王萱，鄧甲昊，李輝，陸滿君

（1.北京理工大學(xué)機(jī)電學(xué)院，北京100081；2.北京理工大學(xué)機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室，北京100081；3.上海無(wú)線電設(shè)備研究所，上海200090）

交會(huì)末段制導(dǎo)引信一體化系統(tǒng)射頻成像目標(biāo)輪廓重構(gòu)方法

王萱1，2，鄧甲昊1，2，李輝1，2，陸滿君3

（1.北京理工大學(xué)機(jī)電學(xué)院，北京100081；2.北京理工大學(xué)機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室，北京100081；3.上海無(wú)線電設(shè)備研究所，上海200090）

目標(biāo)實(shí)時(shí)精確識(shí)別與定位是實(shí)現(xiàn)制導(dǎo)引信一體化（GIF）技術(shù)的關(guān)鍵，對(duì)提高彈藥末制導(dǎo)及起爆控制精度具有決定性的意義。以射頻成像GIF體制為對(duì)象，基于射頻成像原理及目標(biāo)特性，結(jié)合計(jì)算幾何和統(tǒng)計(jì)學(xué)原理，針對(duì)交會(huì)末段提出了一種目標(biāo)輪廓重構(gòu)方法。該方法通過(guò)灰度映射變換，提取僅包含目標(biāo)信息的灰度值，顯著降低了數(shù)據(jù)量，同時(shí)增強(qiáng)了圖像對(duì)比度；在閾值分割、角點(diǎn)提取的基礎(chǔ)上，應(yīng)用統(tǒng)計(jì)學(xué)剔除異常值的方法濾除背景噪聲并抑制目標(biāo)邊界干擾；利用凸殼技術(shù)實(shí)現(xiàn)目標(biāo)輪廓重構(gòu)，得到可以完全覆蓋目標(biāo)區(qū)域的最優(yōu)凸多邊形作為目標(biāo)輪廓。理論分析和仿真結(jié)果表明，該方法時(shí)間復(fù)雜度低，實(shí)時(shí)性好，可實(shí)現(xiàn)目標(biāo)的精確識(shí)別與定位。

兵器科學(xué)與技術(shù)；導(dǎo)航制導(dǎo)；制導(dǎo)引信一體化；目標(biāo)識(shí)別；異常值點(diǎn)；計(jì)算幾何；凸殼

0 引言

制導(dǎo)引信一體化（GIF）技術(shù)［1］是以提高彈藥作用可靠性及引戰(zhàn)配合效率為目的，基于信息共享、結(jié)構(gòu)兼容、部件共用、功能互補(bǔ)原則，在綜合考慮引信與導(dǎo)引頭在工作體制、探測(cè)視場(chǎng)、交會(huì)狀態(tài)、目標(biāo)及環(huán)境信息特征情況下，進(jìn)行結(jié)構(gòu)與電路融合設(shè)計(jì)，實(shí)現(xiàn)對(duì)目標(biāo)準(zhǔn)確識(shí)別、有效跟蹤、實(shí)時(shí)精確起爆的一體化系統(tǒng)設(shè)計(jì)技術(shù)。GIF技術(shù)的本質(zhì)是一種綜合利用彈上信息的起爆控制技術(shù)［2］，它充分利用導(dǎo)引系統(tǒng)所測(cè)數(shù)據(jù)為引信提供脫靶量及方位信息，使其準(zhǔn)確決策最佳起爆時(shí)空點(diǎn)并控制起爆。GIF技術(shù)可以更好地適應(yīng)復(fù)雜的彈目交會(huì)情況，提高可靠性與引戰(zhàn)配合效率［3］。

國(guó)內(nèi)外對(duì)于GIF技術(shù)的研究中，雷達(dá)成像體制的GIF技術(shù)出現(xiàn)較早也較為成熟［4］。20世紀(jì)90年代初，美國(guó)的中國(guó)湖海軍武器試驗(yàn)中心和美國(guó)導(dǎo)航與控制公司開(kāi)展了雷達(dá)體制的GIF設(shè)計(jì)、仿真和分析，美國(guó)波音公司的PAC-3和SITES項(xiàng)目都采用了主動(dòng)雷達(dá)成像體制的GIF技術(shù)。射頻成像技術(shù)由于抗干擾性好，能夠適應(yīng)多種復(fù)雜探測(cè)環(huán)境，具有全天時(shí)、全天候的工作能力，成為GIF研究的熱點(diǎn)。然而，在探測(cè)末段，由于目標(biāo)圖像快速增擴(kuò)、探測(cè)器與目標(biāo)相對(duì)位置劇烈變化、近場(chǎng)噪聲干擾增強(qiáng)和目標(biāo)形狀畸變，目標(biāo)圖像通常是不規(guī)則的圖形或者只是模糊的斑點(diǎn)，甚至是一團(tuán)無(wú)法分辨的模糊區(qū)域，很難實(shí)時(shí)獲得目標(biāo)的清晰輪廓。然而，為了實(shí)現(xiàn)精確的起爆控制，瞄準(zhǔn)點(diǎn)的精確選擇是精確起爆控制的前提，而準(zhǔn)確地確定目標(biāo)輪廓又是實(shí)現(xiàn)瞄準(zhǔn)點(diǎn)精確選擇的前提。因此，為了提高起爆控制精度，目標(biāo)輪廓獲取在制導(dǎo)［5］末段，尤其是GIF系統(tǒng)末制導(dǎo)跟蹤和引信作用段內(nèi)具有重要的意義。

對(duì)于目標(biāo)邊緣輪廓提取主要有如下3類方法:

1）傳統(tǒng)邊緣檢測(cè)算法［6］，即差分邊緣檢測(cè)方法。該方法主要通過(guò)圖像灰度劇烈變化進(jìn)行邊緣檢測(cè)。常見(jiàn)的算法主要有Robert算子、Prewitt算子、Sobel算子、Laplacian算子，這些經(jīng)典的邊緣檢測(cè)算子運(yùn)算簡(jiǎn)單，但精度相對(duì)較低，抗干擾能力一般，因此不適用于末段復(fù)雜的探測(cè)環(huán)境。

2）基于邊緣檢測(cè)抽象建模的算法［7］。該類算法主要有Canny算子、LOG算子等。新算法的開(kāi)發(fā)使邊緣提取的精度大大提升，但算法復(fù)雜度也相應(yīng)增加，同時(shí)對(duì)圖像預(yù)處理要求也較高。

3）多學(xué)科理論融合的新型算法。該類算法主要應(yīng)用新理論和思想，進(jìn)行圖像邊緣檢測(cè)，如小波理論、形態(tài)學(xué)、模糊數(shù)學(xué)、統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、遺傳算法等。文獻(xiàn)［8］提出了基于力場(chǎng)轉(zhuǎn)換理論的圖像檢測(cè)方法，可實(shí)現(xiàn)對(duì)粗大邊緣的檢測(cè)；文獻(xiàn)［9］則基于小波理論，提出應(yīng)用哈爾小波變換分類實(shí)現(xiàn)邊緣提取。然而，新理論的引入再次增加了算法的復(fù)雜度，很難滿足GIF技術(shù)對(duì)實(shí)時(shí)性的要求。

本文針對(duì)現(xiàn)有目標(biāo)輪廓提取算法難以在彈道末段對(duì)高機(jī)動(dòng)復(fù)雜目標(biāo)實(shí)時(shí)精確識(shí)別定位的問(wèn)題，提出了基于射頻成像的GIF系統(tǒng)末段目標(biāo)輪廓重構(gòu)方法。其基本思想是，將目標(biāo)識(shí)別轉(zhuǎn)化為對(duì)覆蓋在目標(biāo)上點(diǎn)的識(shí)別，將排除干擾物轉(zhuǎn)換為統(tǒng)計(jì)學(xué)中異常值點(diǎn)的剔除，將目標(biāo)輪廓提取轉(zhuǎn)換為計(jì)算幾何中凸殼的構(gòu)造，最終實(shí)現(xiàn)實(shí)時(shí)精確的目標(biāo)識(shí)別定位。

1 基于計(jì)算幾何的GIF技術(shù)末段目標(biāo)輪廓定義

為解決目標(biāo)輪廓提取的精度和實(shí)時(shí)性問(wèn)題，基于計(jì)算幾何進(jìn)行彈道末段目標(biāo)輪廓定義。在計(jì)算幾何學(xué)中，凸殼是最普遍、最基本的一種結(jié)構(gòu)。對(duì)于Ed（d維歐幾里德空間）中的點(diǎn)集S，CH（S）即表示點(diǎn)集S的凸殼，亦即包含S的最小凸集，BCH（S）表示S的凸殼邊界。由于BCH（S）為凸多邊形，其頂點(diǎn)數(shù)m和點(diǎn)集S中點(diǎn)的數(shù)目n有如下關(guān)系:

當(dāng)n→∞時(shí)，令k維空間中n個(gè)點(diǎn)的分量是獨(dú)立地從任何連續(xù)分布的集合中隨機(jī)選取的，則其凸殼的頂點(diǎn)數(shù)為

因此，用凸殼代替點(diǎn)集，可使問(wèn)題簡(jiǎn)化，并減少數(shù)據(jù)存儲(chǔ)量。

本文受周培德最小幾何覆蓋研究的啟發(fā)，構(gòu)造可以覆蓋目標(biāo)區(qū)域的最小凸多邊形，定義該凸多邊形為等效的目標(biāo)輪廓。結(jié)合本文的應(yīng)用背景，針對(duì)GIF系統(tǒng)探測(cè)末段的機(jī)動(dòng)目標(biāo)，在t時(shí)刻獲取目標(biāo)上的點(diǎn)構(gòu)造凸殼，定義該凸殼邊界為該時(shí)刻的目標(biāo)輪廓。該凸多邊形與目標(biāo)原始形狀之間存在差異，但卻可以完全覆蓋目標(biāo)。對(duì)于GIF系統(tǒng)，目標(biāo)輪廓的細(xì)節(jié)信息對(duì)于目標(biāo)毀傷沒(méi)有決定性的意義，且由于末段的復(fù)雜環(huán)境，目標(biāo)圖像畸變，無(wú)法獲得目標(biāo)實(shí)際輪廓。對(duì)于GIF系統(tǒng)探測(cè)末段的高機(jī)動(dòng)目標(biāo)，本算法可以實(shí)時(shí)獲取最優(yōu)凸多邊形覆蓋目標(biāo)，實(shí)現(xiàn)對(duì)目標(biāo)的精確定位跟蹤及有效毀傷。

2 目標(biāo)輪廓構(gòu)造算法

本文提出的目標(biāo)輪廓構(gòu)造算法流程如圖1所示。對(duì)探測(cè)器獲得目標(biāo)圖像進(jìn)行特性分析及簡(jiǎn)單預(yù)處理；根據(jù)雷達(dá)圖像特點(diǎn)進(jìn)行灰度映射變換；采用Ostu方法進(jìn)行區(qū)域分割；對(duì)目標(biāo)區(qū)域進(jìn)行角點(diǎn)提取；采用統(tǒng)計(jì)學(xué)方法進(jìn)行異常值點(diǎn)剔除；根據(jù)最終獲得的點(diǎn)集構(gòu)造凸殼，即得到目標(biāo)輪廓。

圖1 目標(biāo)輪廓構(gòu)造算法流程圖Fig.1 Flow chart of algorithm for target contour construction

2.1 目標(biāo)特性分析

在末段復(fù)雜的探測(cè)環(huán)境下，目標(biāo)形狀通常不規(guī)則且邊界模糊。特別地，在彈目交會(huì)末段［10］，彈目交會(huì)姿態(tài)復(fù)雜，易受噪聲干擾，目標(biāo)輪廓提取較為困難。

如圖2所示，對(duì)于雷達(dá)圖像，目標(biāo)區(qū)域亮度往往較大，背景相對(duì)較暗，即目標(biāo)區(qū)域主要集中在圖像灰度值數(shù)值較大的部分，剩余大部分的背景灰度信息或紋理信息對(duì)目標(biāo)提取沒(méi)有意義。因此，可以忽略大部分與目標(biāo)區(qū)域無(wú)關(guān)的信息，減少運(yùn)算量，提高算法實(shí)時(shí)性。

圖2 典型雷達(dá)目標(biāo)圖像特性分析Fig.2 Typical radar target image analysis

2.2 圖像壓縮與增強(qiáng)

對(duì)圖像進(jìn)行去噪等預(yù)處理后，根據(jù)2.1節(jié)的分析，只需提取灰度圖像中感興趣的區(qū)域，即包含目標(biāo)信息的部分。設(shè)原始圖像的灰度信息矩陣為A，基于大量雷達(dá)圖像灰度直方圖對(duì)比分析，僅提取并保留圖像中目標(biāo)區(qū)域信息，即［150，255］范圍以內(nèi)的灰度信息，具體范圍會(huì)根據(jù)不同的圖像有所不同，但所保留的范圍一定包含在［150，255］范圍內(nèi)。該范圍內(nèi)信息小于灰度信息總量的40%，并將其映射到［0，255］范圍內(nèi)。映射按照冪律變換進(jìn)行:

式中:c、r為正常數(shù)。

算法僅提取圖像中有用數(shù)據(jù)忽略大量無(wú)用的細(xì)節(jié)信息，實(shí)現(xiàn)圖像壓縮；映射變換降低了圖像灰度值分布的復(fù)雜度，增強(qiáng)對(duì)比度。

2.3 目標(biāo)區(qū)域提取

采用Otsu方法中的最佳全局閾值對(duì)濾波后的圖像進(jìn)行分割，對(duì)灰度圖像中256個(gè)不同灰度級(jí)，得最佳閾值k*.對(duì)輸入圖像f（x，y）根據(jù)（3）式分割可得輸出圖像g（x，y）:

角點(diǎn)檢測(cè)使用laplacian算子結(jié)合偏微分方程式進(jìn)行。對(duì)提取的角點(diǎn)，利用統(tǒng)計(jì)學(xué)中剔除異常值點(diǎn)的方法，通過(guò)對(duì)所有角點(diǎn)x、y坐標(biāo)值，距均值點(diǎn)的歐氏距離、相關(guān)性等進(jìn)行統(tǒng)計(jì)學(xué)分析，剔除異常值。除借用格拉布斯準(zhǔn)則、狄克遜準(zhǔn)則進(jìn)行異常值剔除外，本文設(shè)計(jì)以下兩個(gè)主要步驟，針對(duì)目標(biāo)與背景干擾噪聲的特點(diǎn)，進(jìn)行異常值點(diǎn)剔除。

圖3所示為基于GIF系統(tǒng)的導(dǎo)彈彈道末段，目標(biāo)進(jìn)入制導(dǎo)盲區(qū)前某時(shí)刻目標(biāo)在視場(chǎng)中的情況，以優(yōu)選法為指導(dǎo)，設(shè)計(jì)異常值點(diǎn)排除準(zhǔn)則，提高判別效率。取圖示0.618D作為目標(biāo)上兩點(diǎn)之間最遠(yuǎn)距離。因此，與中心點(diǎn)（均值點(diǎn)）距離大于·0.618·D的點(diǎn)視為干擾噪聲或假目標(biāo)。

圖3 GIF系統(tǒng)彈道末段目標(biāo)在視場(chǎng)中的大小Fig.3 Size of target in FOV at GIF terminal phase

步驟1:去除距目標(biāo)較遠(yuǎn)處的干擾。所有n個(gè)點(diǎn)x和y坐標(biāo)的平均值為（x0，y0），計(jì)算所有n個(gè)點(diǎn)到該均值點(diǎn)的距離di，i=1，2，…，n，令（X、Y為圖像最大邊界尺寸），剔除滿足｛（x，y）|di≥0.309D｝的角點(diǎn)。

步驟2:去除目標(biāo)附近干擾。剩余n′個(gè)點(diǎn)x和y坐標(biāo)的平均值為，計(jì)算所有n′個(gè)點(diǎn)到該均值點(diǎn)的距離，計(jì)算其中xmax，ymax和 xmin，ymin，令，剔除滿足的角點(diǎn)。

2.4 凸殼構(gòu)建

經(jīng)過(guò)2.3節(jié)處理，剩余角點(diǎn)全部覆蓋在目標(biāo)區(qū)域或在目標(biāo)區(qū)域邊界上，因此，根據(jù)這些點(diǎn)所構(gòu)造的凸殼可完全覆蓋目標(biāo)區(qū)域，且是能覆蓋目標(biāo)區(qū)域的最小凸多邊形，利用Matlab軟件編程實(shí)現(xiàn)快速凸殼構(gòu)建。在探測(cè)末段，所得凸殼可作為目標(biāo)近似輪廓，并實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)精確檢測(cè)和定位。

2.5 算法時(shí)間復(fù)雜度對(duì)比分析

對(duì)于預(yù)處理后的圖像進(jìn)行角點(diǎn)提取并進(jìn)行凸殼構(gòu)造，該過(guò)程運(yùn)算量小，速度較快。由于對(duì)圖像進(jìn)行邊緣提取時(shí)同樣需要進(jìn)行圖像增強(qiáng)去噪等預(yù)處理，因此，只考察圖像預(yù)處理后的運(yùn)算復(fù)雜度，并將本算法與邊緣提取算法復(fù)雜度進(jìn)行比較。

對(duì)于本算法:角點(diǎn)提取復(fù)雜度為Tj（n）；對(duì)于k個(gè)角點(diǎn)的情況，2.3節(jié)中對(duì)異常值剔除的方法可以在O（k）時(shí)間內(nèi)完成；快速凸殼構(gòu)造的時(shí)間復(fù)雜度為O（klog2k）.令T1為該算法的復(fù)雜度，即

式中:k?mn.

對(duì)于像素?cái)?shù)為m×n的圖像，角點(diǎn)提取算法中最高頻度為

因此，Tj（n）=O（mn），由于k?mn，則

根據(jù)文獻(xiàn)［11］，對(duì)于m×n的圖像，任何邊緣提取算法復(fù)雜度T2都具有平凡下界為O（mn），即T2＞O（mn）恒成立。

顯然，T1＜T2，本文提出的邊緣重構(gòu)算法相對(duì)于邊緣提取的復(fù)雜度低，實(shí)時(shí)性較好。

此外，針對(duì)目標(biāo)重構(gòu)方法，文獻(xiàn)［12］和文獻(xiàn)［13］分別采用遺傳算法和粒子群算法進(jìn)行目標(biāo)輪廓重構(gòu)。遺傳算法的時(shí)間復(fù)雜度近似為O（n2），粒子群算法的時(shí)間復(fù)雜度為O（KMN′）（K為迭代次數(shù)，M為粒子個(gè)數(shù)，N′為維數(shù)）。Adam等［14］采用網(wǎng)格方法結(jié)合傅里葉變換進(jìn)行目標(biāo)輪廓重構(gòu)，單純考慮傳統(tǒng)網(wǎng)格算法，對(duì)于二維數(shù)據(jù)，其時(shí)間復(fù)雜度為O（n3/2）.顯然，這幾種算法相比凸殼構(gòu)造更復(fù)雜，適用于醫(yī)療圖像等實(shí)時(shí)性要求不高的情況，但達(dá)不到交會(huì)末段目標(biāo)識(shí)別定位對(duì)實(shí)時(shí)性的要求。

理論分析表明，本算法具有較低的時(shí)間復(fù)雜度，適用于復(fù)雜的末段探測(cè)環(huán)境并可實(shí)時(shí)獲取目標(biāo)輪廓，具有較好應(yīng)用前景和實(shí)用價(jià)值。

2.6 算法精度影響因素分析

根據(jù)算法設(shè)計(jì)原理，分析目標(biāo)輪廓重構(gòu)精度和定位精度，首先要進(jìn)行算法各步驟的精度分析［15］。2.6.1 圖像處理引入的誤差

算法只提取并保留［150，255］范圍內(nèi)的灰度信息值，選擇γ＞1進(jìn)行映射變換，并提高分割閾值。這樣可以抑制目標(biāo)周圍干擾噪聲，同時(shí)也腐蝕了目標(biāo)輪廓細(xì)節(jié)，導(dǎo)致目標(biāo)區(qū)域縮小。然而，目標(biāo)圖像縮小后仍在原始目標(biāo)區(qū)域內(nèi)，在一定范圍內(nèi)，不會(huì)影響目標(biāo)定位精度。

2.6.2 目標(biāo)區(qū)域提取精度分析

剔除異常值采用統(tǒng)計(jì)學(xué)方法進(jìn)行，針對(duì)步驟1，當(dāng)目標(biāo)偏離視場(chǎng)中心，目標(biāo)上靠近視場(chǎng)邊界處的點(diǎn)被判為異常值點(diǎn)的概率較大；對(duì)于步驟2，距目標(biāo)相對(duì)較遠(yuǎn)，但沒(méi)有在步驟1被剔除掉的異常值點(diǎn)就會(huì)導(dǎo)致目標(biāo)中心位置偏移，影響定位精度。

2.6.3 凸殼構(gòu)建精度分析

根據(jù)凸殼質(zhì)心進(jìn)行目標(biāo)定位跟蹤，將ti時(shí)刻獲取的質(zhì)心作為此時(shí)目標(biāo)中心位置進(jìn)行定位，設(shè)質(zhì)心坐標(biāo)為（xi，yi），此時(shí)目標(biāo)實(shí)際質(zhì)心為（xc，yc）.顯然，（xi，yi）與（xc，yc）存在偏差。但是本文所設(shè)計(jì)的算法可以確保（xi，yi）在目標(biāo)上，隨著飛行器姿態(tài)調(diào)整，最終（xi，yi）會(huì)趨近于（xc，yc），實(shí)現(xiàn)目標(biāo)有效毀傷。

根據(jù)以上分析，用于構(gòu)造凸殼的點(diǎn)，對(duì)算法精度影響較大［16］。設(shè)定探測(cè)末段目標(biāo)輪廓重構(gòu)方法的精度評(píng)價(jià)標(biāo)準(zhǔn)。令N=用于凸殼構(gòu)建的點(diǎn)總數(shù)，N1=N中覆蓋在目標(biāo)上的點(diǎn)的總數(shù)，識(shí)別效率為η，則

式中:η越大，目標(biāo)定位越準(zhǔn)；當(dāng)η≤50%時(shí)，會(huì)導(dǎo)致目標(biāo)丟失或較高的脫靶率。

3 實(shí)驗(yàn)與結(jié)果分析

針對(duì)射頻成像GIF技術(shù)，選取真實(shí)雷達(dá)目標(biāo)圖像，進(jìn)行實(shí)驗(yàn)，同時(shí)將該算法與典型邊緣提取算法進(jìn)行比較，驗(yàn)證算法的實(shí)時(shí)性和可靠性。

3.1 算法實(shí)現(xiàn)

本文以目標(biāo)輪廓復(fù)雜且在彈目交會(huì)過(guò)程中機(jī)動(dòng)性較大的飛機(jī)為典型目標(biāo)（如圖4（a）所示），利用Matlab軟件繪制飛機(jī)目標(biāo)雷達(dá)圖像（見(jiàn)圖4（b））的灰度直方圖（如圖4（c）所示）。

提取并保留圖像中A′?［160，255］范圍內(nèi)的灰度信息，并將A′映射到新矩陣B?［0，255］中。按照冪律變換進(jìn)行映射，當(dāng)γ=1時(shí)，為線性映射，映射結(jié)果如圖5（a）所示。設(shè)計(jì)冪律函數(shù)，取γ=2＞1，映射被加權(quán)至較暗的輸出值（如圖5（b）所示）。此時(shí)，對(duì)比度相對(duì)于γ=1時(shí)更高，圖像中所留下的白色亮斑基本都存在于目標(biāo)及地面較強(qiáng)干擾物上。

對(duì)映射后的圖像5（b）進(jìn)行灰度值分析（如圖5（c）所示），與原始圖像的灰度直方圖（見(jiàn)圖4（c））進(jìn)行對(duì)比可見(jiàn)，灰度值分布復(fù)雜度明顯降低，數(shù)據(jù)量小于原始數(shù)據(jù)的1/3，實(shí)現(xiàn)圖像壓縮和對(duì)比度增強(qiáng)。

最佳閾值為k*=85，閾值分割后結(jié)果如圖6所示。

圖4 飛機(jī)目標(biāo)原始圖像Fig.4 Raw images of plane

圖5 數(shù)據(jù)壓縮與圖像增強(qiáng)Fig.5 Results of image Compression and Enhancement

點(diǎn)檢測(cè)結(jié)果如圖7所示，得到42個(gè)角點(diǎn)。通過(guò)圖7中角點(diǎn)所在區(qū)域與目標(biāo)位置對(duì)比，目標(biāo)圖像右上方干擾物（對(duì)應(yīng)于圖7右上角處的點(diǎn)）及機(jī)頭附近的干擾物，對(duì)目標(biāo)輪廓提取造成干擾，利用統(tǒng)計(jì)學(xué)原理及本文設(shè)計(jì)的異常值點(diǎn)剔除方法，異常值剔除結(jié)果如圖8所示。

圖6 閾值分割后二值化結(jié)果Fig.6 Target area extraction

圖7 角點(diǎn)提取結(jié)果Fig.7 Target area extraction

圖8 剔除異常值點(diǎn)Fig.8 Excluding outliers

剩余29個(gè)角點(diǎn)全部覆蓋在目標(biāo)區(qū)域或在目標(biāo)區(qū)域邊界上，利用Matlab軟件，構(gòu)建一個(gè)可以完全覆蓋目標(biāo)區(qū)域的最佳凸殼（如圖9（a）所示），該凸殼為凸八邊形。如圖9（b）所示，將該凸多邊形與原目標(biāo)圖像對(duì)照可得，在探測(cè)末段，該多邊形可表征目標(biāo)區(qū)域輪廓和位置。

圖9 目標(biāo)輪廓重構(gòu)Fig.9 Target contour reconstruction

圖10 應(yīng)用典型算法進(jìn)行邊緣檢測(cè)Fig.10 Edge detection of typical methods

3.2 算法精度及實(shí)時(shí)性分析

本文所設(shè)計(jì)的算法主要針對(duì)于射頻成像GIF技術(shù)的應(yīng)用，可實(shí)現(xiàn)目標(biāo)輪廓的提取，進(jìn)行實(shí)時(shí)精確的GIF引信起爆控制。

3.2.1 算法精度分析

對(duì)圖6中二值圖像，分別采用Robert算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子與本文設(shè)計(jì)的算法進(jìn)行邊緣提取。圖10所示為L(zhǎng)aplacian算子和Canny算子進(jìn)行目標(biāo)邊緣提取的結(jié)果。由于雷達(dá)圖像含有較多的干擾噪聲，目標(biāo)邊緣沒(méi)有整齊固定的輪廓，圖10所示的結(jié)果顯示應(yīng)用常規(guī)邊緣提取算法所得到的目標(biāo)邊緣含有大量的無(wú)用信息，雖然保留了目標(biāo)形狀特點(diǎn)，但卻對(duì)提高GIF技術(shù)起爆控制精度、易損部位識(shí)別和瞄準(zhǔn)點(diǎn)選擇沒(méi)有太大意義，不利于對(duì)干擾物的剔除。復(fù)雜無(wú)用的細(xì)節(jié)信息也增加了運(yùn)算量，影響算法實(shí)時(shí)性。

3.2.2 算法實(shí)時(shí)性分析

采用美國(guó)TI公司的TMS320C6455處理器（時(shí)鐘頻率為1 GHz），在CCS開(kāi)發(fā)環(huán)境下計(jì)算相關(guān)邊緣提取算法所需時(shí)間，結(jié)果如表1所示。

表1 不同邊緣提取算法所需時(shí)間Tab.1 Time consumption of different edge detectors

算法所需時(shí)間計(jì)算是基于圖6閾值分割后的二值化圖像進(jìn)行的，所有算法針對(duì)相同的圖像進(jìn)行邊緣提取，其中，本文提出的凸殼重構(gòu)法還包含了剔除異常值所需時(shí)間。由表1可知，本文提出的算法與這些基本的邊緣提取算法相比耗時(shí)較少，滿足交會(huì)末段GIF系統(tǒng)的實(shí)時(shí)性要求。

3.3 算法有效性分析

為了驗(yàn)證算法的有效性，選擇如下6種具有代表性的情況，進(jìn)行仿真實(shí)驗(yàn)（實(shí)驗(yàn)結(jié)果見(jiàn)表2）:

1）目標(biāo)在視場(chǎng)中心位置，且沒(méi)有明顯的干擾物（圖11（a）所示）；

2）目標(biāo)在視場(chǎng)中心位置，目標(biāo)周圍存在少量的干擾物（圖11（b）所示）；

3）目標(biāo)偏離視場(chǎng)中心，靠近視場(chǎng)邊界（右下角），無(wú)明顯干擾物（圖11（c）所示）；

4）探測(cè)器相對(duì)于情況3發(fā)生旋轉(zhuǎn)，目標(biāo)靠近視場(chǎng)邊界（左上角），無(wú)明顯干擾物（圖11（d）所示）；

5）目標(biāo)靠近視場(chǎng)邊界，且存在明顯干擾物（圖11（e）所示）；

6）目標(biāo)在視場(chǎng)邊界處，且存在較大的干擾物（圖11（f）所示）。

由于在飛行末段，GIF系統(tǒng)已經(jīng)鎖定目標(biāo)，因此，只考慮在視場(chǎng)范圍內(nèi)存在單一完整目標(biāo)的情況。圖11（f）所示是在探測(cè)末段出現(xiàn)的極限情況，目標(biāo)干擾較大，但GIF引信作用段，彈目之間距離較近，視場(chǎng)內(nèi)不會(huì)出現(xiàn)多目標(biāo)的情況。

表2 實(shí)驗(yàn)結(jié)果Tab.2 Experimental results

圖11 同一目標(biāo)在不同狀態(tài)下的輪廓重構(gòu)結(jié)果Fig.11 Contour reconstruction of the same target in different situations

由實(shí)驗(yàn)結(jié)果可知:目標(biāo)在視場(chǎng)中的位置及干擾物是影響點(diǎn)提取的主要因素，最終會(huì)影響目標(biāo)輪廓重構(gòu)精度。分析實(shí)驗(yàn)數(shù)據(jù)可知:目標(biāo)所在的位置越靠近視場(chǎng)中心，結(jié)果越準(zhǔn)確；干擾越少，輪廓構(gòu)造越準(zhǔn)確。針對(duì)目標(biāo)在視場(chǎng)邊界，且干擾較大的情況，算法識(shí)別效率大于80%，可以實(shí)現(xiàn)對(duì)目標(biāo)的準(zhǔn)確定位。

4 結(jié)論

本文提出了一種用于交會(huì)末段射頻成像GIF系統(tǒng)目標(biāo)輪廓重構(gòu)的方法。該方法只利用不足原有圖像1/3的數(shù)據(jù)量，即可完成目標(biāo)輪廓重構(gòu)，實(shí)現(xiàn)GIF技術(shù)精確的目標(biāo)識(shí)別和定位，顯著減少數(shù)據(jù)量，提高實(shí)時(shí)性。此外，算法避免直接的目標(biāo)輪廓提取，而對(duì)目標(biāo)圖像進(jìn)行角點(diǎn)提取，將目標(biāo)識(shí)別轉(zhuǎn)化為點(diǎn)的識(shí)別；應(yīng)用統(tǒng)計(jì)學(xué)原理及優(yōu)選法剔除異常值點(diǎn)，將干擾物及噪聲的抑制轉(zhuǎn)化為對(duì)異常值點(diǎn)的剔除，有效抑制背景噪聲及干擾。理論分析和實(shí)驗(yàn)結(jié)果顯示該算法能夠精確、實(shí)時(shí)地實(shí)現(xiàn)末段目標(biāo)輪廓重構(gòu)，效率高，可操作性強(qiáng)，具有廣闊的應(yīng)用前景。

（

）

［1］ Chopper K，Jaeger H，Stephens L，et al.Guidance integrated fuzing analysis and simulation［C］∥First IEEE Conference on Control Applications.Dayton，OH:IEEE，1992:750-755.

［2］ 孫博，栗金平，鄭建強(qiáng)，等.防空導(dǎo)彈紅外成像制導(dǎo)引信一體化應(yīng)用研究［J］.彈箭與制導(dǎo)學(xué)報(bào)，2012，33（1）:57-60. SUN Bo，LI Jin-ping，ZHENG Jian-qiang，et al.The re-search on infrared imaging GIF technology of ground-to-air missile［J］.Journal of Projectiles，Rockets，Missiles and Guidance，2013，33（1）: 57-60.（in Chinese）

［3］ Fan M G，Peng Z Y，Luo X L，et al.Prediction of time to go of IR Imaging GIF［C］∥International Symposium on Photoelectronic Detection and Imaging 2011:Advances in Infrared Imaging and Applications.Beijing，China:Chinese Society of Astronautics，2011:81931-81934.

［4］ 劉斌，樊養(yǎng)余，周軍偉，等.基于成像導(dǎo)引/激光測(cè)距的起爆控制算法［J］.探測(cè)與控制學(xué)報(bào)，2012，34（2）:57-60. LIU Bin，F(xiàn)AN Yang-yu，ZHOU Jun-wei，et al.A burst control algorithm based on imaging guidance and laser ranging［J］.Journal of Detection&Control，2012，34（2）:57-60.（in Chinese）

［5］ Li L J.A new method to select aimpoint for airplane target at end term［J］.Proceedings of SPIE，2013，8918，:1-6.

［6］ 朱順安.圖像邊緣檢測(cè)并行算法的研究和基于FPGA的實(shí)現(xiàn)［D］.武漢:中南民族大學(xué)，2013. ZHU Shun-an.Parallel algorithm of image edge detection and FPGA-based implementation［D］.Wuhan:South-central University for Nationalities，2013.（in Chinese）

［7］ Waghule D R，Ochawar R S.Overview on edge detection methods［C］∥International Conference on Electronic Systems，Signal Processing and Computing Technologies.Nagpur:IEEE，2014:151-155.

［8］ 曹傳東，徐貴力，陳欣，等.基于力場(chǎng)轉(zhuǎn)換理論的圖像粗大邊緣檢測(cè)方法［J］.航空學(xué)報(bào)，2011，32（5）:891-899. CAO Chuan-dong，XU Gui-li，CHEN Xin，et al.Image edge detection algorithm based on force field transformation［J］.Acta Aeronautica et Astronautica Sinica，2011，32（5）:891-899.（in Chinese）

［9］ Mashford J，Rahilly M，Lane B，et al.Edge detection in pipe images using classification of haar wavelet reansforms［J］.Applied Artificial Intelligence，2014，28（7）:675-689.

［10］ Mahalanobis A.Correlation filters for object tracking target reacquisition and smart aimpoint selection［J］.SPIE Journal，1997，3073:25-32.

［11］ 周培德，付夢(mèng)印，黃源水，等.紅外圖像邊緣提取的算法［J］.兵工學(xué)報(bào)，2007，28（5）:524-527. ZHOU Pei-de，F(xiàn)U Meng-yin，HUANG Yuan-shui，et al.Algorithms to extract thermal image edge［J］.Acta Armamentarii，2007，28（5）:524-527.（in Chinese）

［12］ Tsang P，Situ W C.Affine invariant matching of broken boundaries based on simple genetic algorithm and contour reconstruction［J］.Pattern Recognition Letters，2010，31（9）:771-780.

［13］ Tsang P，Yuen T，Situ W C.Enhanced affine invariant matching of broken boundaries based on particle swarm optimization and the dynamic migrant principle［J］.Applied Soft Computing，2010，10（2）:432-438.

［14］ Martinez A，Gelb A，Gutierrez A.Edge detection from non-uniform Fourier data using the convolutional gridding algorithm［J］. Journal of Scientific Computing，2014，61（3）:490-512.

［15］ 謝銳，萬(wàn)顯榮，趙志欣，等.外輻射源天地波雷達(dá)定位方法及精度分析［J］.電波科學(xué)學(xué)報(bào)，2014，29（3）:442-449. XIE Rui，WAN Xian-rong，ZHAO Zhi-xin et al.Localization method and accuracy analysis in hybrid sky-surface wave passive radar［J］.Chinese Journal of Radio Science，2014，29（3）: 442-449.（in Chinese）

［16］ 趙連軍，劉恩海，張文明，等.單目三點(diǎn)位置測(cè)量精度分析［J］.光學(xué)精密工程，2014，22（5）:1190-1197. ZHAO Lian-jun，LIU En-hai，ZHANG Wen-ming，et al.Analysis of position estimation precision by cooperativetarget with three feature points［J］.Optics and Precision Engineering，2014，22（5）: 1190-1197.（in Chinese）

Terminal Target Contour Reconstruction Algorithm Based on RF Imaging for GIF

WANG Xuan1，2，DENG Jia-hao1，2，LI Hui1，2，LU Man-jun3
（1.School of Mechatronical Engineering，Beijing Institute of Technology，Beijing 100081，China；2.Science and Technology on Electromechanical Dynamic Control Laboratory，Beijing Institute of Technology，Beijing 100081，China；3.Shanghai Radio Equipment Research Institute，Sanghai 200090，China）

The real-time accurate target recognition and localization are the key factors to implement the guidance integrated fuzing（GIF）technique and enhance the performance of terminal guidance and the accuracy of burst control.A real-time and accurate terminal target contour reconstruction algorithm for RF imaging GIF technique is proposed based on the principle of RF imaging and the target properties.The gray values with target information are extracted by gray mapping transform，thus decreasing the data quantity and the power-law transformation for image enhancement.Based on threshold segmentation and corner detection，the statistical methods are utilized to filter the background noise and suppress the target boundary interference.The target contour reconstruction is achieved by the convex hull technique，which is the optimal convex coveringa target area.Both the simulation and theoretical analysis results show thatthe time complexity of the proposed algorithm is lower，thus it can be used to achieved the real-time and accurate terminal target recognition and localization for RF imaging GIF.

ordnance science and technology；guidance and navigation；guidance integrated fuzing；object recognition；outlier；computation geometry；convex hull

V249.3；TJ765.3

A

1000-1093（2015）09-1624-08

10.3969/j.issn.1000-1093.2015.09.004

2015-01-12

航天科技創(chuàng)新基金項(xiàng)目（SAST201337）

王萱（1988—），女，博士研究生。E-mail:wlcbwx_love@126.com；鄧甲昊（1958—），男，教授，博士生導(dǎo)師。E-mail:bitdjh@sohu.com