白興斌，張 卓，張振宇，范大鵬

一種基于智能瞄具的抗干擾“貓眼”目標(biāo)探測方法

白興斌，張 卓，張振宇，范大鵬*

國防科技大學(xué)智能科學(xué)學(xué)院，湖南 長沙 410073

目前的“貓眼”目標(biāo)激光主動探測系統(tǒng)盡管發(fā)射功率大，探測距離遠(yuǎn)，但普遍存在質(zhì)量較大、靈活性差的缺點(diǎn)。為增強(qiáng)靈活性，減少作戰(zhàn)反應(yīng)時(shí)間，確保對目標(biāo)發(fā)現(xiàn)即摧毀，可在步槍智能瞄具中集成小功率“貓眼”目標(biāo)主動探測系統(tǒng)，與現(xiàn)有系統(tǒng)形成優(yōu)勢互補(bǔ)。由于智能瞄具搭載了小型激光測距儀及CMOS圖像傳感器，因此本文根據(jù)其硬件特點(diǎn)，設(shè)計(jì)了一種利用小功率激光器發(fā)射偽隨機(jī)編碼激光脈沖序列、CMOS傳感器同步采集數(shù)據(jù)，通過相關(guān)運(yùn)算提取目標(biāo)信息的抗干擾“貓眼”目標(biāo)探測方法，并進(jìn)行了理論分析與實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，該方法具有較強(qiáng)的穩(wěn)定性和抗干擾能力，能夠使智能瞄具在較復(fù)雜的背景中發(fā)現(xiàn)“貓眼”目標(biāo)。

“貓眼”目標(biāo)；M序列；CMOS傳感器；智能瞄具；相關(guān)處理

1 引 言

各類光學(xué)系統(tǒng)通常都在焦平面處安裝分劃板、傳感器等部件，它們不會完全透過或吸收入射光，具有一定的反射率[1]。當(dāng)入射光通過光學(xué)系統(tǒng)的透鏡匯聚到光學(xué)探測器時(shí)，根據(jù)光路可逆原理，其鏡頭會將一部分入射能量原路反射回去[2]，且反射回波強(qiáng)度要比一般背景回波高出2至4個(gè)數(shù)量級[3]。光電系統(tǒng)的這種物理特性稱為“貓眼”效應(yīng)[4]。

在長期的實(shí)踐中，為了反制敵方的光學(xué)設(shè)備，基于“貓眼”效應(yīng)原理發(fā)展出了激光主動探測技術(shù)。激光主動探測系統(tǒng)通過向目標(biāo)區(qū)域發(fā)射激光束并探測回波的形式探測光學(xué)器材的位置，可使敵方利用光學(xué)偵查設(shè)備對我方目標(biāo)的偵查動作得到快速告警[5]?；趫D像處理的激光主動探測系統(tǒng)原理如圖1所示。

國外對于“貓眼”效應(yīng)的應(yīng)用研究開展比較早，已經(jīng)研制并裝備了多款激光主動探測系統(tǒng)，例如法國的SLD系列裝備和以色列的spotlite MK-2[6]。其中，圖2所展示的SLD-400反狙擊手探測系統(tǒng)于1994年研制成功，該系統(tǒng)探測距離分別為白天1000 m，夜間可以達(dá)到4000 m[7]。國內(nèi)近年來也開展了一些“貓眼”效應(yīng)的研究。周斌等[8]提出并驗(yàn)證了利用CCD傳感器作為探測接收裝置的激光主動探測系統(tǒng)實(shí)現(xiàn)“貓眼”目標(biāo)識別的有效性。黨二升等[9]提出了一種基于壓縮感知理論并結(jié)合目標(biāo)形狀特征的“貓眼”目標(biāo)識別算法，相比形狀頻率雙重判定法提高了處理速度。王喆堃等[10]提出了動態(tài)環(huán)境下基于OFSD圖像配準(zhǔn)算法的“貓眼”目標(biāo)快速識別算法，利用圖像配準(zhǔn)和幀間互差實(shí)現(xiàn)了動態(tài)環(huán)境下“貓眼”目標(biāo)的識別。西安光學(xué)應(yīng)用研究所等單位也研制了幾款基于“貓眼”效應(yīng)反狙擊手激光主動探測系統(tǒng)[11]。

盡管經(jīng)過多年發(fā)展，已有多種激光主動探測系統(tǒng)裝備問世，但它們普遍存在一些缺點(diǎn)：

1) 體積較大，靈活性差。高性能的激光主動探測系統(tǒng)一般采用大功率脈沖激光器，體積和重量較大，通常固定架設(shè)，難以靈活部署。

2) 與武器系統(tǒng)結(jié)合不夠緊密。主動探測系統(tǒng)難以同時(shí)具備精確打擊能力，發(fā)現(xiàn)目標(biāo)到摧毀目標(biāo)的過程耗時(shí)較長。

若在步槍瞄具上集成“貓眼”目標(biāo)探測功能，令狙擊手具備利用“貓眼”效應(yīng)自主探測光學(xué)器材目標(biāo)的能力，與現(xiàn)有的激光主動探測系統(tǒng)形成優(yōu)勢互補(bǔ)，就能夠做到對目標(biāo)發(fā)現(xiàn)即摧毀，縮短作戰(zhàn)反應(yīng)時(shí)間。因此，本文根據(jù)步槍智能瞄具的特點(diǎn)，設(shè)計(jì)了一種利用瞄具集成的小功率激光發(fā)射器，發(fā)射偽隨機(jī)激光脈沖信號，配合CMOS光電傳感器采集主被動圖像序列，通過相關(guān)運(yùn)算排除背景噪聲干擾的“貓眼”目標(biāo)識別方法。本文方法相比傳統(tǒng)的圖像差分方法，有效提升了對“貓眼”目標(biāo)的檢測能力。盡管本文方法依托智能瞄具軟硬件實(shí)現(xiàn)，但具有普適性，可應(yīng)用于其他平臺，增強(qiáng)激光主動探測系統(tǒng)的性能。

2 基于偽隨機(jī)激光脈沖與圖像序列相關(guān)處理的目標(biāo)識別方法

2.1 基本原理及方法流程

根據(jù)幾何光學(xué)原理，設(shè)“貓眼”目標(biāo)的孔徑為，焦距為，光敏面離焦量為，在正入射的情況下，其回波發(fā)散角[12]為

圖1 激光主動探測系統(tǒng)原理圖

圖2 SLD-400狙擊手探測系統(tǒng)

設(shè)漫反射目標(biāo)反射系數(shù)為，漫反射擴(kuò)展目標(biāo)的回波功率為

若令貓眼目標(biāo)與漫反射小目標(biāo)接收面積相等，垂直入射時(shí)，“貓眼”目標(biāo)與漫反射小目標(biāo)回波功率比為

“貓眼”目標(biāo)與漫反射擴(kuò)展目標(biāo)回波功率比為

通常，s<<1，根據(jù)式(5)，“貓眼”目標(biāo)在散射激光照射下回波的亮度遠(yuǎn)高于背景中的其他目標(biāo)。根據(jù)式(6)，“貓眼”目標(biāo)反射回波與背景反射回波功率比與距離的平方成反比，因此，隨著距離的增大，“貓眼”目標(biāo)回波與背景的對比度不斷降低。

探測器對“貓眼”目標(biāo)的可探測距離需要滿足兩個(gè)條件：一是目標(biāo)處回波的反射光功率達(dá)到CMOS傳感器的靈敏度，二是目標(biāo)與背景回波的對比度達(dá)到CMOS傳感器的靈敏度。

若探測器與目標(biāo)間的距離滿足以上條件，令探測器以一定頻率發(fā)射激光脈沖信號，同步采集圖像數(shù)據(jù)，并將采集到的圖像通過幀間差分去除圖像背景噪聲，即可將要檢測的“貓眼”目標(biāo)從背景中分離出來[13]。這種圖像差分的方法由于處理方便，去除背景噪聲的效果較好，應(yīng)用廣泛。但是若背景中存在與脈沖頻率相近的閃爍光源，將對圖像處理造成干擾。本文利用偽隨機(jī)序列激光脈沖和相關(guān)處理的方法將多幀圖像融合增強(qiáng)，能夠在增強(qiáng)目標(biāo)信號的同時(shí)提升系統(tǒng)的抗干擾能力。

該方法的流程如圖3所示。利用智能瞄具集成的激光測距機(jī)作為光源，控制其按偽隨機(jī)序列發(fā)出激光束，瞄具物鏡的CMOS圖像傳感器同步獲取目標(biāo)區(qū)的主被動圖像。其中主動圖像是發(fā)射激光脈沖時(shí)采集到的圖像，被動圖像是不發(fā)射激光脈沖時(shí)采集到的圖像。

完成多幀圖像采集后，使用跟蹤圖像特征點(diǎn)的方法將采集到的多幀圖像配準(zhǔn)，消除在目標(biāo)探測過程中因瞄具的視角變化引起的圖像位移。然后將配準(zhǔn)后的圖像與激光脈沖信號的M序列進(jìn)行相關(guān)處理，得到多幀合成后的增強(qiáng)圖像。最后將增強(qiáng)圖像進(jìn)行閾值化處理，提取增強(qiáng)圖像中的目標(biāo)信息。

2.2 偽隨機(jī)激光脈沖序列

為提高目標(biāo)探測系統(tǒng)的抗干擾能力，使用偽隨機(jī)序列編碼激光脈沖，本文選用M序列[14]作為編碼激光脈沖的偽隨機(jī)序列。

M序列廣泛用于信號處理和模型分析中，由級反饋移位寄存器產(chǎn)生。對于一個(gè)級反饋移位寄存器，其狀態(tài)最多有2個(gè)，其中全0的狀態(tài)不會使移位寄存器轉(zhuǎn)入下一個(gè)狀態(tài)，因此線性移位寄存器序列的最長周期為2-1。

M序列產(chǎn)生的原理如圖4所示。

由級串聯(lián)的移位寄存器和反饋邏輯線路可組成動態(tài)移位寄存器，C=0表示加入反饋，C=1表示未參加反饋。設(shè)定好初始狀態(tài)的寄存器在時(shí)鐘信號的觸發(fā)下，每次移位后，各級寄存器的狀態(tài)都會發(fā)生變化，其中任意一級寄存器的輸出都會產(chǎn)生一個(gè)脈沖時(shí)間序列。一般線性反饋的邏輯表達(dá)式為

圖3 “貓眼”目標(biāo)檢測流程圖

圖4 n級M序列發(fā)生器

選擇恰當(dāng)?shù)姆答佅禂?shù)，即可在寄存器的輸出端產(chǎn)生相應(yīng)的M序列。M序列擁有良好的自相關(guān)性，其自相關(guān)系數(shù)：

其中：N=2n-1。圖5所示為3位寄存器取初值為4，反饋系數(shù)為11時(shí)產(chǎn)生的M序列及其自相關(guān)序列。

令激光發(fā)射器按照M序列規(guī)律控制激光脈沖的發(fā)射，即可得到偽隨機(jī)編碼的激光脈沖序列。

2.3 圖像配準(zhǔn)

要獲得“貓眼”目標(biāo)信息，需要控制CMOS傳感器，令其與激光發(fā)射器同步工作，采集主被動圖像序列。在采集圖像序列的過程中，需要保持瞄具平臺的穩(wěn)定。但智能瞄具與槍支剛性連接，依靠狙擊手的瞄準(zhǔn)動作達(dá)到穩(wěn)定，因此難以達(dá)到很高的穩(wěn)定性要求，通過CMOS傳感器進(jìn)行多幀圖像采集時(shí)，其視場范圍將出現(xiàn)微弱變化，必須對圖像進(jìn)行配準(zhǔn)，為相關(guān)處理創(chuàng)造條件。圖像配準(zhǔn)分為三步：特征點(diǎn)計(jì)算、特征點(diǎn)跟蹤與圖像平移。

2.3.1 特征點(diǎn)計(jì)算

本文特征點(diǎn)檢測采用FAST角點(diǎn)檢測算法。FAST角點(diǎn)定義為：若某像素與其周圍鄰域內(nèi)足夠多的像素點(diǎn)相差較大，則該像素可能是角點(diǎn)[15]。以某個(gè)點(diǎn)為中心作一個(gè)圓，如果存在這樣一個(gè)圓弧，它的連續(xù)長度超過周長的3/4，并且上面所有像素的強(qiáng)度值都與圓心強(qiáng)度值明顯不同，那么認(rèn)為圓心點(diǎn)是一個(gè)特征點(diǎn)。在實(shí)踐中，通常以某一像素點(diǎn)為中心，采半徑為3 pixels的圓，計(jì)算如圖6所示圓周的16個(gè)點(diǎn)，以達(dá)到較好的檢測率和較高的性能[16]。

完成特征點(diǎn)檢測后，保留圖像中質(zhì)量最高的特征點(diǎn)作為特征點(diǎn)跟蹤算法的跟蹤目標(biāo)。

2.3.2 特征點(diǎn)跟蹤

使用智能瞄具在目標(biāo)瞄準(zhǔn)過程中滿足以下條件：

1) 瞄準(zhǔn)過程中視場的亮度基本恒定，因此被跟蹤的特征點(diǎn)的灰度值不會發(fā)生大的改變。

圖6 FAST算法原理圖

2) 探測器光軸的空間指向基本穩(wěn)定，圖像運(yùn)動隨時(shí)間變化幅度較小。

3) 特征點(diǎn)在幀間的位置變化是由于探測器的空間指向變化造成的，跟蹤良好的特征點(diǎn)具有相同的平移規(guī)律。

正是因?yàn)檫@樣的工作條件，在“貓眼”目標(biāo)探測過程中對圖像特征點(diǎn)跟蹤適用LK光流法[17]。二維LK光流法的基本原理如下。

根據(jù)特征點(diǎn)亮度恒定條件：

將式(9)用泰勒級數(shù)展開：

由于特征點(diǎn)運(yùn)動幅度較小，忽略泰勒展開的高階項(xiàng)，令=0。

綜合以上兩個(gè)公式，對于二維圖像：

2.3.3 圖像平移

由于視場內(nèi)目標(biāo)在傳感器成像位置的變化源于瞄具空間指向的微小變化，因此各特征點(diǎn)的光流矢量大致相同。將各個(gè)特征點(diǎn)之間的光流矢量取均值作為圖像幀間位移矢量，取反該矢量，得到對應(yīng)圖像幀的位移值。然后把每一幀圖像按照其位移值進(jìn)行平移，完成多幀圖像配準(zhǔn)。

2.4 圖像差分及目標(biāo)提取

為消除圖像背景，突出目標(biāo)信息，通常對采集到的主被動圖像采用差分處理。王喆堃等[10]改進(jìn)了傳統(tǒng)的兩幀差分的方法，提出了幀間互差的差分方法。但這種差分方法對多幀圖像信息的利用不夠，因此本文方法改進(jìn)了差分流程，采用將圖像信息與激光束編碼進(jìn)行相關(guān)處理的方法。

在瞄具CMOS傳感器采集到的圖像中，“貓眼”目標(biāo)信息是主動探測的激光束被反射形成的，因此“貓眼”目標(biāo)明暗的規(guī)律與激光脈沖發(fā)射的規(guī)律一致。目標(biāo)信息采集與處理的步驟如下：

1) 在激光器啟動前采集1幀被動圖像，之后按照M序列的規(guī)律發(fā)射激光脈沖，并同步采集7幀主被動圖像。

2) 配準(zhǔn)圖像后，將主被動圖像兩兩配對差分，得到8幀差分圖像，其中4幅圖像的灰度值為另外4幅圖像灰度值的相反數(shù)。

3) 將后7幀差分后的灰度圖像與激光脈沖時(shí)間序列進(jìn)行相關(guān)處理，當(dāng)某一幀對應(yīng)的M序列值為0時(shí)，將該幀圖像的灰度值取相反數(shù)；當(dāng)該幀對應(yīng)的M序列值為1時(shí)，不對圖像灰度值進(jìn)行處理。

4) 將與M序列相關(guān)處理后的圖像灰度值相加，采用閾值化方法處理圖像，提取“貓眼”目標(biāo)的位置。

根據(jù)M序列相關(guān)運(yùn)算的性質(zhì)，在相關(guān)處理后，“貓眼”目標(biāo)位置處的灰度值為每一幀差分圖像在該位置處灰度的絕對值之和。而由于每幀差分圖像中背景噪聲的位置和強(qiáng)度是隨機(jī)的，因此圖像背景噪聲在處理中獲得的增益要顯著弱于“貓眼”目標(biāo)，經(jīng)閾值化處理，即可確定圖像中“貓眼”目標(biāo)的位置。

3 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)程序均在ubuntu16.04操作系統(tǒng)環(huán)境下使用OpenCV庫編寫，使用GCC編譯器編譯。

3.1 可行性實(shí)驗(yàn)

為驗(yàn)證本文方法的可行性，使用OV2659攝像頭模塊作為圖像接收器，其分辨率為640′480，視場角為90°，默認(rèn)幀率為30 f/s。使用功率150 mW的650 nm激光發(fā)射器模塊作為光源，利用凸透鏡將激光發(fā)散，實(shí)測發(fā)散角為7.9°。使用65 mm直徑的角錐棱鏡作為貓眼目標(biāo)，在室內(nèi)架設(shè)距離100 m。固定貓眼目標(biāo)與探測器，使用M序列編碼發(fā)射激光脈沖，保持視頻幀與激光編碼時(shí)間序列同步，實(shí)際采樣幀率為10 f/s。

實(shí)驗(yàn)結(jié)果如圖7所示。從處理后的灰度值中可以看出，經(jīng)過相關(guān)運(yùn)算后，“貓眼”目標(biāo)的特征被增強(qiáng)，與激光脈沖時(shí)間序列不相關(guān)的背景信號被削弱，在圖像中準(zhǔn)確識別到了“貓眼”目標(biāo)的位置。

3.2 抗干擾實(shí)驗(yàn)

3.2.1 非同相M序列光源信號干擾實(shí)驗(yàn)

根據(jù)M序列的性質(zhì)，非同相M序列信號進(jìn)行相關(guān)運(yùn)算的結(jié)果為負(fù)值。因此，仍采用3.1節(jié)實(shí)驗(yàn)中的圖像序列，將進(jìn)行相關(guān)運(yùn)算的M序列右移一位，使圖像序列與激光脈沖序列成為非同相M序列，進(jìn)行相關(guān)處理并與同相M序列相關(guān)處理結(jié)果進(jìn)行對比。

結(jié)果如圖8，當(dāng)主被動圖像序列與處理圖像的M序列同相時(shí)，處理后的“貓眼”目標(biāo)信號強(qiáng)度顯著高于背景噪聲。當(dāng)非同相時(shí)，處理后的“貓眼”目標(biāo)信號被淹沒在背景噪聲中。因此，在采用本文方法探測“貓眼”目標(biāo)時(shí)，即使背景圖像中存在其他以M序列編碼的干擾光源，或使用多個(gè)設(shè)備同時(shí)探測，只要相互之間激光脈沖序列不同相，就不會對目標(biāo)探測產(chǎn)生干擾。

圖7 可行性實(shí)驗(yàn)圖像。(a) 被動圖像；(b) 主動圖像；(c) 相關(guān)處理后的灰度值；(d) “貓眼”目標(biāo)位置

圖8 非同相M序列干擾實(shí)驗(yàn)結(jié)果。(a) 非同相M序列相關(guān)運(yùn)算結(jié)果；(b) 同相M序列相關(guān)運(yùn)算結(jié)果

3.2.2 閃爍光源干擾實(shí)驗(yàn)

實(shí)驗(yàn)器材同3.1節(jié)，如圖9所示，9(a)中在貓眼目標(biāo)的右下方加入干擾光源，令其以不同規(guī)律閃爍，檢查本文方法對“貓眼”目標(biāo)識別的正確性。其中9(b)、9(c)中干擾光源隨機(jī)閃爍；9(d)中干擾光源以5 Hz的頻率閃爍；9(e)中干擾光源常亮。

從不同干擾光源灰度圖中可以看出，除9(b)由于干擾光源規(guī)律與激光發(fā)射規(guī)律產(chǎn)生了重疊，導(dǎo)致干擾信號增強(qiáng)外，其他采用本文方法處理的結(jié)果，均能夠有效消除閃爍光源的干擾信號，準(zhǔn)確識別“貓眼”目標(biāo)位置。這證明了本文算法對不同規(guī)律的干擾信號有較強(qiáng)的抑制能力。

圖9 閃爍光源干擾實(shí)驗(yàn)。(a) 視場內(nèi)加入閃爍光源；(b) 光源隨機(jī)閃爍； (c) 光源隨機(jī)閃爍；(d) 干擾光源頻率5 Hz；(e) 干擾光源常亮

3.3 圖像配準(zhǔn)實(shí)驗(yàn)

由于瞄具信號采集過程中由傳感器的空間指向會發(fā)生小幅度變化，需要將圖像配準(zhǔn)后再應(yīng)用本文的圖像差分方法。為驗(yàn)證采用稀疏光流法進(jìn)行圖像配準(zhǔn)的性能，在圖像采集過程中對傳感器進(jìn)行小幅擾動，再利用本文算法處理圖像序列。

結(jié)果如圖10，其中10(a)為使用稀疏光流法跟蹤特征點(diǎn)效果圖，黑色圓點(diǎn)是上一幀圖像中部分特征點(diǎn)的位置，白色圓點(diǎn)是當(dāng)前幀圖像中對應(yīng)特征點(diǎn)的位置。按照圖像配準(zhǔn)的過程進(jìn)行配準(zhǔn)，在圖像配準(zhǔn)后對圖像和激光脈沖時(shí)間序列進(jìn)行相關(guān)運(yùn)算，可以準(zhǔn)確識別出“貓眼”目標(biāo)位置，如圖10(b)所示。從圖10(c)中可以看出，盡管采集信號過程中的角度擾動增加了背景噪聲，但經(jīng)處理后，“貓眼”目標(biāo)位置處的信號強(qiáng)度仍遠(yuǎn)高于背景噪聲。

3.4 算法對比實(shí)驗(yàn)

本文提出的方法對文獻(xiàn)[10]中的差分方法進(jìn)行了改進(jìn)，為驗(yàn)證本文方法的性能優(yōu)勢，設(shè)計(jì)了對比實(shí)驗(yàn)。采用3.1節(jié)的實(shí)驗(yàn)器材，在不同場景下采集包含“貓眼”目標(biāo)的主被動圖像序列，分別采用本文方法和文獻(xiàn)[10]中的方法對圖像序列中的主被動圖像進(jìn)行處理。

1) 室內(nèi)環(huán)境測試

室內(nèi)場景采用3.1節(jié)圖像序列，經(jīng)過兩種算法處理后的圖像灰度值如圖11所示。

從處理結(jié)果中可以看出，室內(nèi)環(huán)境中，采用兩種處理方法均能夠較好地抑制背景噪聲，將“貓眼”目標(biāo)信息從背景中分離出來。

2) 雨天室外環(huán)境測試

實(shí)驗(yàn)在中雨條件下進(jìn)行，分別將角錐棱鏡架設(shè)在路邊和建筑物前，架設(shè)距離分別為100 m和70 m。采集到的圖像和處理結(jié)果分別如圖12和圖13所示。

從對比圖中可以看出，對于在雨天環(huán)境獲得的圖像序列，分別采用兩種方法處理。通過本文方法處理后，“貓眼”目標(biāo)的信號均得到顯著增強(qiáng)，在處理后的灰度圖中“貓眼”目標(biāo)位置始終達(dá)到圖像的最大灰度值。而使用對照方法處理圖像后，“貓眼”目標(biāo)信號被背景噪聲淹沒，難以分辨目標(biāo)信息。

圖10 圖像配準(zhǔn)實(shí)驗(yàn)。(a) 稀疏光流法跟蹤特征點(diǎn)；(b) 配準(zhǔn)后目標(biāo)識別結(jié)果；(c) 相關(guān)處理后灰度值

圖11 室內(nèi)場景對比實(shí)驗(yàn)。(a) 本文方法處理結(jié)果；(b) 對照方法處理結(jié)果

圖12 雨天路邊環(huán)境對比實(shí)驗(yàn)。(a) 被動圖像；(b) 主動圖像；(b) 主動圖像；(c) 本文方法檢測到的目標(biāo)位置；(d) 本文方法處理后的灰度圖；(e) 對照方法處理后的灰度圖；(f) 本文方法處理結(jié)果；(g) 對照方法處理結(jié)果

圖13 雨天建筑物前環(huán)境對比實(shí)驗(yàn)。(a) 被動圖像；(b) 主動圖像；(c) 本文方法檢測到的目標(biāo)位置；(d) 本文方法處理后的灰度圖；(e) 對照方法處理后的灰度圖；(f) 本文方法處理結(jié)果；(g) 對照方法處理結(jié)果

3) 晴天室外環(huán)境測試

角錐棱鏡架設(shè)距離80 m，采集到的圖像和處理結(jié)果如圖14所示。

在晴天室外環(huán)境下，采用本文方法和對照方法均可將“貓眼”目標(biāo)信號從背景中分離出來。但從灰度圖中可以看到，采用本文方法處理后的背景噪聲更低。

圖14 晴天室外環(huán)境對比實(shí)驗(yàn)。(a) 被動圖像；(b) 主動圖像；(c) 本文方法檢測的目標(biāo)位置；(d) 本文方法處理結(jié)果；(e) 對照方法處理結(jié)果

通過在室內(nèi)場景和室外多種環(huán)境下兩種目標(biāo)識別方法的對比實(shí)驗(yàn)，可以看出，相比文獻(xiàn)[10]中的目標(biāo)識別方法，本文方法抗干擾能力更強(qiáng)，在雨天環(huán)境目標(biāo)識別上具有更大的優(yōu)勢。

3.5 智能瞄具目標(biāo)探測實(shí)驗(yàn)

本文所提出的基于偽隨機(jī)序列對圖像進(jìn)行相關(guān)運(yùn)算對“貓眼”目標(biāo)探測的方法，利用小功率激光頭和攝像頭模塊，在室內(nèi)外實(shí)驗(yàn)中展現(xiàn)了良好的性能。為測試本文算法在智能瞄具中的性能表現(xiàn)，利用集成了本文算法的智能瞄具在室外測試了其對“貓眼”目標(biāo)的探測能力。使用48 mm口徑的國產(chǎn)某型號狙擊步槍白光瞄準(zhǔn)鏡作為貓眼目標(biāo)，使用某型號狙擊步槍智能瞄準(zhǔn)鏡作為探測器，探測距離150 m，激光光源使用在智能瞄具中集成的紅外激光測距模塊。

實(shí)驗(yàn)結(jié)果如圖15，在應(yīng)用本文方法后，智能瞄具從背景中成功識別到了“貓眼”目標(biāo)。從反射光的形狀看，“貓眼”目標(biāo)反射光并不總是呈現(xiàn)近似圓形的狀態(tài)，而是隨著目標(biāo)呈現(xiàn)出不同的形狀特點(diǎn)。本實(shí)驗(yàn)表明，在智能瞄具中運(yùn)用本文提出的貓眼目標(biāo)識別算法，能夠?qū)崿F(xiàn)“貓眼”目標(biāo)探測。

圖15 智能瞄具目標(biāo)探測圖像。(a) 被動圖像；(b) 主動圖像；(c) 目標(biāo)位置；(d) 目標(biāo)照片；(e) 處理結(jié)果；(f) 目標(biāo)反射光形狀

4 結(jié) 論

本文針對當(dāng)前激光主動探測系統(tǒng)裝備中普遍存在的質(zhì)量較大、與武器系統(tǒng)結(jié)合不緊密的缺點(diǎn)，基于智能瞄具硬件平臺設(shè)計(jì)了一種“貓眼”目標(biāo)識別方法。集成了激光主動探測功能的智能瞄具，在實(shí)戰(zhàn)環(huán)境中可與現(xiàn)有激光主動探測系統(tǒng)裝備實(shí)現(xiàn)優(yōu)勢互補(bǔ)。由于智能瞄具平臺的功率限制，采用幀間差分的方法容易受到環(huán)境噪聲的干擾。因此本文改進(jìn)了差分方法，根據(jù)M序列自相關(guān)的性質(zhì)，用M序列編碼激光，將激光脈沖序列和圖像序列進(jìn)行相關(guān)處理，提取目標(biāo)信息。為消除瞄準(zhǔn)過程中由于人體擾動導(dǎo)致的傳感器空間指向的微小變化，在處理過程中加入了圖像配準(zhǔn)環(huán)節(jié)。

室內(nèi)外實(shí)驗(yàn)結(jié)果表明，本文方法能夠在較低的激光發(fā)射功率下有效探測到“貓眼”目標(biāo)。相比文獻(xiàn)[10]中的對照方法，本文方法具有更高的穩(wěn)定性和抗干擾能力，環(huán)境適應(yīng)性更好。

[1] Sun H Y, Xiong F, Gu S L. Ranging performance of active laser detection[J]., 2006, 6344: 63442P.

[2] Liu M H, Chen Q S, Li X Y,. Comparative study on the numeric models of “Cat’s eye” echo power[J]., 2017, 38(6): 12–15.

劉明輝, 陳青山, 李曉英, 等. “貓眼”回波功率數(shù)值分析模型比較研究[J]. 激光雜志, 2017, 38(6): 12–15.

[3] Gu S L, Sun H Y, Zhang Y J,. Laser active detection of aerial target[J]., 2005, 35(7): 476–478.

谷鎖林, 孫華燕, 張永繼, 等. 空中目標(biāo)的激光主動探測[J]. 激光與紅外, 2005, 35(7): 476–478.

[4] Zeng L C. The study on echo’s detection probability of photoelectric systems based on cat’s eye effect[D]. Chengdu: Institute of Optics and Electronics, Chinese Academy of Sciences, 2014.

曾凌川. 基于“貓眼”效應(yīng)的光電系統(tǒng)回波探測概率研究[D]. 成都: 中國科學(xué)院研究生院(光電技術(shù)研究所), 2014.

[5] Zhao Y Z, Sun H Y, Song F H,. Research and prospect of cat-eye effect used for active laser detection technique[J]., 2010, 47(10): 38–47.

趙延仲, 孫華燕, 宋豐華, 等. 貓眼效應(yīng)用于激光主動探測技術(shù)的研究現(xiàn)狀與發(fā)展趨勢[J]. 激光與光電子學(xué)進(jìn)展, 2010, 47(10): 38–47.

[6] Han L. The study of target recognition based on pulsed laser[D]. Beijing: Beijing Institute of Technology, 2015.

韓磊. 基于脈沖激光的目標(biāo)識別技術(shù)研究[D]. 北京: 北京理工大學(xué), 2015.

[7] Yang G, An B L, Xue J S,. Sniper detector based on cat eye effect[J]., 2010, 31(5): 860–863.

楊耿, 安寶林, 薛晉生, 等. 基于“貓眼效應(yīng)”的狙擊手光電探測儀[J]. 應(yīng)用光學(xué), 2010, 31(5): 860–863.

[8] Zhou B, Liu B Q, Zhang Y,. Experimental study of detecting “Cat-eye” target based on CCD[J]., 2011, 38(11): 35–39.

周斌, 劉秉琦, 張瑜, 等. 利用CCD實(shí)現(xiàn)“貓眼”目標(biāo)探測的實(shí)驗(yàn)研究[J]. 光電工程, 2011, 38(11): 35–39.

[9] Dang E S, Li L. Laser detection cat-eye effect target recognition algorithm[J]., 2011, 6: 59–62.

黨二升, 李麗. 激光探測“貓眼”效應(yīng)目標(biāo)識別算法[J]. 航空科學(xué)技術(shù), 2011, 6: 59–62.

[10] Wang Z K, Zhu J G, Jiang C H,. “Cat’s Eye” target quickly recognition algorithm research in dynamic environment[J]., 2020, 37(8): 414–418.

王喆堃, 朱精果, 姜成昊, 等. 動態(tài)環(huán)境下“貓眼”目標(biāo)快速識別算法研究[J]. 計(jì)算機(jī)仿真, 2020, 37(8): 414–418.

[11] Li X D, Mi J J, Ru Z B,. Cat’s-eye effect based on active laser detection[J]., 2014, 35(2): 342–347.

李旭東, 米建軍, 茹志兵, 等. 基于激光主動探測的“貓眼效應(yīng)”研究[J]. 應(yīng)用光學(xué), 2014, 35(2): 342–347.

[12] Zhao X J, Gao Z Y, Zhang Y Y. Technique of active laser reconnaissance and the applications in the military[J]., 2003, 29(4): 415–417.

趙勛杰, 高稚允, 張英遠(yuǎn). 基于“貓眼”效應(yīng)的激光偵察技術(shù)及其在軍事上的應(yīng)用[J]. 光學(xué)技術(shù), 2003, 29(4): 415–417.

[13] Lecocq C, Deshors G, Lado-bordowsky O,. Sight Laser Detection Modeling[J]., 2003, 5086(1): 280–286.

[14] Wan Z X.[M]. 3rd ed. Beijing: Higher Education Press, 2007.

萬哲先代數(shù)和編碼[M]. 3版. 北京: 高等教育出版社, 2007.

[15] Rosten E, Drummond T. Machine learning for high-speed corner detection[C]//, Graz, Austria, 2006: 430–443.

[16] Laganiere R.[M]. Xiang Y C, trans. Beijing: Posts & Telecom Press, 2015: 169–180.

Laganiere R. OpenCV計(jì)算機(jī)視覺編程攻略[M]. 相銀初, 譯. 北京: 人民郵電出版社, 2015: 169–180.

[17] Lucas B D, Kanade T. An iterative image registration technique with an application to stereo vision[C]//, Vancouver, BC, Canada, 1981, 2: 674–679.

An anti-interfering "cat-eye" target detection method based on intelligent sight

Bai Xingbin, Zhang Zhuo, Zhang Zhenyu, Fan Dapeng*

College of Intelligence Science and Technology, National University of Defense Technology, Changsha, Hunan 410073, China

Schematic diagram of active laser detection system

Overview:According to the principle of the "cat-eye" effect in the optical system, the optical equipment can be accurately located by emitting a laser beam to the target area and detecting the echo. According to this principle, a laser active detection system for reflective investigation can be designed. France and other countries have developed military equipment, which show good performance in use. Although the existing laser active detection system has the advantages of high transmitting power, long detection distance, and high positioning accuracy, it also has the disadvantages of high quality and poor flexibility. Therefore, it takes a long time from finding the target to hitting the target, and it is easy to lose the chance of hitting the target. In order to enhance the flexibility of the "cat-eye" target active detection system and reduce the time from finding target to attacking the target, the active detection system can be integrated into intelligent sight to detect the "cat-eye" target in a short distance quickly, which complements the existing laser active detection system.

At present, image processing technology has made rapid progress, and there has been a lot of research on "cat-eye" target active detection technology based on image processing. The intelligent sight is integrated with a CMOS image sensor and a laser transmitter. It has the structure of laser active detection system, so it can be used for laser active detection, but the power of the laser transmitter on the intelligent sight is so low that the detection distance is short and the anti-interference ability is weak. In order to enhance the target signal, eliminate the background noise, and achieve the effect of anti-interference, this paper uses M-sequence coding and its correlation processing method, which are widely used in signal processing. To make the laser emit M-sequence coded laser pulse, the CMOS sensor is utilized to collect image data synchronously and the "cat-eye" target information is extracted through correlation processing.

Due to the need to maintain the relative stability of the intelligent sight by human operation during the aiming process, the spatial direction of the image sensor will change slightly during the whole aiming process, which will eventually lead to the slight displacement between the frames of the image in the process of image acquisition.

In order to overcome the small displacement between adjacent frames in the image acquisition procedure and reduce the noise in the image difference process ,the feature points in the collected multi-frame images are detected. The Lucas Kanade feature tracker method is used to track the feature points in the image. The inter-frame displacement of the image is analyzed, and the image registration operation is carried out according to the inter-frame displacement.

Theoretical analysis shows that compared with the traditional image difference method, the proposed method has a significant enhancement effect on the "cat's eye" target signal and a stronger ability to suppress the background noise. The test results of the "cat-eye" target in the indoor environment and the outdoor environment with different weather conditions also show that the proposed method has strong stability and anti-interference ability and can recognize the "cat-eye" target in complex environment background.

Bai X B, Zhang Z, Zhang Z Y,An anti-interfering "cat-eye" target detection method based on intelligent sight[J]., 2021, 48(9): 210115; DOI:10.12086/oee.2021.210115

An anti-interfering "cat-eye" target detection method based on intelligent sight

Bai Xingbin, Zhang Zhuo, Zhang Zhenyu, Fan Dapeng*

College of Intelligence Science and Technology, National University of Defense Technology, Changsha, Hunan 410073, China

Although the current laser active detection system used to find "cat-eye" target has large transmitting power and long detection distance, it generally has the disadvantages of high quality and poor flexibility. In order to enhance flexibility, reduce operational response time and ensure that the target can be destroyed as soon as it is found, a low-power active "cat-eye" detection system can be integrated in the intelligent sight to complement the existing system. Because the intelligent sight is integrated with a small laser rangefinder and CMOS image sensor, according to its hardware characteristics, this paper designs an anti-interference "cat-eye" target detection method, which uses low-power laser to emit pseudo-random coded laser pulse sequence, CMOS sensor to synchronously collect data, and extract target information through correlation operation, and carries out theoretical analysis and experimental verification. The experimental results show that the method has strong stability and anti-interference ability, and can make the intelligent sight find "cat-eye" target in complex background.

"cat-eye" target; M-sequence; CMOS image sensor; intelligent sight; correlation operation

白興斌，張卓，張振宇，等.一種基于智能瞄具的抗干擾“貓眼”目標(biāo)探測方法[J]. 光電工程，2021，48(9): 210115

Bai X B, Zhang Z, Zhang Z Y,An anti-interfering "cat-eye" target detection method based on intelligent sight[J]., 2021, 48(9): 210115

TN249

A

10.12086/oee.2021.210115

2021-04-11；

2021-07-30

白興斌(1991-)，男，碩士研究生，主要從事智能機(jī)械系統(tǒng)的研究。E-mail：939887378@qq.com

范大鵬(1964-)，男，教授，主要從事精密光電系統(tǒng)的研究。E-mail：fdp@nudt.edu.cn。

* E-mail: fdp@nudt.edu.cn