劉云峰，楊小岡，鄭 剛，唐小佩，黃自力，彭先蓉

（1.中國科學院光電技術研究所，四川成都610209；2.中國兵器工業(yè)第209研究所，四川成都610041；3.火箭軍駐成都地區(qū)軍事代表室，四川成都610036；4.火箭軍工程大學，陜西西安710025）

一種基于連續(xù)跟蹤的前視紅外基準圖制備方法研究

劉云峰1，2，3，楊小岡4，鄭 剛4，唐小佩4，黃自力2，彭先蓉1

（1.中國科學院光電技術研究所，四川成都610209；2.中國兵器工業(yè)第209研究所，四川成都610041；3.火箭軍駐成都地區(qū)軍事代表室，四川成都610036；4.火箭軍工程大學，陜西西安710025）

針對飛行器前視紅外連續(xù)跟蹤導航任務，對一種實用的匹配區(qū)選取與基準圖生成方法進行了研究。分析了連續(xù)跟蹤導航基本原理，以圖像方差、連續(xù)特征檢測和Frieden灰度熵為分析指標，設計了一種粗選與精選結合的匹配區(qū)選取方法。以線特征作為連續(xù)跟蹤匹配區(qū)選取參數(shù)之一，利用實時圖大小方格逐行掃描的方式，以圖像方差為指標進行粗選，選取合適的區(qū)域進行直線特征檢測；用Hough變換直線檢測進行二次精選，用Frieden灰度熵進行穩(wěn)定性分析，以確定可用于連續(xù)跟蹤匹配區(qū)，得到跟蹤導引線，并給出其定義及其參數(shù)組成。對某航拍圖用所提方法獲得了具備連續(xù)特征的前視紅外連續(xù)跟蹤導航基準圖，驗證了該方法在連續(xù)跟蹤匹配區(qū)選取中的有效性、實用性和適應性。

前視紅外；視覺導航；匹配區(qū)選取；圖像方差；特征檢測；灰度熵；導引線；基準圖生成

0 引言

現(xiàn)代戰(zhàn)爭可以是以信息技術為先導的高科技局部戰(zhàn)爭，精確制導武器是其重要組成部分。隨著攻防對抗日益激烈、戰(zhàn)場環(huán)境日趨復雜，要求精確制導武器能在復雜背景和強干擾下，準確地截獲、跟蹤和攻擊目標［1］。前視紅外成像制導是精確制導技術發(fā)展的一個重要方向，它具有靈敏度高、探測距離遠、視場角大和對目標的識別能力強、抗干擾能力強等優(yōu)點，已成為當前導彈制導技術研究的一個熱點，它可在衛(wèi)星導航受干擾、地形環(huán)境受限、地磁特征不明顯等條件下自主導航或輔助慣性導航［2］?；鶞蕡D制備是實現(xiàn)圖像匹配制導的關鍵技術。文獻［3］對微光條件下的景像匹配基準圖生成技術進行了研究。文獻［4］研究了圖像可匹配性檢驗參數(shù)，定義了圖像的自匹配性能參數(shù)，設計了該參數(shù)的計算方法，進而提出一種新的下視光學景像匹配制導技術的基準圖選定準則。文獻［5］研究了前視狀態(tài)下基于紅外圖像的景像匹配制導基準圖制備方法，以可見光衛(wèi)星影像為數(shù)據(jù)源，分析目標與背景的輻射特征并加入大氣作用效果，根據(jù)不同視點進行坐標變換，得到制導系統(tǒng)所需的多視點多尺度基準圖。文獻［6－7］針對前視紅外條件下地球表面上固定目標的識別問題，由場景的3D數(shù)據(jù)建立目標三維模型，用實時觀測方法進行二維投影獲得目標的二維模板基準圖，仿真識別試驗表明此基準圖生成方法在各種視角、距離、環(huán)境條件及復雜背景中均具備較強的穩(wěn)健性。目前，國內(nèi)研究多集中于精確制導層面的基準圖制備技術，主要圍繞下視光學景像匹配制導技術以及前視紅外自動目標識別技術，對前視紅外導航基準圖制備的研究較少［3－7］。國外則鮮有相關技術細節(jié)的公開報道或論述。

結合飛行器各階段的機動飛行任務需求，本文借鑒目前巡航導彈采用的任務規(guī)劃模式對飛行器中制導任務進行了分析與研究，以基于連續(xù)跟蹤任務的匹配區(qū)選取問題為背景，提出了一種適于前視紅外制導連續(xù)跟蹤的基準圖生成方法，并通過理論分析及仿真試驗驗證該方法的可行性與有效性［8］。

1 連續(xù)跟蹤導航原理

連續(xù)跟蹤是利用連續(xù)的地物特征信息進行精確的飛行導引，使飛行器以確定的航向?qū)崿F(xiàn)穩(wěn)定飛行。在飛行過程中，通過對序列實時圖中“跟蹤導引線”的方向以及位置的檢測以確定飛行器的跟蹤狀態(tài)、偏航位置等信息，從而進行相應的修正。飛行器實時采集前方視場的圖像，然后進行連續(xù)特征檢測得到跟蹤導引線，通過計算跟蹤導引線與飛行器攝像頭光軸的夾角ψ（順時針為正）以及跟蹤導引線在視場中的位置，得到飛行器偏航角度ψ和位置偏移a（左偏為負，右偏為正）。理想情況下，飛行過程中跟蹤導引線在實時圖中主要有四種情況，如圖1所示。

a）正常跟蹤時，跟蹤導引線位于視場中央ψ＝0°，a＝0；

b）飛行器航向偏斜時，左偏時ψ＜0°，右偏時ψ＞0°；

c）飛行器位置偏移時，左偏時a＜0，右偏時a＞0；

d）飛行器航向和位置都偏離時，ψ＜0°，a＜0。

2 連續(xù)跟蹤匹配區(qū)選取方法

由連續(xù)跟蹤導航原理可知：該任務基準圖制備的核心是分析保障圖像數(shù)據(jù)中是否有可用于連續(xù)跟蹤的“跟蹤導引線”，并獲取其相關參數(shù)。為使選取的基準圖能滿足連續(xù)跟蹤任務的需求，本文將連續(xù)特征的檢測、識別、分析作為連續(xù)跟蹤匹配區(qū)選取的重要環(huán)節(jié)。

2.1 基于圖像方差的匹配區(qū)粗選

選作匹配區(qū)的圖像必須具備一些必要條件，即選取過程中通過這些條件的篩選可快速對圖像進行分類，提高選取效率。圖像信息量是常用的一種衡量指標，指所含具有類間差異的灰度、結構等信息的多少。對圖像的信息量，常見的描述參數(shù)有圖像方差、能量、信噪比等［9］。因圖像方差相對其它描述參數(shù)來說，方法簡單，且計算量較小，能在粗選中體現(xiàn)快速性，故選用圖像方差以衡量匹配區(qū)信息量的多少，進行匹配區(qū)圖像的粗選。

定義圖像方差

2.2 Hough變換直線檢測

直線變換是二維空間中的一點映射到參數(shù)空間中的一條曲線，由數(shù)學對偶性原理可知二維空間中點的共線性對應于參數(shù)空間中曲線的共點性，以此為依據(jù)提取直線的相關參數(shù)［10］。其原理如圖2所示，其映射關系表達式為

直線檢測算法的流程如圖3所示。為利用Hough變換檢測圖像中的直線，需先對圖像進行邊緣檢測以獲得二值邊緣圖像。大量對比實驗分析發(fā)現(xiàn)：Sobel算子的計算量較小且對后續(xù)的直線檢測效果較好，因此本文采用Sobel邊緣檢測算子。

對二維圖像，定義二維坐標函數(shù)f（x，y）為圖像在點（x，y）處的灰度值，則圖像f（x，y）在點（x，y）處的一階導數(shù)即梯度可表示為一個矢量［11］。有

Sobel算子的原理為

根據(jù)檢測結果可確定該圖像是否具有基本的可用于連續(xù)跟蹤的連續(xù)特征。對紅外圖像來說，雖然灰度分布較低，但其邊緣特征仍較明顯，依然可對紅外實時圖進行可靠的連續(xù)特征檢測。

2.3 基于Frieden灰度熵的圖像穩(wěn)定性分析

圖像的穩(wěn)定性是指圖像灰度、結構等信息的連續(xù)、穩(wěn)定程度。實際上，由保障數(shù)據(jù)制成的基準圖與飛行器實時圖一般是在不同時間、不同拍攝條件下獲得的，因此匹配區(qū)圖像的特征還須具有一定的穩(wěn)定性。一般用于衡量圖像穩(wěn)定性的參數(shù)有穩(wěn)定強度、累加梯度、邊緣連續(xù)度和灰度熵等。其中：Frieden灰度熵的定義為

f為大小M×N的圖像［12］。由于紅外圖像的邊緣一般較模糊，特征不明顯，而Frieden灰度熵在圖像模糊時的穩(wěn)定性度量效果更好，因此選取灰度熵分析匹配區(qū)的穩(wěn)定性。

3 匹配區(qū)選取算法流程設計

分析衛(wèi)星和航拍圖像等可發(fā)現(xiàn)：飛行器上常見的可分辨、具連續(xù)特征的地物主要有公路、河流、鐵路等，這些地物的線特征非常明顯，且有連續(xù)性，因此這些區(qū)域適合用作連續(xù)跟蹤匹配區(qū)。本文選取線特征作為連續(xù)跟蹤匹配區(qū)選取參數(shù)之一，設計了以圖像方差為指標進行粗選，結合Hough變換直線檢測進行二次精選，并通過Frieden灰度熵進行穩(wěn)定性分析的連續(xù)跟蹤匹配區(qū)選取方法。

本文連續(xù)跟蹤匹配區(qū)選取方法為：輸入為待分析保障圖像數(shù)據(jù)，輸出為可用于連續(xù)跟蹤任務的匹配區(qū)域。步驟如下。

步驟1）根據(jù)實時圖大小確定匹配區(qū)分析的子圖大小及搜索步長。

步驟2）根據(jù)任務需求及待分析圖像的條件設置粗選分析參數(shù)、精選分析參數(shù)，以及穩(wěn)定性分析的相應門限值。

步驟3）按確定的搜索策略、子圖大小計算整幅圖像的各項參數(shù)，獲取粗選參數(shù)。

步驟4）判斷計算得到的分析參數(shù)是否滿足相應門限要求，并對滿足要求的區(qū)域進行標記，若不滿足粗選要求則更換下一幅分析圖像并轉(zhuǎn)至步驟3。

步驟5）按搜索策略對步驟4得到的滿足要求的區(qū)域進行連續(xù)特征檢測，并記錄檢測指標參數(shù)。

步驟6）判斷檢測所得指標參數(shù)是否滿足精選門限值要求，并標記滿足要求區(qū)域，若不滿足則更換下一幅分析圖像并轉(zhuǎn)至步驟3。

步驟7）按搜索策略對步驟6所得滿足要求的區(qū)域進行匹配區(qū)穩(wěn)定性分析，并記錄檢測指標參數(shù)。

步驟8）判斷檢測所得指標參數(shù)是否滿足匹配區(qū)穩(wěn)定性門限值要求，并標記滿足要求區(qū)域，若不滿足則更換下一幅分析圖像并轉(zhuǎn)至步驟3。

步驟9）選取結束，得到選取結果。

針對前視紅外視覺導航連續(xù)跟蹤匹配區(qū)選取，本文的選取方法簡要流程如圖4所示。

4 基準圖生成

一般來說，基準圖的制備與導航定位原理關系密切。根據(jù)連續(xù)跟蹤導航原理，連續(xù)跟蹤依靠的是跟蹤導引線實現(xiàn)航向和位置修正，無需利用紅外實時圖與可見光基準圖的匹配實現(xiàn)定位。因此，連續(xù)跟蹤基準圖制備的重點是匹配區(qū)選取。匹配區(qū)分析完成后，可獲取檢測所得的跟蹤導引線的各項參數(shù)，得到連續(xù)跟蹤匹配區(qū)的知識基準圖。

由于制備基準圖的保障圖像數(shù)據(jù)的分辨率、比例尺、位置信息等可預先得到，利用這些數(shù)據(jù)能計算基準圖中跟蹤導引線的各項參數(shù)。由前文的匹配區(qū)分析可知：匹配區(qū)分析結果有三種：一是無跟蹤導引線，二是只有一條跟蹤導引線，三是有多條跟蹤導引線，如圖5所示。

根據(jù)連續(xù)跟蹤導航任務原理，綜合連續(xù)跟蹤及誤差修正實際需求，定義跟蹤導引線參數(shù)為

如圖6所示。此處：M為基準圖編號；（x0，y0）表示基準圖像素大小為x0×y0；k為基準圖中跟蹤導引線的序號；為第k條跟蹤導引線起點的像素坐標；為第k條跟蹤導引線終點的像素坐標；ω為實際景物距離與圖像像素大小的對應換算系數(shù)；lk為第k條跟蹤導引線像素長度；Lk為第k條跟蹤導引線在實際場景中的長度；θk為第k條跟蹤導引線的角度，正北方向為0°，順時針為正。此處：

當存在多條跟蹤導引線時，用上述方法對每條導引線進行參數(shù)統(tǒng)計。在規(guī)劃飛行器導航任務時，根據(jù)飛行器飛行路線的實際需要，可設置一個或多個連續(xù)跟蹤導航任務，結合連續(xù)跟蹤導航基準圖，選取合適的跟蹤導引線，對飛行器的航向和位置偏差作相應的修正，使飛行器更準確、穩(wěn)定地飛行。

5 仿真實驗與分析

為驗證本文方法的有效性，設計了連續(xù)跟蹤匹配區(qū)選取實驗。某區(qū)域的航拍圖像如圖7（a）所示，大小為320×256，子圖大小為32×32，搜索步長為8像素。按本文的選取流程，先進行基于圖像方差的匹配區(qū)粗選，再通過連續(xù)跟蹤線特征指標對匹配區(qū)進行精選，然后對滿足條件的區(qū)域進行圖像穩(wěn)定性分析，最終得到可用于連續(xù)跟蹤的匹配區(qū)域。匹配區(qū)選擇圖像如圖7（b）所示。其中：紅色部分為同時滿足3個分類指標的適合作為基準圖選擇的區(qū)域；藍色部分為滿足其中兩個指標的區(qū)域；其它區(qū)域則不適合作為基準圖。

連續(xù)特征檢測時，為選取最優(yōu)的跟蹤導引線，去除較短的跟蹤導引線，取Hough變換線段合并距離閾值為0.02×lmin，線段保留閾值為0.8×lmin。此處：lmin為待分析圖像最短邊的像素大小。連續(xù)跟蹤基準圖制備結果如圖7（c）所示。圖7（c）中：AB，CD為檢測得到的兩條跟蹤導引線，其參數(shù)分別為

圖7（c）為對圖像進行連續(xù)跟蹤線特征檢測精選后的結果。比較圖7（b）、（c）可知：雖然粗選結果有三塊區(qū)域滿足方差條件，但精選后排除了其中兩塊不具備連續(xù)線特征的區(qū)域。雖然圖7（c）中CD段線特征也較明顯，但不滿足方差指標要求，不適合作為匹配區(qū)，故選取AB段區(qū)域作為連續(xù)跟蹤匹配區(qū)。仿真結果表明用本文方法可有效檢測跟蹤導引線檢測并獲取其參數(shù)，為連續(xù)跟蹤任務尋找合適的基準圖區(qū)域，制備可靠的知識基準圖。驗證了本文方法的可行性。

6 結束語

本文以飛行器前視紅外視覺導航為研究背景，根據(jù)飛行器實際飛行導航原理，針對匹配景像中的連續(xù)特征，研究了連續(xù)跟蹤匹配區(qū)基準圖制備方法。通過將連續(xù)跟蹤導航原理與圖像方差、連續(xù)特征檢測、穩(wěn)定性分析等方法結合，對待選基準圖進行匹配區(qū)分析，設計了一種有效的選取方法，定義了跟蹤導引線的概念及其特征參數(shù)，實現(xiàn)對其定量描述，并給出了連續(xù)跟蹤匹配區(qū)知識基準圖的制備方法，為特定條件下飛行器前視紅外視覺導航的基準圖制備探索了一條新思路。仿真實驗表明：本文方法能有效進行連續(xù)跟蹤匹配區(qū)分析和知識基準圖制備。但由于紅外圖像較可見光圖像更模糊，灰度信息階梯變化較小，對特征檢測有一定影響。后續(xù)，將采用識別率更高的特征檢測方法，并在對連續(xù)特征的研究基礎上，結合固定點位特征識別提取方法，研究針對飛行器定點修正基準圖的制備方法。

［1］ GONG J，F(xiàn)AN G，YU L，et al.Joint view——identity manifold for infrared target tracking and recognition［J］.Computer Vision and Image Understanding，2014，118：211－224.

［2］ RATCHES J A.Review of current aided／automatic target acquisition technology for military target acquisition tasks［J］.Optical Engineering，2011，50（7）：072001－8.

［3］ 祝永堅.微光景像匹配基準圖生成技術研究［D］.南京：南京理工大學，2007.

［4］ 曹菲，楊小岡，繆棟，等.景象匹配制導基準圖選定準則研究［J］.計算機應用研究，2005（5）：137－139.

［5］ 劉婧，孫繼銀，朱俊林.前視紅外景象匹配制導基準圖生成研究［J］.微計算機信息，2007，23（10）：279－281.

［6］ 郭文普，孫繼銀，王鵬.基于3D可視化GIS的前視參考圖生成方法［J］.計算機測量與控制，2009，17（9）：1802－1803.

［7］ 熊斌，丁曉青，王生進.基于三維模型的前視紅外目標匹配識別方法［J］.激光與紅外，2011，41（3）：344－347.

［8］ 任敏，吳昊，沈林成.巡航導彈的任務模式和規(guī)劃需求［J］.飛航導彈，2009（1）：29－33.

［9］ 劉中華，王暉，陳寶國.景象匹配區(qū)選取方法研究［J］.計算機技術與發(fā)展，2013，23（12）：128－133.

［10］ 朱芳芳，顧宏斌，孫瑾.一種改進的Hough變換直線檢測算法［J］.計算機技術與發(fā)展，2009，19（5）：19－23.

［11］ 楊小岡.導彈多源圖像匹配定位方法與仿真技術研究［D］.西安：第二炮兵工程學院，2006.

［12］ 張曉晨，付夢印.基于信息熵的景象匹配區(qū)選取方法［J］.系統(tǒng)工程與電子技術，2011，33（5）：1089－1093.

An Approach for Reference Image Preparation Based on Continuous Tracking of Forward Looking Infrared

LIU Yun－feng1，2，3，YANG Xiao－gang4，ZHENG Gang4，TANG Xiao－pei4，HUANG Zi－li2，PENG Xian－rong1
（1.Institute of Optics and Electronics，Chinese Academy of Sciences，Chengdu 610209，Sichuan，China；2.No.209Institute of China North Industries Group Corporation，Chengdu 610041，Sichuan，China；3.Military Representatives Office of Rocket Force in Chengdu，Chengdu 610036，Sichuan，China；4.The Rocket Force Engineering University，Xi’an 710025，Shaanxi，China）

A practical matching area selection and reference image preparation approach was proposed aiming at continuous tracking navigation task for forward looking infrared（FLIR）aircraft in this paper.The basic principle of continuous tracking navigation was analyzed.Based on the analysis of image variance，continuous feature detection and frieden gray level entropy，a matching area selection approach was designed by combining rough selection and fine selection.The line characteristic was used as one of selected parameters of continuous tracking matching area.The region was selected first by variance using real－time map grid size progressive scan mode.The appropriate region was determined for line detection.The region was selected finely by linear detection of Hough transform.The region stability was analyzed by Frieden gray level entropy.So the matching area for continuous tracking was determined.The track guide line was obtained and the definition and parameters were given.The reference image for FLIR continuous tracking guidance for some picture was obtained by the designed approach.The practicability，efficiency and adaptability of the approach were proved.

forward looking infrared；visual navigation；matching area selection；image variance；continuous straight feature detection；gray level entropy；track guide line；reference image preparation

TP317.4

A

10.19328／j.cnki.1006－1630.2017.01.006

1006－1630（2017）01－0037－06

2016－09－24；

2017－01－12

國家自然科學基金資助（61203189）

劉云峰（1974—），男，博士后，主要研究方向為精確制導與圖像識別技術。