空中目标红外测量图像自动判读方法研究

周 慧

(中国人民解放军92941部队， 辽宁 葫芦岛 125000)

随着红外图像传感器技术的发展，经纬仪的图像存储频率越来越高，目前，光电经纬仪上的红外传感器已经达到1000帧/s，如此高的存储频率，传统的人工判读方式越来越不能满足任务的需要。同时,由于试验频率的加大，满足成像条件的气象环境逐渐减少，导致对自动判读算法性能的要求也越来越高。自动判读的主要指标是目标特定部位跟踪的稳定性和定位的准确性。目前，在目标跟踪方面，大多数研究主要集中在弱目标的跟踪算法上[1]，而且是基于参数预测的方法。由于经纬仪测量图像的目标和背景同时变化，且背景移动具有较高的无规律性，因此，预测效果实际上并不好。而对于特定部位的跟踪主要集中在相关匹配算法研究上[2]，由于空中目标轨迹的变化，导致目标图像在形态和大小发生变化，所谓的配准算法很难实现。由于红外传感器强大的感应能力，目前大多数红外测量实际上主要是跟踪发动机尾焰[3]，但是并没有发现关于发动机尾焰跟踪定位方面的文献。至于判读定位精度，大多数集中在提高标准目标跟踪定位的算法精度上[4]，对于实验室的典型图像效果较好，而对实际测量目标图像的适用性并不理想。

作者根据多年的靶场实际工作经验，依据测量目标图像的具体结构和特点，按照测量图像判读的具体要求,论述了目标判读的一些关键问题，给出了相应的判读方法，并在实际图像处理工作中取得了良好的应用效果。

1 经纬仪测量图像判读原理

对于光测设备，一般采用多台设备交汇测量的定位方式，当然如果实现单台定位，必须实现单台测距，目前在被测目标上加合作目标比较困难，进行激光测距还难以实现。两台以上的设备跟踪同一目标，就要求跟踪目标的同一个部位，测量目标上的同一位置作为目标运动轨迹，这个位置即为判读同名点。

目前各靶场的经纬仪基本上采用红外和CCD传感器，随着跟踪距离逐渐增大，红外传感器应用越来越多，并且多数选择中波红外传感器。对于飞行目标图像，一般由弹体和尾焰组成[5,6]，如果要在弹体上确定一个同名点，对于可见光图像，存在拍摄角度误差引起部位差，但总体还可以忍受。而对于红外图像却很难实现，因为红外图像为热辐射，在异常高的尾焰辐射强度下，弹体蒙皮不可能成像，因此，红外图像仅仅为尾焰图像，随着距离的逐渐增大，尾焰的成像越来越弱，一旦距离稍远就变成光团图像了。

为了在红外和CCD图像上判读同一个部位，同名点就必须选择在可见光和红外图像都能成像的交叉部位，即为发动机尾喷口。在可见光图像上为尾喷口后边缘，在红外图像上，由于导弹蒙皮很难成像，一般选择导弹尾焰前端，虽然距尾喷口有一定的距离，但在误差允许范围内，已经是最佳选择了。当然也可以通过计算马赫盘位置对这一小段距离进行修正，不过，目标特性参数实际上较难测量。

2 典型红外测量目标的判读方法

根据同名点判读的原则，按照拍摄距离的远近，将红外和CCD传感器的测量目标成像分为尾焰图像、光团图像和刚体图像三类进行分析。

2.1 飞行器尾焰图像

对于近距离的发动机尾焰图像，总体上一般成抛物线状显示，由于经纬仪镜头的衍射作用，其抛物线边缘不可能非常光滑，且由于不同的距离和拍摄方向，导致其形状和衍射影响差别很大，直接对其进行定位不现实。基于此原因，本文提出了一种基于Hough变换[7]的飞行器尾焰前端判读方法。对于目前的CCD和红外传感器，只有距离较近时发动机尾焰才可成像，此时高度达不到云层，无云杂波等干扰。距离较远时，经过大气的衰减，即成为光团图像。并且由于尾焰的辐射能量很强，背景信息的灰度受到较大抑制，造成红外图像对比度很高，导致尾焰边缘与背景灰度的梯度较大，因此，最佳的方法是首先对图像进行自适应二值化处理。经过处理后的二值化图像，其边缘一般比较规整，按一般处理原则，应当对其抛物线顶端进行二次曲线拟合，由于尾焰图像边缘形状变化较大，实际拟合效果并不理想。

经过长期的工作经验发现，由于飞行目标速度一般较快，尾焰横向基本对称，其最稳定几何特征为中轴线，且尾焰中轴线必然与尾焰顶端点相交，因此，必须首先提取目标的中轴线。提取中轴线的方法很多，基本上都是根据外形进行提取，而尾焰外形是不稳定的，因此基本上不适用。本文根据尾焰的具体特点，提出了一种利用重心线和Hough算法提取尾焰中轴线的方法，首先判断尾焰二值化图像的长宽比，如果在横轴方向大于纵轴，则在纵轴方向求重心，反之，在横轴方向求重心，得到每点的重心连线，如下式：

(1)

式(1)中:xi或yi为横轴或纵轴的重心坐标;i或j为横轴或纵轴的重心坐标。

由于外形轮廓的不平滑，得到的重心连线不可能全部与尾焰中轴线重合，且尾焰的前端成圆形，所求出的重心线前端不可能与尾焰前端中心相交。但是，重心连线上的多数点还是在尾焰的中轴线上。因此，本文提出一种方法，采用Hough变换技术求取重心直线中的最长线段。由于Hough采用一种投票机制，因此可适当设定一定的线段间隔，以适应一定的噪声，这样求出的最长直线一定是尾焰的中轴线。将中轴线段延长，交于尾焰图像前端，其交点必然是尾焰图像的前端。具体原理如图1。

图1 尾焰图像判读示意图

2.2 光团图像

对于较远的目标图像，由于图像传感器的感应能力有限，一般只能成光团形状，仅仅因距测控站点的远近不同导致光团大小不同而已，此部分图像往往占整个轨迹的80%～90%，且定位精度较高。因此，此部分为自动判读的主要内容，其定位方法基本思想为灰度重心，主要有重心法、均值飘移法等。重心法[8-9]即求取目标重心，此方法受到目标区域的影响，如果目标区域定义过大，背景的影响必然很大，如果目标区域定义过小，则变成了在目标上求重心，而实际上目标灰度很难做到重心区域均衡分布，因此，目标区域的确定非常关键；均值漂移算法[10]为求取目标图像的反向直方图，前提是必须准确确定目标区域的直方图，这也要求准确确定目标区域。由此可见两种算法均要求准确确定目标区域。

目前确定目标区域一般采用图像二值化方法，即取包含目标图像的一定区域，此区域一般采用上一帧图像确定的区域。目标距离拍摄经纬仪越远，区域也应该越小，且这个缩小量很难判定，在实际应用中效果并不理想。这是因为对于远距离目标，其边缘为热辐射扩散，灰度逐渐递减，如果叠加上发动机尾焰的变化及背景海浪和云团灰度的变化，导致光团目标边缘变化具有很强的随机性，但光团中心辐射能量很强，背景因素很难改变其灰度量。另外，无论何种二值化算法，导致其失效的原因基本上都是由于区域取得过大或过小，区域过大则背景像素比值过大，灰度值不均衡，目标像素与部分背景像素分为一类；如果区域过小，则将目标像素分为两部分。但在目标判读时第一帧的区域划分应该是合理的。

本文根据长期判读经验，提出了一种灰度均值恒定方法，其原理为：由于目前经纬仪传感器拍摄频率较高，两帧之间目标的灰度变化并不大，因此，可将前一帧目标的二值化阈值作为下一帧目标的阈值，对图像进行二值化，得到目标区域后，按前一帧目标和背景的比值，确定后一帧的背景区域。步骤如下：

1) 人工确定第一帧图像的目标和背景范围，采用Otsu方法[11]对第一帧图像进行二值化，并计算目标与背景的像素数比值k。在实际判读工作中，第一帧图像往往选择目标比较清晰的图像，且根据目标实际大小，人工设定目标范围，因此，二值化效果非常好；

2) 利用前一帧(如果当前帧为第二帧，则利用第一帧)图像的阈值对当前帧图像进行二值化，得到目标区域像素数T。此区域为由前一帧的阈值所得，得到的范围有一定误差，由于序列图像的连续性，目标范围误差并不大；

4) 利用重心法对目标中心进行重定位，得到脱靶量值(x,y)。

5) 利用Otsu方法对包含目标的背景正方形区域进行二值化，得到图像的二值化阈值，作为下一帧图像的二值化初始阈值。

6) 转到2)，继续处理下一帧。

此方法充分利用了序列测量图像各帧之间灰度分布的连续性及目标区域的范围信息，对下一帧图像的初始目标区域进行预测，控制了目标区域的异常变化，抵消了目标区域的变化误差，在使用过程中效果良好，只要不是爆炸和助脱段，其效果是非常理想的，判读原理及演示结果如图2。

图2 光团图像判读示意图

2.3 刚体图像

对于刚体判读，要求判读点在目标边缘，例如，飞机一般为机头或尾喷口。因此，多数采用模板匹配方法[12]，即将第一帧图像的目标区域作为模板，对第二帧以后的图像分别进行匹配，图像中匹配系数最大的位置即为判读点，然后，将第二帧的目标图像作为第三帧图像的匹配模板，依次类推。对于较近的刚体目标，图像目标比较清晰，目标细节较多，相关性较大，可直接采用模板匹配。但是，对于较远的刚体目标，目标信号变弱，目标边缘梯度势必变差，边缘像素灰度产生较大的随机性，而对于空中测量目标，其目标本身较为单一、细节很小，本身相关性就很少，此时采用模板匹配必然存在着匹配误差，多帧匹配后必然产生误差积累。目前所有文献介绍的匹配定位方法都是定位到模板中心，而实际上，靶场目标都是定位到目标边缘，这样，模板必须有一半为变化的背景，实际误差积累是很大的，每帧定位后，必须进行判读重定位。由于目标的不规则性，重定位算法采用各种灰度质心法不现实，而较差的边缘，采用各种识别算法，其误差也是很大的。因此，作者根据长期的图像处理经验，结合被测刚体目标的实际运动特性，提出了一种根据目标运动趋势进行目标重定位的方法。因为判读点必然位于目标边缘，且一般都在目标图像范围的最外部，所以，首先取得到目标运动的方向，即：

(2)

式(2)中：y2，y1为前两帧和前一帧的y脱靶量；x2，x1为前两帧和前一帧的x脱靶量。如果y2>y1，则ky=1，否则ky=-1，如果x2>x1，则kx=1，否则kx=-1。其次,采用Otsu算法对目标图像进行二值化，实际上应当对目标范围内的图像进行二值化，因匹配点已知，此范围很容易确定。对于刚体目标，目标必在此运动方向上，模板匹配点一定位于目标几何中心或目标范围内，因此，可以自此点开始，沿运动方向在相比目标范围稍大的图像区域内作数条垂线，某条垂线与目标最后的交点，即为匹配修正点。定位原理示意图见图3。

图3 刚体目标判读原理示意图

当然，为了取得边缘，必须对目标区域进行二值化，由于每帧图像的自适应二值化方法一致，且目标蒙皮成像，因此，此方法修正精度非常高。

3 实验结果与分析

为了更好地验证本文所提算法的有效性，每种方法选取了处理过程的4幅图像，具体见图4和图5。

由图4可以看出：第一幅图像为原始图像，尾焰带有较强的光学衍射现象。第二幅图像，其重心连线明显不在一条直线上，且存在一些断点，尾焰前端接近圆形，重心连线前端向上弯曲，并不与尾焰前端相交。第三幅图像为二值化图像及hough变换所得的中轴线与尾焰前端的交点，尾焰外形尽管基本对称，但边缘并不平滑，这也是利用hough变换求最长直线的必要性。第四图像上可以清晰看到所求交点为尾焰前端。因此，本文提出算法对图像质量具有较强的适应性，所求的判读点准确。

由图5可以看出：第一幅图像为原始图像。第二图像为利用前一幅图像阈值得到的目标区域，视觉可以看到此区域比目标实际范围略小。第三幅图像中的正方形区域为按上一帧图像目标和背景比例扩大的目标范围，其范围比较恰当地包含了目标图像，对此范围图像进行二值化处理可以得到理想的结果，即第四幅图像。因此，本文算法可以很好地控制目标及所包含的背景范围，最大限度消除了背景的干扰，从而得到准确的判读点。

图4 尾焰图像判读效果图

图5 光团图像判读效果图

4 结论

本文介绍了经纬仪图像判读的基本原理，论述了判读同名点的确定原则，提供了利用经纬仪测角预测目标图像位置的方法，分析了靶场不同典型目标的成像原理，并提出了相应的自动判读方法。本文所提出方法是对各种气象条件下跟踪方法的适用性经过反复比较，长期测试的结果，具有定位精度高、算法简单、判读效率高，适用性强的特点，这些方法都已经在实际图像处理工作中得到了充分应用，完成了大量图像判读工作。当然，限于文章篇幅的原因，每种方法都没有介绍详细的实现步骤，不过文章对于方法所用的原理已经指明了具体的参考文献，实现起来应当比较容易。

[1] 蒲静松,许东,刘乙君，等.星空背景下红外弱小目标的快速检测[J].激光与红外，2017，47(4):513-517.

[2] 彭玉青，李木，高晴晴，等.基于动态模板匹配的移动机器人目标识别[J].传感技术学报,2016，29(1):58-63.

[3] 孙丹丹，高教波，孙科峰.飞机及尾焰的红外仿真[J].兵工自动化，2016.35(8):62-65.

[4] 李大成,杨晓东.一种图像抖动下的目标位置测量方法[J].兵器装备工程学报,2017，38(2):97-100.

[5] 郭晓沅,黄建祥.基于云重心判读法的瞄准误差影响度分析[J].弹箭与制导学报,2014，34(2):182-184.

[6] 郭鹏宇,丁少闻,田尊华，等.靶场光测图像实时判读系统设计与方法[J].国防科技大学学报,2014，36(2):168-174.

[7] 钟权，周进，吴钦章，等.基于Hough 变换和边缘灰度直方图的直线跟踪算法[J].光电工程,2014,41(3):89-93.

[8] 钱锋,杨名宇,张晓沛.基于序列图像提高光斑质心定位精度[J].光学精密工程,2016，24(11):2880-2887.

[9] 曹阳,李保权,李海涛，等.像素位置偏差对质心定位精度的影响[J].红外与激光工程,2016，45(12):1217007-1-1217007-6.

[10] OTSU N.A Threshold Selection Method from gray-level histogram[J].IEEE Trans.,1979.SMC9(1):62-66.

[11] 徐火希.基于改进MeanShift的运动目标跟踪算法[J].兵器装备工程学报,2016，37(2):127-130.

[12] 陈金令,冯胜,李娜,等.空中目标的多模跟踪算法研究[J].舰船电子工程,2015，256(10):51-54.