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

激光主動成像系統(tǒng)被廣泛應(yīng)用于目標(biāo)識別跟蹤和區(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)也會出現(xiàn)激光光斑，此時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估模型，進(jìn)而評價激光干擾效果具有重要的研究意義和實(shí)用價值。

目前對于激光干擾對跟蹤性能影響的評估方法包括根據(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價激光干擾效果，而沒有考慮跟蹤圖像識別的準(zhǔn)確性。此外還有一種基于圖像尺度的評價方法，該方法根據(jù)圖像小波能量與平方和根的大小來評估干擾效果[4-5]，但是該方法沒有考慮亮度和對比度改變對跟蹤圖像的影響，也沒有給出歸一化的評價指標(biāo)。

從20世紀(jì)70年代開始，美、德等國都開展了激光對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)飽和像素數(shù)目、信噪比和對比度變化來衡量干擾效果的方法[6-10]，該方法計算簡單、快捷，但是當(dāng)光斑位置變化時，該評價方法出現(xiàn)偏差。這是因?yàn)楫?dāng)光斑遠(yuǎn)離目標(biāo)時，雖然干擾出現(xiàn)但對目標(biāo)識別的影響不大。

在目標(biāo)識別跟蹤過程中，目標(biāo)區(qū)域的圖像質(zhì)量同樣影響識別準(zhǔn)確性，因此，本文提出了一種基于圖像特征的評價激光干擾對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、對比度和邊緣清晰度相似性，得到歸一化的評價結(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)跟蹤兩種方法對設(shè)定目標(biāo)進(jìn)行跟蹤，通過實(shí)驗(yàn)對評估模型的性能進(jìn)行了比較分析。

2 激光干擾對跟蹤算法的影響

(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比度跟蹤和相關(guān)跟蹤。相關(guān)跟蹤是通過尋找實(shí)時圖像中與目標(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。對比度跟蹤是利用目標(biāo)與背景的對比度來識別和提取目標(biāo)信號實(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。對于相關(guān)跟蹤，激光干擾會導(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)。對于形心跟蹤算法，激光干擾會導(dǎo)致光斑和目標(biāo)一起參與形心等統(tǒng)計量的計算，從而使計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，在采集的圖像上形成一個白色的光斑，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)。由于干擾圖像對比度下降，這將影響圖像分割的閾值，導(dǎo)致形心位置計算出現(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價方法

干擾激光對激光主動照明系統(tǒng)跟蹤性能的影響主要表現(xiàn)為光斑對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)跟蹤性能評價算法，該算法從灰度值的改變角度分析干擾圖像的亮度和對比度失真對目標(biāo)跟蹤的影響程度。同時考慮到邊緣變化會影響到目標(biāo)的識別，而且大部分跟蹤算法對于目標(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價算法包含3個部分：亮度比較函數(shù)、對比度比較函數(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，Lx、Ly分別為原始圖像和干擾圖像的亮度值，計算方法為公式(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，而不是絕對亮度值，所以這里定義對比度C來評價單像素點(diǎn)的灰度值相對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，計算方法見公式(5)。

(5)

其中:M為圖像總像素數(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，說明對應(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個比較函數(shù)，定義邊緣相似度(ESIM)圖像評價算法為：

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個部分的相對重要性，一般取α=β=γ=1。ESIM由亮度比較函數(shù)l(x,y)、對比度比較函數(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，說明激光干擾對跟蹤效果的影響越??；反之，ESIM越大，說明圖像質(zhì)量越差，激光干擾對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 激光主動成像識別系統(tǒng)Fig.3 Laser active imaging and recognition system

為了驗(yàn)證本文算法評價跟蹤性能的有效性，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成像識別跟蹤系統(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)。對于形心跟蹤，可以計算出每幅圖像中目標(biāo)的形心位置。對于相關(guān)跟蹤，仍采用圖4中的干擾圖像，計算出每幅圖像的最佳匹配點(diǎn)位置和相關(guān)峰值。同時，運(yùn)用邊緣相似度(ESIM)算法對目標(biāo)區(qū)域圖像的質(zhì)量進(jìn)行評估，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)跟蹤算法對目標(biāo)進(jìn)行跟蹤，對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算法的評價值逐漸減小，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跟蹤性能的影響。

表1 激光干擾對比度跟蹤效果評估

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，光斑會遮擋目標(biāo)信息，此時光斑與目標(biāo)同時參與了形心等統(tǒng)計量的計算。

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評價值曲線圖，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，干擾對圖像的識別跟蹤精度的影響逐漸增大。

圖6 不同功率評價值曲線Fig.6 Different values for different power

5 結(jié) 論

對于激光主動成像系統(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)，對激光干擾主動成像系統(tǒng)跟蹤性能的效果進(jìn)行了評估。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算法對目標(biāo)區(qū)域的圖像質(zhì)量給出了歸一化的評價值。實(shí)驗(yàn)結(jié)果表明在相關(guān)跟蹤模式下，激光干擾對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)評價方法比較了原始圖像和干擾圖像目標(biāo)區(qū)域的亮度、對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方法的評價值降低，說明該方法能夠真實(shí)地反映激光干擾對激光主動成像系統(tǒng)跟蹤性能的影響。

[1] 高衛(wèi).對光電成像系統(tǒng)干擾效果的評估方法[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,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CCD圖像跟蹤系統(tǒng)干擾效果評估[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,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.