海面運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤系統(tǒng)研究

李興紅，張聆玲，雷永鋒

（成都理工大學(xué)工程技術(shù)學(xué)院，樂(lè)山，614007）

0 引 言

近年來(lái)，對(duì)于運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤，尤其是艦載紅外警戒與跟蹤技術(shù)是國(guó)內(nèi)外軍事關(guān)注的熱點(diǎn)問(wèn)題，但若背景是海天條件，則紅外艦船目標(biāo)圖像的信噪比低，因?yàn)楹Ｃ姹尘白兓瘡?fù)雜，并且背景起伏的海面波浪及海水反光，使得目標(biāo)圖像的信噪比和對(duì)比度等隨海浪的高度、距離及太陽(yáng)位置的不同而隨時(shí)在變化[1]，因此，使得紅外艦船運(yùn)動(dòng)目標(biāo)的自動(dòng)檢測(cè)變得非常困難。但是，為了使制導(dǎo)系統(tǒng)有足夠的時(shí)間反應(yīng)，要求在遠(yuǎn)距離就能檢測(cè)到運(yùn)動(dòng)目標(biāo)，因此要求圖像處理及跟蹤系統(tǒng)能夠盡快得到準(zhǔn)確有用的目標(biāo)信息，同時(shí)具有較快的運(yùn)算速度及反應(yīng)速度，使得目標(biāo)得以盡快捕獲并及時(shí)跟蹤。本系統(tǒng)在雙DSP控制系統(tǒng)的基礎(chǔ)上，將提升形態(tài)小波方法應(yīng)用到圖像去噪和增強(qiáng)中。其次，在提取海天線時(shí)運(yùn)用的是基于區(qū)域方差和RANSAC的檢測(cè)方法。最后，對(duì)目標(biāo)的定位檢測(cè)，則需要借助海天線檢測(cè)的結(jié)果，利用形心檢測(cè)來(lái)定位，同時(shí)利用雙DSP控制系統(tǒng)對(duì)目標(biāo)進(jìn)行捕獲跟蹤。

1 圖像預(yù)處理

對(duì)于低對(duì)比度弱小目標(biāo)的實(shí)時(shí)檢測(cè)與顯示首先涉及到圖像預(yù)處理，就是要先降低噪聲對(duì)圖像的影響和降低圖像的失真度。針對(duì)紅外圖像的信噪比和對(duì)比度較低、目標(biāo)邊緣不清晰等特點(diǎn)，首先，在目標(biāo)成像之前，提高目標(biāo)與背景信噪比，減少事后圖像處理的難度；其次，將得到的圖像利用算法進(jìn)行去噪及增強(qiáng)[2]。

1.1 基于數(shù)學(xué)形態(tài)學(xué)的圖像去噪

傳統(tǒng)去噪方法在去噪同時(shí)，也會(huì)失去圖像的基本輪廓數(shù)據(jù)。而數(shù)學(xué)形態(tài)學(xué)濾波法作為一種非線性濾波方法，其中的形態(tài)金字塔方法，在對(duì)圖像去噪處理時(shí)能做到既兼顧金字塔變換多分辨的特點(diǎn)[3]，也兼顧數(shù)學(xué)形態(tài)學(xué)本身的非線性特點(diǎn)，能夠更好地保留細(xì)節(jié)信息和更好的抗噪聲性能，特別適用于信號(hào)的多分辨分析。

1.2 基于預(yù)測(cè)提升形態(tài)小波的圖像去噪

形態(tài)小波是數(shù)學(xué)形態(tài)學(xué)的一種變換方式，同樣是非線性濾波方式，在保留圖像細(xì)節(jié)信息的同時(shí)也有很好的抗噪優(yōu)點(diǎn)。因此，系統(tǒng)利用形態(tài)學(xué)算子將線性的Haar小波替換成非線性的形態(tài)小波[4]。在預(yù)測(cè)提升中就是通過(guò)改進(jìn)對(duì)偶小波中的細(xì)節(jié)分析算子ω↑及合成算子ψ↑，構(gòu)造新的非線性小波變換，那么就可以將該形態(tài)小波用于小波閾值去噪方法中，進(jìn)行圖像濾波。

設(shè)f (t )= s (t ) + σxz (t)，其中z (t)是高斯白噪聲，s (t)是原始信號(hào)，f (t)是觀測(cè)信號(hào)。則首先對(duì)f (t)進(jìn)行小波變換，得到的低頻系數(shù)和高頻系數(shù)分別為hk(i, j)和ωk(i ,j)；再對(duì)小波系數(shù)ωk( i ,j)進(jìn)行閾值處理，得到處理后的小波系數(shù)ω?k( i ,j )；最后對(duì)ω?k( i ,j )和hk(i ,j)進(jìn)行小波逆變換，得到濾波后信號(hào)s? (t)。系統(tǒng)中采用全局軟閾值法對(duì)小波系數(shù)進(jìn)行處理，其中軟閾值的定義：

式中 λk( i, j)為k層(i ,j)點(diǎn)處的閾值。

圖1是采用不同的去噪方法對(duì)目標(biāo)圖像進(jìn)行去噪和增強(qiáng)的結(jié)果圖。從圖1中可看出，采用預(yù)測(cè)提升形態(tài)小波變換去噪效果最好，同時(shí)對(duì)目標(biāo)的增強(qiáng)效果也很好，很好的保留了圖像的邊緣，而且計(jì)算速度比較快，優(yōu)于其它方法。

圖1 多種圖像去噪方法仿真試驗(yàn)對(duì)比 Fig.1 Comparison of Simulation Experiments of Various Image Denoising Methods

續(xù)圖1

表1 利用不同的去噪方法得到的對(duì)比度 Tab.1 Contrast Obtained by Different Denoising Methods

2 海天線的檢測(cè)和提取

海天線的檢測(cè)和提取在成像型反艦導(dǎo)彈末制導(dǎo)技術(shù)中具有非常重要的地位，在紅外圖像中艦艇目標(biāo)的識(shí)別也具有十分重要的作用。通常海上運(yùn)動(dòng)目標(biāo)一旦出現(xiàn)，必定位于海天線附近，那么，可以通過(guò)確定海天線區(qū)域，對(duì)海天線以下不予考慮的思想，這樣不僅可以極大減少針對(duì)運(yùn)動(dòng)目標(biāo)的分割計(jì)算量，而且也可以抑制海天線以下波浪起伏等干擾，這樣就可以極大地提高捕獲跟蹤率，同時(shí)降低虛警率。本系統(tǒng)在對(duì)比了直線擬合法和小波變換法后，運(yùn)用了基于區(qū)域方差和RANSAC的海天線檢測(cè)方法。該方法是一種魯棒并且快速的海天線檢測(cè)方法：首先，系統(tǒng)先規(guī)定多個(gè)搜索范圍，其次將方差值最大的子域挑選出來(lái)，隨后提取該子域中心的坐標(biāo)，最后通過(guò)結(jié)合RANSAC算法，得到海天線的直線參數(shù)[5]。RANSAC算法的優(yōu)點(diǎn)是可以避免提取整個(gè)海天線，對(duì)于艦船運(yùn)動(dòng)目標(biāo)的自動(dòng)檢測(cè)與跟蹤測(cè)量來(lái)說(shuō)，實(shí)用性較強(qiáng)。

圖2為幾種檢測(cè)海天線方法的試驗(yàn)對(duì)比，從圖2可看出，直線擬合法能近似地檢測(cè)出海天線，但準(zhǔn)確度不高；小波變換法能準(zhǔn)確地檢測(cè)出圖像中的海天線，但選取小波和分解尺度與目標(biāo)的大小、分布的場(chǎng)景有關(guān)，而且，該方法需要較繁瑣的計(jì)算，實(shí)時(shí)性很難保證；而RANSAC算法檢測(cè)海天線能快速地檢測(cè)并提取到海天線，且整個(gè)系統(tǒng)的魯棒性高、運(yùn)算速度快。

圖2 幾種檢測(cè)海天線方法的試驗(yàn)對(duì)比 Fig.2 Experimental Comparison of Several Methods for Detecting Sea Antenna

續(xù)圖2

3 運(yùn)動(dòng)目標(biāo)特性檢測(cè)

提取到海天線后，就可得到運(yùn)動(dòng)目標(biāo)的搜索區(qū)域，再對(duì)目標(biāo)的區(qū)域圖像進(jìn)行分割就可得到運(yùn)動(dòng)目標(biāo)。在本系統(tǒng)中主要將GA圖像分割法與最大類間方差法Otsu相結(jié)合，由于在Otsu算法中，對(duì)于最優(yōu)域值的搜索只能使用傳統(tǒng)的窮舉法，因此會(huì)造成計(jì)算的復(fù)雜度高、占用存儲(chǔ)空間大等，不適于工程應(yīng)用，而GA的整體搜索策略和優(yōu)化計(jì)算不依賴于梯度信息，其自身的高魯棒性和自適應(yīng)性使得它在目前的圖像處理、自適應(yīng)控制、模式識(shí)別[7]、信息處理等領(lǐng)域應(yīng)用廣泛，因此系統(tǒng)將GA算法和Otsu算法進(jìn)行結(jié)合，即通過(guò)使用GA算法來(lái)搜索最優(yōu)域值。算法流程見圖3。

圖3 GA算法和Otsu算法相結(jié)合的程序流程 Fig.3 Program Flow Chart of Combination of GA Algorithm and Otsu Algorithm

本系統(tǒng)在已提取到海天線的基礎(chǔ)上對(duì)比了多種目標(biāo)區(qū)域分割方法：最大熵法、最小誤差法、最大類間方差法和GA圖像分割方法[6]，并通過(guò)實(shí)例進(jìn)行了對(duì)比。

圖4為幾種目標(biāo)區(qū)域分割方法的試驗(yàn)對(duì)比，從圖4中可以看出，在上述幾種分割方法中圖4f的分割方法效果明顯優(yōu)于其它幾種方法。

圖4 幾種目標(biāo)區(qū)域分割方法的試驗(yàn)對(duì)比 Fig.4 Experimental Comparison of Several Target Region Segmentation Methods

表2為利用不同方法進(jìn)行計(jì)算的耗時(shí)時(shí)間對(duì)比。從表2可以看出，與傳統(tǒng)的窮舉搜索域值相比，其運(yùn)算速度提高176.47倍，極大地提高了分割效率。

表2 利用不同方法進(jìn)行計(jì)算的耗時(shí)對(duì)比 Tab.2 Comparison of Time-consuming Calculation by Different Methods

4 運(yùn)動(dòng)目標(biāo)的捕獲及自動(dòng)跟蹤系統(tǒng)

對(duì)于遠(yuǎn)距離海面上的運(yùn)動(dòng)目標(biāo)，由于距離遠(yuǎn)，目標(biāo)小，特征模糊等特點(diǎn)，不適合利用相關(guān)法對(duì)其進(jìn)行跟蹤；又加之海面上復(fù)雜多變的情況，也不適合利用形心法進(jìn)行捕獲及跟蹤。根據(jù)運(yùn)動(dòng)目標(biāo)大多時(shí)候都在海天線以上出現(xiàn)的特點(diǎn)，故可以對(duì)海天線以下不予考慮，而對(duì)海天線以上的部分進(jìn)行形心捕獲和跟蹤，這樣就可以極大地抑制復(fù)雜多變的背景對(duì)跟蹤的影響，并且極大地降低計(jì)算量，提高目標(biāo)的捕獲率和實(shí)時(shí)跟蹤穩(wěn)定性。由于大氣折射，海面運(yùn)動(dòng)目標(biāo)能見距其中，d為運(yùn)動(dòng)目標(biāo)的能見距離（海里），1d為觀察者的眼高（m），2d為運(yùn)動(dòng)目標(biāo)高度（m）。

本系統(tǒng)中的整個(gè)跟蹤過(guò)程都是全自動(dòng)，無(wú)人工干預(yù)的，自動(dòng)跟蹤系統(tǒng)主要包括圖像處理系統(tǒng)和電視跟蹤系統(tǒng)。

圖像處理系統(tǒng)平臺(tái)要保證系統(tǒng)具備快速響應(yīng)和高跟蹤精度，因此，圖像處理模塊[8]是整個(gè)系統(tǒng)平臺(tái)的核心模塊。系統(tǒng)的主程序流程如圖5所示。

圖5 系統(tǒng)的主程序流程 Fig.5 Main Program Flow Chart of the System

為提高每幀圖像較大的數(shù)據(jù)量處理能力，系統(tǒng)平臺(tái)采用雙TMS320C6455相互協(xié)調(diào)工作，其中TMS320C6455-1主要負(fù)責(zé)目標(biāo)的捕獲、跟蹤、位置的計(jì)算、數(shù)據(jù)的通訊傳輸?shù)裙ぷ鳎欢鳷MS320C6455-2主要負(fù)責(zé)輔助目標(biāo)捕獲等工作，協(xié)助主處理器TMS320C6455-1的工作；FPGA作為DSP的協(xié)處理器，主要負(fù)責(zé)邏輯控制。圖像處理系統(tǒng)原理見圖6。

圖6 圖像處理系統(tǒng)原理 Fig.6 Principle Block Diagram of Image Processing System

5 硬件平臺(tái)中嵌入算法的結(jié)果

將上述圖像處理的程序移植到由雙TMS320C6455和FPGA組成的硬件結(jié)構(gòu)系統(tǒng)平臺(tái)中，通過(guò)測(cè)試結(jié)果如圖7所示。

圖7 自動(dòng)跟蹤結(jié)果 Fig.7 Automatic Tracking Results

6 結(jié)束語(yǔ)

通過(guò)試驗(yàn)驗(yàn)證得出，系統(tǒng)在該結(jié)構(gòu)平臺(tái)中實(shí)現(xiàn)了海面上準(zhǔn)確穩(wěn)定地跟蹤目標(biāo)，并且運(yùn)算速度得到極大提高，滿足目標(biāo)實(shí)時(shí)跟蹤的要求。同時(shí)也表明圖像處理平臺(tái)的實(shí)際運(yùn)算能力和數(shù)據(jù)的吞吐量滿足該系統(tǒng)目標(biāo)圖像處理的要求。