高超聲速運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)

唐宏晨 徐鵬 阮寧娟,2 邱民樸

?

高超聲速運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)

唐宏晨1徐鵬1阮寧娟1,2邱民樸1

（1 北京空間機(jī)電研究所，北京 100094）（2 先進(jìn)光學(xué)遙感技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100094）

為了降低紅外運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)的漏檢率與虛警率，文章以“獵鷹2號(hào)”為例，從天基紅外遙感圖像生成的角度出發(fā)，計(jì)算了高超聲速飛行器多種工況的輻射特性，提出了一種基于目標(biāo)速度與輻射特性的紅外運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)方法。該方法將高超聲速目標(biāo)的速度與遙感圖像的灰度關(guān)聯(lián)，以目標(biāo)的飛行速度作為單幀圖像灰度閾值分割的條件，實(shí)現(xiàn)閾值分割與速度濾波并行，并進(jìn)行多幀圖像疑似目標(biāo)二次速度匹配濾波，實(shí)現(xiàn)目標(biāo)檢測(cè)。仿真結(jié)果表明：文章提出的點(diǎn)目標(biāo)檢測(cè)方法對(duì)于高超聲速目標(biāo)檢測(cè)效果優(yōu)良，檢測(cè)率為94.4%，虛警率為5.86×10?5%。在具備目標(biāo)表面平均溫度與速度對(duì)應(yīng)關(guān)系的情況下，該方法可應(yīng)用于多種不同紅外運(yùn)動(dòng)點(diǎn)目標(biāo)的檢測(cè)。

高超聲速飛行器 輻射特性 閾值分割 點(diǎn)目標(biāo)檢測(cè) 空間遙感

0 引言

高超聲速飛行器是指在距離地面20~100km的臨近空間、飛行馬赫數(shù)大于5的飛行器，能夠在短時(shí)間內(nèi)到達(dá)上萬千米外的區(qū)域?qū)嵤﹤刹齑驌簦哂兄匾能娛聝r(jià)值[1]。高超聲速飛行器在臨近空間飛行時(shí)，機(jī)體表面與空氣劇烈摩擦，產(chǎn)生大量紅外熱輻射，與背景形成巨大差異。為實(shí)現(xiàn)遠(yuǎn)距離偵查打擊，高超聲速飛行器長(zhǎng)時(shí)間在臨近空間飛行[2]，若要對(duì)高超聲速目標(biāo)進(jìn)行防御，需實(shí)現(xiàn)對(duì)其遠(yuǎn)距離探測(cè)識(shí)別。

天基紅外探測(cè)系統(tǒng)覆蓋范圍廣，是實(shí)現(xiàn)高超聲速飛行器探測(cè)的有效手段[3]。目標(biāo)檢測(cè)是紅外探測(cè)系統(tǒng)實(shí)現(xiàn)效用過程中的重要一環(huán)，使用合理的目標(biāo)檢測(cè)技術(shù)能準(zhǔn)確、有效地探測(cè)跟蹤目標(biāo)。因此進(jìn)行高超聲速運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的研究具有重要意義。

由于高超聲速目標(biāo)相對(duì)于天基紅外探測(cè)系統(tǒng)的張角小于探測(cè)系統(tǒng)的瞬時(shí)視場(chǎng)角，高超聲速目標(biāo)相對(duì)于天基紅外探測(cè)系統(tǒng)而言為點(diǎn)目標(biāo)[4]，高超聲速目標(biāo)的檢測(cè)可等同于復(fù)雜背景條件下運(yùn)動(dòng)點(diǎn)目標(biāo)的檢測(cè)。當(dāng)前，運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)方法的主流研究方向?yàn)槎鄮瑱z測(cè)，多幀檢測(cè)分為先檢測(cè)后跟蹤和先跟蹤后檢測(cè)兩種方法[5-6]。由于先跟蹤后檢測(cè)法計(jì)算量過大，影響目標(biāo)檢測(cè)算法的效率，難以擴(kuò)展到實(shí)時(shí)系統(tǒng)中；先檢測(cè)后跟蹤法檢測(cè)效率高、適用范圍廣、思路簡(jiǎn)單，因此實(shí)際系統(tǒng)大都是采用先檢測(cè)后跟蹤法[7]。先檢測(cè)后跟蹤法的步驟包括圖像預(yù)處理、閾值分割、多幀圖像檢測(cè)與跟蹤[8]，其中性能優(yōu)良的閾值分割方法能有效提高算法的檢測(cè)效率。經(jīng)典閾值分割方法包括最大類間方差法、最大熵估計(jì)法和自適應(yīng)閾值分割等方法[9-11]。在單幀圖像中，點(diǎn)目標(biāo)的全局特征不明顯，采用最大類間方差法則會(huì)很容易將目標(biāo)劃分到背景區(qū)域；最大熵估計(jì)法計(jì)算過程中涉及很多對(duì)數(shù)運(yùn)算，增加了算法的復(fù)雜性；自適應(yīng)閾值分割法的權(quán)值在使用過程中不易確定。且這三種閾值分割方法都是基于圖像灰度全局分布的分割方法，閾值的確定僅考慮背景因素。當(dāng)探測(cè)場(chǎng)景復(fù)雜多變時(shí)，部分背景區(qū)域像元的灰度值會(huì)超過目標(biāo)所在像元的灰度值，目標(biāo)極易被劃分到背景區(qū)域，導(dǎo)致虛警和漏檢。本文提出的閾值分割方法，在圖像分割的同時(shí)也進(jìn)行了一次速度濾波，目標(biāo)不會(huì)被劃分到背景區(qū)域，分割過程中不易產(chǎn)生漏檢，整個(gè)檢測(cè)過程中有兩次速度濾波，可有效降低虛警率。

文章以“獵鷹2號(hào)”（HTV-2）高超聲速飛行器為例，基于常見紅外探測(cè)譜段2.7~2.9μm的遙感圖像，從遙感圖像生成的角度出發(fā)，計(jì)算了高超聲速飛行器多種工況條件下在探測(cè)系統(tǒng)入瞳處的光譜輻射強(qiáng)度，分析了目標(biāo)光譜輻射強(qiáng)度與其在圖像內(nèi)灰度值的關(guān)系，并進(jìn)一步推導(dǎo)了目標(biāo)飛行速度與其灰度值關(guān)系；采用先檢測(cè)后跟蹤的檢測(cè)思路，提出了一種以高超聲速目標(biāo)飛行速度作為閾值條件的單幀圖像閾值分割方法，并實(shí)現(xiàn)多幀圖像運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)。

1 目標(biāo)灰度與速度關(guān)聯(lián)

探測(cè)譜段確定后，目標(biāo)在遙感圖像內(nèi)的灰度值與其自身的輻射強(qiáng)度直接相關(guān)，目前學(xué)者們計(jì)算高超聲速目標(biāo)紅外輻射特性時(shí)多采用建模與仿真的方法[12-14]。目標(biāo)紅外輻射特性與表面溫度、表面發(fā)射率及可見面積相關(guān)。由于點(diǎn)目標(biāo)無具體形態(tài)特征，在仿真計(jì)算中目標(biāo)可看做為灰體：設(shè)目標(biāo)表面發(fā)射率為t，沿觀測(cè)方向的可見面積為t，則目標(biāo)沿觀測(cè)方向的光譜輻射強(qiáng)度t為

式中bλ為黑體的光譜輻射出射度，計(jì)算公式為

式中1為普朗克第一輻射常數(shù)；2為普朗克第二輻射常數(shù)；為黑體溫度；為光譜中心波長(zhǎng)。

文獻(xiàn)[15]研究表明，HTV-2在臨近空間飛行時(shí)具有以下特征：目標(biāo)常在距離地球表面30~50km的臨近空間飛行；目標(biāo)飛行馬赫數(shù)為7時(shí)，其表面平均溫度約為1 000K，目標(biāo)飛行馬赫數(shù)為17時(shí)，其表面平均溫度約為1 270K。文章分別計(jì)算不同飛行高度時(shí)，HTV-2在紅外探測(cè)系統(tǒng)入瞳前的光譜輻射強(qiáng)度。為便于說明后續(xù)目標(biāo)檢測(cè)方法，仿真計(jì)算過程中認(rèn)為：目標(biāo)飛行高度大于30km時(shí)，表面平均溫度只與速度相關(guān)，且將目標(biāo)表面平均溫度與速度近似為線性關(guān)系[16]。結(jié)合大氣輻射分析軟件MODTRAN計(jì)算大氣透過率數(shù)據(jù)，仿真計(jì)算結(jié)果見圖1。

圖1 目標(biāo)在探測(cè)器入瞳出光譜輻射強(qiáng)度

圖1所示的仿真結(jié)果與文獻(xiàn)[13]一致。高超聲速目標(biāo)飛行速度越快，其在探測(cè)系統(tǒng)入瞳處的光譜輻射強(qiáng)度越大；目標(biāo)飛行高度為30km時(shí)，探測(cè)譜段中心波長(zhǎng)在4.3μm和2.7μm附近其光譜輻射強(qiáng)度受大氣衰減影響較明顯；目標(biāo)飛行高度為50km時(shí)，其光譜輻射強(qiáng)度基本不受大氣影響。高超聲速目標(biāo)飛行高度高，目標(biāo)上空為平流層頂部區(qū)域、中間層和電離層，該區(qū)域大氣稀薄，飛行高度越高，大氣對(duì)目標(biāo)輻射傳輸?shù)乃p作用越弱，目標(biāo)輻射信號(hào)越強(qiáng)；常見的紅外探測(cè)系統(tǒng)的探測(cè)譜段與高超聲速飛行器紅外輻射峰值的中心波長(zhǎng)均處于中短波紅外[17]。因此，本文基于探測(cè)譜段為2.7~2.9μm的遙感圖像，對(duì)目標(biāo)飛行高度為30km時(shí)不同速度的情況進(jìn)行分析。

2.7~2.9μm譜段在大氣吸收帶附近，由于大氣對(duì)地物輻射傳輸?shù)乃p作用，高超聲速目標(biāo)天基紅外探測(cè)的場(chǎng)景主要為復(fù)雜云背景，且目標(biāo)無具體形態(tài)，檢測(cè)時(shí)可利用的信息少，給檢測(cè)帶來了巨大的困難。由于高超聲速目標(biāo)運(yùn)動(dòng)時(shí)與大氣產(chǎn)生劇烈的摩擦，導(dǎo)致其表面平均溫度較高，目標(biāo)沿觀測(cè)方向上的光譜輻射強(qiáng)度與目標(biāo)運(yùn)動(dòng)速度接近線性關(guān)系[16]，本文研究旨在討論閾值分割方法，為簡(jiǎn)化整個(gè)過程，假設(shè)高超聲速飛行器表面溫度僅與速度相關(guān)。由式（2）可知，在黑體的光譜輻射出射度僅與其溫度有關(guān)，且已知目標(biāo)表面發(fā)射率和表面積的情況下，結(jié)合式（1）計(jì)算目標(biāo)沿觀測(cè)方向的光譜輻射強(qiáng)度。光學(xué)系統(tǒng)入瞳處接收到的目標(biāo)輻射功率t為：

遙感圖像生成的過程是一個(gè)光信號(hào)—電信號(hào)—數(shù)字信號(hào)的轉(zhuǎn)換過程，其中光信號(hào)到電信號(hào)的轉(zhuǎn)化過程可以用目標(biāo)在探測(cè)器處生成的電子數(shù)t表示

式中int為系統(tǒng)積分時(shí)間；為量子效率；為目標(biāo)所在像元處能量集中度；為普朗克常數(shù)；為光在真空中的傳播速度。

遙感圖像像元的灰度值體現(xiàn)了數(shù)字信號(hào)的強(qiáng)弱，電信號(hào)到數(shù)字信號(hào)的轉(zhuǎn)化過程可以用目標(biāo)在遙感圖像內(nèi)相應(yīng)的像元灰度值t表征

式中為量化位數(shù)；sat為探測(cè)器飽和電子數(shù)。

對(duì)于天基紅外探測(cè)系統(tǒng)，高超聲速飛行器可視為點(diǎn)目標(biāo)，來自目標(biāo)輻射的能量覆蓋了探測(cè)器的若干個(gè)單元。其中目標(biāo)在探測(cè)器上對(duì)應(yīng)的中心像元的能量集中度可以表示為[18]：

式中erf為誤差函數(shù)；d為探測(cè)器陣列單元的邊長(zhǎng)；為光學(xué)系統(tǒng)入瞳直徑；為光學(xué)系統(tǒng)焦距。

由于目標(biāo)表面溫度與速度可近似為線性關(guān)系[16]，t可改寫為：

由式（7）可以看出，目標(biāo)在遙感圖像內(nèi)的灰度值為目標(biāo)飛行速度的函數(shù)。閾值分割過程中，設(shè)圖像中各個(gè)像元均對(duì)應(yīng)一個(gè)運(yùn)動(dòng)目標(biāo)，可反演出各個(gè)像元對(duì)應(yīng)目標(biāo)的運(yùn)動(dòng)速度，即

式中為與系統(tǒng)參數(shù)相關(guān)的常數(shù)。

本文以HTV-2高超聲速飛行器為例，目標(biāo)探測(cè)過程中只需要判斷目標(biāo)的有無，對(duì)其形態(tài)信息無需求；且面陣探測(cè)器像元數(shù)有限。因此，天基紅外探測(cè)系統(tǒng)需要滿足分辨率低、幅寬大、時(shí)間分辨率高等特點(diǎn)。算法中設(shè)定天基紅外探測(cè)系統(tǒng)參數(shù)如表1所示。

根據(jù)表1紅外探測(cè)系統(tǒng)參數(shù)計(jì)算目標(biāo)速度與目標(biāo)灰度值的關(guān)系，結(jié)果如圖2所示。

表1 天基紅外探測(cè)系統(tǒng)參數(shù)

Tab.1 Parameters of space-based Infrared detection system

由圖2可以看出，隨灰度值變大，像元對(duì)應(yīng)目標(biāo)速度非線性變大，31~93灰度范圍對(duì)應(yīng)的目標(biāo)飛行馬赫數(shù)范圍約為7~17。

2 圖像閾值分割與目標(biāo)檢測(cè)

基于以上分析計(jì)算結(jié)果，遙感圖像像元灰度值可以用該像元所對(duì)應(yīng)目標(biāo)的速度值表征，即圖像灰度矩陣可轉(zhuǎn)換為速度矩陣。根據(jù)高超聲速飛行器定義將速度閾值設(shè)為=5，設(shè)定速度閾值后，即可對(duì)圖像進(jìn)行分割，同時(shí)也是對(duì)圖像進(jìn)行了一次速度濾波。對(duì)原始圖像采用均值濾波實(shí)現(xiàn)背景預(yù)測(cè)，并與原始圖像相減，采用本文提出的圖像閾值分割法對(duì)多種目標(biāo)飛行速度條件下的圖像進(jìn)行閾值分割處理。以=2為步長(zhǎng)，分別試驗(yàn)仿真了多種速度條件下（=7、9、11、13、15、17）含目標(biāo)的遙感圖像、背景減除圖像及圖像閾值分割圖像。對(duì)其中部分圖像（如圖3~5所示）的仿真試驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)，結(jié)果如表2所示。圖3~5中紅圈內(nèi)白點(diǎn)為目標(biāo)。

圖3 目標(biāo)馬赫數(shù)為7時(shí)閾值分割結(jié)果

圖4 目標(biāo)馬赫數(shù)為13時(shí)閾值分割結(jié)果

圖5 目標(biāo)馬赫數(shù)為17時(shí)閾值分割結(jié)果

表2 仿真試驗(yàn)灰度統(tǒng)計(jì)

Tab.2 Gray scale statistics of simulation test

圖3~5所示的各組試驗(yàn)仿真結(jié)果中，圖（a）為含目標(biāo)的仿真遙感圖像。其中，圖3（a）目標(biāo)馬赫數(shù)為7，圖中目標(biāo)像元灰度值為236，對(duì)應(yīng)目標(biāo)真實(shí)灰度為31；圖4（a）目標(biāo)馬赫數(shù)為13，圖中目標(biāo)像元灰度值為271，對(duì)應(yīng)目標(biāo)真實(shí)灰度為67；圖5（a）目標(biāo)馬赫數(shù)為17，圖中目標(biāo)像元灰度值為298，對(duì)應(yīng)目標(biāo)真實(shí)灰度為92；以目標(biāo)像元為中心3像元×3像元窗口內(nèi)背景灰度均值為203。隨著目標(biāo)馬赫數(shù)提升，目標(biāo)在遙感圖像內(nèi)對(duì)應(yīng)像元的灰度值變大，視覺上更容易被感知。

背景減除處理結(jié)果如每組圖（b）所示。其中，圖3（b）目標(biāo)馬赫數(shù)為7，圖中目標(biāo)像元灰度值為34；圖4（b）目標(biāo)馬赫數(shù)為13，圖中目標(biāo)像元灰度值為65；圖5（b）目標(biāo)馬赫數(shù)為17，圖中目標(biāo)像元灰度值為93；目標(biāo)像元灰度值與目標(biāo)真實(shí)灰度值接近，且背景均值均約為0。背景減除過后目標(biāo)灰度得以較好留存，背景被抑制。

閾值分割結(jié)果如每組圖（c）所示，圖中紅圈內(nèi)白點(diǎn)為真實(shí)目標(biāo)。圖3（c）、4（c）、5（c）結(jié)果并無差異，這是由于閾值分割過程中速度閾值為固定值，目標(biāo)速度對(duì)背景灰度值不造成影響，對(duì)圖像進(jìn)行閾值分割后，導(dǎo)致原本在圖像內(nèi)與目標(biāo)灰度相差很大但大于速度閾值的背景點(diǎn)被劃分為目標(biāo)，背景點(diǎn)并沒有隨目標(biāo)速度的改變而被抑制，導(dǎo)致閾值分割結(jié)果沒有隨目標(biāo)速度變化而改變。因此，需進(jìn)一步進(jìn)行多幀圖像速度匹配濾波實(shí)現(xiàn)目標(biāo)檢測(cè)。

基于以上討論設(shè)計(jì)一種先檢測(cè)后跟蹤的多幀點(diǎn)目標(biāo)檢測(cè)方法，檢測(cè)步驟主要包括：1）輸入圖像；2）采用均值濾波預(yù)測(cè)背景，進(jìn)行背景減除；3）求出圖像各個(gè)像元的運(yùn)動(dòng)速度，生成速度矩陣；4）將馬赫數(shù)大于5的點(diǎn)保留；5）輸入下一幀圖像，重復(fù)步驟2）至步驟4）；6）做相鄰兩幀間速度匹配濾波；7）滿足速度要求則判定為目標(biāo)，不滿足則剔除；8）判斷軌跡數(shù)量與圖像幀數(shù)，滿足條件則目標(biāo)檢出，否則繼續(xù)步驟5）至步驟7）。

仿真使用圖像大小為80像元×64像元，則圖像共含有5 120個(gè)像元，左上角第一個(gè)像元記為1，從左至右，從上至下對(duì)每個(gè)像元X進(jìn)行處理，直至右下角最后一個(gè)像元5120。檢測(cè)過程中，實(shí)時(shí)記錄當(dāng)前圖像序列幀數(shù)以及圖像中包含的軌跡數(shù)量，詳細(xì)仿真檢測(cè)流程如圖6所示。

圖6 檢測(cè)算法流程

分別采用基于自適應(yīng)閾值分割的檢測(cè)方法及本文提出的檢測(cè)方法對(duì)1000組不同的遙感圖像序列進(jìn)行高超聲速目標(biāo)檢測(cè)，每個(gè)序列含20幀圖像，圖像大小為80像元×64像元。試驗(yàn)中自適應(yīng)閾值分割在圖像均值濾波后進(jìn)行，圖像信噪比計(jì)算中默認(rèn)目標(biāo)信號(hào)值為全圖最大值，其加權(quán)系數(shù)取0.8；基于自適應(yīng)閾值分割的檢測(cè)方法中閾值分割過程與速度濾波過程是獨(dú)立的，無速度匹配濾波，無幀數(shù)記錄；檢測(cè)結(jié)果見表3。

表3 檢測(cè)結(jié)果統(tǒng)計(jì)

Tab.3 Detection result statistics

由表3可知：自適應(yīng)閾值分割中，虛警與漏檢均出現(xiàn)在目標(biāo)速度較低時(shí)，由于自適應(yīng)閾值分割考慮了圖像全局的灰度分布，且加權(quán)系數(shù)不易確定，目標(biāo)速度較低時(shí)，目標(biāo)易被劃分為背景或大量背景被劃分為目標(biāo)，導(dǎo)致漏檢和虛警。

本文提出的高超聲速點(diǎn)目標(biāo)檢測(cè)方法在閾值分割的同時(shí)，也進(jìn)行了第一次速度濾波，目標(biāo)不會(huì)被劃分到背景區(qū)域，整個(gè)檢測(cè)過程中有兩次速度濾波，利用遙感圖像序列中少量圖像實(shí)現(xiàn)了高超聲速目標(biāo)檢測(cè)。虛警出現(xiàn)在目標(biāo)速度較低且圖像中含大量云層邊界時(shí)，此時(shí)圖像含大量與目標(biāo)灰度值相近的信號(hào)，閾值分割過程中被保留，多幀檢測(cè)過程中虛假目標(biāo)聚集形成軌跡導(dǎo)致虛警；背景一致時(shí)，由于速度閾值確定，目標(biāo)速度變化不會(huì)導(dǎo)致分割結(jié)果變化，目標(biāo)速度快時(shí)速度特征明顯，在二次速度濾波過程中能順利檢出；但目標(biāo)速度較快且有大尺度的機(jī)動(dòng)變軌時(shí)，會(huì)造成二次速度匹配濾波失敗，導(dǎo)致漏檢。

3 結(jié)論

本文計(jì)算了光學(xué)系統(tǒng)入瞳處接收到的HTV-2不同飛行高度和飛行速度條件下的光譜輻射強(qiáng)度，從遙感圖像灰度值計(jì)算和目標(biāo)表面平均溫度與速度的關(guān)系出發(fā)，將目標(biāo)在圖像內(nèi)的灰度與其運(yùn)動(dòng)速度進(jìn)行關(guān)聯(lián)，提出了一種以目標(biāo)飛行速度作為閾值選擇條件的單幀圖像分割方法，并進(jìn)行圖像幀間速度匹配濾波，實(shí)現(xiàn)多幀圖像高超聲速目標(biāo)檢測(cè)。該方法有以下優(yōu)點(diǎn)：

1）與常規(guī)先檢測(cè)后跟蹤方法相比，本文提出的檢測(cè)方法圖像分割與速度濾波同時(shí)進(jìn)行，背景抑制與目標(biāo)單幀檢測(cè)并行，提高了后續(xù)多幀檢測(cè)效率；

2）檢測(cè)過程中實(shí)現(xiàn)了單幀速度濾波，目標(biāo)不會(huì)被劃分到背景區(qū)域，并與多幀速度匹配濾波結(jié)合，兩次速度濾波處理可有效提高檢測(cè)率，降低虛警率。

仿真計(jì)算結(jié)果及對(duì)比試驗(yàn)分析表明：本文提出檢測(cè)方法能有效檢測(cè)出高超聲速目標(biāo)，該檢測(cè)方法檢測(cè)率為94.4%，虛警率為5.86×10?5%，比基于自適應(yīng)閾值分割的目標(biāo)檢測(cè)方法的檢測(cè)率高1.6%，虛警率低5.54×10?5%。

本文提出的檢測(cè)方法具有一定的工程價(jià)值，研究?jī)?nèi)容對(duì)后續(xù)天基紅外高超聲速目標(biāo)檢測(cè)的研究具有一定的參考意義。但是該檢測(cè)算法仍有不足之處，下一步工作需要進(jìn)一步精確目標(biāo)工況與表面溫度的關(guān)系，優(yōu)化圖像分割過程中速度閾值的確定方法。

[1] 戴靜, 程建, 郭銳. 臨近空間高超聲速武器防御及關(guān)鍵技術(shù)研究[J]. 裝備學(xué)院學(xué)報(bào), 2010, 21(3): 58-61. DAI Jing, CHENG Jian, GUO Rui. Research on Near-space Hypersonic Weapon Defense System and the Key Technology[J]. Journal of the Academy of Equipment Command & Technology, 2010, 21(3): 58-61. (in Chinese)

[2] 王路, 邢清華, 毛藝帆. HTV-2目標(biāo)特性分析[J]. 飛航導(dǎo)彈, 2014(7): 22-24+71. WANG Lu, XING Qinghua, MAO Yifan. Target Characteristics Analysis[J]. Winged Missile Journal, 2014(7): 22-24+71. (in Chinese)

[3] 楊天遠(yuǎn), 周峰, 行麥玲. 空間掃描相機(jī)點(diǎn)目標(biāo)采樣系統(tǒng)設(shè)計(jì)[J]. 航天返回與遙感, 2016, 37(2): 82-91. YANG Tianyuan, ZHOU Feng, XING Mailing. Design of Point Target Sampling System of Space Scanning Camera[J]. Spacecraft Recovery & Remote Sensing, 2016, 37(2): 82-91. (in Chinese)

[4] 龍亮, 王世濤, 周峰, 等. 空間紅外點(diǎn)目標(biāo)遙感探測(cè)系統(tǒng)在軌輻射定標(biāo)[J]. 航天返回與遙感, 2012, 33(2): 73-80. LONG Liang, WANG Shitao, ZHOU Feng, et al. In-orbit Radiometric Calibration Methods for Remote Sensing System to Detect Space Infrared Point Target[J]. Spacecraft Recovery & Remote Sensing, 2012, 33(2): 73-80. (in Chinese)

[5] 牛少卿. 復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)算法研究[D]. 武漢：華中科技大學(xué), 2013. NIU Shaoqing. Study of Infrared Small and Weak Target Detection in Complex Background[D]. Wuhan: Huazhong University of Science & Technology, 2013. (in Chinese)

[6] 梁敏. 紅外弱小目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 西安：西北工業(yè)大學(xué), 2007. LIANG Min. Research on Infrared Weak and Small Target Detection and Tracking Technology[D]. Xi’an: Northwestern Polytechnical University, 2007. (in Chinese)

[7] 呂憑樂, 趙丹新, 孫勝利. 天基微弱運(yùn)動(dòng)點(diǎn)目標(biāo)檢測(cè)研究綜述[J]. 紅外, 2017, 38(1): 1-5. LYU Pingle, ZHAO Danxin, SUN Shengli. Overview of Space Weak Moving Point Target Dectction[J]. Infrared, 2017, 38(1): 1-5. (in Chinese)

[8] 丁中干. 強(qiáng)雜波干擾紅外圖像海面弱目標(biāo)檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D]. 武漢: 華中科技大學(xué), 2016. DING Zhonggan. A Research and Implementation of the Sea-surface Dim Target Detectionon Strong Clutter Jamming Infrared Image[D]. Wuhan: Huazhong University of Science & Technology, 2016. (in Chinese)

[9] OTSU N. A Threshold Selection Method from Gray-level Histogram[J]. IEEE Transactions on Systems, Man and Cybernetics, 1979, 9(1): 62-66.

[10] 李鋒, 闞建霞. 基于Sobel算子的圖像快速二維最大熵閾值分割算法[J]. 計(jì)算機(jī)科學(xué), 2015, 42(z1): 209-210+220. LI Feng, KAN Jianxia. Fast Two-dimensional Maximum Entropy Threshold Segmentation Method Based on Sobel Operator[J]. Computer Science, 2015, 42(z1): 209-210+220. (in Chinese)

[11] 龍建武, 申鉉京, 陳海鵬. 自適應(yīng)最小誤差閾值分割算法[J]. 自動(dòng)化學(xué)報(bào), 2012, 38(7): 1134-1144. LONG Jianwu, SHEN Xuanjing, CHEN Haipeng. Adaptive Minimum Error Thresholding Algorithm[J]. Acta Auto Matica Sinica, 2012, 38(7): 1134-1144. (in Chinese)

[12] 王憶鋒, 陳潔. 高超聲速飛行器的紅外輻射特征及其紅外探測(cè)預(yù)警[J]. 戰(zhàn)術(shù)導(dǎo)彈技術(shù), 2011(2): 55-57. WANG Yifeng, CHEN Jie. Analysis of Infrared Detection and Early Warning for Hypersonic Vehicle[J]. Electro-optic Technology Application, 2011(2): 55-57. (in Chinese)

[13] 楊霄, 牛青林, 賀志宏, 等. 類HTV-2高超聲速滑翔飛行器紅外輻射特征與可探測(cè)性分析[J]. 光學(xué)學(xué)報(bào), 2017, 37(12): 37-46. YANG Xiao, NIU Qinglin, HE Zhihong, et al. Analysis of Infrared Characteristics and Detectability of HTV-2 Type Vehicle[J]. Acta Optica Sinica, 2017, 37(12): 37-46. (in Chinese)

[14] GLASS D E, DIRLING R, CROOP H, et al. Materials Development for Hypersonic Flight Vehicles[C]//14thAIAA/AHI Space Planes and Hypersonic Systems and Technologies Conference, November 06-09, 2006. Canberra, Australia: NASA Langley Research Center, 2006, 8122: 1-13.

[15] ACTON J M. Hypersonic Boost-glide Weapons[J]. Science & Global Security, 2015, 23(3): 191-219.

[16] 周金偉, 李吉成, 石志廣, 等. 高超聲速飛行器紅外可探測(cè)性能研究[J]. 光學(xué)學(xué)報(bào), 2015, 35(5): 54-61. ZHOU Jinwei, LI Jicheng, SHI Zhiguang, et al. Research on Infrared Detectability of Hypersonic Vehicle[J]. Acta Optica Sinica, 2015, 35(5): 54-61. (in Chinese)

[17] 陳錢, 錢惟賢, 張聞文. 紅外目標(biāo)探測(cè)[M]. 北京: 電子工業(yè)出版社, 2016: 1-12. CHEN Qian, QIAN Weixian, ZHANG Wenwen. Infrared Target Detection[M]. Beijing: Publishing House of Electronics Industry, 2016: 1-12. (in Chinese)

[18] 童錫良, 周峰. 星載紅外點(diǎn)目標(biāo)探測(cè)系統(tǒng)瞬時(shí)視場(chǎng)優(yōu)化模型[J]. 航天返回與遙感, 2017, 38(6): 54-64. TONG Xiliang, ZHOU Feng. IFOV Optimization Model for Space-based Infrared Point TargetDetection System[J]. Spacecraft Recovery & Remote Sensing, 2017, 38(6): 54-64. (in Chinese)

Detection of Hypersonic Moving Point Target

TANG Hongchen1XU Peng1RUAN Ningjuan1,2QIU Minpu1

（1 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）（2 Beijing Key Laboratory of Advanced Optical Remote Sensing Technology, Beijing 100094, China）

In order to reduce the missed detection rate and the false alarm rate in detecting infrared motion point target, the paper uses HTV-2 as an example to calculate the radiation characteristics of hypersonic vehicles under various operating conditions. A detection method based on target velocity and radiation characteristics is proposed. From the perspective of infrared remote sensing image generation, the velocity of the hypersonic target is correlated with its gray level, and then is used as the single-image gray threshold segmentation to realize the threshold segmentation and the velocity filtering simultaneously. The inter-frame suspected targets are processed by secondary velocity filtering to realize target detection. The simulation results show that the geostationary orbit infrared detection system can achieve hypersonic vehicle detection in the common spectral segments. The detection method proposed in the article has excellent detection effect on hypersonic targets with a detection rate of 94.4% and a false alarm rate of 5.86×10–5%.The method can be applied to the detection of a plurality of different infrared moving point targets with the corresponding relationship between the target surface average temperature and velocity.

hypersonic vehicle; radiation characteristics; threshold segmentation; point target detection; space remote sensing

TN216

A

1009-8518(2018)06-0046-09

10.3969/j.issn.1009-8518.2018.06.006

2018-06-14

國(guó)家重大科技專項(xiàng)工程

唐宏晨，男，1991年生，2014年獲西北工業(yè)大學(xué)光信息科學(xué)與技術(shù)專業(yè)理學(xué)學(xué)士學(xué)位，現(xiàn)于中國(guó)空間技術(shù)研究院飛行器設(shè)計(jì)專業(yè)攻讀碩士學(xué)位。研究方向?yàn)榭臻g光學(xué)遙感器總體設(shè)計(jì)。E-mail：castthc@163.com。

（編輯：夏淑密）