摘 要:為了實時捕獲混雜在天基背景中的運動目標， 采用基于Fourier-Mellin圖像配準與邊緣提取相結合的差分算法。先采用Fourier-Mellin 算法和相位相關算法求取圖像的旋轉角度及縮放和平移參數(shù)，得出配準點，再對連續(xù)采集的兩幀圖像配準、差分、二值化，將差分圖像與后一幀邊緣提取的圖像進行邏輯乘，得到目標。仿真結果表明，該算法虛警率低，適合微型航天器多目標捕獲的要求。

關鍵詞:Fourier-Mellin算法;二值化;圖像配準;差分圖像

中圖分類號:V423.6;TP391 文獻標識碼:A

文章編號:1004-373X(2010)04-163-03

Research on Target Recognition Algorithm for Microspacecraft

SHAO Xiujuan1，2，HU Bingliang1，YAN Peng1，2

(1.Xi′an Institute of Optics and Precision Mechanics，Chinese Academy of Sciences，Xi′an，710119，China;

2.Graduate Student College，Chinese Academy of Sciences，Beijing，100039，China)

Abstract:In order to capture the targets which are intermixed in the space background，a difference algorithm that combines image registration based on Fourier-Mellin algorithm with edge detection is introduced.Firstly，using Fourier-Mellin algorithm and phase correlation algorithm to get the rotation，scaling and translation parameters.The algorithm uses image registration，image difference to the two images which are collected seriate images and then binarizes the difference image.Secondly，multiplying the binarized difference image with the later image after edge deteection to detect the target.The result of simulation indicates that the recognized result is good.The proposed method is relatively fit microspacecraft target detector to identify the spatial target.

Keywords:Fourier-Mellin algorithm;binarization;image registration;difference image

0 引 言

微型航天器主要是對太空中的目標物進行探測成像并捕獲。我國在微型航天器領域剛剛起步，許多空間捕獲算法和實現(xiàn)等關鍵技術正在進行研究與攻關，因此研究星空背景下的多目標捕獲算法是很有價值的。

目前，在目標識別領域，國內外主要采用幀間差分與背景抑制相結合的算法、單幀圖像作模板匹配進行目標識別的算法和把模糊技術與神經網絡應用到模板匹配中進行分層識別的算法，但是這些算法都存在一些不足之處。前者，計算量比較小，但是識別的效率很低，后兩種對目標的識別效率提高了，但是要對目標各種情況下的模板先進行訓練，然后用目標的模板在圖像中掃描進行匹配，這樣計算量非常大。因此，找一種既有一定的識別效率，計算量又小的算法，是微型探測器目標識別算法研究的一個發(fā)展方向。本文根據(jù)微型航天器獨特的星空背景圖像，詳細分析一種基于Fourier-Mellin[1]圖像配準與邊緣提取相結合的差分算法。

1 微型航天器多目標捕獲算法[2]

微型航天器所處環(huán)境的背景比較復雜，再加上復雜背景、目標物以及微型航天器三者之間有相對運動，使得對目標物的識別比較困難。因此，如何識別圖像中的目標物是微型航天器仿真研究中首要解決的問題。考慮到復雜背景與目標物之間相對運動的特性，選擇差分算法，經多次仿真結果顯示，多種經典的配準差分算法，很難適應空間背景的目標捕獲。星空背景的特點:背景主要由恒星組成，恒星之間不能連成線和其他任何圖形，這使常用的配準方法很難找到配準依據(jù);大部分目標的成像小，混雜在恒星之間，若按大小區(qū)分，則必然會遺失部分目標。根據(jù)以上所述的這些特點，這里采用一種基于Fourier-Mellin圖像配準與邊緣提取相結合的差分算法來提取目標物。算法的流程圖如圖1所示。其步驟是對圖像幅度譜進行對數(shù)-極變換，在變換空間應用相位相關法求出待配準圖像[3]的旋轉角度和尺度縮放因子;通過計算經過規(guī)整的兩幅圖像的互功率譜獲得Fourier 反變換所對應的峰值位置求得它們的相對平移，從而分別對前兩幀圖像和后兩幀圖像進行配準[4-8]，對配準后的兩幀圖像進行差分，得到一個差分圖像。將這個差分圖像二值化，最后將這個差分圖像與經過邊緣提取的后一個圖像進行邏輯乘，從而檢測識別出目標。

圖1 基于Fourier-Mellin圖像配準與邊緣提取

相結合的差分算法

1.1 相位相關法

相位相關法是Fourier-Mellin變換的基礎，其理論為:

f(x，y)的Fourier變換表示為:

FT{f(x，y)}=F(u，v)(1)

根據(jù)Fourier位移不變特性有:

FT{f(x-x0，y-y0)}=F(u，v)e-j(ux0+vy0)(2)

設I2(x，y)為I1(x，y)在x和y方向分別平移x0和y0后的圖像，即:

I2(x，y)=I1(x-x0，y-y0)(3)

將式(3)進行Fourier變換，根據(jù)式(2)的結果，得出:

F1(u，v)=F2(u，v)e-j(ux0+vy0)(4)

式中:F1(u，v)和F2(u，v)為I1(x，y)和I2(x，y)的Fourier變換。

計算I1(x，y)和I2(x，y)的互功率譜:

Corr(u，v)=F1(u，v)F*2(u，v)|F1(u，v)F*2(u，v)|ej(ux0+vy0)(5)

式(5)也稱作相位相關函數(shù)，其中 * 表示復共軛。

可以通過求相位相關函數(shù)Corr(u，v)的Fourier逆變換，得出脈沖峰值函數(shù)δ(x-x0，y-y0)，峰值(x0，y0)位置的坐標就是兩幅圖像的相對平移量x0和y0。

1.2 Fourier-mellin算法

兩幅待配準的原始圖像分別為I1(x，y)和I2(x，y)，其中I2(x，y)是I1(x，y)經過平移、旋轉和一致性尺度縮放后的干涉圖像，它們有如下的關系:

I1(x，y)=I2(sxcos θ0+sysin θ0-x0，

-sxsin θ0+sycos θ0-y0)(6)

式中:θ0，s和(x0，y0)分別是旋轉角度、縮放因子和相對平移量。

將式(6)進行Fourier變換，得到:

F1(u，v)=ej(ux0+vy0)1s2F2#8226;1s(ucos θ0+

vsin θ0)，1s(-usin θ0+vcos θ0)(7)

設M1和M2是F1和F2的頻譜幅度，那么有:

M1(u，v)=M2#8226;1s(ucos θ0+vsin θ0)，

1s(-usin θ0+vcos θ0)(8)

式(8)表明，影響頻譜幅度的因素僅取決于旋轉角度θ0和縮放因子s，可以與平移量x0和y0進行分離計算。下面先通過原始圖像幅度譜求出旋轉角度θ0和縮放因子s，再將式(8)中的(u，v)坐標變換為極坐標(ρ，θ)。它們之間有如下關系:

u=ρcos θ，v=ρsin θ(9)

從式(8)得到:

M1(ρ，θ)=1s2M2(ρ/|s|，θ-θ0)(10)

頻譜幅度是極角θ的周期函數(shù)，圖像也是實函數(shù)，從式(10)得到:

M(ρ，θ+nπ)=M(ρ，θ)(11)

n=…，-2，-1，0，+1，+2，…

因此可以只用幅度譜的上半平面(0≤θ<π)來進行后續(xù)計算。將式(10)轉換到Log-Polar坐標下進行計算得出:

M1(log ρ，θ)=M2(log ρ-log s，θ-θ0)(12)

由Log坐標轉化到Log-Polar坐標下的過程又稱作Fourier-Mellin變換，它的具體形式如下:

M1(log ρ，θ)=M1(ρ，θ)(13)

M2(log ρ，θ)=M2(ρ，θ)(14)

可以看出，通過上述變換，式(12)變換為與式(13)相同的形式，這樣就可以在對數(shù)-極空間應用相位相關法，按照式(4)和式(5)，求得θ0，log s，進而得到縮放因子s。

接下來計算平移x0和平移y0，根據(jù)已知的θ0和s對圖像進行規(guī)整，再將規(guī)整后的圖像(設為I2′(x，y))與I1(x，y)再次應用相位相關法，通過式(3)～式(5)，在圖像空間計算出I2′(x，y)和I1(x，y)之間的圖像平移量x0和y0。

如上所述，將計算出待配準的原始圖與第一幀原始圖進行比較，得出配準[9]參數(shù)旋轉角度θ0和縮放因子s，平移x0和y0后，校正每幀圖像的旋轉角度θ0和縮放因子s。從而將從視頻流中截取的前兩幀圖像與后兩幀圖像分別進行了配準[11]。

1.3 基于邊緣提取的差分算法[10]

幀間差分法是利用前后兩幀圖像直接相減，一般是對應像素的灰度值逐個相減。這種方法在圖像處理中經常用到，特別是在背景不動目標運動情況下效果較好。利用幀差法將運動目標物體與背景分離，以獲得運動目標的位置信息。然而運動目標的變化有很強的結構性，可以用來識別物體?；谶吘壧崛〉牟罘址ㄊ菍D像邊緣提取與圖像的差分相結合而形成的一種算法，具有很強的實用價值。首先，選擇適當?shù)拈撝?，產生二值化的提邊圖像;其次，對同樣的相鄰兩幀圖像實施差分運算，形成二值圖，從而生成了一幀差分二值圖;再次，將邊緣提取生成的二值圖與差分生成的二值圖邏輯乘，生成目標的邊緣圖像，這樣便增強了運動區(qū)域中后一幅圖像的運動邊緣，從而識別出目標物。

2 計算機仿真

在這次仿真試驗中，用到的是Satellite Tool Kit(STK)[12]保存的模擬星空背景多目標捕獲仿真視頻流。美國Analytical Graphics公司開發(fā)的STK衛(wèi)星工具軟件包是航天工業(yè)領先的商品化設計分析軟件。STK可以快速方便地分析復雜的陸、海、空、天任務，并提供易于理解的圖表和文本形式的分析結果，確定最佳的解決方案。它支持航天任務周期的全過程，包括政策、概念、需求、設計、制造、測試、發(fā)射、運行和應用。以下是具體仿真結果。

在圖2中有三個衛(wèi)星目標同時出現(xiàn)在幀頻中。STK軟件內有系統(tǒng)精確的衛(wèi)星數(shù)據(jù)，這些衛(wèi)星加載在仿真視頻中具有在仿真時刻真實再現(xiàn)的可靠性。

圖2 在運動背景下的三個運動目標的捕獲

從圖2中可以看出，該算法能夠比較好地將目標識別出來。但是這只是在目標運動速度不是很快的情況下達到的相對理想的情況，當目標運動速度非?？鞎r， 就會由于快而產生拖影，使得邏輯乘后產生了虛假目標，這對目標的定位精度有一定的影響。

3 結 語

在此，采用基于Fourier-Mellin圖像配準與邊緣提取相結合的差分算法對星空背景下的運動目標進行捕獲。由仿真結果可知，在目標運動速度不是很快的情況下，識別效果比較明顯。相對于其他的捕獲算法，基于Fourier-Mellin圖像配準與邊緣提取相結合的差分算法能夠利用原圖精確地得到平移和旋轉量，雖然STK 8.0中能夠得到目標運動的角度，但是還是比較粗糙的。采用本文的方法能夠相對精確地得到圖像的旋轉角度，從而能夠精確地配準原圖，進而通過將兩幀圖像進行差分，得到差分圖像，然后將這個差圖像二值化，最后將二值化后的差分圖像與經過邊緣提取的后一幀圖像進行邏輯乘，最終將目標識別出來。由于該方法的配準精確，所以大大降低了虛警率。

參考文獻

[1]李曉明，趙訓坡，鄭鏈，等.基于Fourier-Mellin 變換的圖像配準方法及應用拓展[J].計算機學報，2006，29(3):466-472.

[2]劉輝，胡炳樑，周錦松，等.基于DSP的微型航天探測器目標捕獲算法的實現(xiàn)[J].彈箭與制導學報，2008，28(2):229-231.

[3]李曉明.一種基于學習的自動圖像配準檢驗方法[J].自動化學報，2008(1):7-13.

[4]馮林，管慧娟.基于互信息的醫(yī)學圖像配準技術研究進展[J].生物醫(yī)學工程學雜志，2005，22(5):1 078-1 081.

[5]楊國亮，于仲安.基于改進光流算法和HMM的面部表情識別[J].微計算機信息，2008，24(1):284-286.

[6]劉輝，胡炳樑，周錦松，等.微型航天器目標捕獲算法研究[J].計算機仿真，2007，24(5):34-36.

[7]倪國強，劉瓊.多源圖像配準技術分析與展望[J].光電工程，2004，31(9):1-6.

[8]楊大為，王琰.基于雙差分法的目標檢測與分析[J].沈陽工業(yè)學院學報，2004，23(2):27-30.

[9]Brown L.A Survey of Image Registration Techniques[J].ACM Computing Surveys，USA:Columbia University，1992，24(4):328.

[10]柳祥，胡炳樑，邵秀娟，等.微型航天器多目標捕獲算法研究[J].宇航學報，2009，30(4):109-114.

[11]王小睿，吳信才.遙感多圖像的自動配準方法[J].中國圖形圖像學報，1997，12(10):735-739.

[12]胡彩波，王宏兵，胡麗麗，等.STK軟件衛(wèi)星可見性和覆蓋分析[J].全球定位系統(tǒng)，2007，32(4):40-43.