海面运动目标的检测与跟踪系统研究

李兴红，张聆玲，雷永锋

（成都理工大学工程技术学院，乐山，614007）

0 引 言

近年来，对于运动目标的检测与跟踪，尤其是舰载红外警戒与跟踪技术是国内外军事关注的热点问题，但若背景是海天条件，则红外舰船目标图像的信噪比低，因为海面背景变化复杂，并且背景起伏的海面波浪及海水反光，使得目标图像的信噪比和对比度等随海浪的高度、距离及太阳位置的不同而随时在变化[1]，因此，使得红外舰船运动目标的自动检测变得非常困难。但是，为了使制导系统有足够的时间反应，要求在远距离就能检测到运动目标，因此要求图像处理及跟踪系统能够尽快得到准确有用的目标信息，同时具有较快的运算速度及反应速度，使得目标得以尽快捕获并及时跟踪。本系统在双DSP控制系统的基础上，将提升形态小波方法应用到图像去噪和增强中。其次，在提取海天线时运用的是基于区域方差和RANSAC的检测方法。最后，对目标的定位检测，则需要借助海天线检测的结果，利用形心检测来定位，同时利用双DSP控制系统对目标进行捕获跟踪。

1 图像预处理

对于低对比度弱小目标的实时检测与显示首先涉及到图像预处理，就是要先降低噪声对图像的影响和降低图像的失真度。针对红外图像的信噪比和对比度较低、目标边缘不清晰等特点，首先，在目标成像之前，提高目标与背景信噪比，减少事后图像处理的难度；其次，将得到的图像利用算法进行去噪及增强[2]。

1.1 基于数学形态学的图像去噪

传统去噪方法在去噪同时，也会失去图像的基本轮廓数据。而数学形态学滤波法作为一种非线性滤波方法，其中的形态金字塔方法，在对图像去噪处理时能做到既兼顾金字塔变换多分辨的特点[3]，也兼顾数学形态学本身的非线性特点，能够更好地保留细节信息和更好的抗噪声性能，特别适用于信号的多分辨分析。

1.2 基于预测提升形态小波的图像去噪

形态小波是数学形态学的一种变换方式，同样是非线性滤波方式，在保留图像细节信息的同时也有很好的抗噪优点。因此，系统利用形态学算子将线性的Haar小波替换成非线性的形态小波[4]。在预测提升中就是通过改进对偶小波中的细节分析算子ω↑及合成算子ψ↑，构造新的非线性小波变换，那么就可以将该形态小波用于小波阈值去噪方法中，进行图像滤波。

设f (t )= s (t ) + σxz (t)，其中z (t)是高斯白噪声，s (t)是原始信号，f (t)是观测信号。则首先对f (t)进行小波变换，得到的低频系数和高频系数分别为hk(i, j)和ωk(i ,j)；再对小波系数ωk( i ,j)进行阈值处理，得到处理后的小波系数ωˆk( i ,j )；最后对ωˆk( i ,j )和hk(i ,j)进行小波逆变换，得到滤波后信号sˆ (t)。系统中采用全局软阈值法对小波系数进行处理，其中软阈值的定义：

式中 λk( i, j)为k层(i ,j)点处的阈值。

图1是采用不同的去噪方法对目标图像进行去噪和增强的结果图。从图1中可看出，采用预测提升形态小波变换去噪效果最好，同时对目标的增强效果也很好，很好的保留了图像的边缘，而且计算速度比较快，优于其它方法。

图1 多种图像去噪方法仿真试验对比 Fig.1 Comparison of Simulation Experiments of Various Image Denoising Methods

续图1

表1 利用不同的去噪方法得到的对比度 Tab.1 Contrast Obtained by Different Denoising Methods

2 海天线的检测和提取

海天线的检测和提取在成像型反舰导弹末制导技术中具有非常重要的地位，在红外图像中舰艇目标的识别也具有十分重要的作用。通常海上运动目标一旦出现，必定位于海天线附近，那么，可以通过确定海天线区域，对海天线以下不予考虑的思想，这样不仅可以极大减少针对运动目标的分割计算量，而且也可以抑制海天线以下波浪起伏等干扰，这样就可以极大地提高捕获跟踪率，同时降低虚警率。本系统在对比了直线拟合法和小波变换法后，运用了基于区域方差和RANSAC的海天线检测方法。该方法是一种鲁棒并且快速的海天线检测方法：首先，系统先规定多个搜索范围，其次将方差值最大的子域挑选出来，随后提取该子域中心的坐标，最后通过结合RANSAC算法，得到海天线的直线参数[5]。RANSAC算法的优点是可以避免提取整个海天线，对于舰船运动目标的自动检测与跟踪测量来说，实用性较强。

图2为几种检测海天线方法的试验对比，从图2可看出，直线拟合法能近似地检测出海天线，但准确度不高；小波变换法能准确地检测出图像中的海天线，但选取小波和分解尺度与目标的大小、分布的场景有关，而且，该方法需要较繁琐的计算，实时性很难保证；而RANSAC算法检测海天线能快速地检测并提取到海天线，且整个系统的鲁棒性高、运算速度快。

图2 几种检测海天线方法的试验对比 Fig.2 Experimental Comparison of Several Methods for Detecting Sea Antenna

续图2

3 运动目标特性检测

提取到海天线后，就可得到运动目标的搜索区域，再对目标的区域图像进行分割就可得到运动目标。在本系统中主要将GA图像分割法与最大类间方差法Otsu相结合，由于在Otsu算法中，对于最优域值的搜索只能使用传统的穷举法，因此会造成计算的复杂度高、占用存储空间大等，不适于工程应用，而GA的整体搜索策略和优化计算不依赖于梯度信息，其自身的高鲁棒性和自适应性使得它在目前的图像处理、自适应控制、模式识别[7]、信息处理等领域应用广泛，因此系统将GA算法和Otsu算法进行结合，即通过使用GA算法来搜索最优域值。算法流程见图3。

图3 GA算法和Otsu算法相结合的程序流程 Fig.3 Program Flow Chart of Combination of GA Algorithm and Otsu Algorithm

本系统在已提取到海天线的基础上对比了多种目标区域分割方法：最大熵法、最小误差法、最大类间方差法和GA图像分割方法[6]，并通过实例进行了对比。

图4为几种目标区域分割方法的试验对比，从图4中可以看出，在上述几种分割方法中图4f的分割方法效果明显优于其它几种方法。

图4 几种目标区域分割方法的试验对比 Fig.4 Experimental Comparison of Several Target Region Segmentation Methods

表2为利用不同方法进行计算的耗时时间对比。从表2可以看出，与传统的穷举搜索域值相比，其运算速度提高176.47倍，极大地提高了分割效率。

表2 利用不同方法进行计算的耗时对比 Tab.2 Comparison of Time-consuming Calculation by Different Methods

4 运动目标的捕获及自动跟踪系统

对于远距离海面上的运动目标，由于距离远，目标小，特征模糊等特点，不适合利用相关法对其进行跟踪；又加之海面上复杂多变的情况，也不适合利用形心法进行捕获及跟踪。根据运动目标大多时候都在海天线以上出现的特点，故可以对海天线以下不予考虑，而对海天线以上的部分进行形心捕获和跟踪，这样就可以极大地抑制复杂多变的背景对跟踪的影响，并且极大地降低计算量，提高目标的捕获率和实时跟踪稳定性。由于大气折射，海面运动目标能见距其中，d为运动目标的能见距离（海里），1d为观察者的眼高（m），2d为运动目标高度（m）。

本系统中的整个跟踪过程都是全自动，无人工干预的，自动跟踪系统主要包括图像处理系统和电视跟踪系统。

图像处理系统平台要保证系统具备快速响应和高跟踪精度，因此，图像处理模块[8]是整个系统平台的核心模块。系统的主程序流程如图5所示。

图5 系统的主程序流程 Fig.5 Main Program Flow Chart of the System

为提高每帧图像较大的数据量处理能力，系统平台采用双TMS320C6455相互协调工作，其中TMS320C6455-1主要负责目标的捕获、跟踪、位置的计算、数据的通讯传输等工作；而TMS320C6455-2主要负责辅助目标捕获等工作，协助主处理器TMS320C6455-1的工作；FPGA作为DSP的协处理器，主要负责逻辑控制。图像处理系统原理见图6。

图6 图像处理系统原理 Fig.6 Principle Block Diagram of Image Processing System

5 硬件平台中嵌入算法的结果

将上述图像处理的程序移植到由双TMS320C6455和FPGA组成的硬件结构系统平台中，通过测试结果如图7所示。

图7 自动跟踪结果 Fig.7 Automatic Tracking Results

6 结束语

通过试验验证得出，系统在该结构平台中实现了海面上准确稳定地跟踪目标，并且运算速度得到极大提高，满足目标实时跟踪的要求。同时也表明图像处理平台的实际运算能力和数据的吞吐量满足该系统目标图像处理的要求。