韓璐瑤 譚嬋 劉云猛 宋銳*

在軌實(shí)時(shí)空間目標(biāo)檢測(cè)算法研究

韓璐瑤1譚嬋2劉云猛2宋銳*1

（1 綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，西安電子科技大學(xué)，西安 710071）（2 中國(guó)科學(xué)院上海技術(shù)物理研究所，上海 200083）

空間目標(biāo)監(jiān)視是保證空間活動(dòng)正常運(yùn)行的重要前提，利用光學(xué)設(shè)備進(jìn)行光電探測(cè)是空間目標(biāo)監(jiān)視的重要手段之一。在天文光電深空?qǐng)D像序列中，恒星目標(biāo)和空間目標(biāo)成像特性相似，對(duì)目標(biāo)檢測(cè)產(chǎn)生干擾，因此實(shí)時(shí)穩(wěn)健地進(jìn)行空間目標(biāo)檢測(cè)有著很大的難度。文章對(duì)天文光電圖像目標(biāo)成像的規(guī)律進(jìn)行了分析研究，提出一種基于幀間匹配的目標(biāo)檢測(cè)算法：首先通過形態(tài)學(xué)操作進(jìn)行圖像預(yù)處理，再通過幀間匹配提取特征，進(jìn)而檢測(cè)空間目標(biāo)。FPGA與DSP硬件平臺(tái)下的圖像數(shù)據(jù)測(cè)試結(jié)果顯示，該算法對(duì)不同工況均具有良好的檢測(cè)概率和較低的虛警概率，圖像處理速度可達(dá)5幀/s，具備有效性和實(shí)時(shí)性，適用于深空背景下天文光電探測(cè)系統(tǒng)對(duì)空間目標(biāo)的實(shí)時(shí)檢測(cè)需求。

目標(biāo)檢測(cè) 形態(tài)學(xué) 實(shí)時(shí)圖像處理 可見光圖像 空間遙感

0 引言

空間目標(biāo)監(jiān)視是對(duì)空間目標(biāo)進(jìn)行探測(cè)和跟蹤的過程[1]，對(duì)于避免空間碰撞、維護(hù)空間環(huán)境的安全有著重要意義。利用光學(xué)設(shè)備進(jìn)行探測(cè)以及星上信息處理[2]，要求目標(biāo)檢測(cè)的精度高、虛警概率低、檢測(cè)速度快。空間目標(biāo)的光電成像特征與深空背景有著明顯的差異，但由于觀測(cè)相機(jī)與目標(biāo)距離遠(yuǎn)，且觀測(cè)相機(jī)視場(chǎng)大，導(dǎo)致視場(chǎng)內(nèi)出現(xiàn)多顆恒星，恒星的光電成像特征與目標(biāo)相似，呈現(xiàn)弱、小的特征，會(huì)干擾對(duì)目標(biāo)的檢測(cè)。

為解決這一問題，國(guó)內(nèi)外研究學(xué)者針對(duì)深空背景中成像的特性，提出了一系列性能優(yōu)異的算法，主要有：1）在時(shí)域的角度利用多幀圖像的投影關(guān)系進(jìn)行檢測(cè)的差分圖像法[3-5]和多幀圖像累加法[6-7]。這兩種方法利用了空間目標(biāo)運(yùn)動(dòng)軌跡明顯、恒星運(yùn)動(dòng)緩慢的特征，然而當(dāng)探測(cè)器移動(dòng)時(shí)，恒星會(huì)產(chǎn)生位移，會(huì)給算法帶來很大的誤差。2）利用星圖背景的確定性，基于參考星來檢測(cè)運(yùn)動(dòng)目標(biāo)[8-9]的三角形法[10]、多邊形匹配法[11]以及柵格算法[12]等。這類方法對(duì)背景噪聲大的場(chǎng)景適用性不好。3）利用目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性特征來進(jìn)行檢測(cè)的光流法[13-17]。因其實(shí)效性不好，不適于天基系統(tǒng)實(shí)時(shí)的目標(biāo)監(jiān)視。

針對(duì)深空背景下的光電成像特點(diǎn)，本文分析了恒星與目標(biāo)在圖像序列中的特征，提取差異性，實(shí)現(xiàn)對(duì)目標(biāo)和恒星的檢測(cè)；通過圖像序列的幀間匹配，分別建立目標(biāo)與恒星的運(yùn)動(dòng)軌跡；最終根據(jù)軌跡的特異性特征，完成目標(biāo)的檢測(cè)與跟蹤；最后，根據(jù)實(shí)測(cè)數(shù)據(jù)在特定硬件平臺(tái)中的測(cè)試結(jié)果，驗(yàn)證了算法的準(zhǔn)確性和實(shí)時(shí)性。

1 光電成像特征分析

在大視場(chǎng)的天文光電圖像中，搭載在空間飛行器上的CCD相機(jī)目標(biāo)呈現(xiàn)亮度低、面積小的星點(diǎn)特征。星點(diǎn)的運(yùn)動(dòng)軌跡如圖1所示。

圖1 星點(diǎn)運(yùn)動(dòng)軌跡

分析其成像特征和運(yùn)動(dòng)軌跡有以下特點(diǎn)：1）目標(biāo)只占少量像素，呈現(xiàn)點(diǎn)目標(biāo)的狀態(tài)，成像具有“弱”、“小”等特征[18-19]，且不具有細(xì)節(jié)與紋理。2）成像背景中有大量恒星，恒星的成像特征與目標(biāo)相似甚至一致，必須依靠多幀圖像才能區(qū)分目標(biāo)。3）恒星距離相機(jī)較遠(yuǎn)，其運(yùn)動(dòng)速度與方向基本取決于相機(jī)的運(yùn)動(dòng)狀態(tài)，眾多恒星擁有相同的運(yùn)動(dòng)特征。4）目標(biāo)與相機(jī)的距離相對(duì)恒星與相機(jī)的距離來說較近，其運(yùn)動(dòng)速度與方向不僅取決于相機(jī)的運(yùn)動(dòng)狀態(tài)，還取決于與目標(biāo)的距離和目標(biāo)本身的運(yùn)動(dòng)狀態(tài)。5）恒星以及目標(biāo)的運(yùn)動(dòng)方向呈直線形，且在間隔相同幀數(shù)時(shí)，其運(yùn)動(dòng)距離也近似相同。6）目標(biāo)運(yùn)動(dòng)在不同軌道時(shí)的運(yùn)動(dòng)狀態(tài)不同，在高軌狀態(tài)下，目標(biāo)運(yùn)動(dòng)緩慢，與恒星的速度相近，但運(yùn)動(dòng)方向會(huì)有不同；在低軌狀態(tài)下，目標(biāo)運(yùn)動(dòng)快速，會(huì)明顯大于恒星的運(yùn)動(dòng)速度。7）與目標(biāo)相距50km以內(nèi)時(shí)，開始呈現(xiàn)面目標(biāo)的狀態(tài)；且因?yàn)榻筮h(yuǎn)小的特點(diǎn)，會(huì)呈現(xiàn)不同的大小形態(tài)。

因?yàn)楹阈悄繕?biāo)和空間目標(biāo)在形態(tài)上的相似性，對(duì)空間目標(biāo)的檢測(cè)提出了更高的要求。由于目標(biāo)的運(yùn)動(dòng)狀態(tài)不可控，可能存在被遮擋甚至丟失的情況，這些特殊狀態(tài)的處理對(duì)目標(biāo)檢測(cè)的準(zhǔn)確度、目標(biāo)質(zhì)心定位的準(zhǔn)確度有著重要的影響。

觀察空間飛行器上實(shí)際搭載的CCD相機(jī)所獲取的視頻序列，可以發(fā)現(xiàn)圖像由深色背景、目標(biāo)、恒星三部分組成，特殊情況下會(huì)存在月亮。恒星均呈現(xiàn)點(diǎn)目標(biāo)的狀態(tài)，大小約為3×3個(gè)像素，灰度值分布呈現(xiàn)中間高、四周低的特點(diǎn)；目標(biāo)在視野中有0～1顆，在遠(yuǎn)距離時(shí)呈現(xiàn)點(diǎn)目標(biāo)的狀態(tài)，大小約為3×3個(gè)像素，在近距離時(shí)呈現(xiàn)面目標(biāo)的狀態(tài)，大小可能至50×50個(gè)像素，灰度值分布呈現(xiàn)中間高、四周低的特點(diǎn)；月亮因?yàn)榫嚯x較近，大小可能達(dá)200×200像素以上，呈現(xiàn)面目標(biāo)的狀態(tài)。在時(shí)間域上對(duì)目標(biāo)、恒星和月亮的運(yùn)動(dòng)狀態(tài)進(jìn)行分析，可以發(fā)現(xiàn)恒星均做勻速直線運(yùn)動(dòng)，運(yùn)動(dòng)方向與速度取決于空間飛行器的運(yùn)動(dòng)狀態(tài)，因此恒星和月亮具有一致的運(yùn)動(dòng)方向和速度，每幀移動(dòng)不到1像素。目標(biāo)的運(yùn)動(dòng)狀態(tài)未知，其運(yùn)動(dòng)方向與恒星運(yùn)動(dòng)方向不一致，每幀移動(dòng)像素低至1像素，高至50像素。綜合分析恒星和目標(biāo)的運(yùn)動(dòng)狀態(tài)，發(fā)現(xiàn)恒星的運(yùn)動(dòng)軌跡一致且不會(huì)互相重合，目標(biāo)由于運(yùn)動(dòng)狀態(tài)不同會(huì)呈現(xiàn)一條特殊的運(yùn)動(dòng)軌跡。因此，對(duì)運(yùn)動(dòng)軌跡進(jìn)行計(jì)算與分析是本算法進(jìn)行目標(biāo)檢測(cè)的重要前提。

2 實(shí)時(shí)目標(biāo)檢測(cè)算法

分析空間目標(biāo)和恒星在成像特征和運(yùn)動(dòng)軌跡方面的差異，設(shè)計(jì)實(shí)現(xiàn)一個(gè)基于幀間匹配的實(shí)時(shí)空間目標(biāo)檢測(cè)算法，流程如圖2所示。

圖2 實(shí)時(shí)空間目標(biāo)檢測(cè)算法流程

首先對(duì)圖像進(jìn)行形態(tài)學(xué)處理，得到所有星點(diǎn)的基本位置；進(jìn)而從基本位置開始計(jì)算得出所有星點(diǎn)的靜態(tài)特征，包括大小和均值亮度；再通過幀間的星點(diǎn)匹配，得到星點(diǎn)的動(dòng)態(tài)特征，包括運(yùn)動(dòng)方向與運(yùn)動(dòng)速度；利用目標(biāo)與眾多恒星的特征不同，給所有星點(diǎn)賦予為目標(biāo)的概率值；積累一定序列后，尋找擁有最大概率的星點(diǎn)為空間目標(biāo)，并輸出結(jié)果。

2.1 形態(tài)學(xué)處理

為了分別獲得目標(biāo)和恒星的運(yùn)動(dòng)軌跡，首先要從圖像中提取其位置，并用特定的特征描述記錄。可將圖像有效信息分為深空背景與星點(diǎn)兩部分，此處采用二值化、形態(tài)學(xué)處理的方法進(jìn)行星點(diǎn)的提取。

二值化的目的是將灰度圖像轉(zhuǎn)換為二值化圖像A。設(shè)定閾值，圖像中灰度值大于該閾值則置為1，否則置為0。

形態(tài)學(xué)處理的目的是將視場(chǎng)內(nèi)存在的所有星點(diǎn)從深空背景中提取出來，每一個(gè)星點(diǎn)表示為一個(gè)連通分量。形態(tài)學(xué)操作為了提取多個(gè)連通分量[20]，采用先膨脹后腐蝕的流程。

結(jié)構(gòu)元素的選取對(duì)于形態(tài)學(xué)的效率和結(jié)果有著很大的影響。膨脹的目的是“增長(zhǎng)”或“粗化”二值圖像中的有效物體，此時(shí)的有效物體即視場(chǎng)內(nèi)的所有星點(diǎn)。但“增長(zhǎng)”的方式與“粗化”的寬度是由選擇的結(jié)構(gòu)元素來控制的，需要根據(jù)膨脹的具體目的來決定。膨脹的目的是提取每一個(gè)星點(diǎn)在圖像中的位置，這就包括了坐標(biāo)與大小；與此同時(shí)，也希望每一個(gè)可視星點(diǎn)是獨(dú)立的。因此理想的膨脹效果是每一個(gè)星點(diǎn)都由不規(guī)則成像變成最小外接矩形。

采用的膨脹模板如圖3所示。

圖3 膨脹結(jié)構(gòu)元素

圖3中結(jié)構(gòu)元素B1、B2、B3、B4、B5、B6陰影部分表示為0，空白部分表示1，以結(jié)構(gòu)元素左下角作為準(zhǔn)心，讓結(jié)構(gòu)元素遍歷整幅二值化圖像A，并進(jìn)行卷積運(yùn)算，如果結(jié)構(gòu)元素中任意一個(gè)完全被A包含了，則將該位置標(biāo)記為新集合的成員（如圖4表示）；如果沒有被包含，則將該位置標(biāo)記為非新集合的成員（即不變）。

圖4 修改結(jié)果

在圖像卷積運(yùn)算過程中，修改結(jié)果在圖像A中實(shí)時(shí)更新，下一步的卷積運(yùn)算在更新后的圖像A上運(yùn)行。因此，對(duì)圖像的遍歷順序也會(huì)影響膨脹的結(jié)果，此處選擇圖像的遍歷方向?yàn)閺纳系较隆淖蟮接?。圖5顯示了二值圖像按照此方式膨脹的結(jié)果。

圖5 膨脹示意

膨脹后，每個(gè)星點(diǎn)都是一個(gè)比較規(guī)則的連通分量，其右下角是矩形。腐蝕的操作則可以把二值化圖像中的物體進(jìn)行縮小或“細(xì)化”。此時(shí)的目的是把每一個(gè)矩形變成一個(gè)像素點(diǎn)，這樣在遍歷圖像一次之后，圖中有效點(diǎn)的個(gè)數(shù)就是視場(chǎng)內(nèi)星點(diǎn)的個(gè)數(shù)。為了實(shí)現(xiàn)這個(gè)腐蝕操作，選取如圖6所示的3×3像素的結(jié)構(gòu)元素。

圖6 腐蝕結(jié)構(gòu)元素

圖6中，白色部分表示為1，陰影部分表示為0。以中心為準(zhǔn)心，在圖像上進(jìn)行卷積運(yùn)算，如果結(jié)構(gòu)元素與圖像A不一致，則把此結(jié)構(gòu)元素覆蓋的地方置為0，否則圖像不變。腐蝕的結(jié)果會(huì)實(shí)時(shí)對(duì)圖像A產(chǎn)生修改，并對(duì)下一次的卷積運(yùn)算產(chǎn)生影響。圖像的遍歷順序會(huì)對(duì)腐蝕結(jié)果有影響，其方向一般選取和膨脹方向一致。本算法選擇遍歷順序?yàn)閺纳系较?、從左到右?/p>

形態(tài)學(xué)操作后，全圖得到多個(gè)孤立的像素點(diǎn)，每一個(gè)代表了一個(gè)星點(diǎn)，這是對(duì)星點(diǎn)位置的初始判斷。在腐蝕圖像的基礎(chǔ)上進(jìn)行全圖掃描，即可得出所有星點(diǎn)的外接矩形的右下角坐標(biāo)。

2.2 特征提取

根據(jù)深空?qǐng)D像的成像特點(diǎn)，分別描述星點(diǎn)的靜態(tài)特征和動(dòng)態(tài)特征：靜態(tài)特征描述包括大小和均值亮度；動(dòng)態(tài)特征描述為運(yùn)動(dòng)矢量，由運(yùn)動(dòng)方向和運(yùn)動(dòng)速度組成。本章節(jié)將在形態(tài)學(xué)計(jì)算結(jié)果的基礎(chǔ)上進(jìn)行靜態(tài)特征的提取。

對(duì)星點(diǎn)大小的描述可以通過外接矩形的高度和寬度完成。計(jì)算思路為從每一個(gè)星點(diǎn)的右下角坐標(biāo)出發(fā)，根據(jù)膨脹圖像的連通性，向左向上尋找至像素值為0的點(diǎn)，作為外接矩形的左上角位置，具體思路如圖7所示。具體步驟為：

4）根據(jù)右下角坐標(biāo)和左上角坐標(biāo)進(jìn)行高度、寬度和大小的計(jì)算。計(jì)算公式為

對(duì)星點(diǎn)亮度的描述通過均值亮度完成。遍歷星點(diǎn)外接矩形內(nèi)所有像素，對(duì)二值圖像中非零點(diǎn)的灰度值進(jìn)行統(tǒng)計(jì)，然后計(jì)算均值，公式為

圖7 計(jì)算思路示意

考慮到月亮在視場(chǎng)中的運(yùn)動(dòng)狀態(tài)與恒星一致，但兩者大小具有顯著差別。為了防止在目標(biāo)檢測(cè)時(shí)把月亮誤判成目標(biāo)，并降低虛警概率，可在此階段對(duì)于月亮進(jìn)行判別并標(biāo)記，后續(xù)算法忽略月亮即可。

此部分算法在消除背景噪聲、處理相機(jī)壞點(diǎn)方面作用顯著。該階段對(duì)所有的星點(diǎn)、噪點(diǎn)、壞點(diǎn)均計(jì)算了高度與寬度，對(duì)于孤立的壞點(diǎn)或者椒鹽噪聲，多數(shù)情況下會(huì)表現(xiàn)出孤立的亮點(diǎn)，其高度與寬度均為1，因此可通過高度或?qū)挾冗_(dá)不到有效閾值來進(jìn)行濾除。

2.3 幀間匹配

對(duì)星點(diǎn)動(dòng)態(tài)特征的描述需要借助相鄰兩幀圖像完成。

根據(jù)恒星運(yùn)動(dòng)速度緩慢的特點(diǎn)，在前后幀中恒星的位置變化小于1像素，因此很容易根據(jù)前幀圖像中恒星星點(diǎn)的位置確定其在后幀圖像中的大概位置。所以，首先以前幀圖像為基礎(chǔ)，尋找距離前幀圖像中星點(diǎn)歐氏距離最小的后幀圖像中的星點(diǎn)；然后以后幀圖像為基礎(chǔ)，尋找距離后幀圖像中星點(diǎn)歐氏距離最小的前幀圖像的星點(diǎn)。在此階段，除兩種異常情況外，均會(huì)達(dá)成一對(duì)一的匹配。兩種異常情況如下：

1）恒星在前幀中出現(xiàn)，后幀因?yàn)楹阈且苿?dòng)消失在視場(chǎng)中。具體表現(xiàn)為后幀圖像的恒星星點(diǎn)數(shù)少于前幀的恒星星點(diǎn)數(shù)，在匹配時(shí)，前幀圖像的2顆星點(diǎn)均會(huì)匹配到后幀圖像的1顆星點(diǎn)。因此，匹配不成功。

2）恒星在前幀中未出現(xiàn)，后幀因?yàn)楹阈且苿?dòng)出現(xiàn)在視場(chǎng)中。具體表現(xiàn)為前幀圖像的恒星星點(diǎn)數(shù)少于后幀的恒星星點(diǎn)數(shù)，在匹配時(shí)，后幀圖像的2顆星點(diǎn)均會(huì)匹配到前幀圖像的1顆星點(diǎn)。因此，匹配不成功。

算法需要對(duì)以上兩種情況進(jìn)行判斷，并完成相應(yīng)的處理。判斷方式即計(jì)算匹配不成功的星點(diǎn)與圖像邊界的距離，當(dāng)小于一定閾值時(shí)，即可認(rèn)為其是一個(gè)邊界點(diǎn)。

然而，目標(biāo)的運(yùn)動(dòng)速度是未知的，由其運(yùn)動(dòng)軌道決定。當(dāng)目標(biāo)的空間位置與空間飛行器距離較遠(yuǎn)時(shí)，在圖像序列中顯現(xiàn)的運(yùn)動(dòng)速度較慢，幀間匹配情況與恒星星點(diǎn)的匹配情況類似。若目標(biāo)的空間位置與空間飛行器距離較近，在圖像序列中顯現(xiàn)出較快的運(yùn)動(dòng)速度；或者目標(biāo)的運(yùn)行軌跡與恒星的運(yùn)行軌跡在某一幀中發(fā)生重合，此時(shí)也無法造成確定的匹配，會(huì)出現(xiàn)前幀1顆星點(diǎn)匹配到后幀2顆星點(diǎn)，或者前幀2顆星點(diǎn)匹配到后幀1顆星點(diǎn)的情況。對(duì)此情況的辨別是幀間匹配中的難點(diǎn)。根據(jù)恒星和目標(biāo)運(yùn)動(dòng)的連續(xù)性和規(guī)則性，以及其形態(tài)（包括大小和亮度）變化的連續(xù)性，可以確定無論是恒星還是目標(biāo)，其靜態(tài)特征和動(dòng)態(tài)特征在短時(shí)間內(nèi)具有穩(wěn)定性，因此可以通過相似性度量篩選出確定的匹配對(duì)。

綜上分析，為了對(duì)星點(diǎn)的大小、亮度、運(yùn)動(dòng)矢量（可以分為運(yùn)動(dòng)方向和運(yùn)動(dòng)速度）進(jìn)行統(tǒng)一的比較，需要首先確定這四個(gè)特征進(jìn)行相似性度量時(shí)的權(quán)重，分析過程如下：

1） 形狀作為依據(jù)。因?yàn)楹阈堑拇笮”憩F(xiàn)基本一致，目標(biāo)的大小可能與恒星一致，但也可能會(huì)明顯大于恒星，因此形狀可以作為目標(biāo)檢測(cè)的依據(jù)，但權(quán)重不宜過高。

2） 亮度作為依據(jù)。因?yàn)樯羁窄h(huán)境的復(fù)雜性以及CCD相機(jī)成像的特點(diǎn)，亮度的權(quán)重應(yīng)設(shè)為最低。

3） 運(yùn)動(dòng)矢量作為依據(jù)。由于目標(biāo)與恒星在運(yùn)動(dòng)狀態(tài)上明顯不同，這是能夠區(qū)分兩者最有效的方法；同時(shí)，恒星在圖像序列中的位置改變是由相機(jī)的移動(dòng)引起的，因此恒星的運(yùn)動(dòng)狀態(tài)幾乎一致，這也使得目標(biāo)的運(yùn)動(dòng)狀態(tài)尤為突出，因此權(quán)重可設(shè)為最高。運(yùn)動(dòng)方向與運(yùn)動(dòng)速度的權(quán)重可以根據(jù)不同工況來設(shè)置，考慮到高軌工況目標(biāo)運(yùn)動(dòng)緩慢，極有可能僅運(yùn)動(dòng)方向不同，因此運(yùn)動(dòng)方向的權(quán)重設(shè)為最高；而低軌工況目標(biāo)運(yùn)動(dòng)速度較快，因此運(yùn)動(dòng)速度的權(quán)重設(shè)為最高。

記星點(diǎn)大小的權(quán)重為s，星點(diǎn)亮度的權(quán)重為L(zhǎng)，星點(diǎn)運(yùn)動(dòng)方向的權(quán)重為O，星點(diǎn)運(yùn)動(dòng)速度的權(quán)重為W。各權(quán)重間的關(guān)系為

最后，對(duì)2顆星點(diǎn)的大小、亮度、運(yùn)動(dòng)矢量特征與1顆星點(diǎn)的大小、亮度、運(yùn)動(dòng)矢量特征均進(jìn)行差值計(jì)算，比較2個(gè)差值的大小，選擇較小的那顆星點(diǎn)作為正確匹配星點(diǎn)。

圖8 星點(diǎn)運(yùn)動(dòng)示意

Fig.8 Star motion diagram

通過綜合星點(diǎn)1在方向和方向的距離，即可得到其運(yùn)動(dòng)速度1，計(jì)算公式為

2.4 概率積累

前幀圖像與后幀圖像的星點(diǎn)達(dá)到一一匹配后，便獲得了所有星點(diǎn)的特征描述，包括靜態(tài)特征和動(dòng)態(tài)特征。進(jìn)而需要對(duì)特征進(jìn)行差異值的提取，即尋找特征描述與其他星點(diǎn)差異性最大的星點(diǎn)。特征從四個(gè)方面進(jìn)行描述，分別是大小、亮度、運(yùn)動(dòng)方向和運(yùn)動(dòng)速度。以星點(diǎn)大小為例，需要量化每個(gè)星點(diǎn)與其他星點(diǎn)在大小上的差異程度，量化方式如下：

1） 對(duì)所有星點(diǎn)的大小進(jìn)行統(tǒng)計(jì)，計(jì)算星點(diǎn)大小均值，公式為

據(jù)此，可以獲得每個(gè)星點(diǎn)在亮度、運(yùn)動(dòng)方向和運(yùn)動(dòng)速度等特征維度的歸一化偏差值。

對(duì)目標(biāo)的檢測(cè)是從4個(gè)維度計(jì)算的綜合結(jié)果，因此按照幀間匹配階段對(duì)特征權(quán)重的規(guī)定進(jìn)行該星點(diǎn)為目標(biāo)的概率計(jì)算，即

每幀圖像均會(huì)計(jì)算星點(diǎn)為目標(biāo)的概率值，并且根據(jù)圖像序列進(jìn)行累加?？臻g目標(biāo)因?yàn)槠涮卣鞯牟町愋?，?jì)算得到的概率值會(huì)大于其他星點(diǎn)；通過幀數(shù)的累加，某一星點(diǎn)的概率會(huì)逐漸增大，與恒星的概率值的差距也會(huì)越來越大。圖9所示的概率累積結(jié)果可以清晰的展示這一規(guī)律。

圖9 概率累積結(jié)果

當(dāng)某一概率值均達(dá)到這兩個(gè)條件時(shí)，即可判斷為找到了目標(biāo)。

3 試驗(yàn)結(jié)果

為了驗(yàn)證算法的有效性和實(shí)時(shí)性，采用大量通過模擬生成的圖像數(shù)據(jù)進(jìn)行驗(yàn)證測(cè)試。每幀圖像大小為1 024×1 024像素，位數(shù)為8bit，全部圖像序列的幀數(shù)為100幀。為了驗(yàn)證此算法在不同工況下的適用性，對(duì)目標(biāo)運(yùn)行在低軌、高軌，以及月亮出現(xiàn)在視場(chǎng)內(nèi)等三種工況分別運(yùn)行算法。三種工況下，目標(biāo)、恒星以及月亮在圖像序列中的具體情況如表1所示。

表1 不同工況下的星點(diǎn)呈現(xiàn)情況

對(duì)于三種工況的檢測(cè)概率和虛警概率進(jìn)行統(tǒng)計(jì)，結(jié)果如表2所示。

表2 目標(biāo)檢測(cè)結(jié)果

可以看出，此目標(biāo)檢測(cè)算法在三種工況下均具有良好的檢測(cè)概率和較低的虛警概率。其中，低軌工況下算法的適用性最好。算法可以在避免虛警的前提下，對(duì)空間目標(biāo)準(zhǔn)確檢測(cè)。

實(shí)時(shí)性是目標(biāo)檢測(cè)算法的另一重要指標(biāo)，若結(jié)果產(chǎn)生滯后會(huì)影響目標(biāo)檢測(cè)系統(tǒng)的正常使用。為了驗(yàn)證此算法的實(shí)時(shí)性，選擇具有FPGA和DSP（主頻為150MHz，外接16Mbyte的存儲(chǔ)芯片）的圖像處理硬件系統(tǒng)。為達(dá)到更快的處理速度，考慮到FPGA適用于流式的計(jì)算密集型任務(wù)，一些涉及形態(tài)學(xué)處理圖像的操作在FPGA中進(jìn)行，其余操作在DSP中進(jìn)行。圖像大小為1 024×1 024像素時(shí)，該圖像處理系統(tǒng)的處理速度可達(dá)5幀/s。由于算法避開了對(duì)圖像的大數(shù)據(jù)量操作，處理更高分辨率的圖像也不會(huì)增加計(jì)算量，因此算法可以滿足大視場(chǎng)、高幀頻、高分辨率的天文光電探測(cè)系統(tǒng)的實(shí)時(shí)目標(biāo)檢測(cè)要求。

4 結(jié)束語(yǔ)

本算法適用于實(shí)時(shí)的天文光電探測(cè)系統(tǒng)，用以實(shí)時(shí)檢測(cè)空間目標(biāo)的位置。首先通過形態(tài)學(xué)的處理，提取出目標(biāo)以及恒星星點(diǎn)的位置，并提取出所有星點(diǎn)的靜態(tài)特征，可以對(duì)背景噪聲和壞點(diǎn)進(jìn)行有效抑制；依據(jù)恒星和目標(biāo)運(yùn)動(dòng)的連續(xù)性和穩(wěn)定性，通過幀間的星點(diǎn)匹配，完成星點(diǎn)動(dòng)態(tài)特征的提??；最后通過目標(biāo)運(yùn)動(dòng)的奇異性，對(duì)特征進(jìn)行綜合判斷，避免了恒星星點(diǎn)在目標(biāo)檢測(cè)階段的干擾，尋找出特定目標(biāo)，在保證虛警概率的前提下提高了檢測(cè)概率。通過FPGA與DSP的圖像處理系統(tǒng)進(jìn)行數(shù)據(jù)驗(yàn)證，表明算法可以對(duì)恒星和目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)，并計(jì)算得出準(zhǔn)確度高的目標(biāo)檢測(cè)結(jié)果。

[1] 湯澤瀅, 黃賢鋒, 蔡宗寶. 國(guó)外天基空間目標(biāo)監(jiān)視系統(tǒng)發(fā)展現(xiàn)狀與啟示[J]. 航天電子對(duì)抗, 2015, 31(2): 24-26, 30.

TANG Zeying, HUANG Xianfeng, CAI Zongbao. Development Status and Enlightenment of Foreign Space-based Space Target Surveillance Systems[J]. Aerospace Electronic Warfare, 2015, 31(2): 24-26, 30. (in Chinese)

[2] 喬凱, 智喜洋, 王達(dá)偉, 等. 星上智能信息處理技術(shù)發(fā)展趨勢(shì)分析與若干思考[J]. 航天返回與遙感, 2021, 42(1): 21-27.

QIAO Kai, ZHI Xiyang, WANG Dawei, et al. Analysis and Some Thoughts on the Development Trend of the On-board Intelligent Information Processing Technology[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(1): 21-27. (in Chinese)

[3] JAIN R, NAGEL H H. On the Analysis of Accumulative Difference Pictures from Image Sequences of Real World Scenes[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1979, 1(2): 206-214.

[4] 張磊, 史金飛, 羅翔. 運(yùn)動(dòng)目標(biāo)檢測(cè)的差分圖像法分析研究[J]. 工業(yè)儀表與自動(dòng)化裝置, 2007(3): 7-11, 48.

ZHANG Lei, SHI Jinfei, LUO Xiang. Analysis and Research of Differential Image Method for Moving Target Detection[J]. Industrial Instrumentation and Automation, 2007(3): 7-11, 48. (in Chinese)

[5] 楊嘉琪, 韓曉紅. 基于自適應(yīng)混合高斯的改進(jìn)三幀差分算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2021, 42(6): 1699-1705.

YANG Jiaqi, HAN Xiaohong. Improved Three-frame Difference Algorithm Based on Adaptive Gaussian Mixture[J]. Computer Engineering and Design, 2021, 42(6): 1699-1705. (in Chinese)

[6] LIPTON A J, FULIYOSHI H, PATIL R S. Moving Target Classification and Tracking from Real-time Video[C]//Proceedings of the 4th IEEE Workshop on Applications of Computer Vision (WACV'98), Oct. 19-21, 1998, Princeton, New Jersey. [S.l.]: IEEE, 1998: 8-14.

[7] 李剛, 邱尚斌, 林凌, 等. 基于背景差法和幀間差法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 儀器儀表學(xué)報(bào), 2006(8): 961-964.

LI Gang, QIU Shangbin, LIN Ling, et al. Moving Target Detection Method Based on Background Difference Method and Frame Difference Method[J]. Chinese Journal of Scientific Instrument, 2006(8): 961-964. (in Chinese)

[8] 程軍, 張偉, 叢明煜, 等. 基于星圖識(shí)別的空間目標(biāo)檢測(cè)算法研究[J]. 光學(xué)技術(shù), 2010, 36(3): 439-444.

CHENG Jun, ZHANG Wei, CONG Mingyu, et al. Research on Space Target Detection Algorithm Based on Star Pattern Recognition[J]. Optical Technique, 2010, 36(3): 439-444. (in Chinese)

[9] 王敏. 復(fù)雜背景下的空間目標(biāo)自動(dòng)識(shí)別技術(shù)[D]. 北京: 中國(guó)科學(xué)院大學(xué), 2017.

WANG Min. Automatic Recognition Technology of Space Targets under Complex Background[D]. Beijing: University of Chinese Academy of Sciences, 2017. (in Chinese)

[10] 宿德志. 一種快速穩(wěn)定的星圖識(shí)別方法及單星模擬器的調(diào)校[D]. 長(zhǎng)沙: 國(guó)防科學(xué)技術(shù)大學(xué), 2010.

SU Dezhi. A Fast and Stable Star Pattern Recognition Method and Adjustment of the Single-star Simulator[D]. Changsha: National University of Defense Technology, 2010. (in Chinese)

[11] 王波. CMOS星敏感器星圖識(shí)別方法研究[D]. 武漢: 華中科技大學(xué), 2004.

WANG Bo. Research on CMOS Star Sensor Star Map Recognition Method[D].Wuhan: Huazhong University of Science and Technology, 2004. (in Chinese)

[12] PADGETT C, KREUTZ-DELGADO K, UDOMKESMALEE S. Evaluation of Star Identification Techniques[J]. Journal of Guidance Control & Dynamics, 2012, 20(2): 259-267.

[13] FUJITA K, HANADA T, KITAZAWA Y, et al. A Debris Image Tracking Using Optical Flow Algorithm[J]. Advances in Space Research, 2012, 49(5): 1007-1018.

[14] 裴巧娜. 基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)[D]. 北京: 北方工業(yè)大學(xué), 2009.

PEI Qiaona. Moving Target Detection and Tracking Technology Based on Optical Flow Method[D]. Beijing: North China University of Technology, 2009. (in Chinese)

[15] 袁國(guó)武, 陳志強(qiáng), 龔健, 等. 一種結(jié)合光流法與三幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 小型微型計(jì)算機(jī)系統(tǒng), 2013, 34(3): 668-671.

YUAN Guowu, CHEN Zhiqiang, GONG Jian, et al. A Moving Target Detection Algorithm Combining Optical Flow Method and Three-frame Difference Method[J]. Small Microcomputer System, 2013, 34(3): 668-671. (in Chinese)

[16] 楊葉梅. 基于改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 計(jì)算機(jī)與數(shù)字工程, 2011, 39(9): 108-110, 160.

YANG Yemei. Moving Target Detection Based on Improved Optical Flow Method[J]. Computer and Digital Engineering, 2011, 39(9): 108-110, 160. (in Chinese)

[17] 李成美, 白宏陽(yáng), 郭宏偉, 等. 一種改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤算法[J]. 儀器儀表學(xué)報(bào), 2018, 39(5): 249-256.

LI Chengmei, BAI Hongyang, GUO Hongwei, et al. A Moving Target Detection and Tracking Algorithm Based on Improved Optical Flow Method[J].Chinese Journal of Scientific Instrument, 2018, 39(5): 249-256. (in Chinese)

[18] 胡謀法. 復(fù)雜背景下大視場(chǎng)弱小目標(biāo)檢測(cè)技術(shù)研究[D]. 長(zhǎng)沙: 國(guó)防科學(xué)技術(shù)大學(xué), 2008.

HU Moufa. Research on Detection Technology of Small and Large Field of View under Complex Background[D]. Changsha: National University of Defense Technology, 2008. (in Chinese)

[19] 胡建明, 喬凱, 智喜洋, 等. 天基觀測(cè)條件下復(fù)雜環(huán)境對(duì)空中弱小目標(biāo)可探測(cè)性的影響[J]. 紅外與毫米波學(xué)報(bào), 2019, 38(3): 351-357.

HU Jianming, QIAO Kai, ZHI Xiyang, et al. Influence of Complex Environment on the Detectability of Weak and Small Aerial Target under Space-based Observation Mode[J]. Journal of Infrared and Millimeter Waves, 2019, 38(3): 351-357. (in Chinese)

[20] 王樹文, 閆成新, 張?zhí)煨? 等. 數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用, 2004(32): 89-92.

WANG Shuwen, YAN Chengxin, ZHANG Tianxu, et al. Application of Mathematical Morphology in Image Processing[J]. Computer Engineering and Applications, 2004(32): 89-92. (in Chinese)

Research on the On-orbit Real-time Space Target Detection Algorithm

HAN Luyao1TAN Chan2LIU Yunmeng2SONG Rui*1

（1 State Key Laboratory of Integrated Service Networks, Xidian University, Xi′an 710071, China）（2 Shanghai Institute of Technical Physics of the Chinese Academy of Sciences, Shanghai 200083, China）

Space target surveillance is an important prerequisite for ensuring the normal operation of space activities. The use of optical equipment for photoelectric detection is one of the important means of space target surveillance. In the astronomical photoelectric deep-space image sequence, the imaging characteristics of stellar targets and space targets are similar, which will interfere with target detection. Real-time and robust target detection is also very difficult. The article analyzed and studied the astronomical photoelectric image target imaging law, and proposed a target detection algorithm based on frame matching. By performing image preprocessing through morphological operations, and extracting features through inter-frame matching, and then detect spatial objects were detected. This algorithm is suitable for the real-time detection requirements of the astronomical photoelectric detection system for space targets under the background of deep space. Under the experiment of FPGA and DSP hardware platform, the validity and real-time performance of the algorithm were verified.

target detection; morphology; real-time image processing; visible light image; space remote sensing

TN957.51

A

1009-8518(2021)06-0122-10

10.3969/j.issn.1009-8518.2021.06.012

2021-09-03

韓璐瑤, 譚嬋, 劉云猛, 等. 在軌實(shí)時(shí)空間目標(biāo)檢測(cè)算法研究[J]. 航天返回與遙感, 2021, 42(6): 122-131.

HAN Luyao, TAN Chan, LIU Yunmeng, et al. Research on the On-orbit Real-time Space Target Detection Algorithm[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(6): 122-131. (in Chinese)

韓璐瑤，女，1996年生，2019年獲中國(guó)石油大學(xué)（華東）通信工程專業(yè)學(xué)士學(xué)位。研究方向?yàn)閳D像傳輸與處理。E-mail：han_xidian@sina.com。

宋銳，男，2009年獲西安電子科技大學(xué)博士學(xué)位，西安電子科技大學(xué)通信與信息系統(tǒng)教授，博士生導(dǎo)師。研究方向?yàn)橐曨l編解碼算法及硬件架構(gòu)、計(jì)算機(jī)視覺（三維）算法研究。

（編輯：夏淑密）