采用圖像特征的激光干擾跟蹤效果評(píng)估

錢 方,孫 濤,郭 勁*,王挺峰,王 巖

(1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所激光與物質(zhì)相互作用國家重點(diǎn)實(shí)驗(yàn)室，吉林 長春 130033；2.中國科學(xué)院大學(xué)，北京 100049)

1 引 言

激光主動(dòng)成像系統(tǒng)被廣泛應(yīng)用于目標(biāo)識(shí)別跟蹤和區(qū)域監(jiān)視領(lǐng)域，激光干擾可以使其上的光電成像器件飽和或造成損傷。光電成像器件通常為跟蹤系統(tǒng)提供目標(biāo)圖像，當(dāng)激光干擾出現(xiàn)后，跟蹤視場內(nèi)不僅有目標(biāo)也會(huì)出現(xiàn)激光光斑，此時(shí)跟蹤算法很容易將光斑和目標(biāo)一同提取出來，跟蹤精度將會(huì)下降，甚至?xí)?dǎo)致跟蹤算法失效，目標(biāo)丟失。因此，從圖像特征改變角度分析跟蹤算法失效原因并建立評(píng)估模型，進(jìn)而評(píng)價(jià)激光干擾效果具有重要的研究意義和實(shí)用價(jià)值。

目前對(duì)于激光干擾對(duì)跟蹤性能影響的評(píng)估方法包括根據(jù)干擾后系統(tǒng)跟蹤誤差是否超出正常跟蹤精度的三倍來判定干擾是否有效[1]，根據(jù)信噪比與跟蹤誤差的關(guān)系來判斷干擾效果[2]，根據(jù)干擾激光能否對(duì)跟蹤波門區(qū)域造成影響來判斷干擾效果[3]。以上方法主要是從跟蹤精度下降程度來評(píng)價(jià)激光干擾效果，而沒有考慮跟蹤圖像識(shí)別的準(zhǔn)確性。此外還有一種基于圖像尺度的評(píng)價(jià)方法，該方法根據(jù)圖像小波能量與平方和根的大小來評(píng)估干擾效果[4-5]，但是該方法沒有考慮亮度和對(duì)比度改變對(duì)跟蹤圖像的影響，也沒有給出歸一化的評(píng)價(jià)指標(biāo)。

從20世紀(jì)70年代開始，美、德等國都開展了激光對(duì)光電探測器干擾與損傷機(jī)理的研究工作。其中法德實(shí)驗(yàn)室提出了根據(jù)飽和像素?cái)?shù)目、信噪比和對(duì)比度變化來衡量干擾效果的方法[6-10]，該方法計(jì)算簡單、快捷，但是當(dāng)光斑位置變化時(shí)，該評(píng)價(jià)方法出現(xiàn)偏差。這是因?yàn)楫?dāng)光斑遠(yuǎn)離目標(biāo)時(shí)，雖然干擾出現(xiàn)但對(duì)目標(biāo)識(shí)別的影響不大。

在目標(biāo)識(shí)別跟蹤過程中，目標(biāo)區(qū)域的圖像質(zhì)量同樣影響識(shí)別準(zhǔn)確性，因此，本文提出了一種基于圖像特征的評(píng)價(jià)激光干擾對(duì)跟蹤性能影響的方法。首先通過目標(biāo)模板確定原始圖像和干擾圖像的目標(biāo)區(qū)域，然后比較兩幅圖像目標(biāo)區(qū)域的亮度、對(duì)比度和邊緣清晰度相似性，得到歸一化的評(píng)價(jià)結(jié)果，最后在實(shí)驗(yàn)中采集了激光干擾功率不同和光斑位置不同的干擾圖像，并利用形心跟蹤和相關(guān)跟蹤兩種方法對(duì)設(shè)定目標(biāo)進(jìn)行跟蹤，通過實(shí)驗(yàn)對(duì)評(píng)估模型的性能進(jìn)行了比較分析。

2 激光干擾對(duì)跟蹤算法的影響

(a) 原始圖像(a) Original image

(b) 相關(guān)跟蹤(b) Correlative tracking

常用的跟蹤算法包括對(duì)比度跟蹤和相關(guān)跟蹤。相關(guān)跟蹤是通過尋找實(shí)時(shí)圖像中與目標(biāo)模板相關(guān)度最高的子矩陣，并以此為跟蹤點(diǎn)實(shí)現(xiàn)跟蹤的一種方法。對(duì)比度跟蹤是利用目標(biāo)與背景的對(duì)比度來識(shí)別和提取目標(biāo)信號(hào)實(shí)現(xiàn)跟蹤的一種方法，可分為形心跟蹤、邊緣跟蹤和峰值跟蹤等。激光干擾對(duì)跟蹤性能的影響主要是使跟蹤算法無法準(zhǔn)確區(qū)分目標(biāo)和激光光斑。對(duì)于相關(guān)跟蹤，激光干擾會(huì)導(dǎo)致圖像目標(biāo)區(qū)域的跟蹤點(diǎn)誤差增加以及相關(guān)度峰值下降，甚至丟失目標(biāo)。對(duì)于形心跟蹤算法，激光干擾會(huì)導(dǎo)致光斑和目標(biāo)一起參與形心等統(tǒng)計(jì)量的計(jì)算，從而使計(jì)算的形心位置偏離基準(zhǔn)位置，影響跟蹤精度。

圖1的3幅圖顯示了激光干擾出現(xiàn)前后不同跟蹤算法所呈現(xiàn)的效果。圖1(a)是沒有激光干擾時(shí)的原始圖像，通過與目標(biāo)模板匹配后確定目標(biāo)區(qū)域，圖中方框表示目標(biāo)區(qū)域，十字線表示形心位置，其坐標(biāo)為(599,460)。當(dāng)激光照射在目標(biāo)景物時(shí)，在采集的圖像上形成一個(gè)白色的光斑，干擾圖像目標(biāo)區(qū)域與目標(biāo)模板的相關(guān)性下降，相關(guān)跟蹤算法無法獲取可靠定位點(diǎn)，與原始圖像確定的目標(biāo)位置不一致，目標(biāo)丟失，算法失效，如圖1(b)。由于干擾圖像對(duì)比度下降，這將影響圖像分割的閾值，導(dǎo)致形心位置計(jì)算出現(xiàn)偏差，跟蹤誤差增大，干擾圖像中目標(biāo)形心坐標(biāo)為(443,514)，與原始圖像計(jì)算的形心位置出現(xiàn)偏差，如圖1(c)。

3 基于圖像尺度的跟蹤效果評(píng)價(jià)方法

干擾激光對(duì)激光主動(dòng)照明系統(tǒng)跟蹤性能的影響主要表現(xiàn)為光斑對(duì)其獲取圖像信息的掩蓋，使圖像中感興趣的邊緣等細(xì)節(jié)信息受損，難以提取和識(shí)別目標(biāo)。隨著激光能量的持續(xù)增加，光斑面積逐漸增大，圖像中的飽和區(qū)域面積增大，由于光斑周圍亮度增加，導(dǎo)致人眼或跟蹤器件的關(guān)注區(qū)域轉(zhuǎn)移到光斑附近，又因?yàn)閳D像的對(duì)比度下降，使得目標(biāo)模板和干擾圖像的相關(guān)程度下降，最終使跟蹤算法無法準(zhǔn)確識(shí)別和定位目標(biāo)。本文提出一種邊緣相似度(edge-similarity, ESIM)跟蹤性能評(píng)價(jià)算法，該算法從灰度值的改變角度分析干擾圖像的亮度和對(duì)比度失真對(duì)目標(biāo)跟蹤的影響程度。同時(shí)考慮到邊緣變化會(huì)影響到目標(biāo)的識(shí)別，而且大部分跟蹤算法對(duì)于目標(biāo)的提取都是以邊緣提取為前提的，因此邊緣細(xì)節(jié)的改變程度對(duì)目標(biāo)的準(zhǔn)確提取尤為重要[11-17]。綜合以上分析，定義的邊緣相似度評(píng)價(jià)算法包含3個(gè)部分：亮度比較函數(shù)、對(duì)比度比較函數(shù)和邊緣清晰度比較函數(shù)。

亮度比較函數(shù)l(x,y)為：

(1)

式中:x、y為干擾前后的圖像信號(hào)，Lx、Ly分別為原始圖像和干擾圖像的亮度值，計(jì)算方法為公式(2)，如果認(rèn)為x為無失真圖像，則通過比較y相對(duì)于x的質(zhì)量改變情況，可以判斷出y的失真程度。T1為很小的正數(shù)，防止分母為零或接近零造成的不穩(wěn)定。公式(1)中，圖像亮度(即人眼視覺系統(tǒng)感覺到的亮度)L(Lx、Ly下標(biāo)表示不同的圖像)定義為：

L(i,j)=logp(i,j),

(2)

其中：p(i,j)為單像素的灰度值。

對(duì)比度比較函數(shù)c(x,y)為：

(3)

式中:Cx、Cy分別為原始圖像和干擾圖像的對(duì)比度。T2為很小的正數(shù)，防止分母為零或接近零造成的不穩(wěn)定。由于人眼視覺系統(tǒng)響應(yīng)主要是依賴于背景亮度的局部變化，而不是絕對(duì)亮度值，所以這里定義對(duì)比度C來評(píng)價(jià)單像素點(diǎn)的灰度值相對(duì)于平均灰度值的變化情況，公式(3)中C(Cx、Cy下標(biāo)表示不同的圖像)定義為：

(4)

式中：p(i,j)為單像素的灰度值，μ[p(i,j)]為平均灰度值，計(jì)算方法見公式(5)。

(5)

其中:M為圖像總像素?cái)?shù)。

邊緣清晰度比較函數(shù)d(x,y)為：

(6)

式中:Gx、Gy分別為原始圖像和干擾圖像的梯度幅值。T3為很小的正數(shù)，防止分母為零或接近零造成的不穩(wěn)定。使用Sobel算子對(duì)圖像求偏導(dǎo)數(shù)，得到水平和垂直方向的梯度分量為G(i,j)(h)和G(i,j)(v)，公式(6)中梯度幅值G(Gx、Gy下標(biāo)表示不同的圖像)定義為：

(7)

G不為零時(shí)，說明對(duì)應(yīng)點(diǎn)處存在灰度變化，為圖像邊緣，G值越大，該點(diǎn)處具有越清晰的邊緣信息，可以用梯度幅值表征圖像的邊緣清晰度。

所以，結(jié)合公式(1)、(3)和(6)中的3個(gè)比較函數(shù)，定義邊緣相似度(ESIM)圖像評(píng)價(jià)算法為：

ESIM(x,y)=[l(x,y)]α[c(x,y)]β[d(x,y)]γ,

(8)

其中：參數(shù)α>0，β>0，γ>0，主要用來調(diào)整3個(gè)部分的相對(duì)重要性，一般取α=β=γ=1。ESIM由亮度比較函數(shù)l(x,y)、對(duì)比度比較函數(shù)c(x,y)和邊緣清晰度比較函數(shù)d(x,y)組成，分別體現(xiàn)了當(dāng)圖像受到激光干擾后，圖像整體上亮度和對(duì)比度的改變以及邊緣細(xì)節(jié)的失真程度。由于獲取圖像的質(zhì)量在很大程度上決定了跟蹤算法能否準(zhǔn)確提取目標(biāo)，因此，ESIM可用來評(píng)估干擾前后跟蹤性能的變化情況及激光干擾效果，ESIM越大，說明激光干擾對(duì)跟蹤效果的影響越?。环粗?，ESIM越大，說明圖像質(zhì)量越差，激光干擾對(duì)跟蹤性能的影響越大。圖2為ESIM算法的流程圖。

圖2 ESIM算法流程圖Fig.2 Flow chart of ESIM algorithm

4 實(shí)驗(yàn)結(jié)果與分析

圖3 激光主動(dòng)成像識(shí)別系統(tǒng)Fig.3 Laser active imaging and recognition system

為了驗(yàn)證本文算法評(píng)價(jià)跟蹤性能的有效性，實(shí)驗(yàn)中采集了激光干擾功率不同和光斑位置不同的圖像。實(shí)驗(yàn)搭建了一套激光主動(dòng)成像識(shí)別跟蹤系統(tǒng)：使用波長為532 nm的激光二極管泵浦固體激光器發(fā)射光束照射遠(yuǎn)處的目標(biāo)，并使用Falcon HG 1M120CMOS相機(jī)作為接收裝置采集圖像，像元尺寸為7.4 μm，幀頻為30幀/s，圖像大小為1 024×1 024。軟件編程環(huán)境為Pentium Dual-Core CPU、2.60 GHz主頻、內(nèi)存2G、matlab2008a。激光主動(dòng)成像系統(tǒng)如圖3所示。

圖4是不同激光功率、不同光斑位置的激光干擾圖像，由于干擾功率不同，對(duì)圖像的干擾程度也不同。隨著激光干擾功率的增強(qiáng)，光斑變大并逐漸進(jìn)入波門，造成形心位置的改變。圖(a)是目標(biāo)模板圖，圖(b)是原始圖像，圖中方框表示波門，“+”表示形心所在位置，文中取圖(b)中的形心位置為基準(zhǔn)形心位置。圖(c)～(g)是激光干擾圖像，激光干擾功率逐漸增強(qiáng)。對(duì)于形心跟蹤，可以計(jì)算出每幅圖像中目標(biāo)的形心位置。對(duì)于相關(guān)跟蹤，仍采用圖4中的干擾圖像，計(jì)算出每幅圖像的最佳匹配點(diǎn)位置和相關(guān)峰值。同時(shí)，運(yùn)用邊緣相似度(ESIM)算法對(duì)目標(biāo)區(qū)域圖像的質(zhì)量進(jìn)行評(píng)估，結(jié)果如表1所示。

(a) 目標(biāo)模板 (b) 0 mW (c) 200 mW(a) Target image (b) 0 mW (c) 200 mW

(d) 320 mW (e) 420 mW (d) 320 mW (e) 420 mW

(f) 530 mW (g) 620 mW(f) 530 mW (g) 620 mW圖4 激光干擾圖像Fig.4 Laser dazzling images

對(duì)原始圖像和干擾圖像均采用形心跟蹤和相關(guān)跟蹤算法對(duì)目標(biāo)進(jìn)行跟蹤，對(duì)于形心跟蹤主要分析干擾后的目標(biāo)形心位置的變化情況，對(duì)于相關(guān)跟蹤主要研究相關(guān)峰值及匹配點(diǎn)位置的變化情況。從表1結(jié)果可以看出，對(duì)激光干擾功率不同的圖像，隨著激光干擾功率的增加，干擾效果逐漸明顯，干擾圖像的形心位置與基準(zhǔn)位置的偏差逐漸增大，干擾圖像中最佳匹配點(diǎn)位置出現(xiàn)偏差，相關(guān)峰值逐漸降低。在目標(biāo)區(qū)域，ESIM算法的評(píng)價(jià)值逐漸減小，說明目標(biāo)區(qū)域的圖像質(zhì)量逐漸下降，跟蹤準(zhǔn)確率下降，因此該算法能夠反映激光干擾對(duì)跟蹤性能的影響。

表1 激光干擾對(duì)比度跟蹤效果評(píng)估

圖5為表1中干擾圖像形心和匹配點(diǎn)位置與基準(zhǔn)位置的差異曲線，從圖中可以看出，隨著光斑逐漸增大并進(jìn)入波門，干擾圖像形心和匹配點(diǎn)位置與基準(zhǔn)位置之間的距離差異逐漸增大。這主要是由于光斑改變了目標(biāo)周圍區(qū)域的亮度和對(duì)比度，導(dǎo)致在提取目標(biāo)的過程中所選閾值出現(xiàn)偏差，而且當(dāng)光斑足夠大時(shí)，光斑會(huì)遮擋目標(biāo)信息，此時(shí)光斑與目標(biāo)同時(shí)參與了形心等統(tǒng)計(jì)量的計(jì)算。

圖5 不同功率距離差異曲線Fig.5 Distance error for different power

圖6為表1中相關(guān)峰值和ESIM評(píng)價(jià)值曲線圖，隨著光斑逐漸增大并進(jìn)入波門，干擾圖像與目標(biāo)模板的相關(guān)峰值逐漸下降，當(dāng)它下降到一定程度，探測器將無法識(shí)別目標(biāo)，造成目標(biāo)丟失。在目標(biāo)跟蹤過程中，目標(biāo)區(qū)域的圖像質(zhì)量同樣影響識(shí)別與跟蹤準(zhǔn)確性。從圖6中可以看出，ESIM曲線逐漸下降，說明圖像質(zhì)量逐漸降低，干擾對(duì)圖像的識(shí)別跟蹤精度的影響逐漸增大。

圖6 不同功率評(píng)價(jià)值曲線Fig.6 Different values for different power

5 結(jié) 論

對(duì)于激光主動(dòng)成像系統(tǒng)來說，獲取目標(biāo)圖像的質(zhì)量決定了其后續(xù)程序的跟蹤效果。本文從圖像特征角度出發(fā)，對(duì)激光干擾主動(dòng)成像系統(tǒng)跟蹤性能的效果進(jìn)行了評(píng)估。實(shí)驗(yàn)中采集了不同激光干擾功率和不同光斑位置的干擾圖像，分析了出現(xiàn)干擾前后，圖像中目標(biāo)形心位置、匹配點(diǎn)位置和相關(guān)峰值的變化情況，并通過ESIM算法對(duì)目標(biāo)區(qū)域的圖像質(zhì)量給出了歸一化的評(píng)價(jià)值。實(shí)驗(yàn)結(jié)果表明在相關(guān)跟蹤模式下，激光干擾對(duì)其跟蹤性能的影響主要表現(xiàn)為相關(guān)度峰值出現(xiàn)的位置偏離基準(zhǔn)位置，相關(guān)度峰值隨激光干擾功率增大而減小。在形心跟蹤模式下，隨著激光干擾功率的增強(qiáng)，激光光斑逐漸增大，在視場中覆蓋的范圍變大，導(dǎo)致目標(biāo)形心位置偏離基準(zhǔn)位置。本文提出的基于邊緣相似度的(ESIM)評(píng)價(jià)方法比較了原始圖像和干擾圖像目標(biāo)區(qū)域的亮度、對(duì)比度和邊緣清晰度信息變化情況，隨著激光干擾功率的增強(qiáng)，ESIM方法的評(píng)價(jià)值降低，說明該方法能夠真實(shí)地反映激光干擾對(duì)激光主動(dòng)成像系統(tǒng)跟蹤性能的影響。

[1] 高衛(wèi).對(duì)光電成像系統(tǒng)干擾效果的評(píng)估方法[J].光電工程,2006, 32:461-463.

Gao W. Evaluation method for jamming effectiveness on electro-optical search and tracking systems [J].Opto-electronicEngineering,2006, 32:461-463.(in Chinese)

[2] 王建路,劉雅奇,鄧寶,等.對(duì)預(yù)警機(jī)跟蹤系統(tǒng)的干擾效果分析[J].海軍工程大學(xué)學(xué)報(bào),2012, 24(6):100-103.

Wang J L, Liu Y Q, Deng B,etal.Analysis of jamming effectiveness early warning aircraft tracking system [J].JournalofNavalUniversityofEngineering,2012, 24(6):100-103. (in Chinese)

[3] 王世勇,付有余,郭勁,等.脈沖激光對(duì)CCD圖像跟蹤系統(tǒng)干擾效果評(píng)估[J].激光與紅外,2002, 32(1):20-22.

Wang S Y, Fu Y Y, Guo J,etal.Effect evaluation of array CCD detector tracking system irradiated by pulse laser [J].Laser&Infrared,2002, 32(1):20-22. (in Chinese)

[4] 徐銀,邵立,孫曉泉.激光干擾對(duì)CCD跟蹤性能影響的圖像尺度分析[J].紅外與激光工程,2012, 4(5):1180-1185.

Xu Y, Shao L, Sun X Q. Image metric analysis of laser jamming effect on CCD tracking performance [J].InfraredandLaserEngineering, 2012, 4(5):1180-1185.(in Chinese)

[5] 吳云龍,孫曉泉,徐銀.基于壓縮感知的激光干擾圖像尺度分析[J].發(fā)光學(xué)報(bào),2013, 34(8):1096-1101.

Wu Y L, Sun X Q , Xu Y. Image metric analysis of laser jamming effect based on compressed sensing theory [J].ChineseJournalofLuminance,2013, 34(8):1096-1101. (in Chinese)

[6] Durécu A, Vasseur O, Bourdon P. Assessment of laser-dazzling effects on TV-cameras by means of pattern recognition algorithms [C]//ProceedingsofSPIE:TechnologiesforOpticalCountermeasure, Washington: SPIE,2007, 6738:1-9.

[7] Durécu A, Vasseur O, Bourdon P. Quantitative assessment of laser-dazzling effects on a CCD-camera through pattern-recognition-algorithms performance measurements [C].ProceedingsofSPIE:InternationalSocietyforOpticsandPhotonics, Washington：SPIE, 2009, 7483:1-10.

[8] Hueber N, Vincent D, Morin A,etal.Analysis and quantification of laser-dazzling effects on IR focal plane arrays [C]//ProceedingsofSPIE:InfraredTechnologyandApplications, Washington: SPIE,2010, 7660:1-11.

[9] Schleijpen M A, Dimmeler A, Eberle B,etal.Laser dazzling of focal plane array cameras [C]//ProceedingsofSPIE:InternationalSocietyforOpticsandPhotonics, Washington： SPIE,2007, 6738.

[10] Shen H B, Shen X J, Zhou B,etal.Experimental of 532 nm pulsed laser irradiating CCD [J].HighPowerLaserandParticleBeams,2009,21(10):1449-1454.

[11] Wang Z, Bovik A C,Sheikh H R,etal.Image quality assessment: From error visibility to structural similarity [J].IEEETransactiononImageProcessing,2004, 13(4):600-612.

[12] Guan Haochen, Chun Lingyang, Lai Manpo,etal.Edge-based structural similarity for image quality assessment [C]//Acoustic,SpeechandSignalProcessing, New York: IEEE Press,2006:933-936.

[13] 唐永鶴，盧煥章.基于灰度差分不變量的快速局部特征描述算法[J].光學(xué)精密工程，2012,20 (2):447-454.

Tang Y H,Lu H Z.Fast local feature description algorithm based on grayvalue differential invariants [J].Opt.PrecisionEng,2012, 20 (2):447-454. (in Chinese)

[14] 米曾真，謝志江，陳濤,等.重軌圖像增強(qiáng)與邊緣提取的關(guān)鍵技術(shù)[J].光學(xué)精密工程，2012, 20 (9): 1646-1649.

Mi Z Z, Xie Z J, Chen T,etal.Key technology of image enhancement and edge extraction for heavy rail [J].Opt.PrecisionEng,2012, 20 (9):1646-1649. (in Chinese)

[15] 韓希珍, 趙建.結(jié)合偏微分方程增強(qiáng)圖像紋理及對(duì)比度[J].光學(xué)精密工程，2012, 20 (6):1383-1386.

Han X Z, Zhao J. Enhancement of image texture and contrast combined with partial differential equation [J].Opt.PrecisionEng,2012, 20 (6):1383-1386. (in Chinese)

[16] 錢方，郭勁，孫濤 等.基于小波加權(quán)的激光干擾效果評(píng)估[J].液晶與顯示，2013，28 (5):781-787.

Qian F, Guo J, Sun T,etal.Assessment of laser-dazzling effects based on weighted wavelet transforms [J].ChineseJournalofLiquidCrystalsandDisplays, 2013，28 (5):781-787. (in Chinese)

[17] Yuan L H, Fu L, Yang Y,etal.Analysis of texture feature extracted by gray level co-occurrence matrix [J].JournalofComputerApplications,2009, 29(4):1018-1021.