自適應模板匹配在自主空中加油跟蹤中的應用

杜立一，程詠梅，公續平，趙建濤

（西北工業大學 自動化學院，陜西 西安 710129）

自主空中加油技術是未來空中加油技術的發展趨勢。我國采用的空中加油方式為插頭錐套式(又稱軟管式)，該方式主要依靠受油機的操縱來完成加油，在近距離加油對接時(一般在100 m以內)，加油機必須精確跟蹤受油機錐套。傳統的GPS和慣性導航方法以及二者的組合,一般用于較遠距離的導航中。在近距離加油對接階段，由于GPS信號易受干擾、慣性導航存在漂移等問題，很難實現精確跟蹤[1]。而視覺系統廣泛用于近距離的高精度跟蹤中，視覺跟蹤方法為這一問題提供了可行的解決方案。

由于受環境的影響，錐套在受油機前視鏡頭的成像中會出現無規律運動，因此，如何不斷地鎖定跟蹤錐套，便成為受油機與錐套成功對接的關鍵。現有的目標檢測算法主要有背景差分法、幀間差分法、閾值分割法、模板匹配法、光流法等。鑒于錐套所成的像為圓形，并且背景有飛機的干擾，所以文中提出一種簡單實用的模板匹配算法，對目標進行實時的鎖定。同時由于在圖像匹配過程中，圖像背景較為復雜，故在此采用歸一化相關匹配算法（NCC）[3-5]。之所以選擇歸一化相關匹配算法，是因為它穩定性好，跟蹤精度高，而且抗干擾能力較好。同時，傳統的歸一化相關匹配的算法，是將模板在整幅圖像中平移，對每一個象素點都匹配一次，計算相似度，這就導致很大的計算量，一定程度上影響了圖像跟蹤的實時性。所有關文獻提到利用基于金字塔數據結構的搜索方法[3]。為了簡便，本文通過擬合目標的運動軌跡來縮小搜索范圍[6]。通過實驗仿真，可以看出，本文的算法是切實可行的。

1 自適應模板匹配跟蹤

算法流程如圖1所示。

圖1 算法流程圖Fig.1 Algorithm flowchart

1.1 初始目標確定

首先從視頻中讀取第一幀圖像，確定初始目標，即初始模板。由于圖像中背景較復雜，首先需要對圖像進行圖像預處理處理。首先進行中值濾波，去除圖像中的椒鹽噪聲等噪聲，然后再對處理后的圖像進行數學形態學處理，數學形態學有4種基本運算:膨脹、腐蝕、開運算和閉運算[2]。其中，膨脹運算與腐蝕運算分別使對象區域變大與變小;開運算消除細小物體、在纖細點處分離物體和平滑較大的邊界并不明顯改變其面積；閉運算填充物體內部細小空洞、連接鄰近物體、平滑其邊界、并不明顯改變對象區域面積。二值化后的圖像,會存在許多小的孤立點,這是由噪聲引起的，因此可以運用開運算來濾掉這些孤立的小范圍噪聲點。飛機在空中加油時，圖像中會有云朵，一般情況下處在圖像邊緣，故再消除邊緣噪聲。去噪后,利用輪廓跟蹤的方法對目標進行分割,進而確定模板大小，從而在原圖中提取初始目標模板。

1.2 歸一化相關匹配

歸一化相關算法的定義如下：

其中，g為視頻中待匹配的每幀圖像，大小為M×N；p為模板，大小為 m×n；pˉ為模板的平均灰度值；(u,v)是匹配點坐標；g是g中對應模板的區域的平均灰度值。

歸一化相關算法（NCC）對圖像和模板進行了去均值處理，使函數R(u,v)的峰值盡量銳化，并且歸一化相關算法（NCC）能抑制噪聲，對所匹配圖像亮度的變化和對比度的變化不敏感，當相對的放大或縮小、旋轉和突變不大時，也能夠達到比較好的匹配效果。盡管歸一化相關算法（NCC）有很多優點，但是由于其運算量較大，這就導致此算法在匹配過程中沒有較好的實時性。為了充分利用歸一化相關算法（NCC）的穩定性好、跟蹤精度高、抗干擾能力較好等優點，同時滿足目標跟蹤中實時性的要求，下面我們將從縮小搜索范圍這方面考慮，進行實驗。減少大量的運算時間，保證。

1.3 跟蹤目標搜索范圍

通過計算視頻中每一幀跟蹤目標在圖像中的位置，然后利用視頻中連續幾幀圖像之間的跟蹤目標的位置，這樣就可以得到跟蹤目標在圖像中的運動軌跡，從而利用目標前幾幀得到的的運動軌跡來預測跟蹤目標在下一幀可能出現的位置，然后在該位置附近進行相關匹配運算，這樣就減小了搜索范圍即減少搜索次數，從而減少了大量的運算，故提高了模板匹配的速度。在此，我們采用了多項式為擬合函數[6]，根據跟蹤目標在最近前3幀的位置，擬合得到跟蹤目標的運動軌跡，從而預測下一刻的跟蹤目標的位置。由于前后兩幀之間位置變化比較緩慢，所以下一幀的搜索范圍可設定在以預測位置為中心，比模板大兩到三倍的區域進行搜索[7]，這樣，可以節省大量時間，并能提高搜索準確度。

1.4 模板更新

由于跟蹤目標在匹配跟蹤過程中，其大小、形狀都會出現變化，并且還可能會受到遮擋，故，這就導致固定模板的匹配跟蹤容易跟丟目標，從而，在前面的歸一化相關算法（NCC）中，我們設定好相似度閾值，若超過閾值范圍，則進行模板更新。在此過程中，若更新速度過慢，則可能導致跟不上跟蹤目標；若更新過于頻繁，容易使匹配誤差不斷地積累，從而導致跟蹤窗口的漂移，進而導致跟蹤失敗。針對這些問題，在此，用匹配最佳圖像與模板的相似度（即相關性）作為參考值構造模板更新評價函數，然后用這個評價函數來判斷模板是否更新，若需要更新，則重復前面的目標檢測過程。

在得到第k和k+1幀的歸一化相關值Rk和Rk+1后，構造模板評價函數：

其中，0≤Rk≤1且 0≤Rk+1≤1。模板更新評價函數是計算上一次最佳相似度與本次最佳相似度的差值△Rk,而△Rk只有落在某一范圍內的時候才更新模板，即:

當△Rk≤r1時，當前目標與模板匹配得很好，此時目標幾乎沒變化，沒必要更新模板；當r2≤△Rk時，當前目標與模板比較，有較大形變，目標被遮擋，不更新模板，以免跟錯或被遮擋。r1和r2是通過大量實驗獲得的經驗閾值。在獲得r1和r2的過程中，選取的規則為：若r1過大，目標變形很大時，匹配精度很低；若r1過小，則導致模板更新頻繁，可能在某一幀跳躍時造成較大誤差。

當視頻中某幀圖像滿足模板更新的條件時，首先重復前面過程，在圖像中構造新模板，然后進行目標跟蹤。

2 仿真實驗

為驗證本文算法的性能，我們進行了大量實驗并與常用的固定模板匹配方法進行比較，比較結果如表1所示。本文在Internet上下載美國于2012年5月成功進行的 “全球鷹”無人機自主空中加油實驗的視頻，進行跟蹤測試。測試中使用的PC機配置為：core(TM)i3-2010+3.3 G，2.0 G內存；軟件平臺為：Windows XP操作系統，MATLAB2013環境。

表1 實驗結果比較Tab.1 Comparison of experimental results

圖2顯示了初始目標的確定過程：首先對圖像進行直方圖均衡化，使圖像增強，然后二值化，接著就能行形態學濾波，最后得到初始目標。

當受油機接近加油機錐套時，錐套在相機中成的像由小變大，有時還會被遮擋，在此種情景下，對視頻進行模板匹配跟蹤，結果如圖3所示，其中用粗虛線框將匹配目標標出來。

從實驗結果中，可以看出，開始階段，錐套在較遠處時較小，然后逐漸變大，同時更新匹配模板，從而準確跟蹤目標，當目標部分遮擋時，本算法也能準確跟蹤目標。同時，由于引進軌跡跟蹤，從而縮小了模板的搜索范圍，從而保證了跟蹤的實時性。

圖2 初始目標確定過程Fig.2 The process of determining the initial target

圖3 匹配跟蹤結果Fig.3 Results of matching tracking

3 結束語

實驗結果及分析表明，文中提出的自適應模板匹配法較好地排除了孤立點和邊緣大片陰影噪聲的干擾，準確提取出要匹配的模板；利用歸一化相關匹配算法，跟蹤精度高，穩定性好，并具有良好的抗干擾性能；同時利用歸一化相關值判斷是否對模板進行更新，從而獲得了自適應的模板，保證在目標大小，光線變化時，能準確跟蹤目標；運用軌跡跟蹤，縮小模板搜索范圍，大大縮短了運算時間；對目標的定位準確，具有良好的自適應性。最后的實驗結果表明，本文提出的自適應模板匹配算法滿足自主空中加油圖像跟蹤中的要求。

[1]Roshawn Elizabeth Bowers.Estimation Algorithm For Autonomous Aerial Refueling Using A Vision Based Relative Navigation System[D].Submitted to the Office of Graduate Studies of Texas A&M University,2005.

[2]Rafael C.Gonzalez,Richard E.Woods,Steven L.Eddins.Digital Image Processing Using MATLAB[M].北京：電子工業出版社,2003.

[3]徐瑞鑫,劉偉寧.基于自適應模板的實時跟蹤算法[J].光學精密工程,2002,10(4):365-369.XU Rui-xin,LIU Wei-ning.Adaptive model-based real time tracking algorithm[J].Optics and Precision Engineering,2002,10(4):365-369.

[4]郝志成,朱明,劉微.復雜背景下目標的快速提取與跟蹤[J].吉林大學學報:工學版，2006,36（2）：259-263.HAO Zhi-cheng,ZHU Ming,LIU Wei.Fast extracting and tracking of target in complex environment[J].Journal of Jilin University:Engineering and Technology Edition,2006,36（2）：259-263.

[5]羅詩途,羅飛路,王燕玲.基于自適應模板修正的相關跟蹤方法[J].儀器儀表學報,2004,25(4):633-635.LUO Shi-tu,ZHANG Qi,LUO Fei-lu,WANG Yan-ling.Correlation Tracking Method Based on Adaptive Modal Modification[J].Chinese Journal of Scientific Instrument,2004,25(4):633-635.

[6]賈桂敏,王向軍,張世海.復雜背景下基于自適應模板更新的目標跟蹤算法[J].光學學報,2009,29(3):659-663.JIA Gui-min,WANG Xian-jun,ZHANG Shi-hai.Target tracking algorithm based on adaptive template update in complex background[J].Acta 0ptica Sinica,2009,29(3):659-663.

[7]肖笑.基于BCC算法的多機系統PSS參數優化設計[J].陜西電力,2012（12）：51-54.XIAO Xiao.Optimal design of multi-machine power system stabilizer parameters based on bacterial colony chemotaxis algorithm[J].Shaanxi Electric Power,2012（12）：51-54.