基于局部特征的貓眼效應目標識別方法

楊岳青，李 麗

(北京航空航天大學電子信息工程學院，北京100191)

1 引言

一束光進入光電設(shè)備的光學鏡頭后，經(jīng)鏡頭會聚，然后經(jīng)焦平面或分劃板反射，其反射回波強度比一般物體的漫反射回波強度高出2～4個數(shù)量級，這種光學現(xiàn)象被稱為貓眼效應［1－2］。在反偵察、反狙擊的應用領(lǐng)域中，基于貓眼效應的激光主動探測系統(tǒng)展現(xiàn)出了很好的早期預警作用［3－6］。依據(jù)貓眼效應的原理，因激光照射，貓眼效應目標在主動圖像中的灰度級非常高，而在沒有激光照射的被動圖像中，貓眼效應目標和周圍背景的灰度級相差無幾。目前，已有多種貓眼效應目標的識別方法被提出［7－9］。文獻［7］提出了一種基于形狀和頻率雙重判據(jù)的貓眼效應目標識別方法，該方法能識別出復雜背景環(huán)境下貓眼目標，但卻需要采集處理大量的數(shù)據(jù)，且識別的準確率低。文獻［8］提出了一種基于壓縮感知的貓眼效應目標識別方法，該方法適用于遠距離且背景環(huán)境具有高度相關(guān)性的場合，對近距離(1～10 m)且背景環(huán)境相關(guān)性低的場合，不能有效地識別出貓眼效應目標。以上方法在對遠距離目標探測識別方面也都展現(xiàn)出了良好的識別性能。在某些特定的應用場合，如室內(nèi)反偷拍，需要近距離地對貓眼目標進行識別。在此種情況下，因激光在近距離范圍內(nèi)的反射衰減很弱，主動圖像的平均灰度將遠高于被動圖像，此時，以上的識別方法將不再適用。

為了克服以上方法的缺點，提高識別速度，本文提出了一種基于局部特征的近距離貓眼效應目標快速識別方法。該方法基于文獻［8］工作原理的探測系統(tǒng)，通過對采集到的同一背景環(huán)境下的主被動圖像進行處理，識別出目標。

2 基于局部特征的貓眼效應目標識別方法

本文采用的方法流程如圖1所示。首先，對被動圖像進行平均灰度差相加的處理，然后對主被動圖像進行差分，去除大部分的背景干擾;其次，通過貓眼效應目標在圖像中所占像素點的先驗信息，確定合適的閾值，通過閾值分割，將貓眼效應目標和偽目標留在黑白圖像中;最后，依據(jù)主被動圖像中特定區(qū)域的平均灰度差，對貓眼目標進行識別。

圖1 基于局部特征的貓眼效應目標識別流程Fig.1 Flowchart of the method based on local features

2.1 圖像差分

設(shè)Ia(x，y)為原始的主動圖像，Ip(x，y)為原始的被動圖像。主被動圖像都是尺寸為M×N的灰度圖像(1≤x≤M，1≤y≤N)，(x，y)表示像素點的坐標位置。設(shè)Iave-sub為主動圖像與被動圖像的平均灰度差，即:

為了消除近距離時，被動圖像與主動圖像的平均灰度差過大的影響，圖像的差分運算由下式給出，Isub(x，y)表示差分圖像:

2.2 閾值分割

在差分圖像Isub(x，y)中，背景部分被嚴重削弱，而貓眼效應目標較為完整地存在。為了進一步去除背景，縮小目標的識別范圍，需要對差分圖像進行閾值分割。普通的閾值分割方法，通常是為了提取圖像中較大的目標，即該類圖像的灰度直方圖呈雙峰或類雙峰分布。但在貓眼效應圖像中，效應目標所占像素點很少，圖像的灰度直方圖雙峰分布不明顯。為了找出合適的閾值，我們可以利用貓眼目標所占像素點數(shù)目這一先驗信息作為尋找閾值的依據(jù)。設(shè)hk為圖像中灰度值為k的像素點數(shù)目(0≤k≤255)。設(shè)t為閾值，貓眼效應目標的灰度級在差分后的圖像中的處于最高的部分，其所占像素點的數(shù)目一般在100左右，所以最佳的閾值t*由下式確定:

經(jīng)圖像分割后，Iseg(x，y)中會有一些離散的目標連通域。這是因為某些偽效應目標與貓眼效應目標特性相似，所以其所占區(qū)域仍會殘留在分割后的圖像Iseg(x，y)中。

2.3 目標識別

在Iseg(x，y)中，只有一個連通域代表貓眼效應目標區(qū)域，其余的都是偽目標區(qū)域。真的貓眼效應目標只存在于主動圖像中，而偽效應目標既存在于主動圖像中，又存在于被動圖像中。我們可利用這一差別，識別出真的貓眼效應目標。設(shè)在分割后的圖像中有n個連通域。分別標記每一個連通域，Ti代表第i個連通域，HTi表示該連通域的像素點數(shù)量，Iiave_a代表在主動圖像中與Iseg(x，y)中第i個連通域處于同一坐標區(qū)域的平均灰度值，Iiave_p代表在被動圖像中與Iseg(x，y)中第i個連通域處于同一坐標區(qū)域的平均灰度值:

設(shè)貓眼目標所在的連通域為Tr，由式(5)－(7)可得:

3 試驗與仿真

為了驗證基于局部特征的近距離貓眼效應目標快速識別方法的可行性以及有效性，本文做了兩組試驗，試驗1是可行性試驗，試驗2是對比試驗。試驗1的數(shù)據(jù)包括圖2和圖3。

圖2 原始主動圖像與被動圖像Fig.2 Original active image and passive imabe

圖2 (a)中，矩形框內(nèi)是因激光照射而形成的貓眼效應目標，而在圖2(b)中，相同坐標的區(qū)域里不存在貓眼目標。通過觀察圖的明暗程度可知，主動圖像的整體灰度明顯高于被動圖像。

圖3 貓眼效應目標識別過程效果圖Fig.3 Pictures of cat－eye images in process

在圖3中分別列出了目標識別的三個主要過程中的效果圖。圖3(a)中，貓眼效應目標仍較為明顯的存在，而大部分背景非常暗，灰度級很低。由此可知，主動圖像與經(jīng)平均灰度差相加后的被動圖像做差分運算，能極大地降低大部分背景的灰度，增大了貓眼效應目標與背景的對比度;在閾值分割后的圖3(b)中，只剩下貓眼效應目標與一些偽目標區(qū)域，這縮小了搜索貓眼目標區(qū)域的范圍，減小了后續(xù)需要識別的可疑區(qū)域的數(shù)量;在圖3(c)中，可以清晰地看到只有貓眼效應目標留在了圖像中，這充分驗證了通過對比主被動局部區(qū)域平均灰度差來識別目標的方法，具有很高準確性。

試驗2的數(shù)據(jù)包括圖4以及表1。圖4列出了基于本文方法與基于壓縮感知識別貓眼效應目標的效果圖。其中(a1)，(a2)，(a3)是三幅含有貓眼目標的原始主動圖像，(b1)，(b2)，(b3)是基于本文方法的最后識別效果圖，(c1)，(c2)，(c3)是基于壓縮感知的最后識別效果圖。

由圖4可知，基于壓縮感知的識別方法，有一些非貓眼效應目標的區(qū)域也留在了圖像中，存在誤判的情況。這是因為近距離時，主被動圖像的平均灰度差大，背景相關(guān)性低;而基于本文的識別方法，可以準確地識別貓眼效應目標。

圖4 基于本文方法與基于壓縮感知方法的貓眼效應目標識別效果對比圖Fig.4 Results of methods based on the proposed one and compressive sensing

表1列出了以圖4中的原始圖像為樣本，基于壓縮感知與基于本文的識別方法的仿真試驗時間。

表1 基于局部特征的近距離貓眼效應目標快速識別方法與基于壓縮感知的貓眼效應識別方法對比表Tab.1 Running times of methods based on the propsed one and compressive sensing

由表1可知，基于局部特征的近距離貓眼效應目標的識別方法，每次識別大約耗時2 s，而基于壓縮感知的貓眼效應目標識別方法每次識別需要耗時7 s左右。所以，本文方法的識別速度更快。

4 結(jié)論

本文提出了一種基于局部特征的近距離貓眼效應目標快速識別方法。該方法主要步驟包括圖像差分、閾值分割以及目標識別等步驟。在圖像差分中，通過平均灰度差相加處理，降低了背景的干擾;利用貓眼效應目標的先驗信息來選取閾值保證了圖像分割能有效縮小識別范圍;利用主被動圖像的局部平均灰度差識別貓眼效應目標區(qū)域的方法，提高了最后識別的準確性。試驗結(jié)果證明了本文所用方法，在準確性和時間性能上均優(yōu)于基于壓縮感知的識別方法，在近距離貓眼效應目標的識別中具有很強的實用性。

［1］ BI Borui，XUE Changjia，GU Heng，et al．Anti-sniper detector based on linear array CCD［J］．Journal of Applied Optics，2010，31(2):203－206．(in Chinese)畢博瑞，薛常佳，谷衡，等．基于線陣CCD反狙擊探測儀的研制［J］．應用光學，2010，31(2):203－206．

［2］ SHAN Congmiao，SUN huayan，ZHANG Yanzhong，et al．Analysis of cat-eye terminal echo flashing based on the modified rytov method［J］．Laser＆Infrared，2013，43(8):876－880．(in Chinese)單聰淼，孫華燕，趙延仲，等．貓眼終端回波閃爍效應分析［J］．激光與紅外，2013，43(8):876－880．

［3］ DONG Xiaogang，ZHU Haijun，YI Gang，et al．Detection distance analysis of pulsed laser based on cat’s effect［J］．Laser＆Infrared，2011，41(1):67－70．(in Chinese)董小剛，朱海軍，殷剛．基于“貓眼效應”的激光主動偵察系統(tǒng)探測距離分析［J］．激光與紅外，2011，41(1):67－70．

［4］ JIANG Zhiguo，F(xiàn)AN Yang．Research of stealth technology based on weakening the“cat eye”effect［J］．Laser＆Infrared，2013，43(8):872－875．(in Chinese)蔣治國，樊洋．基于減弱“貓眼效應”的隱身技術(shù)研究［J］．激光與紅外，2013，43(8):872－875．

［5］ Lecocq C，Deshors G，Lado-Bordowsky O，et al．Sight laser detection modeling［C］//AeroSense 2003．International Society for Optics and Photonics，2003:280－286．

［6］ Truong K N，Patel SN，Summet J W，et al．Preventing camera recording by designing a capture-resistant environment［M］//UbiComp 2005:Ubiquitous Computing．Springer Berlin Heidelberg，2005:73－86．

［7］ Ximing Ren，Li Li．Recognizing cat-eye targets with dual criterions of shape and modulation frequency［J］．Chinese Optics Letters，2011，9(4):38－41．

［8］ Li L，Li H，Dang E，et al．Compressive sensing method for recognizing cat-eye effect targets［J］．Applied optics，2013，52(28):7033－7039．

［9］ LI li，WANG Xinbin，ZHANG Weiguo．A recognition method of“cat-eye”effect target based on texture character［J］．Acta Photonica Sinica，2013，43(2):0210001－1－11．(in Chinese)李麗，王興賓，張衛(wèi)國．基于紋理特征的“貓眼”效應目標識別方法［J］．光子學報，2013，43(2):0210001－1－11．