空間目標(biāo)快速輪廓特征提取與跟蹤技術(shù)*

曹姝清，劉宗明，牟金震，張翰墨，張 宇

(1.上海航天控制技術(shù)研究所·上?！?01109;2.上海市空間智能控制技術(shù)重點(diǎn)實(shí)驗(yàn)室·上?！?01109)

0 引 言

考慮到空間環(huán)境中用于交會(huì)對(duì)接的大部分空間目標(biāo)衛(wèi)星的基本構(gòu)型大多數(shù)都存在矩形輪廓特征，因此可通過提取空間目標(biāo)衛(wèi)星的輪廓直線特征，實(shí)現(xiàn)后續(xù)交會(huì)對(duì)接航天器逼近段姿態(tài)的估計(jì)。最普遍的圖像輪廓提取方法是灰度梯度法，通過對(duì)圖像按閾值進(jìn)行二值化處理得到灰度圖像，然后進(jìn)行灰度梯度解算，將提取出來的具有較大灰度梯度值的像素點(diǎn)作為邊緣點(diǎn)，最后依據(jù)相應(yīng)的判斷準(zhǔn)則對(duì)邊緣點(diǎn)進(jìn)行篩選，繪制相應(yīng)的輪廓曲線。灰度梯度法的基礎(chǔ)是空域微分算子，主要包括拉普拉斯算子、Canny算子和Sobel算子等。這類算子運(yùn)算速度快，實(shí)現(xiàn)較為簡(jiǎn)單，但對(duì)圖像灰度化處理時(shí)所設(shè)定的閾值十分敏感，同時(shí)圖像中存在的噪聲對(duì)檢測(cè)過程干擾較大，導(dǎo)致其魯棒性差。文獻(xiàn) [1]提出了一種基于方向形態(tài)學(xué)的輪廓提取方法:在二值化邊緣圖像的基礎(chǔ)上，采用形態(tài)學(xué)方法進(jìn)行目標(biāo)輪廓的提取。該方法計(jì)算簡(jiǎn)單，適于進(jìn)行并行計(jì)算，對(duì)圖像邊緣提取效果依賴性高，存在容易陷入局部輪廓提取及易受噪聲干擾的問題。文獻(xiàn) [2]對(duì)文獻(xiàn) [1]進(jìn)行了改進(jìn)，通過結(jié)合形態(tài)學(xué)梯度邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)，再利用具有方向信息的結(jié)構(gòu)元素對(duì)圖像進(jìn)行形態(tài)學(xué)處理以獲取物體的輪廓信息。該方法通過引入邊緣方向信息提高了跟蹤圖像主要邊緣信息的能力，魯棒性較好，對(duì)噪聲有很好的抑制作用，但是對(duì)結(jié)構(gòu)元素的選取比較敏感。文獻(xiàn) [3]的直線檢測(cè)方法綜合利用了梯度幅值和方向信息，但在幅值處理過程中仍存在閾值的選擇問題，在應(yīng)用中受到一定的限制。文獻(xiàn) [4]基于Hough變換的直線檢測(cè)算法簡(jiǎn)單，具有良好的抗噪性，對(duì)于不完整邊緣具有魯棒性，以及對(duì)部分遮蓋區(qū)域具有不敏感的特性，但存在計(jì)算量大、存儲(chǔ)量大、檢測(cè)實(shí)時(shí)性差的缺點(diǎn)。由于目標(biāo)輪廓等特征提取的精度直接決定了相對(duì)位姿估計(jì)的精度，為滿足空間交會(huì)對(duì)接任務(wù)的測(cè)量要求，需要對(duì)目標(biāo)特征提取的精確性和檢測(cè)速度提出更高的要求?，F(xiàn)有技術(shù)中不考慮目標(biāo)前后幀圖像變化關(guān)系、而直接采用基于全局圖像處理算法實(shí)現(xiàn)的目標(biāo)特征提取技術(shù)，存在算法易受目標(biāo)圖像較多邊緣的干擾導(dǎo)致的輪廓特征提取效果差、需要實(shí)時(shí)對(duì)當(dāng)前幀全局圖像進(jìn)行處理導(dǎo)致的處理速度慢，以及直接基于Hough變換實(shí)現(xiàn)的目標(biāo)輪廓特征的提取精度差的問題。為此，本文對(duì)一種能有效克服這些缺點(diǎn)的空間目標(biāo)快速輪廓特征提取與跟蹤技術(shù)進(jìn)行了研究。

文中通過目標(biāo)分割法從初始幀圖像中定位目標(biāo)所在局部區(qū)域，作為目標(biāo)連續(xù)跟蹤的初始值，結(jié)合幀間圖像變化信息，能夠快速實(shí)時(shí)地鎖定目標(biāo)當(dāng)前幀所在的局部區(qū)域。后續(xù)可直接基于目標(biāo)局部區(qū)域輪廓四方向開小窗完成對(duì)目標(biāo)邊緣特征的檢測(cè)細(xì)化處理，然后采用典型的Hough變換[5-6]實(shí)現(xiàn)目標(biāo)直線特征的提取，并采用梯度最大法則實(shí)現(xiàn)兩兩求交獲取的輪廓特征的優(yōu)化。通過地面實(shí)驗(yàn)?zāi)M驗(yàn)證了空間目標(biāo)在近距離、在由遠(yuǎn)及近相對(duì)距離連續(xù)動(dòng)態(tài)變化過程中目標(biāo)實(shí)時(shí)輪廓特征跟蹤算法的有效性，具有速度快、準(zhǔn)確性強(qiáng)、穩(wěn)定性高等優(yōu)點(diǎn)。

1 初始幀目標(biāo)分割

初始幀目標(biāo)分割是從初始幀圖像中定位目標(biāo)所在局部區(qū)域，將其作為目標(biāo)連續(xù)跟蹤的初始值，結(jié)合幀間圖像變化信息，能夠快速實(shí)時(shí)地鎖定目標(biāo)當(dāng)前幀所在的局部區(qū)域。后續(xù)可直接基于目標(biāo)局部區(qū)域完成對(duì)目標(biāo)特征的檢測(cè)處理，無需遍歷整個(gè)圖像，能夠有效地提高輪廓特征檢測(cè)的速度[7]。

圖像分割算法的實(shí)現(xiàn)流程如下:

1)采用8鄰域自適應(yīng)閾值分割法完成初始幀圖像的快速分割;

2)對(duì)分割圖像進(jìn)行二值化處理獲得目標(biāo)二值化圖像;

3)對(duì)二值化圖像依次進(jìn)行形態(tài)學(xué)開和閉運(yùn)算，消除小塊噪聲平滑目標(biāo)邊緣及填充目標(biāo)區(qū)域內(nèi)細(xì)小空洞，確定初始幀目標(biāo)所在局部區(qū)域。

初始幀圖像分割前后效果如圖1所示。

圖1 初始幀目標(biāo)分割前后效果Fig.1 Pre-effect and post-effect charts of initial frame target object segmentation

2 初始幀目標(biāo)邊緣檢測(cè)及細(xì)化

以初始幀目標(biāo)分割圖為參考，擴(kuò)充目標(biāo)外輪廓一定矩形區(qū)域作為輪廓檢測(cè)的初始窗口，選取該初始窗口目標(biāo)本體區(qū)域中的4個(gè)條帶狀局部小窗區(qū)域，完成初始幀目標(biāo)邊緣的檢測(cè)及細(xì)化。通過開窗方式，初始幀目標(biāo)邊緣檢測(cè)可大幅度縮小檢測(cè)區(qū)域，有效提高算法的實(shí)時(shí)性。邊緣細(xì)化處理能夠減少冗余的邊緣信息量，獲得較理想的單像素寬細(xì)化邊緣圖，提高后續(xù)特征提取的準(zhǔn)確性。輪廓檢測(cè)的初始窗口如圖2所示。

2.1 Canny邊緣檢測(cè)

邊緣檢測(cè)是特征提取的前提，本文采用基于Canny算法的圖像邊緣檢測(cè)實(shí)現(xiàn) (如圖3所示)。

圖2 輪廓檢測(cè)的初始窗口Fig.2 The initial window of the contour detection

圖3 Canny邊緣檢測(cè)流程圖Fig.3 Flow chart of the Canny edge detection

初始幀目標(biāo)邊緣檢測(cè)圖如圖4所示。

圖4 初始幀目標(biāo)邊緣檢測(cè)圖Fig.4 The initial frame target edge detection

2.2 邊緣細(xì)化

圖像邊緣細(xì)化就是在保持Canny檢測(cè)邊緣圖像原有信息的基礎(chǔ)上，采用查詢表方式進(jìn)行邊緣細(xì)化，通過判斷該邊緣圖像中每一像素點(diǎn)是否應(yīng)被剔除，以減少冗余的邊緣信息量，獲得較理想的單像素寬細(xì)化邊緣圖[8-9]。

給定一個(gè)邊緣點(diǎn)可對(duì)其進(jìn)行編碼，見式 (1)

其中，n0～n7代表了當(dāng)前邊緣點(diǎn)周圍8鄰域范圍內(nèi)的像素點(diǎn)是否是邊緣點(diǎn)，如果是邊緣點(diǎn)則為1，如果不是則為0。圖像中像素點(diǎn)Pi的8鄰域范圍內(nèi)像素的分布和編碼表如圖5所示。在對(duì)所有邊緣點(diǎn)編碼完畢后，通過查詢當(dāng)前點(diǎn)在細(xì)化表deletemark[256]中的位置即可完成細(xì)化。其中查詢表為:

圖5 編碼表與8鄰域Fig.5 Encode table and eight neighborhood

邊緣細(xì)化前后效果如圖6所示。

圖6 邊緣細(xì)化前后效果圖Fig.6 Pre-effect and post-effect charts of edge thinning

3 輪廓特征提取與跟蹤

對(duì)初始幀目標(biāo)邊緣檢測(cè)及細(xì)化后的局部圖像采用Hough變換完成初始幀局部目標(biāo)區(qū)域圖像中輪廓直線的提取，分別選取目標(biāo)輪廓四方向最優(yōu)的直線參數(shù)作為最終目標(biāo)輪廓直線獲取的效果，并采用梯度最大法則實(shí)現(xiàn)兩兩求交獲取的輪廓特征的優(yōu)化提取。后續(xù)根據(jù)相鄰圖像前后幀動(dòng)態(tài)變化的關(guān)聯(lián)性，通過局部處理實(shí)現(xiàn)剩余序列圖像輪廓部分區(qū)域特征的連續(xù)跟蹤。所需處理的目標(biāo)區(qū)域大幅減小，干擾少，輪廓提取效果好，能夠有效提高目標(biāo)輪廓特征提取的實(shí)時(shí)性和穩(wěn)定性。

3.1 直線提取

邊緣細(xì)化后的局部邊緣多且亂，存在較多噪聲干擾，不利于后續(xù)特征的提取及解算。本文先采用8鄰域深度優(yōu)先搜索遞歸調(diào)用法對(duì)邊緣細(xì)化后的局部圖像進(jìn)行處理，消除噪聲及非閉合的數(shù)據(jù)，形成分段連續(xù)的邊界鏈碼，完成初始邊段的提取;然后對(duì)初始邊段進(jìn)行邊界排序，剔除較短的邊段，并對(duì)篩選后的邊段依次進(jìn)行角點(diǎn)及拐點(diǎn)檢測(cè)，完成邊界分割處理，獲得最終用于Hough變換的邊界[10]。

Hough變換的步驟如下:

1)設(shè)定Hough平面累加器(ρ，θ)，其中，(w、h為圖像寬度和高度);

2)對(duì)處理區(qū)域所有點(diǎn)進(jìn)行Hough變換:依次將θ代入直線極坐標(biāo)方程ρ=xcosθ+ysinθ中進(jìn)行計(jì)算，每次計(jì)算得到的(ρ，θ)在累加器相應(yīng)位置處單元計(jì)數(shù)+1;

3)Hough變換處理后，設(shè)定合適的閾值T，累加器中大于T的單元對(duì)應(yīng)的(ρ，θ)作為檢測(cè)出的直線。經(jīng)過大量的現(xiàn)場(chǎng)試驗(yàn)，取閾值T和最大投票數(shù)Amax滿足T=0.5Amax的關(guān)系。

通過對(duì)Hough變換檢測(cè)出的直線進(jìn)行分類合并擬合，根據(jù)擬合后的直線到所有相對(duì)應(yīng)邊緣點(diǎn)的距離誤差最小為準(zhǔn)則，剔除一些不合理的直線，獲取最終目標(biāo)直線的提取。

3.2 輪廓特征提取及優(yōu)化

利用獲取的目標(biāo)直線，對(duì)不同直線兩兩求交獲得四方向的輪廓頂點(diǎn)，分別任取不同方向的點(diǎn)順序連接成不同的四邊形，選取內(nèi)角接近直角，且滿足梯度最大的四邊形作為四邊形輪廓粗提取的結(jié)果。

然后利用梯度最大化原則對(duì)目標(biāo)粗提取輪廓進(jìn)行優(yōu)化。輪廓優(yōu)化先生成一幅梯度強(qiáng)度圖像，然后以輪廓周圍的梯度平均值最大為目標(biāo)修正輪廓線的初值，從而提高輪廓提取的精度。輪廓線尋優(yōu)示意圖及輪廓優(yōu)化提取前后效果圖如圖7和圖8所示，輪廓線尋優(yōu)具體步驟如下:

1)根據(jù)輪廓頂點(diǎn)初始坐標(biāo)和梯度圖像，利用坐標(biāo)輪換法逐點(diǎn)進(jìn)行調(diào)整并更新輪廓頂點(diǎn)坐標(biāo)，進(jìn)行下一個(gè)輪廓頂點(diǎn)尋優(yōu)，迭代求解;

圖7 輪廓線尋優(yōu)示意圖Fig.7 The diagram of the contour line optimal

2)如圖7所示，以P1為例，首先沿直線P1P2方向，以一定步長(zhǎng)得到若干離散點(diǎn)P'1，計(jì)算直線P'1P3的梯度平均值，找到梯度最大的位置P'1。然后沿直線P3P'1搜索離散點(diǎn)，找到與P2連線且具有最大平均梯度的點(diǎn)，記為新的輪廓頂點(diǎn)P1_New，再進(jìn)行下一點(diǎn)尋優(yōu)。

圖8 輪廓優(yōu)化提取前后效果圖Fig.8 The effect chart of the contour feature optimal extraction

3.3 輪廓特征跟蹤

在目標(biāo)逼近過程中，結(jié)合連續(xù)幀圖像間目標(biāo)尺度動(dòng)態(tài)變化的關(guān)聯(lián)性，根據(jù)初始幀提取目標(biāo)輪廓特征的先驗(yàn)信息，確定目標(biāo)在第二幀圖像中的輪廓位置，并依次根據(jù)相鄰上一幀圖像的輪廓位置信息定位目標(biāo)在當(dāng)前幀所在區(qū)域，通過局部處理實(shí)現(xiàn)剩余序列圖像輪廓區(qū)域特征的連續(xù)跟蹤[11-12]。在目標(biāo)逼近過程中，序列圖像輪廓區(qū)域連續(xù)跟蹤效果如圖9所示。輪廓特征跟蹤的具體實(shí)現(xiàn)過程如下:

圖9 目標(biāo)逼近過程中序列圖像輪廓區(qū)域連續(xù)跟蹤效果圖Fig.9 Continuous tracking effect chart of the contour region of the sequence image during target approaching phase

1)根據(jù)所描述的初始幀目標(biāo)輪廓直線的參數(shù)信息對(duì)應(yīng)確定該4條直線在第二幀圖像中的全局坐標(biāo)，分別擴(kuò)大4條直線所在的目標(biāo)區(qū)域的范圍，摳取第二幀圖像中目標(biāo)大致局部區(qū)域的圖像;

2)對(duì)摳取的第二幀圖像的邊緣，檢測(cè)圖像(上下左右)四方向內(nèi)外一定區(qū)域的邊緣，采用Hough變換，完成第二幀局部目標(biāo)區(qū)域圖像中輪廓直線的提取，獲取目標(biāo)輪廓直線的參數(shù);

3)根據(jù)序列圖像前后幀之間的關(guān)聯(lián)性，依次根據(jù)上一幀圖像的直線參數(shù)擴(kuò)充一定的區(qū)域，完成相鄰下一幀圖像中目標(biāo)區(qū)域局部圖像的摳取，并利用Hough變換、通過局部處理實(shí)現(xiàn)剩余序列圖像輪廓直線特征的連續(xù)跟蹤。

4 結(jié)束語

本文提出了一種空間目標(biāo)快速輪廓特征提取與跟蹤技術(shù)，是實(shí)現(xiàn)后續(xù)空間目標(biāo)姿態(tài)估計(jì)的前提保證;并通過地面實(shí)驗(yàn)?zāi)M驗(yàn)證了空間目標(biāo)在近距離逼近過程中目標(biāo)實(shí)時(shí)輪廓特征連續(xù)跟蹤的有效性。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)的序列圖像前后幀無關(guān)聯(lián)的全局輪廓跟蹤圖像處理算法，其能夠有效克服由目標(biāo)圖像較多邊緣的干擾導(dǎo)致的輪廓提取效果差及處理速度慢的缺點(diǎn)。采用先全局處理初始幀圖像，后續(xù)對(duì)包含目標(biāo)的場(chǎng)景局部圖像或圖像序列進(jìn)行局部處理，實(shí)現(xiàn)其余序列圖像特征的連續(xù)檢測(cè)及提取的方法，具有實(shí)時(shí)性好的優(yōu)點(diǎn);結(jié)合幀間圖像變化信息，利用前一幀圖像的輪廓信息搜索估計(jì)，確定目標(biāo)在當(dāng)前幀圖像中的位置的技術(shù)特征，具有魯棒性強(qiáng)的優(yōu)點(diǎn);采用梯度最大法則實(shí)現(xiàn)兩兩求交獲取的輪廓特征的優(yōu)化，具有特征提取精度高的優(yōu)點(diǎn)，為后續(xù)空間在軌操控任務(wù)的順利實(shí)施提供了技術(shù)支持。