新形勢(shì)下紅外成像導(dǎo)引頭目標(biāo)檢測(cè)識(shí)別共性技術(shù)分析

李天

摘 要：紅外成像制導(dǎo)的原理是利用目標(biāo)探測(cè)器來(lái)探測(cè)目標(biāo)的紅外輻射，以此捕獲目標(biāo)紅外圖像。簡(jiǎn)而言之，就是借助目標(biāo)與背景之間的熱輻射差，使圖像實(shí)現(xiàn)自動(dòng)導(dǎo)引的一種新型制導(dǎo)方法。目前，這種方法已被普遍應(yīng)用于多種戰(zhàn)術(shù)系統(tǒng)中。紅外制導(dǎo)技術(shù)的核心是目標(biāo)檢測(cè)識(shí)別技術(shù)，而后者又是成像導(dǎo)引頭中較為重要的技術(shù)。在此，簡(jiǎn)要分析了紅外成像引導(dǎo)頭目標(biāo)檢測(cè)識(shí)別共性技術(shù)的相關(guān)內(nèi)容，以期為日后的相關(guān)工作提供參考。

關(guān)鍵詞：紅外成像導(dǎo)引頭；目標(biāo)檢測(cè)識(shí)別技術(shù)；新型制導(dǎo)方法；紅外輻射

中圖分類(lèi)號(hào)：TJ765.3+33 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.15913/j.cnki.kjycx.2016.19.138

1 紅外弱小目標(biāo)檢測(cè)技術(shù)

紅外弱小目標(biāo)檢測(cè)對(duì)于紅外系統(tǒng)成像來(lái)說(shuō)起著決定性的作用，它直接決定著紅外成像系統(tǒng)探測(cè)的靈敏度和發(fā)展的距離。當(dāng)目標(biāo)距離比較遠(yuǎn)時(shí)，目標(biāo)的成像面積小、邊緣模糊、對(duì)比度低等，檢測(cè)到的信號(hào)強(qiáng)度不強(qiáng)。尤其是在受到地勢(shì)的干擾下，高大植物、街道、海水等干擾因素會(huì)與目標(biāo)重疊，使其沒(méi)有辦法從灰度、形狀等因素中區(qū)分出目標(biāo)，最后造成成像的信號(hào)低，為一些小目標(biāo)的檢測(cè)增加了難度。所以，在復(fù)雜場(chǎng)景中，小目標(biāo)的準(zhǔn)確檢測(cè)成為了紅外成像系統(tǒng)中的重點(diǎn)。當(dāng)前，對(duì)于紅外弱小目標(biāo)的檢測(cè)主要是以低信噪比、在復(fù)雜背景中如何提高檢測(cè)算法的有效性和時(shí)效性為目標(biāo)，致力于研究運(yùn)算工作量小、性能優(yōu)良、有利于硬件運(yùn)行的檢測(cè)算法。

對(duì)于小目標(biāo)來(lái)說(shuō)，一般采用的是空間時(shí)間濾波算法，而時(shí)間濾波器在空間濾波器后的算法被稱(chēng)為DBT，就是先檢測(cè)，再跟蹤。這種算法先要對(duì)空間濾波進(jìn)行預(yù)處理，目的是使單幀圖像做到背景抑制和目標(biāo)增強(qiáng)，增強(qiáng)信噪比，其次用自適應(yīng)門(mén)限檢測(cè)方法來(lái)處理目標(biāo)，以時(shí)間序列來(lái)分析時(shí)間域?yàn)V波，以此找到目標(biāo)。而時(shí)間濾波器在空間濾波器前的算法被稱(chēng)為T(mén)BD，它并不需要公布檢測(cè)結(jié)果，也不需要設(shè)置自適應(yīng)檢測(cè)門(mén)限，就是把每一幀信息進(jìn)行數(shù)字化處理然后儲(chǔ)存起來(lái)，在每一幀之間對(duì)假設(shè)的路徑包含的點(diǎn)進(jìn)行沒(méi)有信息損失的處理。這樣，通過(guò)這些幀的積累，當(dāng)指定目標(biāo)的軌跡出來(lái)時(shí)，就可以一起公布檢測(cè)結(jié)果和指定軌跡。

1.1 先檢測(cè)后跟蹤（即DBT算法）

運(yùn)用先檢測(cè)后跟蹤的方法檢測(cè)紅外弱小目標(biāo)時(shí)，目標(biāo)檢測(cè)算法的關(guān)鍵在于單幀圖像的處理結(jié)果。而紅外目標(biāo)與背景之間的區(qū)別是單幀紅外圖像的檢測(cè)法，表現(xiàn)在像素灰度差異，通常都是在變換域的部分需要檢測(cè)，小波變換是比較常見(jiàn)的一種，其具有的多尺度特性，使其適合于低信噪比環(huán)境中的紅外目標(biāo)

檢測(cè)，而它的某個(gè)特性在能夠抑制有些部分的圖像特征時(shí)，也能夠使一些特征被突顯出來(lái)。由于基函數(shù)間隔不是固定的，它能夠做到間斷信號(hào)定位，在對(duì)某一幅圖像做二維離散小波變換時(shí)，能夠產(chǎn)生不同的分辨力，并且減小空間子圖，在適合的位置保持雜波和目標(biāo)。該算法的運(yùn)行過(guò)程如圖1所示。

1.2 先跟蹤后檢測(cè)（即TBD算法）

一般跟蹤前的檢測(cè)方法在獲取每幀數(shù)據(jù)時(shí)并檢測(cè)，但是，偶爾會(huì)把沒(méi)有聯(lián)系的數(shù)據(jù)視為無(wú)關(guān)數(shù)據(jù)清除，而可被清除的數(shù)據(jù)有時(shí)會(huì)內(nèi)含重要信息，所以，這種檢測(cè)方法并不能實(shí)現(xiàn)提高低可觀測(cè)目標(biāo)的檢測(cè)性能的目標(biāo)。而上述方法就可在一定程度上防止此類(lèi)問(wèn)題的發(fā)生，并且能夠同時(shí)處理多次掃描所收集到的數(shù)據(jù)，在一定程度上加強(qiáng)了低可觀測(cè)目標(biāo)的信噪比。在檢測(cè)結(jié)果出來(lái)時(shí)得到目標(biāo)航跡，這種方法能夠同時(shí)跟蹤圖像里大部分的可能軌跡，而且再利用某種判據(jù)（軟判斷）逐條判斷可能的錯(cuò)誤軌跡，找出并且刪除由噪聲組成的假軌跡。當(dāng)判斷超過(guò)門(mén)限時(shí)，就能夠確定這個(gè)軌跡為目標(biāo)航跡的硬判斷，而且能有效防止信噪比低所造成的漏檢現(xiàn)象。因而，這類(lèi)計(jì)算方法非常適合低信噪比弱小目標(biāo)的檢測(cè)，但不足之處是計(jì)算過(guò)程不簡(jiǎn)單，比較煩瑣。

2 圖像配準(zhǔn)的技術(shù)

在紅外成像系統(tǒng)中，一般都會(huì)將圖像傳感器放置在動(dòng)態(tài)位置，但是，無(wú)論是安裝在靜止平臺(tái)或者是運(yùn)動(dòng)平臺(tái)上，都會(huì)對(duì)傳感器產(chǎn)生一些或多或少的干擾，同樣的，傳感器在運(yùn)動(dòng)的過(guò)程中也會(huì)對(duì)自身產(chǎn)生干擾，干擾目標(biāo)檢測(cè)和跟蹤算法的性能。為此，要先對(duì)圖像傳感器作出運(yùn)動(dòng)估計(jì)和補(bǔ)償，再檢測(cè)成像目標(biāo)。

運(yùn)動(dòng)目標(biāo)檢測(cè)方案是：①形成圖像匹配；②利用魯棒估計(jì)參數(shù)（運(yùn)動(dòng)參數(shù)）；③運(yùn)動(dòng)補(bǔ)償（上一步的運(yùn)動(dòng)參數(shù)）；④補(bǔ)償后運(yùn)動(dòng)圖像的序列檢測(cè)。

成像運(yùn)動(dòng)目標(biāo)的關(guān)鍵點(diǎn)是：①提取圖像特征，進(jìn)行圖像匹配，獲得兩幀圖像之間的匹配對(duì)；②選出一種最適合圖像傳感器的運(yùn)動(dòng)模型，由圖像配準(zhǔn)的結(jié)果來(lái)估計(jì)運(yùn)動(dòng)參數(shù)；③根據(jù)運(yùn)動(dòng)參數(shù)補(bǔ)償運(yùn)動(dòng)模型圖像。

2.1 圖像匹配分析

從傳統(tǒng)角度上講，圖像匹配分析可分為基于區(qū)域和基于特征的匹配方法，前者包含灰度的相關(guān)計(jì)算和有關(guān)相位的相關(guān)算法，圖像像素點(diǎn)會(huì)直接參與匹配運(yùn)算。其中，所采用的相似性度量包括關(guān)系數(shù)和圖像差，適用于結(jié)構(gòu)與區(qū)域特征不發(fā)生細(xì)節(jié)改變的2個(gè)圖像。后者的特點(diǎn)是提取圖像中的特征，再建2個(gè)圖像之間的匹配關(guān)系，而其難點(diǎn)在于特征提取與匹配過(guò)程消除的模糊性和不一致性。它適用于結(jié)構(gòu)特征不變，區(qū)域特征改變，結(jié)構(gòu)特征仿射變換等因素造成的結(jié)構(gòu)改變的圖像。

2.2 運(yùn)動(dòng)目標(biāo)的檢測(cè)

通常情況下，運(yùn)動(dòng)目標(biāo)檢測(cè)取決于圖像傳感器與背景是否運(yùn)動(dòng)，而運(yùn)動(dòng)目標(biāo)檢測(cè)方法可分為靜態(tài)、動(dòng)態(tài)背景。背景運(yùn)動(dòng)時(shí)，經(jīng)過(guò)運(yùn)動(dòng)估計(jì)和運(yùn)動(dòng)補(bǔ)償就可以轉(zhuǎn)化為靜態(tài)背景運(yùn)動(dòng)目標(biāo)去檢測(cè)。而運(yùn)動(dòng)目標(biāo)的檢測(cè)方法又分為背景模型法、背景差分法等方法。

背景模型法是建立在模擬背景圖像的模型上，比較當(dāng)前幀像素點(diǎn)和建立的模型判斷是目標(biāo)像素背景像素之間的哪一個(gè)，以達(dá)到目標(biāo)檢測(cè)的目的。

背景差分法檢測(cè)目標(biāo)是在當(dāng)前幀圖像與背景圖像之間做差，從理論上來(lái)說(shuō)，這是檢測(cè)目標(biāo)的方法中最容易的。但是，在實(shí)際操作中，這種方法是無(wú)法獲得理想的背景圖像的。在攝像機(jī)被固定的情況下，最理想的獲得背景的方法就是無(wú)運(yùn)動(dòng)目標(biāo)采集背景圖像儲(chǔ)存，再隨著外界的環(huán)境變化更新圖像。當(dāng)攝像機(jī)不被固定時(shí)，這種方法是不可能實(shí)現(xiàn)的。所以，一般都將背景差分法應(yīng)用于監(jiān)控等有攝像頭的固定場(chǎng)所中。

3 圖像分割

圖像分割在自動(dòng)識(shí)別系統(tǒng)中應(yīng)用廣泛，其中，對(duì)目標(biāo)的識(shí)別、目標(biāo)的跟蹤和對(duì)炸點(diǎn)控制都取決于圖像分割的效果，圖像分割對(duì)系統(tǒng)的性能有直接的影響。圖像的類(lèi)別比較多，而且不同的圖像本身的復(fù)雜程度也不能同一而論，所以，適合一類(lèi)圖像分割的方法不一定適用所有的圖像，復(fù)雜的圖像（信噪比低、灰度之間的差異小）可能會(huì)產(chǎn)生較差的分割效果，嚴(yán)重的還可能會(huì)在分割時(shí)出現(xiàn)分割錯(cuò)誤。到目前為止，還沒(méi)有研發(fā)出對(duì)所有圖像分割效果具佳的分割方法，因此，在分割復(fù)雜的紅外圖像時(shí)，還要根據(jù)實(shí)際情況來(lái)選擇恰當(dāng)?shù)姆指罘āD像分割流程如圖2所示。

4 紅外成像仿真技術(shù)

紅外成像仿真技術(shù)的關(guān)鍵是背景圖仿真和紅外目標(biāo)，具體如圖3所示。只有獲得了這兩項(xiàng)技術(shù)，才能深入研究補(bǔ)償算法、濾波算法等。而其中最難也是最重要的部分，就是如何產(chǎn)生實(shí)時(shí)、時(shí)間長(zhǎng)并具有通用性的圖像。

紅外圖像反饋的是發(fā)射物體的溫度等性質(zhì)，而紅外成像特性和大氣傳輸對(duì)紅外輻射所產(chǎn)生的影響則是生成紅外圖像時(shí)的必備內(nèi)容。紅外圖像涉及范圍比較廣，涉及物理學(xué)、紅外輻射物理學(xué)、大氣輻射物理學(xué)、傳熱學(xué)和計(jì)算機(jī)學(xué)等諸多學(xué)科。

4.1 背景輻射（背景紅外輻射）

受自然條件和諸多不確定因素的影響，背景輻射相對(duì)于其他輻射更為復(fù)雜。例如，以海洋為背景的輻射，不同的氣候會(huì)出現(xiàn)不同的紅外輻射特性，空氣濕度、大氣溫度、風(fēng)浪、云層和太陽(yáng)等因素都會(huì)影響紅外發(fā)射率，從而反射到探測(cè)器中。這些因素經(jīng)過(guò)聯(lián)合才確定海面紅外輻射。

4.2 目標(biāo)輻射（目標(biāo)紅外輻射）

在確定發(fā)射率和溫度等條件的情況下，能夠確定物體的紅外輻射。而對(duì)于某種特定目標(biāo)，不同部位的溫度也不同，而且有的部分之間存在傳導(dǎo)、對(duì)流。飛機(jī)的溫度可由2種方法求得：①由經(jīng)驗(yàn)公式和數(shù)據(jù)求得。但是，考慮到不同型號(hào)和不同尺寸的飛機(jī)在不同飛行狀態(tài)下的溫度差異比較大、精度差，所以，不適合使用。②考慮到各部位之間的熱傳遞，建立相關(guān)方程，所以，結(jié)果較為精確。不同的材料發(fā)射率不同，對(duì)于一些經(jīng)過(guò)紅外隱身處理的特定目標(biāo)，其發(fā)射率明顯降低。

5 結(jié)束語(yǔ)

在新形勢(shì)下，紅外成像導(dǎo)引頭目標(biāo)檢測(cè)識(shí)別共性技術(shù)作為一種先進(jìn)的技術(shù)，是提高導(dǎo)引頭性能的要點(diǎn)。因?yàn)榄h(huán)境不同，目標(biāo)也不同，所以，要設(shè)計(jì)一個(gè)算法庫(kù)來(lái)針對(duì)不同的條件作出適當(dāng)?shù)母淖儭Ｖ挥袑?dǎo)引頭選擇合適的算法，才能得到最好的效果。

參考文獻(xiàn)

[1]余農(nóng)，吳常泳，湯心溢，等.紅外目標(biāo)檢測(cè)的自適應(yīng)背景感知算法[J].電子學(xué)報(bào)，2005（02）.

[2]許彬，鄭鏈，王永學(xué)，等.紅外序列圖像小目標(biāo)檢測(cè)與跟蹤技術(shù)綜述[J].紅外與激光工程，2004（05）.

[3]孫少軍，王學(xué)偉.紅外成像仿真中的若干關(guān)鍵技術(shù)研究[J].光學(xué)與光電技術(shù)，2004（03）.

[4]余農(nóng)，吳常泳，湯心溢，等.紅外成像自動(dòng)目標(biāo)識(shí)別技術(shù)研究——計(jì)算模型與數(shù)據(jù)流程[J].現(xiàn)代防御技術(shù)，2003（06）.

[5]趙峰民，劉皞，陳旺達(dá).從戰(zhàn)場(chǎng)環(huán)境變化看紅外導(dǎo)引頭的發(fā)展[J].飛航導(dǎo)彈，2011（10）.

〔編輯：白潔〕