基于局部特征的猫眼效应目标识别方法

杨岳青，李 丽

(北京航空航天大学电子信息工程学院，北京100191)

1 引言

一束光进入光电设备的光学镜头后，经镜头会聚，然后经焦平面或分划板反射，其反射回波强度比一般物体的漫反射回波强度高出2～4个数量级，这种光学现象被称为猫眼效应［1－2］。在反侦察、反狙击的应用领域中，基于猫眼效应的激光主动探测系统展现出了很好的早期预警作用［3－6］。依据猫眼效应的原理，因激光照射，猫眼效应目标在主动图像中的灰度级非常高，而在没有激光照射的被动图像中，猫眼效应目标和周围背景的灰度级相差无几。目前，已有多种猫眼效应目标的识别方法被提出［7－9］。文献［7］提出了一种基于形状和频率双重判据的猫眼效应目标识别方法，该方法能识别出复杂背景环境下猫眼目标，但却需要采集处理大量的数据，且识别的准确率低。文献［8］提出了一种基于压缩感知的猫眼效应目标识别方法，该方法适用于远距离且背景环境具有高度相关性的场合，对近距离(1～10 m)且背景环境相关性低的场合，不能有效地识别出猫眼效应目标。以上方法在对远距离目标探测识别方面也都展现出了良好的识别性能。在某些特定的应用场合，如室内反偷拍，需要近距离地对猫眼目标进行识别。在此种情况下，因激光在近距离范围内的反射衰减很弱，主动图像的平均灰度将远高于被动图像，此时，以上的识别方法将不再适用。

为了克服以上方法的缺点，提高识别速度，本文提出了一种基于局部特征的近距离猫眼效应目标快速识别方法。该方法基于文献［8］工作原理的探测系统，通过对采集到的同一背景环境下的主被动图像进行处理，识别出目标。

2 基于局部特征的猫眼效应目标识别方法

本文采用的方法流程如图1所示。首先，对被动图像进行平均灰度差相加的处理，然后对主被动图像进行差分，去除大部分的背景干扰;其次，通过猫眼效应目标在图像中所占像素点的先验信息，确定合适的阈值，通过阈值分割，将猫眼效应目标和伪目标留在黑白图像中;最后，依据主被动图像中特定区域的平均灰度差，对猫眼目标进行识别。

图1 基于局部特征的猫眼效应目标识别流程Fig.1 Flowchart of the method based on local features

2.1 图像差分

设Ia(x，y)为原始的主动图像，Ip(x，y)为原始的被动图像。主被动图像都是尺寸为M×N的灰度图像(1≤x≤M，1≤y≤N)，(x，y)表示像素点的坐标位置。设Iave-sub为主动图像与被动图像的平均灰度差，即:

为了消除近距离时，被动图像与主动图像的平均灰度差过大的影响，图像的差分运算由下式给出，Isub(x，y)表示差分图像:

2.2 阈值分割

在差分图像Isub(x，y)中，背景部分被严重削弱，而猫眼效应目标较为完整地存在。为了进一步去除背景，缩小目标的识别范围，需要对差分图像进行阈值分割。普通的阈值分割方法，通常是为了提取图像中较大的目标，即该类图像的灰度直方图呈双峰或类双峰分布。但在猫眼效应图像中，效应目标所占像素点很少，图像的灰度直方图双峰分布不明显。为了找出合适的阈值，我们可以利用猫眼目标所占像素点数目这一先验信息作为寻找阈值的依据。设hk为图像中灰度值为k的像素点数目(0≤k≤255)。设t为阈值，猫眼效应目标的灰度级在差分后的图像中的处于最高的部分，其所占像素点的数目一般在100左右，所以最佳的阈值t*由下式确定:

经图像分割后，Iseg(x，y)中会有一些离散的目标连通域。这是因为某些伪效应目标与猫眼效应目标特性相似，所以其所占区域仍会残留在分割后的图像Iseg(x，y)中。

2.3 目标识别

在Iseg(x，y)中，只有一个连通域代表猫眼效应目标区域，其余的都是伪目标区域。真的猫眼效应目标只存在于主动图像中，而伪效应目标既存在于主动图像中，又存在于被动图像中。我们可利用这一差别，识别出真的猫眼效应目标。设在分割后的图像中有n个连通域。分别标记每一个连通域，Ti代表第i个连通域，HTi表示该连通域的像素点数量，Iiave_a代表在主动图像中与Iseg(x，y)中第i个连通域处于同一坐标区域的平均灰度值，Iiave_p代表在被动图像中与Iseg(x，y)中第i个连通域处于同一坐标区域的平均灰度值:

设猫眼目标所在的连通域为Tr，由式(5)－(7)可得:

3 试验与仿真

为了验证基于局部特征的近距离猫眼效应目标快速识别方法的可行性以及有效性，本文做了两组试验，试验1是可行性试验，试验2是对比试验。试验1的数据包括图2和图3。

图2 原始主动图像与被动图像Fig.2 Original active image and passive imabe

图2 (a)中，矩形框内是因激光照射而形成的猫眼效应目标，而在图2(b)中，相同坐标的区域里不存在猫眼目标。通过观察图的明暗程度可知，主动图像的整体灰度明显高于被动图像。

图3 猫眼效应目标识别过程效果图Fig.3 Pictures of cat－eye images in process

在图3中分别列出了目标识别的三个主要过程中的效果图。图3(a)中，猫眼效应目标仍较为明显的存在，而大部分背景非常暗，灰度级很低。由此可知，主动图像与经平均灰度差相加后的被动图像做差分运算，能极大地降低大部分背景的灰度，增大了猫眼效应目标与背景的对比度;在阈值分割后的图3(b)中，只剩下猫眼效应目标与一些伪目标区域，这缩小了搜索猫眼目标区域的范围，减小了后续需要识别的可疑区域的数量;在图3(c)中，可以清晰地看到只有猫眼效应目标留在了图像中，这充分验证了通过对比主被动局部区域平均灰度差来识别目标的方法，具有很高准确性。

试验2的数据包括图4以及表1。图4列出了基于本文方法与基于压缩感知识别猫眼效应目标的效果图。其中(a1)，(a2)，(a3)是三幅含有猫眼目标的原始主动图像，(b1)，(b2)，(b3)是基于本文方法的最后识别效果图，(c1)，(c2)，(c3)是基于压缩感知的最后识别效果图。

由图4可知，基于压缩感知的识别方法，有一些非猫眼效应目标的区域也留在了图像中，存在误判的情况。这是因为近距离时，主被动图像的平均灰度差大，背景相关性低;而基于本文的识别方法，可以准确地识别猫眼效应目标。

图4 基于本文方法与基于压缩感知方法的猫眼效应目标识别效果对比图Fig.4 Results of methods based on the proposed one and compressive sensing

表1列出了以图4中的原始图像为样本，基于压缩感知与基于本文的识别方法的仿真试验时间。

表1 基于局部特征的近距离猫眼效应目标快速识别方法与基于压缩感知的猫眼效应识别方法对比表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离猫眼效应目标的识别方法，每次识别大约耗时2 s，而基于压缩感知的猫眼效应目标识别方法每次识别需要耗时7 s左右。所以，本文方法的识别速度更快。

4 结论

本文提出了一种基于局部特征的近距离猫眼效应目标快速识别方法。该方法主要步骤包括图像差分、阈值分割以及目标识别等步骤。在图像差分中，通过平均灰度差相加处理，降低了背景的干扰;利用猫眼效应目标的先验信息来选取阈值保证了图像分割能有效缩小识别范围;利用主被动图像的局部平均灰度差识别猫眼效应目标区域的方法，提高了最后识别的准确性。试验结果证明了本文所用方法，在准确性和时间性能上均优于基于压缩感知的识别方法，在近距离猫眼效应目标的识别中具有很强的实用性。

［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)毕博瑞，薛常佳，谷衡，等．基于线阵CCD反狙击探测仪的研制［J］．应用光学，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)单聪淼，孙华燕，赵延仲，等．猫眼终端回波闪烁效应分析［J］．激光与红外，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)董小刚，朱海军，殷刚．基于“猫眼效应”的激光主动侦察系统探测距离分析［J］．激光与红外，2011，41(1):67－70．

［4］ JIANG Zhiguo，FAN Yang．Research of stealth technology based on weakening the“cat eye”effect［J］．Laser＆Infrared，2013，43(8):872－875．(in Chinese)蒋治国，樊洋．基于减弱“猫眼效应”的隐身技术研究［J］．激光与红外，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)李丽，王兴宾，张卫国．基于纹理特征的“猫眼”效应目标识别方法［J］．光子学报，2013，43(2):0210001－1－11．