采用圖像特征的激光干擾跟蹤效果評估

錢 方,孫 濤,郭 勁*,王挺峰,王 巖

(1.中國科學院 長春光學精密機械與物理研究所激光與物質相互作用國家重點實驗室，吉林 長春 130033；2.中國科學院大學，北京 100049)

1 引 言

激光主動成像系統被廣泛應用于目標識別跟蹤和區域監視領域，激光干擾可以使其上的光電成像器件飽和或造成損傷。光電成像器件通常為跟蹤系統提供目標圖像，當激光干擾出現后，跟蹤視場內不僅有目標也會出現激光光斑，此時跟蹤算法很容易將光斑和目標一同提取出來，跟蹤精度將會下降，甚至會導致跟蹤算法失效，目標丟失。因此，從圖像特征改變角度分析跟蹤算法失效原因并建立評估模型，進而評價激光干擾效果具有重要的研究意義和實用價值。

目前對于激光干擾對跟蹤性能影響的評估方法包括根據干擾后系統跟蹤誤差是否超出正常跟蹤精度的三倍來判定干擾是否有效[1]，根據信噪比與跟蹤誤差的關系來判斷干擾效果[2]，根據干擾激光能否對跟蹤波門區域造成影響來判斷干擾效果[3]。以上方法主要是從跟蹤精度下降程度來評價激光干擾效果，而沒有考慮跟蹤圖像識別的準確性。此外還有一種基于圖像尺度的評價方法，該方法根據圖像小波能量與平方和根的大小來評估干擾效果[4-5]，但是該方法沒有考慮亮度和對比度改變對跟蹤圖像的影響，也沒有給出歸一化的評價指標。

從20世紀70年代開始，美、德等國都開展了激光對光電探測器干擾與損傷機理的研究工作。其中法德實驗室提出了根據飽和像素數目、信噪比和對比度變化來衡量干擾效果的方法[6-10]，該方法計算簡單、快捷，但是當光斑位置變化時，該評價方法出現偏差。這是因為當光斑遠離目標時，雖然干擾出現但對目標識別的影響不大。

在目標識別跟蹤過程中，目標區域的圖像質量同樣影響識別準確性，因此，本文提出了一種基于圖像特征的評價激光干擾對跟蹤性能影響的方法。首先通過目標模板確定原始圖像和干擾圖像的目標區域，然后比較兩幅圖像目標區域的亮度、對比度和邊緣清晰度相似性，得到歸一化的評價結果，最后在實驗中采集了激光干擾功率不同和光斑位置不同的干擾圖像，并利用形心跟蹤和相關跟蹤兩種方法對設定目標進行跟蹤，通過實驗對評估模型的性能進行了比較分析。

2 激光干擾對跟蹤算法的影響

(a) 原始圖像(a) Original image

(b) 相關跟蹤(b) Correlative tracking

常用的跟蹤算法包括對比度跟蹤和相關跟蹤。相關跟蹤是通過尋找實時圖像中與目標模板相關度最高的子矩陣，并以此為跟蹤點實現跟蹤的一種方法。對比度跟蹤是利用目標與背景的對比度來識別和提取目標信號實現跟蹤的一種方法，可分為形心跟蹤、邊緣跟蹤和峰值跟蹤等。激光干擾對跟蹤性能的影響主要是使跟蹤算法無法準確區分目標和激光光斑。對于相關跟蹤，激光干擾會導致圖像目標區域的跟蹤點誤差增加以及相關度峰值下降，甚至丟失目標。對于形心跟蹤算法，激光干擾會導致光斑和目標一起參與形心等統計量的計算，從而使計算的形心位置偏離基準位置，影響跟蹤精度。

圖1的3幅圖顯示了激光干擾出現前后不同跟蹤算法所呈現的效果。圖1(a)是沒有激光干擾時的原始圖像，通過與目標模板匹配后確定目標區域，圖中方框表示目標區域，十字線表示形心位置，其坐標為(599,460)。當激光照射在目標景物時，在采集的圖像上形成一個白色的光斑，干擾圖像目標區域與目標模板的相關性下降，相關跟蹤算法無法獲取可靠定位點，與原始圖像確定的目標位置不一致，目標丟失，算法失效，如圖1(b)。由于干擾圖像對比度下降，這將影響圖像分割的閾值，導致形心位置計算出現偏差，跟蹤誤差增大，干擾圖像中目標形心坐標為(443,514)，與原始圖像計算的形心位置出現偏差，如圖1(c)。

3 基于圖像尺度的跟蹤效果評價方法

干擾激光對激光主動照明系統跟蹤性能的影響主要表現為光斑對其獲取圖像信息的掩蓋，使圖像中感興趣的邊緣等細節信息受損，難以提取和識別目標。隨著激光能量的持續增加，光斑面積逐漸增大，圖像中的飽和區域面積增大，由于光斑周圍亮度增加，導致人眼或跟蹤器件的關注區域轉移到光斑附近，又因為圖像的對比度下降，使得目標模板和干擾圖像的相關程度下降，最終使跟蹤算法無法準確識別和定位目標。本文提出一種邊緣相似度(edge-similarity, ESIM)跟蹤性能評價算法，該算法從灰度值的改變角度分析干擾圖像的亮度和對比度失真對目標跟蹤的影響程度。同時考慮到邊緣變化會影響到目標的識別，而且大部分跟蹤算法對于目標的提取都是以邊緣提取為前提的，因此邊緣細節的改變程度對目標的準確提取尤為重要[11-17]。綜合以上分析，定義的邊緣相似度評價算法包含3個部分：亮度比較函數、對比度比較函數和邊緣清晰度比較函數。

亮度比較函數l(x,y)為：

(1)

式中:x、y為干擾前后的圖像信號，Lx、Ly分別為原始圖像和干擾圖像的亮度值，計算方法為公式(2)，如果認為x為無失真圖像，則通過比較y相對于x的質量改變情況，可以判斷出y的失真程度。T1為很小的正數，防止分母為零或接近零造成的不穩定。公式(1)中，圖像亮度(即人眼視覺系統感覺到的亮度)L(Lx、Ly下標表示不同的圖像)定義為：

L(i,j)=logp(i,j),

(2)

其中：p(i,j)為單像素的灰度值。

對比度比較函數c(x,y)為：

(3)

式中:Cx、Cy分別為原始圖像和干擾圖像的對比度。T2為很小的正數，防止分母為零或接近零造成的不穩定。由于人眼視覺系統響應主要是依賴于背景亮度的局部變化，而不是絕對亮度值，所以這里定義對比度C來評價單像素點的灰度值相對于平均灰度值的變化情況，公式(3)中C(Cx、Cy下標表示不同的圖像)定義為：

(4)

式中：p(i,j)為單像素的灰度值，μ[p(i,j)]為平均灰度值，計算方法見公式(5)。

(5)

其中:M為圖像總像素數。

邊緣清晰度比較函數d(x,y)為：

(6)

式中:Gx、Gy分別為原始圖像和干擾圖像的梯度幅值。T3為很小的正數，防止分母為零或接近零造成的不穩定。使用Sobel算子對圖像求偏導數，得到水平和垂直方向的梯度分量為G(i,j)(h)和G(i,j)(v)，公式(6)中梯度幅值G(Gx、Gy下標表示不同的圖像)定義為：

(7)

G不為零時，說明對應點處存在灰度變化，為圖像邊緣，G值越大，該點處具有越清晰的邊緣信息，可以用梯度幅值表征圖像的邊緣清晰度。

所以，結合公式(1)、(3)和(6)中的3個比較函數，定義邊緣相似度(ESIM)圖像評價算法為：

ESIM(x,y)=[l(x,y)]α[c(x,y)]β[d(x,y)]γ,

(8)

其中：參數α>0，β>0，γ>0，主要用來調整3個部分的相對重要性，一般取α=β=γ=1。ESIM由亮度比較函數l(x,y)、對比度比較函數c(x,y)和邊緣清晰度比較函數d(x,y)組成，分別體現了當圖像受到激光干擾后，圖像整體上亮度和對比度的改變以及邊緣細節的失真程度。由于獲取圖像的質量在很大程度上決定了跟蹤算法能否準確提取目標，因此，ESIM可用來評估干擾前后跟蹤性能的變化情況及激光干擾效果，ESIM越大，說明激光干擾對跟蹤效果的影響越小；反之，ESIM越大，說明圖像質量越差，激光干擾對跟蹤性能的影響越大。圖2為ESIM算法的流程圖。

圖2 ESIM算法流程圖Fig.2 Flow chart of ESIM algorithm

4 實驗結果與分析

圖3 激光主動成像識別系統Fig.3 Laser active imaging and recognition system

為了驗證本文算法評價跟蹤性能的有效性，實驗中采集了激光干擾功率不同和光斑位置不同的圖像。實驗搭建了一套激光主動成像識別跟蹤系統：使用波長為532 nm的激光二極管泵浦固體激光器發射光束照射遠處的目標，并使用Falcon HG 1M120CMOS相機作為接收裝置采集圖像，像元尺寸為7.4 μm，幀頻為30幀/s，圖像大小為1 024×1 024。軟件編程環境為Pentium Dual-Core CPU、2.60 GHz主頻、內存2G、matlab2008a。激光主動成像系統如圖3所示。

圖4是不同激光功率、不同光斑位置的激光干擾圖像，由于干擾功率不同，對圖像的干擾程度也不同。隨著激光干擾功率的增強，光斑變大并逐漸進入波門，造成形心位置的改變。圖(a)是目標模板圖，圖(b)是原始圖像，圖中方框表示波門，“+”表示形心所在位置，文中取圖(b)中的形心位置為基準形心位置。圖(c)～(g)是激光干擾圖像，激光干擾功率逐漸增強。對于形心跟蹤，可以計算出每幅圖像中目標的形心位置。對于相關跟蹤，仍采用圖4中的干擾圖像，計算出每幅圖像的最佳匹配點位置和相關峰值。同時，運用邊緣相似度(ESIM)算法對目標區域圖像的質量進行評估，結果如表1所示。

(a) 目標模板 (b) 0 mW (c) 200 mW(a) Target image (b) 0 mW (c) 200 mW

(d) 320 mW (e) 420 mW (d) 320 mW (e) 420 mW

(f) 530 mW (g) 620 mW(f) 530 mW (g) 620 mW圖4 激光干擾圖像Fig.4 Laser dazzling images

對原始圖像和干擾圖像均采用形心跟蹤和相關跟蹤算法對目標進行跟蹤，對于形心跟蹤主要分析干擾后的目標形心位置的變化情況，對于相關跟蹤主要研究相關峰值及匹配點位置的變化情況。從表1結果可以看出，對激光干擾功率不同的圖像，隨著激光干擾功率的增加，干擾效果逐漸明顯，干擾圖像的形心位置與基準位置的偏差逐漸增大，干擾圖像中最佳匹配點位置出現偏差，相關峰值逐漸降低。在目標區域，ESIM算法的評價值逐漸減小，說明目標區域的圖像質量逐漸下降，跟蹤準確率下降，因此該算法能夠反映激光干擾對跟蹤性能的影響。

表1 激光干擾對比度跟蹤效果評估

圖5為表1中干擾圖像形心和匹配點位置與基準位置的差異曲線，從圖中可以看出，隨著光斑逐漸增大并進入波門，干擾圖像形心和匹配點位置與基準位置之間的距離差異逐漸增大。這主要是由于光斑改變了目標周圍區域的亮度和對比度，導致在提取目標的過程中所選閾值出現偏差，而且當光斑足夠大時，光斑會遮擋目標信息，此時光斑與目標同時參與了形心等統計量的計算。

圖5 不同功率距離差異曲線Fig.5 Distance error for different power

圖6為表1中相關峰值和ESIM評價值曲線圖，隨著光斑逐漸增大并進入波門，干擾圖像與目標模板的相關峰值逐漸下降，當它下降到一定程度，探測器將無法識別目標，造成目標丟失。在目標跟蹤過程中，目標區域的圖像質量同樣影響識別與跟蹤準確性。從圖6中可以看出，ESIM曲線逐漸下降，說明圖像質量逐漸降低，干擾對圖像的識別跟蹤精度的影響逐漸增大。

圖6 不同功率評價值曲線Fig.6 Different values for different power

5 結 論

對于激光主動成像系統來說，獲取目標圖像的質量決定了其后續程序的跟蹤效果。本文從圖像特征角度出發，對激光干擾主動成像系統跟蹤性能的效果進行了評估。實驗中采集了不同激光干擾功率和不同光斑位置的干擾圖像，分析了出現干擾前后，圖像中目標形心位置、匹配點位置和相關峰值的變化情況，并通過ESIM算法對目標區域的圖像質量給出了歸一化的評價值。實驗結果表明在相關跟蹤模式下，激光干擾對其跟蹤性能的影響主要表現為相關度峰值出現的位置偏離基準位置，相關度峰值隨激光干擾功率增大而減小。在形心跟蹤模式下，隨著激光干擾功率的增強，激光光斑逐漸增大，在視場中覆蓋的范圍變大，導致目標形心位置偏離基準位置。本文提出的基于邊緣相似度的(ESIM)評價方法比較了原始圖像和干擾圖像目標區域的亮度、對比度和邊緣清晰度信息變化情況，隨著激光干擾功率的增強，ESIM方法的評價值降低，說明該方法能夠真實地反映激光干擾對激光主動成像系統跟蹤性能的影響。

[1] 高衛.對光電成像系統干擾效果的評估方法[J].光電工程,2006, 32:461-463.

Gao W. Evaluation method for jamming effectiveness on electro-optical search and tracking systems [J].Opto-electronicEngineering,2006, 32:461-463.(in Chinese)

[2] 王建路,劉雅奇,鄧寶,等.對預警機跟蹤系統的干擾效果分析[J].海軍工程大學學報,2012, 24(6):100-103.

Wang J L, Liu Y Q, Deng B,etal.Analysis of jamming effectiveness early warning aircraft tracking system [J].JournalofNavalUniversityofEngineering,2012, 24(6):100-103. (in Chinese)

[3] 王世勇,付有余,郭勁,等.脈沖激光對CCD圖像跟蹤系統干擾效果評估[J].激光與紅外,2002, 32(1):20-22.

Wang S Y, Fu Y Y, Guo J,etal.Effect evaluation of array CCD detector tracking system irradiated by pulse laser [J].Laser&Infrared,2002, 32(1):20-22. (in Chinese)

[4] 徐銀,邵立,孫曉泉.激光干擾對CCD跟蹤性能影響的圖像尺度分析[J].紅外與激光工程,2012, 4(5):1180-1185.

Xu Y, Shao L, Sun X Q. Image metric analysis of laser jamming effect on CCD tracking performance [J].InfraredandLaserEngineering, 2012, 4(5):1180-1185.(in Chinese)

[5] 吳云龍,孫曉泉,徐銀.基于壓縮感知的激光干擾圖像尺度分析[J].發光學報,2013, 34(8):1096-1101.

Wu Y L, Sun X Q , Xu Y. Image metric analysis of laser jamming effect based on compressed sensing theory [J].ChineseJournalofLuminance,2013, 34(8):1096-1101. (in Chinese)

[6] Durécu A, Vasseur O, Bourdon P. Assessment of laser-dazzling effects on TV-cameras by means of pattern recognition algorithms [C]//ProceedingsofSPIE:TechnologiesforOpticalCountermeasure, Washington: SPIE,2007, 6738:1-9.

[7] Durécu A, Vasseur O, Bourdon P. Quantitative assessment of laser-dazzling effects on a CCD-camera through pattern-recognition-algorithms performance measurements [C].ProceedingsofSPIE:InternationalSocietyforOpticsandPhotonics, Washington：SPIE, 2009, 7483:1-10.

[8] Hueber N, Vincent D, Morin A,etal.Analysis and quantification of laser-dazzling effects on IR focal plane arrays [C]//ProceedingsofSPIE:InfraredTechnologyandApplications, Washington: SPIE,2010, 7660:1-11.

[9] Schleijpen M A, Dimmeler A, Eberle B,etal.Laser dazzling of focal plane array cameras [C]//ProceedingsofSPIE:InternationalSocietyforOpticsandPhotonics, Washington： SPIE,2007, 6738.

[10] Shen H B, Shen X J, Zhou B,etal.Experimental of 532 nm pulsed laser irradiating CCD [J].HighPowerLaserandParticleBeams,2009,21(10):1449-1454.

[11] Wang Z, Bovik A C,Sheikh H R,etal.Image quality assessment: From error visibility to structural similarity [J].IEEETransactiononImageProcessing,2004, 13(4):600-612.

[12] Guan Haochen, Chun Lingyang, Lai Manpo,etal.Edge-based structural similarity for image quality assessment [C]//Acoustic,SpeechandSignalProcessing, New York: IEEE Press,2006:933-936.

[13] 唐永鶴，盧煥章.基于灰度差分不變量的快速局部特征描述算法[J].光學精密工程，2012,20 (2):447-454.

Tang Y H,Lu H Z.Fast local feature description algorithm based on grayvalue differential invariants [J].Opt.PrecisionEng,2012, 20 (2):447-454. (in Chinese)

[14] 米曾真，謝志江，陳濤,等.重軌圖像增強與邊緣提取的關鍵技術[J].光學精密工程，2012, 20 (9): 1646-1649.

Mi Z Z, Xie Z J, Chen T,etal.Key technology of image enhancement and edge extraction for heavy rail [J].Opt.PrecisionEng,2012, 20 (9):1646-1649. (in Chinese)

[15] 韓希珍, 趙建.結合偏微分方程增強圖像紋理及對比度[J].光學精密工程，2012, 20 (6):1383-1386.

Han X Z, Zhao J. Enhancement of image texture and contrast combined with partial differential equation [J].Opt.PrecisionEng,2012, 20 (6):1383-1386. (in Chinese)

[16] 錢方，郭勁，孫濤 等.基于小波加權的激光干擾效果評估[J].液晶與顯示，2013，28 (5):781-787.

Qian F, Guo J, Sun T,etal.Assessment of laser-dazzling effects based on weighted wavelet transforms [J].ChineseJournalofLiquidCrystalsandDisplays, 2013，28 (5):781-787. (in Chinese)

[17] Yuan L H, Fu L, Yang Y,etal.Analysis of texture feature extracted by gray level co-occurrence matrix [J].JournalofComputerApplications,2009, 29(4):1018-1021.