远近场自适应激光光斑能量中心检测

何佳凯,黄来玉,杨德振,3,安成斌

(1.华北光电技术研究所,北京 100015;2.辽宁省军区数据信息室,辽宁 沈阳 110032；3.北京真空电子技术研究所,北京 100015)

1 引 言

随着军事科技的发展,激光因其高速打击和高能毁伤备受关注,作为新型武器载体,高能激光器发射光束到目标打击点,并将光束稳定在打击点直到毁伤效果实现。但由于在远距离下,无人机、车辆等目标占据像元较小,为此必须保证激光光斑精度,确保激光光斑能量中心不会出现大幅度偏差,将较多能量汇聚到目标上,完成目标的快速精准摧毁。综上所述,在研制阶段提前对激光武器的激光光斑进行中心校准极其关键[1]。

又因为激光光学系统孔径通常呈圆状,为了能在图像中精确得到光斑的最大能量中心,传统的光斑拟合方法有几何中心法、最小二乘圆拟合法、特征点识别法。如吴泽楷等人在传统圆拟合方法上改进预处理,并多次迭代来实现圆斑精确拟合[2],王冰等人结合图像灰度特性,采用质心法进行光斑中心提取[3]。圆拟合方法通过对圆形光斑进行近似拟合,得到圆形中心,比较依赖于光斑边界分割,在近距离光斑标轴中,由于光斑能量聚集,形状规则,可能利于能量提取,但如果考虑激光在远距离大气中传输时,大气湍流、热晕等大气效应引起的激光 光斑出现变形,此时边界发散,无法通过边界拟合等方法得到精确的目标能量中心,存在偏差。而质心法与重心法也要求光斑分割精确,否则边界零散像素值会加权到光斑中心计算中,使计算的光斑中心产生偏移。

2 基于自适应disk掩膜的远距光斑质心检测算法

图1为远距光斑中心检测系统示意图,在近场进行光斑中心查找后,在远距离放置靶标,将激光器打到靶标上。采用近红外CCD探测器(0.78～3 μm)对光斑进行分析,由于其对相关光学谱段范围的激光光束有响应,为此使用近红外探测器对成型激光光斑进行分析,从而采集图像用于光斑中心检测[4]。

图1 远距光斑中心检测系统示意图Fig.1 Far-field spot center detection system schematic diagram

本文采用双边滤波对光斑进行保边界去噪处理,并将滤波结果与原图作差后进行伽马拉伸实现图像增强,在进行阈值分割后用二值化图像计算得到光斑面积。根据面积构造自适应大小的disk掩膜,使用掩膜对光斑图像进行模板匹配,基于一定孔径下光斑最大能量并最终返回中心点,从而使得目标远程定位结果更精确,图2为远距光斑中心检测流程图。

图2 远距光斑中心检测流程图Fig.2 Far-field spot center detection system flow chart

2.1 光斑图像预处理

如图3所示,由于在远程光斑能量中心检测中,光斑边缘发散变形,直接进行光斑分割会造成圆斑分割不准确,通过对目标特性仿真分析,光斑从能量中心点向外为点扩散函数,呈类高斯分布。

图3 近场光斑原图及其特性分析Fig.3 Near-field spot map and its characteristic analysis

图4 远场光斑原图及其特性分析Fig.4 Far-field spot map and its characteristic analysis

为此我们选取双边滤波进行图像增强处理,先通过滤波提取高频分量并滤除噪声点,同时将高频信息叠加到原图上,对叠加图像进行伽马拉伸实现光斑增强,进而利于下一步使用最大类间方差进行光斑分离。

双边滤波是一种经典的图像滤波方法,是由高斯滤波改进而来,式(1)为高斯滤波的函数式,对于高斯函数,是一种利用空间距离作为权值系数的函数,通过高斯核与原图相卷积,从而确定光斑中心,临近中心则权重越大。而式(2)中双边滤波不仅考虑空间信息,也考虑目标灰度信息,灰度值越接近中心点,则权值越大,将空间信息和灰度信息相乘,共同确定权值,式(3)为双边滤波权重公式[5]。

(1)

(2)

w(i,j)=ws(i,j)·wr(i,j)

(3)

2.2 二值化确定光斑面积

需要检测的图像中仅有光斑和背景,为二分类问题。通过双边滤波对光斑边界进行增强后,可通过类间方差法实现自适应二值化分割。

最大类间方差法进行阈值分割是将一幅图像分成两部分C0和C1[6]。设置阈值T,将小于阈值T的部分定义为背景C0,大于部分定义为前景C1。C0包含的灰度级有[1,…,T-2,T-1],C1包含的灰度级有[T,T+1,…,L]。对于每一个灰度级的所有像素,被定义成前景的概率为Pi,可由式(4)计算,每一类出现的概率分别为w0和w1,式(5)～(6)分别为前景和背景的总概率,各类的平均灰度级为μ0和μ1,如公式(7)～(8)。

(4)

(5)

(6)

(7)

(8)

其中,μT是整幅图像的平均灰度,如下所示:

(9)

(10)

(11)

(12)

2.3 构造disk掩膜

通过面积可以构建一个圆形掩膜,用圆形掩膜去卷积光斑图像,提取特征,此时特征图中对应的最大值即为最大能量中心,返回最大值即为最大能量点。以下为半径公式:

(13)

构造图5(a)所示disk掩膜并在原图上进行滑动卷积,如图5(b)～(d)所示为滑动卷积示意图,掩膜从左上角开始一直遍历整个图像,与原图做卷积,当掩膜完全覆盖对应大小的光斑时,此时所得卷积图像中最大值为能量中心。

图5 Disk掩膜及其卷积示意图Fig.5 Disk mask and its convolution diagram

3 实验分析

本文采用5 Hz的激光频率进行实验,通过对目标进行双边滤波、伽马拉伸等图像增强后更好的对光斑进行分离,仿真发现不使用滤波、拉伸对有的光斑无法进行准确分离,图6(a)和(b)为伽马拉伸前后光斑灰度值分布区间,通过拉伸将16位图像拉伸到8位,便于使用最大类间方差进行自适应分离。

图6 伽马拉伸前后图像灰度分布Fig.6 Gray distribution before and after Gamma stretching

通过使用圆拟合、质心法等多种方法对光斑进行仿真分析,发现圆拟合方法和质心法等常见方法依赖于目标边界,由图7(a)和(b)可以看到,对于近场光斑,由于能量发散较少,光斑集中,为此采用上述方法可以达到较好的检测效果,随着距离增加,光斑发散,光斑分离结果为不规则形状,采用圆拟合以及质心法检测光斑中心易受边缘离群值影响,造成检测中心点偏移[8]。

图7 不同场景下多种算法光斑检测中心Fig.7 Spot detection centers of various algorithms in different scenes

通过对连续30帧打击光斑进行能量中心分析,对比不同算法发现本文的算法在近场具有较小的离群值,差距在1个像素之内左右,为0.4 μm,而圆拟合方法中心偏移为2个像素,为0.8 μm,质心法同样也由较好的实验效果。但在远场测试中,质心法中心偏移值在±2个像素之内,最大偏差值为1.6 μm,而圆拟合方法在±3个像素之内,达到2.4 μm,本文算法依然可以保持像素差距在±1个像素之内,稳定在0.8 μm,具有优异的鲁棒性与准确性[9]。图8(a)和(b)所示为不同距离场景下光斑中心偏移量。

(a)近场光斑中心偏移量

(b)远场光斑中心偏移量

4 总 结

激光毁伤武器需要将光束最大能量稳定在打击点,但随着激光距离增加,光斑能量会发散,传统中心检测方法在近场光斑中心校准较为准确,而远场光斑受大气影响边界发散、能量减弱,不利于图像边界提取与能量中心定位。为此本文提出了一种基于自适应disk掩膜的激光光斑能量中心检测算法,实现远距离下激光光斑校准,使光斑将更多能量汇聚。该方法在近场光斑与远场不规则光斑的中心检测均具有优异鲁棒性和准确性,可实现近场光斑±1个像素内误差,远场±2个像素内,在近场光斑与远场不规则光斑的最大能量中心检测中都具有较强的鲁棒性。