自適應(yīng)模板匹配在自主空中加油跟蹤中的應(yīng)用

杜立一，程詠梅，公續(xù)平，趙建濤

（西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，陜西 西安 710129）

自主空中加油技術(shù)是未來空中加油技術(shù)的發(fā)展趨勢(shì)。我國采用的空中加油方式為插頭錐套式(又稱軟管式)，該方式主要依靠受油機(jī)的操縱來完成加油，在近距離加油對(duì)接時(shí)(一般在100 m以內(nèi))，加油機(jī)必須精確跟蹤受油機(jī)錐套。傳統(tǒng)的GPS和慣性導(dǎo)航方法以及二者的組合,一般用于較遠(yuǎn)距離的導(dǎo)航中。在近距離加油對(duì)接階段，由于GPS信號(hào)易受干擾、慣性導(dǎo)航存在漂移等問題，很難實(shí)現(xiàn)精確跟蹤[1]。而視覺系統(tǒng)廣泛用于近距離的高精度跟蹤中，視覺跟蹤方法為這一問題提供了可行的解決方案。

由于受環(huán)境的影響，錐套在受油機(jī)前視鏡頭的成像中會(huì)出現(xiàn)無規(guī)律運(yùn)動(dòng)，因此，如何不斷地鎖定跟蹤錐套，便成為受油機(jī)與錐套成功對(duì)接的關(guān)鍵?，F(xiàn)有的目標(biāo)檢測(cè)算法主要有背景差分法、幀間差分法、閾值分割法、模板匹配法、光流法等。鑒于錐套所成的像為圓形，并且背景有飛機(jī)的干擾，所以文中提出一種簡單實(shí)用的模板匹配算法，對(duì)目標(biāo)進(jìn)行實(shí)時(shí)的鎖定。同時(shí)由于在圖像匹配過程中，圖像背景較為復(fù)雜，故在此采用歸一化相關(guān)匹配算法（NCC）[3-5]。之所以選擇歸一化相關(guān)匹配算法，是因?yàn)樗€(wěn)定性好，跟蹤精度高，而且抗干擾能力較好。同時(shí)，傳統(tǒng)的歸一化相關(guān)匹配的算法，是將模板在整幅圖像中平移，對(duì)每一個(gè)象素點(diǎn)都匹配一次，計(jì)算相似度，這就導(dǎo)致很大的計(jì)算量，一定程度上影響了圖像跟蹤的實(shí)時(shí)性。所有關(guān)文獻(xiàn)提到利用基于金字塔數(shù)據(jù)結(jié)構(gòu)的搜索方法[3]。為了簡便，本文通過擬合目標(biāo)的運(yùn)動(dòng)軌跡來縮小搜索范圍[6]。通過實(shí)驗(yàn)仿真，可以看出，本文的算法是切實(shí)可行的。

1 自適應(yīng)模板匹配跟蹤

算法流程如圖1所示。

圖1 算法流程圖Fig.1 Algorithm flowchart

1.1 初始目標(biāo)確定

首先從視頻中讀取第一幀圖像，確定初始目標(biāo)，即初始模板。由于圖像中背景較復(fù)雜，首先需要對(duì)圖像進(jìn)行圖像預(yù)處理處理。首先進(jìn)行中值濾波，去除圖像中的椒鹽噪聲等噪聲，然后再對(duì)處理后的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，數(shù)學(xué)形態(tài)學(xué)有4種基本運(yùn)算:膨脹、腐蝕、開運(yùn)算和閉運(yùn)算[2]。其中，膨脹運(yùn)算與腐蝕運(yùn)算分別使對(duì)象區(qū)域變大與變小;開運(yùn)算消除細(xì)小物體、在纖細(xì)點(diǎn)處分離物體和平滑較大的邊界并不明顯改變其面積；閉運(yùn)算填充物體內(nèi)部細(xì)小空洞、連接鄰近物體、平滑其邊界、并不明顯改變對(duì)象區(qū)域面積。二值化后的圖像,會(huì)存在許多小的孤立點(diǎn),這是由噪聲引起的，因此可以運(yùn)用開運(yùn)算來濾掉這些孤立的小范圍噪聲點(diǎn)。飛機(jī)在空中加油時(shí)，圖像中會(huì)有云朵，一般情況下處在圖像邊緣，故再消除邊緣噪聲。去噪后,利用輪廓跟蹤的方法對(duì)目標(biāo)進(jìn)行分割,進(jìn)而確定模板大小，從而在原圖中提取初始目標(biāo)模板。

1.2 歸一化相關(guān)匹配

歸一化相關(guān)算法的定義如下：

其中，g為視頻中待匹配的每幀圖像，大小為M×N；p為模板，大小為 m×n；pˉ為模板的平均灰度值；(u,v)是匹配點(diǎn)坐標(biāo)；g是g中對(duì)應(yīng)模板的區(qū)域的平均灰度值。

歸一化相關(guān)算法（NCC）對(duì)圖像和模板進(jìn)行了去均值處理，使函數(shù)R(u,v)的峰值盡量銳化，并且歸一化相關(guān)算法（NCC）能抑制噪聲，對(duì)所匹配圖像亮度的變化和對(duì)比度的變化不敏感，當(dāng)相對(duì)的放大或縮小、旋轉(zhuǎn)和突變不大時(shí)，也能夠達(dá)到比較好的匹配效果。盡管歸一化相關(guān)算法（NCC）有很多優(yōu)點(diǎn)，但是由于其運(yùn)算量較大，這就導(dǎo)致此算法在匹配過程中沒有較好的實(shí)時(shí)性。為了充分利用歸一化相關(guān)算法（NCC）的穩(wěn)定性好、跟蹤精度高、抗干擾能力較好等優(yōu)點(diǎn)，同時(shí)滿足目標(biāo)跟蹤中實(shí)時(shí)性的要求，下面我們將從縮小搜索范圍這方面考慮，進(jìn)行實(shí)驗(yàn)。減少大量的運(yùn)算時(shí)間，保證。

1.3 跟蹤目標(biāo)搜索范圍

通過計(jì)算視頻中每一幀跟蹤目標(biāo)在圖像中的位置，然后利用視頻中連續(xù)幾幀圖像之間的跟蹤目標(biāo)的位置，這樣就可以得到跟蹤目標(biāo)在圖像中的運(yùn)動(dòng)軌跡，從而利用目標(biāo)前幾幀得到的的運(yùn)動(dòng)軌跡來預(yù)測(cè)跟蹤目標(biāo)在下一幀可能出現(xiàn)的位置，然后在該位置附近進(jìn)行相關(guān)匹配運(yùn)算，這樣就減小了搜索范圍即減少搜索次數(shù)，從而減少了大量的運(yùn)算，故提高了模板匹配的速度。在此，我們采用了多項(xiàng)式為擬合函數(shù)[6]，根據(jù)跟蹤目標(biāo)在最近前3幀的位置，擬合得到跟蹤目標(biāo)的運(yùn)動(dòng)軌跡，從而預(yù)測(cè)下一刻的跟蹤目標(biāo)的位置。由于前后兩幀之間位置變化比較緩慢，所以下一幀的搜索范圍可設(shè)定在以預(yù)測(cè)位置為中心，比模板大兩到三倍的區(qū)域進(jìn)行搜索[7]，這樣，可以節(jié)省大量時(shí)間，并能提高搜索準(zhǔn)確度。

1.4 模板更新

由于跟蹤目標(biāo)在匹配跟蹤過程中，其大小、形狀都會(huì)出現(xiàn)變化，并且還可能會(huì)受到遮擋，故，這就導(dǎo)致固定模板的匹配跟蹤容易跟丟目標(biāo)，從而，在前面的歸一化相關(guān)算法（NCC）中，我們?cè)O(shè)定好相似度閾值，若超過閾值范圍，則進(jìn)行模板更新。在此過程中，若更新速度過慢，則可能導(dǎo)致跟不上跟蹤目標(biāo)；若更新過于頻繁，容易使匹配誤差不斷地積累，從而導(dǎo)致跟蹤窗口的漂移，進(jìn)而導(dǎo)致跟蹤失敗。針對(duì)這些問題，在此，用匹配最佳圖像與模板的相似度（即相關(guān)性）作為參考值構(gòu)造模板更新評(píng)價(jià)函數(shù)，然后用這個(gè)評(píng)價(jià)函數(shù)來判斷模板是否更新，若需要更新，則重復(fù)前面的目標(biāo)檢測(cè)過程。

在得到第k和k+1幀的歸一化相關(guān)值Rk和Rk+1后，構(gòu)造模板評(píng)價(jià)函數(shù)：

其中，0≤Rk≤1且 0≤Rk+1≤1。模板更新評(píng)價(jià)函數(shù)是計(jì)算上一次最佳相似度與本次最佳相似度的差值△Rk,而△Rk只有落在某一范圍內(nèi)的時(shí)候才更新模板，即:

當(dāng)△Rk≤r1時(shí)，當(dāng)前目標(biāo)與模板匹配得很好，此時(shí)目標(biāo)幾乎沒變化，沒必要更新模板；當(dāng)r2≤△Rk時(shí)，當(dāng)前目標(biāo)與模板比較，有較大形變，目標(biāo)被遮擋，不更新模板，以免跟錯(cuò)或被遮擋。r1和r2是通過大量實(shí)驗(yàn)獲得的經(jīng)驗(yàn)閾值。在獲得r1和r2的過程中，選取的規(guī)則為：若r1過大，目標(biāo)變形很大時(shí)，匹配精度很低；若r1過小，則導(dǎo)致模板更新頻繁，可能在某一幀跳躍時(shí)造成較大誤差。

當(dāng)視頻中某幀圖像滿足模板更新的條件時(shí)，首先重復(fù)前面過程，在圖像中構(gòu)造新模板，然后進(jìn)行目標(biāo)跟蹤。

2 仿真實(shí)驗(yàn)

為驗(yàn)證本文算法的性能，我們進(jìn)行了大量實(shí)驗(yàn)并與常用的固定模板匹配方法進(jìn)行比較，比較結(jié)果如表1所示。本文在Internet上下載美國于2012年5月成功進(jìn)行的 “全球鷹”無人機(jī)自主空中加油實(shí)驗(yàn)的視頻，進(jìn)行跟蹤測(cè)試。測(cè)試中使用的PC機(jī)配置為：core(TM)i3-2010+3.3 G，2.0 G內(nèi)存；軟件平臺(tái)為：Windows XP操作系統(tǒng)，MATLAB2013環(huán)境。

表1 實(shí)驗(yàn)結(jié)果比較Tab.1 Comparison of experimental results

圖2顯示了初始目標(biāo)的確定過程：首先對(duì)圖像進(jìn)行直方圖均衡化，使圖像增強(qiáng)，然后二值化，接著就能行形態(tài)學(xué)濾波，最后得到初始目標(biāo)。

當(dāng)受油機(jī)接近加油機(jī)錐套時(shí)，錐套在相機(jī)中成的像由小變大，有時(shí)還會(huì)被遮擋，在此種情景下，對(duì)視頻進(jìn)行模板匹配跟蹤，結(jié)果如圖3所示，其中用粗虛線框?qū)⑵ヅ淠繕?biāo)標(biāo)出來。

從實(shí)驗(yàn)結(jié)果中，可以看出，開始階段，錐套在較遠(yuǎn)處時(shí)較小，然后逐漸變大，同時(shí)更新匹配模板，從而準(zhǔn)確跟蹤目標(biāo)，當(dāng)目標(biāo)部分遮擋時(shí)，本算法也能準(zhǔn)確跟蹤目標(biāo)。同時(shí)，由于引進(jìn)軌跡跟蹤，從而縮小了模板的搜索范圍，從而保證了跟蹤的實(shí)時(shí)性。

圖2 初始目標(biāo)確定過程Fig.2 The process of determining the initial target

圖3 匹配跟蹤結(jié)果Fig.3 Results of matching tracking

3 結(jié)束語

實(shí)驗(yàn)結(jié)果及分析表明，文中提出的自適應(yīng)模板匹配法較好地排除了孤立點(diǎn)和邊緣大片陰影噪聲的干擾，準(zhǔn)確提取出要匹配的模板；利用歸一化相關(guān)匹配算法，跟蹤精度高，穩(wěn)定性好，并具有良好的抗干擾性能；同時(shí)利用歸一化相關(guān)值判斷是否對(duì)模板進(jìn)行更新，從而獲得了自適應(yīng)的模板，保證在目標(biāo)大小，光線變化時(shí)，能準(zhǔn)確跟蹤目標(biāo)；運(yùn)用軌跡跟蹤，縮小模板搜索范圍，大大縮短了運(yùn)算時(shí)間；對(duì)目標(biāo)的定位準(zhǔn)確，具有良好的自適應(yīng)性。最后的實(shí)驗(yàn)結(jié)果表明，本文提出的自適應(yīng)模板匹配算法滿足自主空中加油圖像跟蹤中的要求。

[1]Roshawn Elizabeth Bowers.Estimation Algorithm For Autonomous Aerial Refueling Using A Vision Based Relative Navigation System[D].Submitted to the Office of Graduate Studies of Texas A&M University,2005.

[2]Rafael C.Gonzalez,Richard E.Woods,Steven L.Eddins.Digital Image Processing Using MATLAB[M].北京：電子工業(yè)出版社,2003.

[3]徐瑞鑫,劉偉寧.基于自適應(yīng)模板的實(shí)時(shí)跟蹤算法[J].光學(xué)精密工程,2002,10(4):365-369.XU Rui-xin,LIU Wei-ning.Adaptive model-based real time tracking algorithm[J].Optics and Precision Engineering,2002,10(4):365-369.

[4]郝志成,朱明,劉微.復(fù)雜背景下目標(biāo)的快速提取與跟蹤[J].吉林大學(xué)學(xué)報(bào):工學(xué)版，2006,36（2）：259-263.HAO Zhi-cheng,ZHU Ming,LIU Wei.Fast extracting and tracking of target in complex environment[J].Journal of Jilin University:Engineering and Technology Edition,2006,36（2）：259-263.

[5]羅詩途,羅飛路,王燕玲.基于自適應(yīng)模板修正的相關(guān)跟蹤方法[J].儀器儀表學(xué)報(bào),2004,25(4):633-635.LUO Shi-tu,ZHANG Qi,LUO Fei-lu,WANG Yan-ling.Correlation Tracking Method Based on Adaptive Modal Modification[J].Chinese Journal of Scientific Instrument,2004,25(4):633-635.

[6]賈桂敏,王向軍,張世海.復(fù)雜背景下基于自適應(yīng)模板更新的目標(biāo)跟蹤算法[J].光學(xué)學(xué)報(bào),2009,29(3):659-663.JIA Gui-min,WANG Xian-jun,ZHANG Shi-hai.Target tracking algorithm based on adaptive template update in complex background[J].Acta 0ptica Sinica,2009,29(3):659-663.

[7]肖笑.基于BCC算法的多機(jī)系統(tǒng)PSS參數(shù)優(yōu)化設(shè)計(jì)[J].陜西電力,2012（12）：51-54.XIAO Xiao.Optimal design of multi-machine power system stabilizer parameters based on bacterial colony chemotaxis algorithm[J].Shaanxi Electric Power,2012（12）：51-54.