引 言

視頻記錄與判讀系統(tǒng)是靶場紅外測量設(shè)備的重要組成部分，用來實(shí)時記錄目標(biāo)視頻圖像并完成對測量目標(biāo)的定位和判讀。在靶場測量中，準(zhǔn)確地提取圖像中弱小多目標(biāo)的脫靶量對于交匯計(jì)算目標(biāo)的彈道和落點(diǎn)等信息起決定作用。隨著現(xiàn)代科技的進(jìn)步，對靶場數(shù)據(jù)處理的效率提出了更高要求，數(shù)據(jù)量更大，處理速度更快，測量更精確。對于大數(shù)據(jù)量的紅外多目標(biāo)圖像序列，運(yùn)用合適的方法在圖像序列中自動快速找到含有目標(biāo)的圖像序列段并對其進(jìn)行判讀是重點(diǎn)和難點(diǎn)。因此，研究紅外圖像多目標(biāo)段序列的自動判讀技術(shù)具有重大意義。在此，研究的目的是實(shí)現(xiàn)對目標(biāo)序列段的準(zhǔn)確定位以及測量結(jié)果的自動判讀，對于紅外弱小多目標(biāo)的檢測，單幀檢測很難實(shí)現(xiàn)，必須基于目標(biāo)灰度與鄰域的差異為出發(fā)點(diǎn)，充分利用多幀圖像序列的相關(guān)信息，比如運(yùn)動軌跡的連續(xù)性、一致性等。根據(jù)實(shí)際要求，先提出目標(biāo)序列段自動變步長搜索方法，在大量圖像數(shù)據(jù)中自動搜索有用目標(biāo)段，然后對目標(biāo)序列段進(jìn)行判讀。實(shí)驗(yàn)結(jié)果表明，該技術(shù)在很大程度上了提高判讀的精度和實(shí)時性。

1 基本原理

1．1 目標(biāo)序列段自動變步長搜索

由于圖像采集時探測器為凝視狀態(tài)，在天空背景下云層的移動是緩變的，而目標(biāo)的運(yùn)動速度比較快，相對于高速記錄的圖像可以視為靜止，因此在目標(biāo)出現(xiàn)前后可以認(rèn)為背景是靜止不動的。將含有目標(biāo)圖像與背景圖像相減即可將背景去除，累加目標(biāo)進(jìn)入視場前的相連M幀圖像f（x，y），再求算術(shù)平均值。設(shè)包含目標(biāo)的紅外場景圖像f’（x，y）為：

這樣可使噪聲方差由原來的σ2降為1／Mσ2，均方差降為原來的剩下的圖像只含有目標(biāo)和能量減少后的噪聲，其信息量為目標(biāo)和噪聲所占的像元數(shù)目。統(tǒng)計(jì)圖像序列的信息量，發(fā)現(xiàn)目標(biāo)開始進(jìn)入視場時，信號量明顯增加，離開視場時明顯減少，目標(biāo)在視場內(nèi)時信號量起伏不大。由此現(xiàn)象，可以通過計(jì)算相鄰步長幀之間信息量增量來判斷并確定目標(biāo)進(jìn)入和離開視場的時刻，從而搜索到有用目標(biāo)序列段。

為第n+k幀統(tǒng)計(jì)的信號量。搜索步長為k（k≤設(shè)定的目標(biāo)個數(shù)），則：△In=In+k一In為前后兩幅圖像信號增量。取閾值Vth=O．4α+Lβ，式中L為權(quán)值，與圖像的噪聲情況相關(guān)，一般取值0．3～0．5。α，β分別為噪聲的信號量和目標(biāo)的信號量，α為設(shè)定的目標(biāo)個數(shù)乘以理論計(jì)算的目標(biāo)所占像元，β為連續(xù)10幀噪聲圖像的信號量的均值。則當(dāng)|△In|≥Vth令第n幀為有用的信息圖像序列的起始幀；當(dāng)|△In|《Vth則令第n+k幀為有用的信息圖像序列的結(jié)束幀。第一步搜索結(jié)束后，減小搜索步長，通常取值為（1／6）k～（1／8）k，選擇某一中間幀，分別向前向后進(jìn)行搜索，最終精確定位目標(biāo)起始幀和結(jié)束幀。

1．2 圖像二值化分割批處理

在進(jìn)行減背景運(yùn)算后，噪聲方差由σ2降為1／Mσ2，均方差降為原來的根號1/M差值圖像就只含有目標(biāo)和能量減少后的噪聲，更利于圖像分割。

1．2．1 基于直方圖的OTSU最大類問方差法

OTSU最大類間方差法是在最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的。它通過利用直方圖零階、一階累積矩來最大化判別函數(shù)，選擇最佳閾值。設(shè)輸入圖像為f（x，y），二值化后的圖像為g（x，y），閾值為T，那么圖像二值化過程如下：

計(jì)算輸入圖像灰度級的歸一化直方圖，用h（i）表示。

計(jì)算灰度均值μT：

這樣可以簡單快速的分割出只含目標(biāo)和能量減少的噪聲的差值圖像。

1．2．2 自適應(yīng)閾值分割方法

對于復(fù)雜圖像，背景的灰度值并不是常數(shù)，物體和背景的對比度在圖像中也有變化。這時，一個在圖像中某一區(qū)域效果良好的閾值在其他區(qū)域可能效果很差。當(dāng)圖像中有陰影、背景灰度變化時，只用一個固定閾值對整幅圖像進(jìn)行閾值化處理，則會由于不能兼顧圖像各處的情況而使分割效果受到影響。因此對于分割復(fù)雜圖像，要充分考慮圖像局部區(qū)域特性，將閾值選取成一個隨圖像中位置變化的函數(shù)值是比較合適的，這就是自適應(yīng)閾值。

自適應(yīng)閾值的原理是將原始圖像分為幾個子圖像，對每一個圖像分別求出最優(yōu)分割閾值。常用的方法有：

Chow和Kandeko將圖像均勻劃分成若干不相重疊的7×7子圖像，對每個具有雙峰直方圖的子圖像用最小誤差法確定閾值，而對于具有單峰直方圖的子圖像，由內(nèi)差得到分割閾值。

Bernsen給出一種比較簡單的局部閾值算法。它是對每個像素確定以它為中心的一個窗口，計(jì)算窗口內(nèi)灰度級的最大值和最小值，并取其平均值作為閾值。

具體實(shí)現(xiàn)步驟是：

（1）取圖像的四角為圖像的背景，取其平均值作為背景值，大于此值的作為目標(biāo)，目標(biāo)灰度的平均值作為目標(biāo)值。

（2）在第t步，分別計(jì)算背景和目標(biāo)的灰度均值EB’和Eo’，其中在第t步將圖像分割為背景和目標(biāo)的閾值是T’，它是在前一步確定的。

可見，閾值分割實(shí)際上就是根據(jù)某個判決準(zhǔn)則來確定最佳閾值T的過程。為達(dá)到快速分割目標(biāo)的目的，在這里根據(jù)圖像的統(tǒng)計(jì)特性來確定門限，并根據(jù)所要求的虛警概率對初始選擇閾值進(jìn)行不斷修正。具體算法如下：

對待檢測圖像求其統(tǒng)計(jì)特征，即計(jì)算均值m和方差σ，從而計(jì)算初始閾值T1。即：

式中，M，N分別為待檢測圖像的行數(shù)和列數(shù)；m為矩形鄰域窗口內(nèi)原圖像的均值；σ為標(biāo)準(zhǔn)差；k為系數(shù)，可通過實(shí)驗(yàn)得到。為了保證對圖像中小目標(biāo)盡可能高的檢測概率，同時又為了盡量虛警概率，將圖像的SNR作為一個考慮因素，取k為圖像的信噪比值。

1．3 判讀脫靶量計(jì)算

在視頻判讀中，脫靶量的測量結(jié)果對于檢驗(yàn)和評估導(dǎo)彈性能起著關(guān)鍵作用。下面簡要介紹脫靶量計(jì)算原理。如圖2所示。

以靶面中心為原點(diǎn)建立笛卡爾坐標(biāo)系，如圖3～6所示，設(shè)A點(diǎn)為目標(biāo)像點(diǎn)，它偏離坐標(biāo)原點(diǎn)的量稱為判讀脫靶量，記做△x，△y。計(jì)算出來的脫靶量△x，△y連同光測設(shè)備的測量信息作數(shù)據(jù)處理，可完成對目標(biāo)運(yùn)動參數(shù)的事后分析。在判讀時，取其質(zhì)心作為判讀點(diǎn)，質(zhì)心即目標(biāo)可視部分圖像灰度分布重心。首先對存儲于硬盤中的圖像序列進(jìn)行二值分割，把目標(biāo)從背景中分割出來，然后根據(jù)重心計(jì)算公式求出目標(biāo)重心。物理學(xué)重心定義，設(shè)一幅M×N的圖像，目標(biāo)圖像在（x，y）點(diǎn)的灰度值f（x，y），其重心為：

傳統(tǒng)的判讀為手動判讀，其特點(diǎn)是：無論圖像中背景多復(fù)雜、對比度多低，只要人眼能夠識別目標(biāo)，就可以實(shí)現(xiàn)判讀。而且由于充分結(jié)合了測量結(jié)果，只對測量不滿意的區(qū)段進(jìn)行判讀，與自動判讀相比，判讀準(zhǔn)確性明顯提高。但是在處理多目標(biāo)圖像時，手動判度很容易造成判度者的視覺疲勞，因此自動判讀對減少判讀者的勞動是有很大意義的。自動判讀是計(jì)算重心過程，也是統(tǒng)計(jì)平均過程，它算出來的重心位置并不是個別最亮點(diǎn)位置或掃描隨機(jī)碰到的某一點(diǎn)位置，而是圖像中各個像元灰度加權(quán)平均位置，所以質(zhì)心判讀隨機(jī)誤差小、精度高、穩(wěn)定性好，簡單而快速。

2 實(shí)驗(yàn)結(jié)果與判讀結(jié)果分析

取外場采集的以天空為背景的紅外多目標(biāo)圖像序列進(jìn)行處理。圖4為原始圖像序列中的1幀，它含有紅外弱小多目標(biāo)，圖像信噪比約為1．5。目標(biāo)在成像面上占2～4個像元，目標(biāo)做近似勻速直線運(yùn)動，下落速度為1～3像素／幀。

取圖像幀序?yàn)?001～2000，共計(jì)1 000幀圖像序列進(jìn)行判讀，得到如圖5，圖6所示結(jié)果。

從含有全部目標(biāo)的圖像序列中連續(xù)取五幀分析統(tǒng)計(jì)出占不同像元大小的目標(biāo)個數(shù)如表l所示。

表2討論不同步長對判讀時間的影響。

由實(shí)際處理結(jié)果可見，步長太大，幀間跨度大，會影響搜索精度，太小則搜索時間長；而信號量閾值的權(quán)值系數(shù)越大時，有用目標(biāo)段序列越短，越小則有用目標(biāo)段序列越長。為保證有用目標(biāo)段序列檢測的速度和精度，一般情況下步長設(shè)置在設(shè)定的目標(biāo)數(shù)中間段，信號量閾值設(shè)得稍微低一些，再利用多幀積累求平均噪聲，使每幅圖像的噪聲更接近統(tǒng)計(jì)噪聲，減少由于噪聲的突變導(dǎo)致起始幀或者結(jié)束幀的誤判。

3 結(jié) 語

針對紅外多目標(biāo)圖像序列的自動判讀問題，在要求快速精確的前提下，先提出了目標(biāo)序列段自動變步長搜索方法，在大量圖像數(shù)據(jù)中快速搜索出有用目標(biāo)段，然后對目標(biāo)序列段進(jìn)行二值化批處理并最終計(jì)算出目標(biāo)脫靶量。試驗(yàn)結(jié)果表明該判讀方法快速準(zhǔn)確，判讀效果好。

責(zé)任編輯：gt