雷達告警態(tài)勢圖在小型艦船跟蹤預警系統(tǒng)中的應用

孟 勃，韓廣良，李 波

（1.東北電力大學 信息工程學院，吉林 吉林 132012；2.中國科學院 長春光學精密機械與物理研究所，吉林 長春 130033；3.北京航空航天大學 計算機學院 數(shù)字媒體北京市重點實驗室，北京 100191）

1 引 言

近年來，隨著靶場對設備自動化程度要求的不斷提高，對于光電跟蹤系統(tǒng)的跟蹤和捕獲運動目標的能力的要求也越來越高［1］。光電跟蹤系統(tǒng)主要完成對特定區(qū)域的晝夜搜索監(jiān)視、目標探測、目標跟蹤與自動告警等功能［2］，主要由前端探測設備、伺服系統(tǒng)和后端控制系統(tǒng)、信息處理系統(tǒng)、人機交互裝置和告警裝置等組成［3］。

由于近年來在光電和傳感器陣列技術方面取得的持續(xù)進展，現(xiàn)代化成像設備將會更緊湊、更模塊化、更輕便，態(tài)勢感知是在各種作戰(zhàn)環(huán)境下部署越來越多光電傳感器的主要原因［4］。因為光電系統(tǒng)是取得態(tài)勢感知的理想傳感器，所以越來越多的水面艦艇都在裝備光電系統(tǒng)以提高自身的圖像收集能力。

光電探測／跟蹤技術越來越廣泛地應用在水面艦艇、潛艇和海軍用無人機上，進行360°威脅探測的作戰(zhàn)。目前，美國海軍用光電跟蹤系統(tǒng)來提高目標識別的準確率以獲取態(tài)勢感知信息，并集成現(xiàn)代艦船作戰(zhàn)指導系統(tǒng)和多傳感器系統(tǒng)，生成目標運動態(tài)勢圖，提升作戰(zhàn)防御能力和指揮部署能力［5］；荷蘭的泰利斯公司開發(fā)的“天狼星”遠程／雙頻光電搜索與跟蹤系統(tǒng)由2個獨立可調(diào)的可見光傳感器組成［6］，該公司在艦載光電傳感器設計、制造方面一直處于領先地位；法國的SAGEM公司把光電指揮儀的功能與光電搜索與跟蹤系統(tǒng)的作戰(zhàn)能力進行了融合，并把舷上全景光電多功能系統(tǒng)傳感頭加上舷下電子穩(wěn)定數(shù)據(jù)處理設備交付給了比利時海軍［7］。

在國內(nèi)，海防視頻監(jiān)控站系統(tǒng)［2］實現(xiàn)了雷達與光電的有效同步工作。中國電子科技集團公司第十一研究所研發(fā)了一種專用的雷達圖像解析技術，在獲得雷達圖像后，可直接在圖像上點擊任意目標，通過軟件實現(xiàn)目標當前位置與光電平臺的光軸之間角度、距離的解算，實時引導光電的光軸指向目標，而且這種方式不存在多目標隊列問題，可根據(jù)圖像對任意目標按任意順序進行引導，大大提高了雷達引導的效率和方便性，實現(xiàn)了真正意義上的雷達引導［8］。

采用雷達進行測距的效果雖然顯著，但是價格比較昂貴。本文采用一種數(shù)字圖像處理及模式識別算法相結合的技術來模擬光電雷達的測距作用，實現(xiàn)雷達測距的效果，采用可見光探測裝置來被動地發(fā)現(xiàn)目標，獲取目標的視頻圖像和方位信息，并通過目標識別及跟蹤的方法來獲取目標距離信息，生成目標的態(tài)勢信息，結合全景圖成像技術，通過雷達告警態(tài)勢圖的方式在顯示設備上實時顯示、告警，以實現(xiàn)對目標態(tài)勢的正確感知、情況顯示及匯報。

2 光電跟蹤系統(tǒng)的組成和工作過程

一般來說，光電跟蹤系統(tǒng)的組成大致分為幾個部分，如圖1所示，成像探測分系統(tǒng)是前端成像裝置，主要是可見光相機，用于形成探測區(qū)域的光電圖像；伺服轉臺分系統(tǒng)的作用是按照主控系統(tǒng)指令，帶動探測設備按照指定規(guī)則運動；主控系統(tǒng)的作用是控制整個系統(tǒng)的協(xié)調(diào)工作；圖像處理分系統(tǒng)主要實現(xiàn)圖像的預處理及增強、目標的檢測識別、跟蹤告警和圖像態(tài)勢生成等功能；圖像顯示分系統(tǒng)用來顯示雷達告警態(tài)勢圖；人機交互裝置主要是與操作人員進行控制指令的交互。

圖1 光電跟蹤系統(tǒng)的組成Fig.1 Constitution of optical tracking system

它的工作過程是：伺服轉臺帶動成像探測器受主控系統(tǒng)的命令控制，按照預定義巡視策略，自動對系統(tǒng)周圍一定范圍內(nèi)的景象進行掃描成像，前端伺服轉臺處的穩(wěn)定平臺和后端圖像處理器中的電子穩(wěn)像處理機制保持圖像穩(wěn)定清晰，將實時圖像和信息顯示在顯示設備上；伺服轉臺上的成像探測器（這里是可見光攝像機）獲取的場景視頻圖像通過綜合電纜發(fā)送到主控系統(tǒng)中的圖像處理器，圖像處理器對圖像進行運算分析，自動識別和捕獲出現(xiàn)在圖像中的各種目標物體，并對目標進行屬性和參數(shù)計算，獲得目標威脅度參數(shù)，發(fā)送給主控系統(tǒng)進行告警處理，同時將計算得到的目標視頻信息以及各種位置和運動信息通過視頻電纜發(fā)送到圖像顯示器處，由顯示裝置進行目標圖像顯示或者添加視頻信息顯示；主控系統(tǒng)發(fā)現(xiàn)某目標超出告警閾值后，觸發(fā)告警裝置，通知操作人員處置，操作人員通過人機交互裝置進行危險處置。

3 雷達告警態(tài)勢圖形成和顯示關鍵技術

3.1 基于序列圖像的拼接

基于視頻序列的數(shù)字圖像拼接是指具有重疊區(qū)的多幀視頻通過數(shù)字配準和融合獲得單幅寬視場靜態(tài)全景圖或動態(tài)全景圖，數(shù)字圖像拼接過程包括視頻圖像的獲取、預處理、圖像配準和圖像融合等步驟［9］。根據(jù)數(shù)字圖像拼接系統(tǒng)圖像輸出的類型來分類，基于視頻序列的圖像拼接可以分為基于視頻序列的靜態(tài)圖像拼接和基于視頻序列的動態(tài)圖像拼接［9］。

多幀圖像拼接時存在累積誤差是基于視頻序列拼接的普遍問題。配準算法的主要目的是為了減小或消除多幀圖像拼接時的累積誤差［9］。R.Marzotto［10］等提出了一種利用視頻序列采用仿射變換方法自動構建全景拼接圖像的方法，通過全局配準減小了配準積累誤差，生成超分辨率全景圖像。Dae－Woong Kim［11］等提出一種采用有序塊匹配的快速全局拼接算法。通過引入像素點特征的非確定性信息，用規(guī)則間隔的柵格特征替代角點特征和線結構，采用最短路徑搜索（Shortest－path Search，SSPS）算法以有序方式尋找精確的全局匹配。

圖2 改進的SIFT算法的圖像配準結果Fig.2 Registration result using the improved SIFT

本文采取的是基于改進SIFT算法進行視頻圖像的配準和拼接［12－14］。由于本文主要闡述的是雷達告警態(tài)勢圖的生成和顯示過程，全景圖的拼接和顯示只是其中一個步驟，在這里將不再贅述。圖2是本文采用的改進SIFT算法進行圖像配準的結果。

3.2 全景圖的顯示

拼接過程沒有考慮存在運動目標的情況，僅對靜止背景有效，若存在運動目標，可以采用對背景和前景分層表示的全景圖技術：將根據(jù)主運動分析方法檢測出的運動目標從各幀中去除后得到的靜止背景圖，使用窄條拼接方法生成靜止的背景全景圖，而將各幀檢測得到的運動目標單獨存儲為前景圖，然后根據(jù)用戶瀏覽全景圖的時刻來將對應幀的運動目標鑲嵌到背景全景圖上。

為了在使用單個攝像機的條件下，在大視場范圍內(nèi)檢測并跟蹤運動目標，就需要控制攝像機云臺掃描整個視場，此時場景中原本靜止的背景及運動物體在攝像機的視頻中都是運動的，因而要監(jiān)測環(huán)境中的運動目標，基本的方法是首先依據(jù)某種運動模型估計背景運動（主運動），然后將運動目標作為相對于背景運動的出格點檢測出來。

3.3 目標的檢測和跟蹤

室外場景和目標的復雜性使得現(xiàn)有的運動目標檢測和跟蹤算法準確性較低、魯棒性較差、處理能力較弱，需要進一步提高檢測精度，降低虛警率，提高跟蹤的適應性，避免誤跟蹤。

3.3.1 目標檢測

對于運動目標檢測，現(xiàn)有方法往往在處理以下兩種情況時顧此失彼：一種情況是準確檢測到慢速目標或運動著的小目標，另外一種情況是排除樹枝葉晃動等背景擾動，以及霧氣、沙塵等噪聲干擾。這兩種情況在處理上的矛盾造成目標檢測在準確性和魯棒性上不能取得令人滿意的效果。一個可行的發(fā)展方向就是結合像素點的時空相關性，并挖掘視頻場景蘊含的信息，提高運動目標檢測的層次，把檢測從像素點層面提升到語義理解層面，從而更好地去除干擾，準確檢測到各種運動目標。相鄰幀差法是模式識別傳統(tǒng)算法之一，由于算法簡單、易在實際系統(tǒng)中實現(xiàn)，故本文采取相鄰幀差法進行目標的檢測。

3.3.2 目標跟蹤

現(xiàn)有的目標跟蹤算法一般適用于簡單背景下的機動目標，或者針對某一類特定目標，在復雜背景下以及存在多運動目標、目標被遮擋、目標作無規(guī)律運動以及形變時難以進行連續(xù)準確、穩(wěn)健的跟蹤。充分學習目標的有效特征并建立特征的描述，挖掘各種特征之間的互補性，利用多特征融合提高跟蹤的準確性和穩(wěn)健性，進而與人類感知結合來提升目標跟蹤的層次，這是目標跟蹤的一個發(fā)展方向。粒子濾波算法由于其良好的性能及算法簡單、易于實現(xiàn)等特點，近年來被廣泛應用于目標跟蹤領域，本文采用改進的粒子濾波方法來實現(xiàn)對目標準確、穩(wěn)定的跟蹤［15］。

本文選取1組視頻流作為測試圖像進行跟蹤算法性能的測試，全部測試序列的幀率為25幀／s，這些測試中包含了運動目標旋轉，局部遮擋等復雜情況，實驗在 Windows XP平臺上用Visual C＋＋6.0編程實現(xiàn)，選擇其中的幾幀以及目標跟蹤結果，如圖3所示。從圖中可知，當目標（（a））被部分甚至全部遮擋時（（b）－（e）），改進粒子濾波以犧牲幾幀（不超過10幀）為代價（（f）－（h）），通過不斷更新模板的值對目標的運動進行預測，得以重新捕獲目標（（i）），可見改進粒子濾波跟蹤算法對于目標被遮擋的復雜情況具有很好的預測及跟蹤效果，并通過優(yōu)化改進，可以應用于實際光電跟蹤系統(tǒng)中［15］。

圖3 目標發(fā)生遮擋的復雜情況下的跟蹤結果Fig.3 Result images when object was occluded

3.4 基于圖像處理方法的目標測距

在圖1中的伺服轉臺的巡視過程中，成像探測器（這里采用的是可見光攝像機）不斷獲取周圍場景圖像，同時圖1中的圖像處理器對圖像進行實時的處理和識別，不斷檢測視場內(nèi)是否有機動目標存在，當在某個視場內(nèi)檢測到目標后，進行目標跟蹤，可持續(xù)獲取目標的各個運動點處的圖像跟蹤結果。為了進行目標告警，需要獲取已探測到的目標的方位坐標。

本文以小型艦船預警跟蹤系統(tǒng)為例，說明如何基于圖像處理方法進行目標測距。如圖4所示，在水平面內(nèi)，建立以光電探測器當前位置為坐標原點（即系統(tǒng)所在位置為坐標原點）的坐標系，Y軸指向正北方向。

圖4 目標跟蹤坐標系示意圖Fig.4 Coordinate system of object tracking

當伺服轉臺轉動到某一角度后，圖像處理器在圖像內(nèi)識別出一個目標，則通過圖像中目標脫靶量的計算和視角換算，可以得到當前目標的方位（航向）角α（實際上由于轉臺安裝在艦船上，這個α等于艦船當前航行角α1和轉臺轉動角α2之和）。為了確定當前識別和跟蹤的目標在建立的坐標系內(nèi)的具體方位坐標，從圖4中可見，還需要知道當前艦船與被識別目標的距離D。

由于本系統(tǒng)相對被跟蹤目標來說，屬于單目觀察，理論上是無法通過目標跟蹤解算出與被跟蹤目標的距離的。這里我們采用以下方法來單目估算目標距離：由于我們目前針對的是艦船目標，而各種艦船目標的尺寸是大致已知的，因此，通過圖像處理器對目標的識別，可大致將目標船只的種類確定下來，根據(jù)預輸入的各種已知艦船的典型尺寸，我們即可換算出此時所在艦船與被跟蹤目標的距離，如圖5所示。

從圖6中可知，鏡頭焦距f已知，被測目標在圖像中的像長可通過圖像跟蹤器測算出來，被測目標船只的典型尺寸L也已知，則可以粗略計算出當前被測目標的距離D。

圖5 目標距離的計算Fig.5 Calculation of the object distance

至此，我們可得到在圖5所建立的坐標系內(nèi)，被測目標的坐標參數(shù)（α，D），因而，相對于當前所在艦船的坐標即可計算出來。我們在目標跟蹤的每一幀圖像中，均進行此計算，則可得到諸如目標的軌跡、速度、加速度等各種運動參數(shù)。

圖6 雷達告警態(tài)勢圖綜合顯示示意圖Fig.6 Radar warning situation map（RWSM）

4 雷達告警態(tài)勢圖的生成和顯示

4.1 目標態(tài)勢生成

4.1.1 全景圖拼接生成

系統(tǒng)在完成一次360°全方位掃描過程中，成像系統(tǒng)不斷采集圖像，當一個周期的掃描完成后，形成一個全方位圖像序列。在掃描過程中，圖像處理器將根據(jù)2.4所述的方法實時計算出每幅圖像成像時對應的光軸角度數(shù)據(jù)（包括俯仰、方位兩個角度方向）。由圖像處理器將該一個周期圖像序列中的單幀，結合各幀角度信息，利用圖像拼接技術，逐幀依次拼接成一幅全景圖像。由于該全景圖像覆蓋了360°全景范圍，因此一般拼接而成的圖像為一個圓形圖像區(qū)域。一個360°掃描周期，形成一幅全景圖像，送往顯示系統(tǒng)顯示到雷達告警態(tài)勢圖上。

4.1.2 全景目標編批軌跡

在一次360°全方位掃描過程中，當每幅圖像采集成功后，送往圖像處理器，圖像處理器對此圖像進行單幀實時圖像處理，在圖像中自動捕獲和跟蹤出現(xiàn)的目標，并記錄對應目標位置。在生成的全景拼接圖中，伴隨每單幀圖像的位置的全景視場變換，與該幀圖像對應檢測出的目標位置也經(jīng)過同樣的視場變換，從而形成在全景拼接圖中的目標位置。在連續(xù)的全景圖序列中，圖像處理器根據(jù)目標的運動規(guī)律，對目標進行整體編批，并進行目標軌跡的擬合和預測，從而形成目標的軌跡圖。

4.1.3 目標態(tài)勢生成

在前述的目標編批和軌跡生成過程中，進入掃描區(qū)域的每一個目標均被捕獲和跟蹤，可以計算每一個目標的運動軌跡、運動方向、運動速度等數(shù)據(jù)，根據(jù)這些數(shù)據(jù)，可得到每個目標的未來某時刻的位置預測。目標的實際運動軌跡加上未來時刻預測位置軌跡，即可形成某目標的運動趨勢態(tài)勢。

4.1.4 詳查目標圖像和視頻生成

在人工選擇需詳查目標，或系統(tǒng)自動檢測出高危險警告目標時，圖像處理器根據(jù)指定目標在全景圖中的位置信息，換算到原360°單幀圖像序列，從其中抽取出包含該詳查目標的對應圖像幀，同時提取該幀圖像對應的伺服轉臺光軸角度、目標跟蹤位置等信息。在選定詳查目標后，轉臺轉動到該詳查目標區(qū)域，圖像處理器將該目標的測距數(shù)據(jù)同樣記錄到該目標的跟蹤信息中。在每一周期360°全方位掃描序列圖像中，提取一幅單幀圖像，則連續(xù)周期情況下，即形成一個對應該詳查目標的連續(xù)單幀圖像序列，以此序列形成連續(xù)視頻，即形成詳查目標連續(xù)監(jiān)視和跟蹤視頻。

4.2 目標態(tài)勢顯示

4.2.1 全景圖顯示

圖像處理系統(tǒng)生成的360°全景圖像，顯示在左側圓形區(qū)域中，作為該區(qū)域的最底層顯示背景，每個掃描周期更新一次。其他信息透明疊加在此圖像上層。在全景圖中心位置設置告警區(qū)域線標注，由用戶設置告警區(qū)域大小，用于進行自動告警目標標注和警告提醒。

4.2.2 目標圖像態(tài)勢圖顯示

圖像處理系統(tǒng)檢測出的目標，被分別編批跟蹤，將這些編批目標的歷史運動軌跡顯示到全景圖上，包括其未來某時刻的預測位置，并將對應某目標的全部運動位置，連接為連續(xù)曲線，從而形成目標態(tài)勢圖。仿照電磁波雷達的顯示方式，態(tài)勢圖中反應了目標的方位信息和距離信息，雷達告警態(tài)勢圖是一個示意圖，其中采用目標的方位角度和距離信息，繪制與電磁波雷達一致的圖形，并按照距離標注，可以清晰地觀察目標與本觀測點之間的位置信息。態(tài)勢圖中的特殊目標標注：1.詳查目標：自動標注為醒目顏色，如采用藍色或黃色框框住目標；2.告警目標：根據(jù)圖像處理系統(tǒng)自動目標跟蹤和預測結果，對于已進入或將進入告警區(qū)域的目標，作為告警目標，自動標注為紅色，并閃爍提醒。

4.2.3 目標詳察顯示

對于選擇的詳查目標，在左側目標圖像態(tài)勢圖中，標注為醒目顏色，以與其他目標進行區(qū)別。在右側目標詳查顯示區(qū)域，顯示該目標的詳查視頻圖像，此視頻圖像為圖像處理系統(tǒng)在掃描過程中提取的光電原始圖像。詳查視頻圖像中的信息顯示：1.在目標跟蹤位置疊加該目標的跟蹤窗口；2.顯示目標的當前位置信息（方位、俯仰）；3.顯示目標的距離信息（根據(jù)數(shù)字圖像處理方法測距結果）。

4.2.4 雷達告警態(tài)勢圖綜合態(tài)勢顯示

結合目標的距離、方位、軌跡等信息進行關聯(lián)分析，狀態(tài)估計等，自動在態(tài)勢圖上自動標繪顯示，生成綜合態(tài)勢。在綜合信息顯示區(qū)域顯示進入視場所有目標隊列；進入視場的所有目標，已被圖像處理系統(tǒng)進行自動捕獲和跟蹤，并編批和軌跡預測，這里按照目標的威脅等級，依次顯示目標的各種綜合數(shù)據(jù)參數(shù)，包括：目標編號、當前位置（俯仰、方位）、距離、運動速度、運動方向、加速度等。告警和詳查目標綜合信息，對于進入告警區(qū)域的目標，以及用戶選擇的詳查目標，作為重點目標看待，同樣依次按照威脅等級顯示其綜合信息。

4.3 實驗結果

圖7 跟蹤畫面Fig.7 Tracking image

在自行設計的小型艦船預警跟蹤系統(tǒng)中采用了本文所述方法來形成雷達告警態(tài)勢圖。如圖7～圖9所示。圖7顯示了系統(tǒng)的實時跟蹤圖像，上面疊加了計算所得的目標方位及運動信息；圖8是跟蹤多個目標所計算獲得的每個目標的船型、速度、航向等態(tài)勢信息，并形成了雷達態(tài)勢圖，并根據(jù)事先設定的預警策略，報告目標的威脅程度，圖中的紅色虛線為人為設定的警戒線，一旦有其他物體（觀察的目標）運動進入了警戒線內(nèi)，系統(tǒng)便啟動告警裝置進行預警；圖9是小型艦船預警系統(tǒng)中的雷達告警態(tài)勢圖綜合顯示圖，分為雷達告警態(tài)勢圖區(qū)域、系統(tǒng)設置區(qū)域、圖像測距結果顯示區(qū)域、跟蹤模式選擇區(qū)域、系統(tǒng)狀態(tài)顯示區(qū)域等多個信息顯示區(qū)域。通過系統(tǒng)的實際測試表明，本文提出的方法能夠較準確的估計出目標的距離，保證了系統(tǒng)跟蹤的準確性和穩(wěn)定性。

圖8 告警態(tài)勢圖Fig.8 Radar warning situation map

圖9 小型艦船預警系統(tǒng)中的雷達告警態(tài)勢圖綜合顯示Fig.9 RWSM in small ship alert system

5 結 論

本文提出了一種目標態(tài)勢顯示方法。采用一種數(shù)字圖像處理及模式識別算法相結合的技術來模擬光電雷達的測距作用，實現(xiàn)雷達測距的效果。采用可見光探測裝置來被動地發(fā)現(xiàn)目標，獲取目標的視頻圖像和方位信息，并通過目標識別及跟蹤的方法來獲取目標距離信息，生成目標的態(tài)勢信息，結合全景圖成像技術，通過雷達告警態(tài)勢圖的方式在顯示設備上實時顯示、告警，以實現(xiàn)對目標態(tài)勢的正確感知、情況顯示及匯報。實驗結果表明，本文提出的方法簡單有效，但是仍需在目標識別技術上進行改進，以提高目標的識別準確率。

［1］王建立.光電經(jīng)緯儀電視跟蹤、捕獲快速運動目標技術的研究［D］.長春：中國科學院長春光學精密機械與物理研究所，2002.Wang J L.Study on TV tracking system of O－E theodolite to track and acquire fast moving targets［D］.Changchun Institute of Optics，F(xiàn)ine Mechanics and Physics，Chinese Academy of Sciences，China.2002.（in Chinese）

［2］李立仁.淺談海防監(jiān)控中的雷達與光電互動和透霧功能［J］.激光與紅外，2006，36（12）：1155－1156.Li L R.Brief descriptions of the function of the interaction between radar and video image and passing through the fog in the system of video monitor and control［J］.Laser ＆Infrared，2006，36（12）：1155－1156.（in Chinese）

［3］王斌，唐明南.光電／雷達復合導引頭機動目標自適應跟蹤技術［J］.紅外與激光工程，2007.36（9）：205－208.Wang B，Tang M N.Maneuvering target adaptive tracking technique of photoelectric／radar compound seeker［J］.Infrared and Laser Engineering，2007，36（9）：205－208.（in Chinese）

［4］薛志斌.海軍光電系統(tǒng)的最新技術進展［J］.艦船電子對抗，2007，30（5）：14－18.Xue Z B.Latest technology development of naval electro－optic system ［J］.Shipboard Electronic Countermeasure，2007，30（5）：14－18.（in Chinese）

［5］Massiomo A.New roles for submarines［J］.Military Technology，2002（9）：46－47.

［6］Sharon W.Millimeter－wave weapon shifts to over－water applications［J］.Aviation Weekly，2006（14）：54.

［7］David K B.Radar today［J］.The Journal of Electronic Defence，2005（3）：87.

［8］吳壯志，王冬華.海防視頻監(jiān)控系統(tǒng)中運動目標跟蹤的設計與實現(xiàn)［J］.計算機工程與科學，2008，30（3）：57－61.Wu Z Z，WANG D H.Design and implementation of moving object tracking in the coastal defense video suiveillance system ［J］.Computer Engineering ＆ Science，2008，30（3）：57－61.（in Chinese）

［9］余宏生，金偉其.數(shù)字圖像拼接方法研究進展［J］.紅外技術，2009，31（6）：348－353.YU H S，JIN W Q.Evolvement of research on digital image mosaics methods［J］.Infrared Technology，2009，31（6）：348－353.（in Chinese）

［10］Marzotto R，F(xiàn)usiello A，Murino V.High resolution video mossicing with global alignment［C］.Proceeding of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recogniton，2004（1）：692－698.

［11］Dae－Woong K，Ki－Sang H.Real－time mosaic using sequential graph［J］.Journal of Electronic Imaging，2006，15（2）：023005－1.

［12］Lowe D G.Object recognition from local scale－invariant feature［C］.Proceedings of International Conference on Computer Vision，1999，2：1150－1157.

［13］Lowe D G.Distinctive Image features from scale－invariant keypoints［J］.International Journal of Computer Vision，2004，60（2）：91.

［14］孟勃，韓廣良.基于改進的尺度不變特征變換特征點匹配的電子穩(wěn)像算法［J］.計算機應用，2012，32（10）：2817－2820.Meng B，Han G L.Electronic image stabilization algorithm using improved scale invariant feature transform ［J］.Computer Application，2012，32（10）：2817－2820.（in Chinese）

［15］孟勃，韓廣良，裴炳南，等.基于自適應粒子濾波的目標跟蹤算法［J］.光子學報，2008，37（11）：252－255.Meng B，Han G L，Pei B N，et al.Object tracking based on adaptive particle filter［J］.Acta Photonica Sinica，2008，37（1）：252－255.（in Chinese）