǒng)精度分析和評(píng)估問(wèn)題。但以上研究與飛行試驗(yàn)工作中的分析評(píng)估側(cè)重點(diǎn)有所不同。近年來(lái)，目標(biāo)跟蹤方法在醫(yī)療、航空、軍事等領(lǐng)域得到了廣泛的應(yīng)用[8]，它能有效解決視頻流圖像中目標(biāo)精確定位問(wèn)題。飛行試驗(yàn)中，景象匹配全過(guò)程實(shí)際上就是1 個(gè)目標(biāo)跟蹤的過(guò)程，鑒于此，本文提出1 種基于組合跟蹤的景象匹配圖像全流程評(píng)估方法，以解決飛行試驗(yàn)中景象匹配分析評(píng)估的問(wèn)題。

1 序列圖關(guān)鍵幀匹配方法

當(dāng)拍攝場(chǎng)景為平面時(shí)，可用射影變換描述任意2幀圖像間的幾何變換關(guān)系，特別是在高空對(duì)地面進(jìn)行拍攝時(shí)，一般可用仿射變換近似描述。對(duì)于圖像序列Ik，k=2,3,…,n。對(duì)相鄰幀圖像進(jìn)行匹配，得到變換矩陣Hk，k=2,3,…,n，滿足：

序列圖中的每1點(diǎn)坐標(biāo)都可經(jīng)過(guò)多次變換轉(zhuǎn)移到首幀圖像坐標(biāo)系中，從而描述任意點(diǎn)在序列中的運(yùn)動(dòng)軌跡，并正則化描述任意軌跡之間的相對(duì)關(guān)系。據(jù)此實(shí)現(xiàn)對(duì)景象匹配的分析評(píng)估。

1.1 序列圖關(guān)鍵幀匹配框架

在飛行試驗(yàn)中，受各種因素影響，圖像序列中可能存在無(wú)效幀，也可能有嚴(yán)重噪聲，在這種情況下，相鄰幀匹配會(huì)變得不可靠，本文提出1 種序列圖關(guān)鍵幀匹配方法，以期解決這一問(wèn)題。如圖1所示，將關(guān)鍵幀記為Iut，t=1,2,…,m。設(shè)置u1=1，即第1 幀為關(guān)鍵幀。

圖1 序列圖匹配示意圖Fig.1 Diagram of sequence images matching

式（6）中,Area()· 表示區(qū)域面積。

圖2 匹配重疊率計(jì)算示意圖Fig.2 Diagram of the calculation of matching overlap rate

圖3 相關(guān)系數(shù)計(jì)算示意圖Fig.3 Diagram of the calculation of correlation coefficient

式（7）中：W為圖像坐標(biāo)范圍；f、g分別為2幅圖像的灰度值；fˉ、gˉ分別為2幅圖像的灰度均值。

1.2 圖像匹配算法

對(duì)于序列圖中待匹配的模板和圖像，采用基于特征點(diǎn)的匹配方法進(jìn)行快速匹配，流程如圖4 所示。分別在模板和圖像上檢測(cè)Fast特征點(diǎn)[9-10]，對(duì)檢測(cè)到的特征點(diǎn)構(gòu)建BRIEF局部特征描述[11-12]，利用文獻(xiàn)[13]中提出的基于機(jī)器學(xué)習(xí)的方法進(jìn)行特征點(diǎn)匹配，最后計(jì)算并輸出變換矩陣H。

圖4 匹配流程圖Fig.4 Matching flow diagram

2 基于組合跟蹤的景象匹配評(píng)估

2.1 跟蹤方法對(duì)比實(shí)驗(yàn)

圖5 11組圖像序列的首幀圖像及目標(biāo)Fig.5 First frame image and target of 11 sets of image sequences

11組圖像序列中多種跟蹤方法的跟蹤誤差，如表1 所示。表中，F(xiàn)alse 表示跟蹤失敗次數(shù)，AVE 表示算法的平均誤差。從跟蹤成功率角度分析，Struck最優(yōu)，之后依次為配準(zhǔn)跟蹤、TLD、MIL、Boosting、中值流；從平均誤差角度分析，TLD最優(yōu)，之后依次為中值流、配準(zhǔn)跟蹤。對(duì)于場(chǎng)景中立體效應(yīng)較大的序列#1、#4、#5、#6、#7，跟蹤誤差最小的是TLD。對(duì)于場(chǎng)景符合平面約束的序列#2、#3、#8、#9、#10，配準(zhǔn)跟蹤能取得較小的跟蹤誤差。

表1 多種跟蹤算法的跟蹤誤差對(duì)比結(jié)果Tab.1 Comparison results of track errors for multiple tracking algorithms

上述實(shí)驗(yàn)結(jié)果說(shuō)明，若要同時(shí)獲得較高的跟蹤成功率和較小的誤差，可同時(shí)使用多種方法，并對(duì)多種方法的跟蹤結(jié)果進(jìn)行融合。

2.2 組合跟蹤方法

從上節(jié)分析結(jié)論可知，配準(zhǔn)跟蹤和TLD 跟蹤是1種較優(yōu)組合方式，能優(yōu)勢(shì)互補(bǔ)，具體組合方法，如圖6所示。

圖6 組合跟蹤流程Fig.6 Combination tracking process

采用序列圖像配準(zhǔn)方法計(jì)算圖像序列中每幀圖像到首幀圖像的變換矩陣，同時(shí)用TLD方法對(duì)目標(biāo)進(jìn)行跟蹤。用TLD跟蹤結(jié)果預(yù)測(cè)目標(biāo)坐標(biāo)，計(jì)算目標(biāo)區(qū)域平整度。利用平整度對(duì)配準(zhǔn)跟蹤與TLD 跟蹤的結(jié)果進(jìn)行融合。當(dāng)平整度較好時(shí)，采用配準(zhǔn)跟蹤結(jié)果作為系統(tǒng)跟蹤結(jié)果；當(dāng)平整度較差時(shí)，采用TLD 跟蹤結(jié)果作為系統(tǒng)跟蹤結(jié)果。

2.3 景象匹配評(píng)估實(shí)驗(yàn)

為了說(shuō)明組合跟蹤方法的性能，進(jìn)行了以下3 組模擬實(shí)驗(yàn)。

第1組實(shí)驗(yàn)采用對(duì)室內(nèi)場(chǎng)景拍攝的圖像序列。圖像間存在連續(xù)尺度變化、旋轉(zhuǎn)變化和快速移動(dòng)等。跟蹤結(jié)果，如圖7所示。

圖7 第1組圖像實(shí)驗(yàn)結(jié)果Fig.7 Results of the first set of image experiments

第2組實(shí)驗(yàn)采用對(duì)室外場(chǎng)景拍攝的圖像序列。圖像間存在因快速變焦導(dǎo)致的圖像模糊。跟蹤結(jié)果，如圖8所示。

圖8 第2組圖像實(shí)驗(yàn)結(jié)果Fig.8 Results of the second set of image experiments

圖7和圖8中的實(shí)驗(yàn)結(jié)果表明，本文所提組合跟蹤方法能夠可靠快速地進(jìn)行目標(biāo)跟蹤，對(duì)圖像旋轉(zhuǎn)、尺度變化、圖像噪聲和模糊等都有很強(qiáng)的適應(yīng)性。

第3組采用沙盤圖像序列進(jìn)行實(shí)驗(yàn)，指定第1幀圖像中心為目標(biāo)，跟蹤結(jié)果，如圖9所示。

圖9 第3組圖像實(shí)驗(yàn)結(jié)果Fig.9 Results of the third set of image experiments

圖10 和圖11 表示了圖9 中跟蹤過(guò)程的評(píng)估結(jié)果。圖10為視線中心與目標(biāo)正則化距離曲線，圖像上2點(diǎn)間的正則化距離是指將2點(diǎn)轉(zhuǎn)換到首幀對(duì)應(yīng)點(diǎn)上計(jì)算得到的像素距離。圖10 中，橫軸為圖像幀數(shù)，縱軸為視線中心與目標(biāo)正則化距離，從圖可見(jiàn)在該組序列圖上，目標(biāo)逐漸偏離視線中心。圖11為視線中心與目標(biāo)2D關(guān)系。目標(biāo)位于第1幀圖像中心，實(shí)心端點(diǎn)為首幀中視線中心位置，空心端點(diǎn)為末幀中視線中心位置，曲線表示將各幀圖像視線中心轉(zhuǎn)換到首幀圖像坐標(biāo)系下形成的運(yùn)動(dòng)路徑，反映了目標(biāo)與視場(chǎng)中心點(diǎn)間的運(yùn)動(dòng)關(guān)系。

圖10 視線中心與目標(biāo)正則化距離曲線Fig.10 Curve of regularization distance between the center-of-sight and the target

圖11 視線中心與目標(biāo)2D空間關(guān)系Fig.11 Two dimension spatial relationship between the center-of-sight and the target

通過(guò)將沙盤、室內(nèi)和室外場(chǎng)景拍攝獲得的3 組實(shí)驗(yàn)視頻作為跟蹤算法的測(cè)試圖像，實(shí)驗(yàn)分析處理表明，采用文中提出的組合跟蹤方法對(duì)景象匹配制導(dǎo)過(guò)程中獲得的系列圖像進(jìn)行分析處理，可獲得景象匹配的定量評(píng)估結(jié)論。

3 結(jié)論

景象匹配分析評(píng)估是飛行試驗(yàn)的1 項(xiàng)重要工作，本文針對(duì)飛行試驗(yàn)中獲得的圖像可能存在質(zhì)量問(wèn)題，在基于序列圖關(guān)鍵幀匹配方法的基礎(chǔ)上，提出了1 種組合跟蹤方法，用于景象匹配全流程評(píng)估。模擬實(shí)驗(yàn)結(jié)果表明，組合跟蹤方法適應(yīng)性強(qiáng)，視線中心與目標(biāo)的正則化距離曲線和2D空間關(guān)系曲線能再現(xiàn)匹配跟蹤全過(guò)程，可給出光學(xué)景象匹配過(guò)程定量的評(píng)估結(jié)論。該項(xiàng)研究既提高了景象匹配分析評(píng)估工作的準(zhǔn)確性，也能為飛試產(chǎn)品性能的改進(jìn)等提供參考依據(jù)。