郭銘嘉，趙 晟，劉會(huì)文，申 濤，雷 昊，樸宇鵬，曹耀心，吳建東

(1. 陸軍裝備部駐南京地區(qū)軍事代表局駐上海地區(qū)第三軍事代表室·上?！?01109；2. 上海航天控制技術(shù)研究所·上?！?01109)

0 引 言

采用紅外成像制導(dǎo)的艦載末端防空導(dǎo)彈在攔截遠(yuǎn)距離的弱小目標(biāo)時(shí)，容易受到背景的干擾。弱小目標(biāo)的灰度較弱且在圖像中呈點(diǎn)狀，大小往往只有幾個(gè)像素，缺少可供識(shí)別的形狀和紋理特征，因此很難將其與視場(chǎng)中一些同樣呈點(diǎn)狀且灰度較高的背景干擾(如海面雜波、遠(yuǎn)方船只、島岸上的建筑和裸露巖石等)區(qū)分開來(lái)。因此導(dǎo)彈導(dǎo)引頭在檢測(cè)弱小目標(biāo)時(shí)需要通過(guò)一定的方法抑制此類背景，增強(qiáng)目標(biāo)信號(hào)強(qiáng)度。

在增強(qiáng)目標(biāo)信號(hào)強(qiáng)度、提高紅外圖像信噪比方面已經(jīng)有多種方法被開發(fā)出來(lái)，其中結(jié)構(gòu)比較簡(jiǎn)潔、應(yīng)用較多的方法包括基于形態(tài)學(xué)top-hat的檢測(cè)方法、基于小波變換的檢測(cè)方法等。為進(jìn)一步抑制背景并提升分割正確率，研究人員還提出了多種新方法。Li[1]等人基于最大熵原理，提出了一套基于多重圖像分割和目標(biāo)特征直方圖檢驗(yàn)的方法。Deng等人[2]則通過(guò)測(cè)量圖像局部區(qū)域信息熵的方法濾除背景和噪聲，并與top-hat濾波、最大中值濾波等傳統(tǒng)圖像處理方法做了對(duì)比，得到了良好的效果；Deng等人[3]還嘗試通過(guò)多尺度模糊測(cè)度法提升圖像信噪比，并采用一種自適應(yīng)閾值分割目標(biāo)。除了上述的解析方法外，還有研究人員嘗試使用人工智能的相關(guān)方法檢測(cè)目標(biāo)。Kim[4]等人提取了候選目標(biāo)的灰度分布、尺寸、中心對(duì)稱性等八項(xiàng)特征，然后通過(guò)機(jī)器學(xué)習(xí)方法篩選目標(biāo)。Liu等人[5]提出了一種基于Contourlet變換和反向傳播神經(jīng)網(wǎng)絡(luò)的方法。不過(guò)，人工智能方法過(guò)于依賴識(shí)別分類器的訓(xùn)練樣本的質(zhì)量，并且其對(duì)目標(biāo)的特征分析和提取都只是數(shù)學(xué)統(tǒng)計(jì)意義上最優(yōu)的，并沒有對(duì)真假目標(biāo)本身的物理特性加以有效的利用[6]，而且當(dāng)目標(biāo)在視場(chǎng)中比較弱小且處在海面亮帶等復(fù)雜背景中時(shí)，海面閃爍等干擾與目標(biāo)的灰度均呈斑狀分布且峰值相近，此時(shí)單幀地處理圖像很難可靠地檢測(cè)目標(biāo)。因此更多的研究人員著眼于綜合利用時(shí)空信息、連續(xù)多幀地處理圖像[7]，例如劉杰和安博文[8]利用目標(biāo)在幀間的運(yùn)動(dòng)具有連續(xù)性而噪聲點(diǎn)不具有連續(xù)性的特點(diǎn)，采用均值加權(quán)濾波的方法來(lái)濾除孤立噪聲點(diǎn)，最后使用自適應(yīng)閾值分割檢測(cè)出小目標(biāo)。而張素等人[9]則提出了一種基于時(shí)空非局部相似性的紅外圖像弱小目標(biāo)檢測(cè)方法。該方法通過(guò)引入時(shí)空域圖像塊模型，充分利用相鄰幀圖像間海面背景圖像塊的非局部自相關(guān)特性及每幀內(nèi)非局部背景圖像塊間的相似特性，實(shí)現(xiàn)紅外弱小目標(biāo)檢測(cè)。張雅楠等人[10]還提出了一種基于局部峰值檢測(cè)和管道濾波的紅外圖像處理算法，首先采取局部峰值檢測(cè)提取疑似目標(biāo)，然后根據(jù)自適應(yīng)域值處理去除多數(shù)非目標(biāo)峰值，最后通過(guò)管道濾波法排除殘留干擾以準(zhǔn)確識(shí)別目標(biāo)，其中管道濾波算法是一種經(jīng)典的時(shí)空濾波算法，它是以目標(biāo)為中心建立在序列圖像空間位置上的空間管道。上述基于連續(xù)幀圖像檢測(cè)目標(biāo)的研究均取得了較好的效果，但仍然有局限性，比如亮云和海面雜波等干擾有時(shí)也能夠形成連續(xù)的航跡。

綜上所述，目前各種基于紅外圖像的目標(biāo)檢測(cè)方法仍然存在三方面的不足：首先，復(fù)雜背景下弱小目標(biāo)與干擾的特征非常接近，增加了提升信噪比的難度，縮短了導(dǎo)引頭的探測(cè)距離；其次，各項(xiàng)算法都著眼于深化圖像信息的處理和提取，因此難免要對(duì)圖像的灰度、灰度梯度和熵等信息進(jìn)行詳細(xì)的統(tǒng)計(jì)，甚至引入神經(jīng)網(wǎng)絡(luò)，這就需要消耗大量的運(yùn)算資源，和導(dǎo)引頭有限的硬件資源和任務(wù)時(shí)間不甚匹配；另外，紅外導(dǎo)引頭還容易受到溫度和大氣濕度等環(huán)境因素的影響。顯然，為了檢測(cè)雜波背景下的低信噪比運(yùn)動(dòng)目標(biāo)，單純的圖像信息是不夠的，引入運(yùn)動(dòng)信息是抑制背景雜波、提高信噪比和目標(biāo)檢測(cè)性能的關(guān)鍵[11]。

本文提出了一種借助慣導(dǎo)信息輔助紅外系統(tǒng)篩除背景干擾的方法。導(dǎo)彈上安裝慣導(dǎo)系統(tǒng)后可以實(shí)時(shí)提取彈體的位置和速度，具有不受氣象條件干擾[12]的優(yōu)點(diǎn)。該抗干擾方法包括兩個(gè)步驟：首先，基于慣導(dǎo)數(shù)據(jù)提取出海天線在視場(chǎng)中的位置并判斷目標(biāo)在空背景還是海背景上，進(jìn)而縮小識(shí)別目標(biāo)的范圍；然后，通過(guò)慣導(dǎo)信息預(yù)估導(dǎo)彈對(duì)目標(biāo)的視線角速度，并將結(jié)果與紅外信息作比以排除干擾點(diǎn)。該方法引入了目標(biāo)的運(yùn)動(dòng)特征，解決了目標(biāo)與干擾具有相似圖像特征的問(wèn)題，而且慣導(dǎo)信息不易受環(huán)境因素干擾、處理時(shí)所需的運(yùn)算量較小。

1 目標(biāo)檢測(cè)原理

1.1 檢測(cè)流程概述

本文提出的目標(biāo)檢測(cè)方法主要包括兩個(gè)關(guān)鍵模塊：

(1)海天線提取與圖像劃分：根據(jù)慣組給出的導(dǎo)彈位置和預(yù)估的目標(biāo)位置等參數(shù)(目標(biāo)通常為進(jìn)入末端的反艦導(dǎo)彈，此類目標(biāo)機(jī)動(dòng)能力有限，可以近似認(rèn)為其作勻速直線運(yùn)動(dòng)。發(fā)射時(shí)武器控制系統(tǒng)將目標(biāo)的位置和速度等參數(shù)裝定進(jìn)導(dǎo)引頭中，發(fā)射后即可連續(xù)推算出目標(biāo)每時(shí)刻的位置和速度)，計(jì)算導(dǎo)彈對(duì)海天線視線和對(duì)目標(biāo)視線間的夾角，根據(jù)該夾角判斷目標(biāo)距離海天線的遠(yuǎn)近、在空背景還是海背景上，進(jìn)而縮小識(shí)別目標(biāo)的范圍，先排除一部分干擾。

(2)目標(biāo)運(yùn)動(dòng)特征識(shí)別：根據(jù)慣組給出的導(dǎo)彈位置速度和預(yù)估的目標(biāo)位置速度等參數(shù)，計(jì)算導(dǎo)彈對(duì)目標(biāo)的視線角速度，并將該角速度值與紅外圖像中各個(gè)候選目標(biāo)的視線角速度值相比較，排除干擾點(diǎn)。

上述解算過(guò)程中所需的各項(xiàng)參數(shù)將在導(dǎo)彈發(fā)射前由武控系統(tǒng)裝定，包括發(fā)射時(shí)刻導(dǎo)彈和目標(biāo)的位置坐標(biāo)、目標(biāo)運(yùn)動(dòng)速度等。

如下圖所示，除了上述兩個(gè)關(guān)鍵模塊外還應(yīng)考慮目標(biāo)檢測(cè)方法的完整實(shí)現(xiàn)流程。首先，根據(jù)當(dāng)幀的慣導(dǎo)和紅外圖像信息提取出海天線、目標(biāo)和潛在目標(biāo)的視線角；然后根據(jù)多幀累計(jì)的信息對(duì)視線角進(jìn)行平滑處理，濾除時(shí)間噪聲；接著對(duì)海天線的慣導(dǎo)視線角和紅外視線角進(jìn)行匹配融合，并根據(jù)融合后的視線角篩除紅外圖像中不符合位置條件的潛在目標(biāo)；最后，比較殘留的潛在目標(biāo)與目標(biāo)的視線角，進(jìn)一步篩除干擾。在該流程中，圖像系統(tǒng)提取海天線與潛在目標(biāo)視線角時(shí)，首先使用圖像分割算法(如Tophat變換、模板匹配、Canny算子邊緣檢測(cè)等經(jīng)典方法)將對(duì)象從圖像中分割出來(lái)，然后根據(jù)劉會(huì)文等人[13]給出的坐標(biāo)變換方法將紅外圖像坐標(biāo)系中的視線角轉(zhuǎn)換到慣性坐標(biāo)系下，以便于與慣導(dǎo)信息比較或融合。需要指出的是，潛在目標(biāo)的紅外視線角用于和慣導(dǎo)信息預(yù)推的目標(biāo)視線角作比較，相差過(guò)大的潛在目標(biāo)將被判定為背景干擾進(jìn)而被濾除，因此并不需要融合操作。但可以通過(guò)融合海天線的慣導(dǎo)與紅外信息，得到更加準(zhǔn)確的海天線位置。海天線的圖像特征顯著，從圖像和慣導(dǎo)信息中提取時(shí)都比較容易且誤差較小，因此綜合平均法等經(jīng)典的融合算法即可滿足要求。所謂綜合平均法，即把海天線的紅外視線角和慣導(dǎo)視線角乘上權(quán)重系數(shù)后求平均，所得即為海天線的最終位置，其中權(quán)重系數(shù)可以通過(guò)對(duì)先驗(yàn)數(shù)據(jù)統(tǒng)計(jì)得到。

圖1 目標(biāo)檢測(cè)方法的實(shí)現(xiàn)流程Fig.1 Flow of the target detecting method

下面分別討論海天線提取和目標(biāo)運(yùn)動(dòng)特征識(shí)別的相關(guān)原理和計(jì)算公式。

1.2 海天線提取與圖像劃分

如圖2所示，R為地球半徑，H1為導(dǎo)彈高度，H2為目標(biāo)高度，h為中間變量，L1為導(dǎo)彈與海天線間距離，L2為彈目距離，θ為目標(biāo)視線和海天線視線間夾角。

圖2 海天線提取原理Fig.2 Theory of extracting sea-sky-line

其中，有L1的表達(dá)式：

(1)

另外，因?yàn)槿跣∧繕?biāo)距離導(dǎo)彈較遠(yuǎn)，所以可近似認(rèn)為海天線視線與目標(biāo)視線重合，θ極小，進(jìn)而有h的表達(dá)式：

(2)

則θ可由下式計(jì)算：

(3)

由上述公式即可確定目標(biāo)與海天線的相對(duì)位置，進(jìn)而縮小目標(biāo)的搜索范圍,篩除一部分干擾。

1.3 目標(biāo)運(yùn)動(dòng)特征識(shí)別

通過(guò)慣導(dǎo)信息估算目標(biāo)視線角速度的原理如圖3所示，某時(shí)刻導(dǎo)彈速度為V1，目標(biāo)速度為V2，目標(biāo)相對(duì)導(dǎo)彈的位置可以用向量l表示。在極短的一瞬間內(nèi)，可近似認(rèn)為導(dǎo)彈和目標(biāo)做勻速直線運(yùn)動(dòng)，因此上述情況可等效為導(dǎo)彈靜止、目標(biāo)相對(duì)導(dǎo)彈以V=V2-V1的速度運(yùn)動(dòng)。則當(dāng)前時(shí)刻導(dǎo)彈對(duì)目標(biāo)的視線角速度為

(4)

(a) 目標(biāo)相對(duì)導(dǎo)彈的速度

(b) 速度的分解計(jì)算圖3 目標(biāo)視線角速度的計(jì)算Fig.3 The calculation of target angular velocity

由式(4)計(jì)算出ω后，將其與紅外系統(tǒng)提取的各個(gè)候選目標(biāo)的實(shí)際視線角速度比較，篩選出目標(biāo)。紅外信息中提取的海天線及潛在目標(biāo)視線角均是相對(duì)于圖像坐標(biāo)系的，需要轉(zhuǎn)換到慣性坐標(biāo)系下才能與慣導(dǎo)信息進(jìn)行融合或比較。對(duì)于凝視成像紅外導(dǎo)引頭，只要引入光軸指向和導(dǎo)彈空間位置，即可將圖像坐標(biāo)系下的視線角轉(zhuǎn)換到慣性系下，其中光軸指向可由裝在框架上的微機(jī)械陀螺給出，導(dǎo)彈空間位置由慣導(dǎo)信息給出。具體算法可以參考劉會(huì)文等人[13]給出的視線角速度提取方法。

2 仿真驗(yàn)證

2.1 實(shí)驗(yàn)概述

本節(jié)基于仿真數(shù)據(jù)，進(jìn)行下面兩方面的工作：

(1)驗(yàn)證目標(biāo)檢測(cè)方法的可行性：首先，在導(dǎo)彈運(yùn)動(dòng)中，目標(biāo)應(yīng)當(dāng)遠(yuǎn)離海天線而非停留在其附近，否則灰度較高的海天線將會(huì)嚴(yán)重影響目標(biāo)的辨識(shí)；其次，目標(biāo)與干擾的視線角速度差值應(yīng)處于較為顯著的水平。

(2)分析特定機(jī)動(dòng)方式下目標(biāo)相對(duì)背景的運(yùn)動(dòng)特性：首先，目標(biāo)是處于空背景還是海背景上；其次，目標(biāo)與干擾的視線角速度變化過(guò)程存在哪些不同的特征。

2.2 實(shí)驗(yàn)參數(shù)

本次實(shí)驗(yàn)中目標(biāo)的飛行高度為15m，水平方向的初始截距為1000m，與導(dǎo)彈的初始距離為6765m。為了對(duì)比目標(biāo)和背景中干擾的運(yùn)動(dòng)特征，實(shí)驗(yàn)中還設(shè)定了6個(gè)靜止的干擾點(diǎn)，其位置信息如表1所示。實(shí)驗(yàn)過(guò)程中目標(biāo)、導(dǎo)彈和干擾點(diǎn)的位置如圖4所示，其中導(dǎo)彈從坐標(biāo)系原點(diǎn)發(fā)射，目標(biāo)以120m/s的速度沿X軸運(yùn)動(dòng)。

表1 干擾的位置Tab.1 Positions of interferences

圖4 導(dǎo)彈與目標(biāo)位置Fig.4 Positions of the missile and target

2.3 海天線提取

根據(jù)式(3)分析了導(dǎo)彈飛行過(guò)程中目標(biāo)與海天線的相對(duì)位置變化情況，結(jié)果如圖5所示，其中目標(biāo)與海天線視線夾角為正代表目標(biāo)位于空背景上，夾角為負(fù)代表目標(biāo)位于海背景上。由于導(dǎo)彈在豎直方向上先爬升后下降，因此實(shí)驗(yàn)中目標(biāo)先位于空背景上，然后再逐漸移動(dòng)到海背景上。

圖5 海天線提取結(jié)果Fig.5 Result of extracting sea-sky-line

海天線處的背景灰度存在突變，當(dāng)目標(biāo)位于海天線附近時(shí)會(huì)給大多數(shù)基于閾值的圖像分割算法造成困難，影響視線角速度的計(jì)算。因此在檢測(cè)目標(biāo)時(shí)通常希望它能快速通過(guò)海天線，不要在海天線上下停留或徘徊。設(shè)海天線的影響范圍為其上下0.1°的區(qū)域，則由圖可知目標(biāo)會(huì)在0.5s內(nèi)快速穿過(guò)該區(qū)域，并于第1.1s后完全進(jìn)入海背景中，不會(huì)再度返回或接近海天線。這表明海天線對(duì)目標(biāo)辨識(shí)的影響有限，通過(guò)提取海天線來(lái)劃分圖像的方法是可行的。

2.4 目標(biāo)運(yùn)動(dòng)特征分析

根據(jù)式(4)可分析出導(dǎo)彈在飛行過(guò)程中對(duì)目標(biāo)和干擾的視線角速度變化情況，如圖6(a)所示。在攔截過(guò)程的前段，目標(biāo)的視線角速度始終大于干擾，且兩者間的差值隨著時(shí)間不斷增大；在前7s內(nèi)目標(biāo)與干擾的視線角速度差值始終大于0.15(°)/s，屬于較為顯著的水平。

除了總的視線角速度，還可以通過(guò)其在俯仰和偏航方向上的分量篩選目標(biāo)。如圖6(b)所示，目標(biāo)和干擾的俯仰視線角速度方向相同，兩者間的差值從0開始持續(xù)增大并于第0.1s后超過(guò)0.05(°)/s，第0.2s后超過(guò)0.1(°)/s，期間目標(biāo)的視線角速度絕對(duì)值始終大于干擾。如圖6(c)所示，導(dǎo)彈發(fā)射時(shí)對(duì)目標(biāo)和干擾的偏航視線角速度方向相反，隨后干擾的視線角速度持續(xù)增大，而目標(biāo)的視線角速度絕對(duì)值則先減小后增加，期間在約第3s時(shí)降為零并轉(zhuǎn)換到與干擾相同的方向。這種變化過(guò)程導(dǎo)致目標(biāo)和干擾的偏航視線角速度值差值較小，但仍然能夠保持在大于0.1(°)/s的較顯著水平上。

(a)目標(biāo)和背景干擾的合成視線角速度變化

(b)目標(biāo)和背景干擾的俯仰視線角速度變化

(c)目標(biāo)和背景干擾的偏航視線角速度變化圖6 目標(biāo)和背景干擾在視場(chǎng)中的運(yùn)動(dòng)特征Fig.6 The movement characteristics of target and background interferences in the view field

因此，合成與俯仰方向的視線角速度差值非常顯著且具有近似的變化過(guò)程，偏航視線角速度的差值較小且變化過(guò)程與其它分量有明顯不同。俯仰和偏航視線角速度之所以有迥異的變化方式，可能和導(dǎo)彈的機(jī)動(dòng)方式有關(guān)，導(dǎo)彈在豎直方向上先爬升后下降，而在偏航方向上則沒有明顯的機(jī)動(dòng)，因此加強(qiáng)導(dǎo)彈的機(jī)動(dòng)可以增加彈目間的相對(duì)速度，進(jìn)而增加導(dǎo)彈對(duì)目標(biāo)和干擾的視線角速度差值。

3 結(jié) 論

結(jié)合上述理論推導(dǎo)過(guò)程與仿真驗(yàn)證結(jié)果，得到以下結(jié)論：

(1)從導(dǎo)彈發(fā)射時(shí)刻起，目標(biāo)從視場(chǎng)中的空背景逐漸移動(dòng)到海背景上，期間只穿越一次海天線且用時(shí)極短。因此通過(guò)提取海天線縮小目標(biāo)識(shí)別范圍的方法是可行的。

(2)導(dǎo)彈在飛行過(guò)程中，對(duì)目標(biāo)與干擾的視線角速度差值始終處于較顯著的水平，因此通過(guò)視線角速度篩除干擾的方法是可行的。

(3)目標(biāo)在空背景的停留時(shí)間、目標(biāo)穿過(guò)海天線的速度、目標(biāo)與干擾的視線角速度差值是決定抗干擾效果的重要指標(biāo)，因此在后續(xù)研究中應(yīng)分析大量的仿真試驗(yàn)數(shù)據(jù)，研究這些指標(biāo)與目標(biāo)的高度、截距、速度以及彈目初始距離等條件參數(shù)間是否存在量化關(guān)系。

(4)合成視線角速度及其在兩個(gè)方向上的分量都可以用于篩選目標(biāo)，在決策過(guò)程中應(yīng)當(dāng)優(yōu)先選擇合成視線角速度和導(dǎo)彈機(jī)動(dòng)量較大的方向上的分量。