红外制导炸弹ATR算法测试与演示系统设计

刘青松，谢晓方，曹 建，张龙杰

(海军航空工程学院 兵器科学与技术系，山东 烟台 264001)



【装备理论与装备技术】

红外制导炸弹ATR算法测试与演示系统设计

刘青松，谢晓方，曹 建，张龙杰

(海军航空工程学院 兵器科学与技术系，山东 烟台 264001)

针对红外制导炸弹ATR(Automatic Target Recognition)算法，设计了一种算法测试与演示系统。该系统采用红外视景仿真技术提供算法测试图像序列，通过通信协议实现图像处理系统和评估软件的通信，使用一套较为完善的指标体系评估算法效果。该系统为实现红外制导炸弹 ATR算法测试与评估提供了一种设计思路。

红外制导炸弹;视景仿真技术;自动目标识别;测试与演示系统

在红外制导炸弹ATR算法的开发过程中，科学的分析ATR算法的性能，对于缩短算法研制周期，提高算法性能具有重要意义。

美国早在20世纪就开始了ATR系统评估的研究工作[1]，研制出了Auto-I，可以监控并显示ATR系统的性能指标。加拿大研制的ATR Workbench可以直接用于SAR图像ATR的开发研究[2]。我国ATR算法评估技术发展较晚，主要的研究机构是国防科技大学和华中科技大学。华中科技大学的陈朝阳等开发了GESPATRS[3](general evaluation software for performance of ATR systems)，在通用软件平台的实现上取得较大进展。张桂林等在测试平台的硬件实现上进行了尝试，采用了DSP+FPGA的硬件结构，能够有效地提高数字图像处理算法的处理速度。国防科大的庄钊文[4]对ATR多指标综合评估方法做了较为深入的研究，健全了国内ATR算法评估理论体系，付强团队开发了基于VC++6.0的“ATR评估软件系统”[5]，对ATR算法的评估理论进行了实践验证。

不同的ATR算法评估系统虽然具有通用性，但还是针对具体的评估对象，有一定的局限性。一套评估方法，一个评估软件很难解决所有ATR算法的评估问题。目前，针对红外制导炸弹的ATR算法评估系统少见报导。

本文重点针对红外制导炸弹的ATR算法的评估问题，结合红外视景仿真技术和ATR算法评估方法，确定了红外制导炸弹ATR算法测试与演示系统的系统架构，该系统采用红外视景仿真软件提供算法测试图像序列，通过通信协议实现图像处理系统和评估软件的通信，使用一套较为完善的指标体系评估算法效果。该系统为红外制导炸弹ATR算法测试与评估的具体工程实践提供了一种设计思路。

1 系统功能分析

红外制导炸弹ATR算法测试与演示系统具备以下功能：

1) 能够仿真红外目标特性。

2) 能够仿真红外制导炸弹的导引头特性，包括导引头的作战性能和探测器噪声。

3) 能够仿真红外战场背景。

4) 能够通过软件界面录入用户不同的仿真条件，根据不同的条件进行红外视景仿真。

5) 能够通过软件界面录入用户不同的评估目的和评估指标，创建评估工程。

6) 能够利用红外仿真生成的图像序列对相关ATR算法进行测试，给出评估指标。

7) 能够对评估指标进行综合，得出ATR算法的综合评估指标。

8) 具有一定通用性，能够对目前主流的ATR算法进行测试。

2 系统总体设计

2.1 硬件结构设计

红外制导炸弹ATR算法测试与演示系统的硬件结构如图1所示，系统分为集成演示验证系统和图像处理系统，二者用网线相连，并进行数据通信。集成演示验证系统能够仿真红外虚拟战场环境，并对ATR算法进行实时演示评估。图像处理系统中的ATR模块能够加载不同的ATR算法，把计算结果传给集成演示验证系统。

图1 硬件结构

2.2 软件结构设计

红外制导炸弹ATR算法测试与演示系统的软件结构图如图2所示，其中集成演示验证系统主要分为视景仿真模块、ATR评估模块和人机交互模块。图像处理系统内含ATR模块。

图2 软件结构

2.3 模块交互关系

为了清晰地描述系统各个模块的交互关系，画出了系统的时序图，如图3所示。

首先用户通过人机交互模块设置评估目的、选取评估参数、确定评估方法以及设置仿真参数，然后创建ATR评估线程实例，之后根据仿真参数创建仿真线程实例。激活ATR线程，开始测试。在ATR线程、ATR评估线程和视景仿真线程均准备就绪时，视景仿真线程开始向ATR线程逐帧传输图像信息，ATR评估线程逐帧计算评估结果，待所有图像帧计算完毕后，ATR评估线程向人际交互模块传递评估数据并进行可视化显示。

图3 时序图

3 软件开发工具和环境

常用的视景仿真软件有OpenGL，OSG，Vega Prime等。本研究选择的仿真工具是Vega Prime，因为其模块化程度高，功能强大，可以缩短程序的开发周期；并且Vega Prime支持和OpenGL的混合编程，所以仿真的灵活性能够得到保证。与Vega Prime配套的3D建模软件是Multigen公司出品的Creator软件，在三维建模方面有十分出色的表现。

在对ATR算法进行测试的过程中，首先需要实现不同的ATR算法，而实际工作中，测试软件并不关心ATR算法的实现细节。对于这一问题，一个可行的方法是在成熟视觉函数库的基础上实现ATR算法。这样既可以缩短软件的开发周期，又可以把主要精力放在系统的搭建和算法评估上。本文选择OpenCV作为ATR算法的开发函数库，OpenCV是一个基于BSD许可发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它由一系列C函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。

本文选择的软件开发工具有Vega Prime4.1，Mulitgen Creator3.4，OpenCV3.0。和上述软件兼容的集成开发环境是Microsoft VS2005，操作系统是Windows7系列。

4 关键技术

4.1 视景仿真影响因素的确定

视景仿真模块的核心功能在于能够根据不同的影响因素生成不同的动态红外仿真场景并用于红外ATR算法的测试。针对红外制导炸弹的作战特点，本文确定了4大类影响因素，具体分类情况如图4所示。

图4 影响因素分类

4.1.1 环境影响因素

环境影响因素包括天气条件和地形地貌。其中天气条件可以选择雨天、阴天、多云、雪天；地形地貌可以选择海洋、海港、近海陆地等。

4.1.2 目标影响因素

目标影响因素包括目标的个数、距离、亮度、面积、种类、型号、运动状态、运动轨迹、目标层叠和虚假目标等。其中，目标的运动轨迹可以分为曲线和直线；运动状态可以分为静止、缓动和机动。目标层叠是指目标之间存在的相互遮挡的情况。虚假目标主要是指红外干扰弹。目前红外干扰弹对红外制导武器的命中精度有很大的影响。可以通过设定干扰弹的数量、大小、运动轨迹和灰度来模拟不同的干扰情况。

4.1.3 平台运动影响因素

平台运动影响因素主要指红外制导炸弹的攻击弹道和平台抖动。根据不同的弹道，目标大小的变化率，场景的灰度变化率都会发生变化，进而直接影响ATR算法的效果。平台抖动是指仿真制导炸弹在飞行过程中出现的抖动现象，具体可分为周期性抖动和随机性抖动。通过对平台抖动的仿真，可以对ATR算法在平台抖动下准确度和精度进行评估。

4.1.4 探测器影响因素

探测器影响因素将主要包括视场角、分辨率、噪声水平、噪声种类。探测器的性能直接影响输出图像序列的品质，从而对ATR算法的评估也有较大的影响。

4.2 ATR评估指标的确定

指标的定义是开展评估工作的基础。ATR评估中存在不同种类的指标，各类指标反映了评估对象特性的不同侧面。例如检测概率反映了ATR算法的检测能力，单帧计算时间反映了ATR算法的实时性能。ATR评估指标一般可以分为性能指标和代价指标两大类[6-7]。具体的分类情况如图5所示。在具体的工程应用中，可以根据不同的评估目的，选择不同的评估指标。

图5 ATR评估指标分类

4.3 ATR算法评估方法的确定

按照评估的层次，可以将评估算法分为两大类[8]，具体的划分情况如图6所示。

图6 ATR评估方法分类图

单指标评估算法主要针对ATR算法某一方面的能力进行评估，而多指标的综合评估算法能更加全面地反映ATR算法的性能。但是多指标的评估算法的计算较为复杂。在具体的评估过程中，可以根据评估的阶段和目的选择不同的评估方法。

4.4 信息交互设计

在评估ATR算法的过程中，算法被当作“黑盒”看待。评估软件并不关心ATR算法的实现细节，只需要ATR模块提供计算结果，例如“目标识别种类”、“目标的位置坐标”等信息，评估软件根据计算结果计算出评估指标，再根据评估模型得出评估结果。

同样，从ATR算法的角度看，在实现算法的过程中，也不需要了解评估软件的实现细节，只要评估软件能够提供ATR算法所需的图像信息便可。

因此，在ATR算法和评估软件之间，需要定义标准的通信协议和通信的数据结构。这种通信协议和数据结构并不针对特定的ATR算法，而是具有一定的通用性，能够满足目前主流ATR算法的测试要求。具体的通信步骤如表1所示。

表1 通信步骤

5 结论

针对红外制导炸弹的ATR算法的评估问题，设计了红外制导炸弹ATR算法测试与演示系统，分析了系统的功能需求，设计了系统的硬件和软件结构，理顺了各模块的工作时序，明确了视景仿真中需要考虑的4大类影响因素，列出了红外ATR算法评估的指标体系和评估方法，建立了评估软件和ATR模块间的通信步骤。该系统为红外制导炸弹ATR算法测试与评估的具体工程实现提供了一种设计思路。

[1] SADJADI F A,BAZAKOS M.A Perspective on Automatic Target Recognition Evaluation Technology[J].Optical Engineering,1991,30(2):141-146.

[2] ENGLISH R A,RAWLINSON S J,SANDIRASEGARAM N M.ATR workbench for automating image analysis[C]//Algorithms for Synthetic Aperture Radar Imagery X.Orlando,FL,USA:SPIE 5095,2003:349-357.

[3] CHEN Z Y,ZHANG G L.A General quantitative approach to performace evaluation of automatic target recognition (ATR) systems[C]//Visualization and Optimization Techniques Proceeding.London,ON,Canada:SPIE 4553,2001:179-184.

[4] 庄钊文,黎湘,李彦鹏,等.自动目标识别效果评估技术[M].北京:国防工业出版社,2006：4-5.

[5] 付强,何峻.自动目标识别评估方法及应用[M].北京:科学出版社,2013：136-139.

[6] 衡燕.广义操作条件下的ATR算法性能评估[D].长沙:国防科技大学,2006.

[7] 廖云涛.ATR性能评估方法研究[D].武汉:华中科技大学,2002.

[8] 吕金健,丁建江,阮崇籍,等.自动目标识别(ATR)算法评估研究综述[J].电光与控制,2011,18(9):48-52.

(责任编辑 周江川)

Design of ATR Algorithm Test and Demonstration System for Infrared Guided Bomb

LIU Qing-song, XIE Xiao-fang, CAO Jian, ZHANG Long-jie

(Department of Ordnance Science and Technology, Naval Aeronautical and Astronautical University, Yantai 264001, China)

Aiming at infrared guided bomb ATR algorithm, an algorithm test and demonstration system was designed. The system used infrared scene simulation technology to provide the image sequence to test the algorithm and used communication protocol to realize the communication of image processing system and evaluation software, while using a set of index system to evaluate the effectiveness of the algorithm. The system provides a design method for the testing and evaluation of the ATR algorithm of the infrared guided bomb.

infrared guided bomb; visual simulation technology; automatic target recognition; test and demonstration system

2016-06-29；

2016-07-20

刘青松(1992—)，男，硕士，主要从事半实物仿真研究。

10.11809/scbgxb2016.10.012

刘青松，谢晓方，曹建，等.红外制导炸弹ATR算法测试与演示系统设计[J].兵器装备工程学报，2016(10):56-60.

format:LIU Qing-song, XIE Xiao-fang, CAO Jian, et al.Design of ATR Algorithm Test and Demonstration System for Infrared Guided Bomb[J].Journal of Ordnance Equipment Engineering,2016(10):56-60.

TP391;TJ414

A

2096-2304(2016)10-0056-05