基于改進區(qū)域分割遙感圖像的航天器目標自動識別方法

嚴 南，姚 捃，黃 宇

(成都理工大學(xué) 工程技術(shù)學(xué)院，四川 樂山 614007)

0 引言

隨著航天技術(shù)的不斷發(fā)展，在不同的空間中頻繁地活動，遙感圖像技術(shù)在軍事領(lǐng)域以及民用領(lǐng)域有著至關(guān)重要的作用，在現(xiàn)代戰(zhàn)爭中收集可靠情報需要依靠遙感圖像航天器目標自動識別，在人們的日常生活中，駕車出行的導(dǎo)航功能也需要遙感圖像的航天器目標自動識別技術(shù)來支撐運行。雖然遙感圖像的航天器目標識別技術(shù)應(yīng)用于多個領(lǐng)域，但是目前航天器對遙感圖像信息數(shù)據(jù)處理能力未能達到相應(yīng)的標準，遙感圖像的分辨率不斷地提升，導(dǎo)致航天器需要處理的信息數(shù)據(jù)量不斷增長，同時航天器獲取的遙感圖像尺寸也顯著地增加，依照目前的航天器數(shù)據(jù)處理手段無法對遙感圖像實時有效的處理[1]。為了提升遙感圖像高分辨率、大尺寸的利用率，提升航天器對目標的自動識別的穩(wěn)定性與有效性，本文將針對不同場景下的遙感圖像以及航天器的目標檢測技術(shù)進行分析研究，在改進區(qū)域分割遙感圖像的基礎(chǔ)上分析航天器在不同環(huán)境下采用的相匹配的目標自動識別方法[2]。

遙感的特點是可以間接的接觸目標來對目標信息數(shù)據(jù)進行采集，并對目標的數(shù)據(jù)信息進行判斷分類、與分析識別，通過航天器拍攝的遙感圖像是否能產(chǎn)生相應(yīng)的效能，不僅取決于航天器的搭載平臺，還取決于航天器對目標的自動識別方法，航天器對遙感圖像的識別、分析、驗證等方面的自動化程度[3]。

本文便基于改進區(qū)域分割遙感圖像對航天器目標自動識別方法進行研究，提升航天器對遙感圖像處理的自動化程度，實現(xiàn)遙感圖像中目標的迅速轉(zhuǎn)換成為航天器目標自動識別方法的剛性需求，使目標的檢測與航天器在不同環(huán)境下自動識別方法產(chǎn)生聯(lián)系，從而實現(xiàn)航天器對目標自動識別技術(shù)與遙感圖像的特性相匹配，達到更高的目標自動識別層次。

1 基于改進區(qū)域分割遙感圖像的航天器目標檢測

2003年，日本提出了基于航天器對接環(huán)部件的目標相對位置測量方法，該方法主要依靠航天器中的一個搭載火箭連接口的銜接設(shè)備，通過設(shè)備的位置以及設(shè)計藍圖的精準尺寸，這種方法首先設(shè)定航天器的目標檢測結(jié)構(gòu)以及尺寸、質(zhì)量等，對銜接環(huán)進行特征提取和匹配，應(yīng)用多視覺拍攝系統(tǒng)將航天器拍攝的遙感圖像以紅藍黃光譜強度對比原則，將相應(yīng)的目標從背景圖像中識別出來，最后應(yīng)用坐標和三維視圖確定目標的位置關(guān)系[4]。2009年，我國提出了利用人機交互的方法完成了航天器對目標的自動識別與解算，該方法需要將航天器拍攝到的目標遙感圖像傳送到控制中心，通過人工排查的方式來追蹤航天器所提供的位置信息，并建立三角形立體體系，提取出航天器所追蹤的目標和航天器之間的位置關(guān)系[5]。圖1為工作人員所建立的三角形立體體系的模擬位置圖像。

圖1 三角形立體體系航天模擬位置圖

2012年我國建立空間智能系統(tǒng)通過線性結(jié)構(gòu)和光學(xué)視覺傳感系統(tǒng)來對航天器的目標進行位置測量，這種方法與人機交互的方式相似，均需要建立空間坐標進而尋找出目標位置[6]。

利用以上方法在遙感圖像中識別航天器目標無法實現(xiàn)自主、實時、智能、系統(tǒng)的位置測量，從而造成了航天器目標測量運行情況的不穩(wěn)定、可靠性差、延時長等缺點[7]。

1.1 航天器攝影成像檢測

當航天器在對目標位置進行測量時，需要建立攝像機圖像位置與目標所在圖像位置之間的模型，將目標的圖像位置模型傳輸?shù)綌z像機所在的模型中，根據(jù)攝像機所成像模型確定目標位置的特征點解析攝像機的內(nèi)外參數(shù)，并根據(jù)這些參數(shù)，找到特征點在攝像機坐標內(nèi)的三維坐標。隨后攝像機對目標位置進行攝影成像，將位置坐標在三維空間內(nèi)的坐標點投放為平面遙感圖像，在攝影機。成像的過程中，實質(zhì)上是坐標系與坐標系之間的旋轉(zhuǎn)與平移，為了方便對航天器射成像檢測需要建立多個坐標系[8]。

首先建立區(qū)域分割遙感地區(qū)坐標系，此坐標系是整個檢測過程中最為基礎(chǔ)的坐標系，其余坐標系均是建立在此坐標系之上，同時在檢測中也起到坐標參考的作用，可以用來體現(xiàn)三維場景中的目標位置特征。還需要建立攝像機所在位置坐標系，取此坐標系的坐標原點作為攝像機成像的聚焦點，攝像機所在光軸位置即為成像方向，聚焦點也成為攝影成像的初始位置[9]。再建立普通物理坐標系與像素坐標系，將航天器所在的特征位置表現(xiàn)在坐標系中，取攝像機透鏡光軸與成像平面的焦點鎖定目標特征坐標與航天器攝像機的位置關(guān)系[10]。圖2為航天器攝影成像檢測坐標關(guān)系圖。

圖2 航天器攝影成像檢測坐標關(guān)系圖

假設(shè)攝像機固定在航天器上，兩者之間沒有相對運動，在攝影成像檢測的過程中，攝像機的成像原理主要為焦點透視成像，使航天器上的特征點與目標空間坐標之間呈映射關(guān)系，圖3為攝像機成像原理圖。

圖3 攝像機成像原理圖

1.2 三腳架特征檢測

在航天器和攝像機的結(jié)構(gòu)尺寸已知的情況下，若要確定航天器與目標之間的位置關(guān)系，需要先測量出航天器上特征點的坐標圖像，在航天器主體與太陽能能源板連接部分，有一個三腳架裝置，此裝置具有結(jié)構(gòu)特征突出、信息敏感強度高、所在位置優(yōu)越等條件，對此裝置進行檢測有利于航天器對目標位置的精準識別[11]。

本文將利用Hjss信息轉(zhuǎn)換思想對三角裝置進行檢測運算，根據(jù)三角形點與線之間的對偶性和三角形的基本特性，創(chuàng)建一個小窗口在遙感圖像中滑動，選取該窗口的操作坐標，當操作坐標每滑動一像素都會對該窗口的操作坐標作Hjss信息轉(zhuǎn)換處理，經(jīng)過信息轉(zhuǎn)換處理后的操作坐標原點與三角形內(nèi)圓形的圓心重合時，參數(shù)空間會出現(xiàn)3個峰值點，3個點的坐標絕對值相同并且經(jīng)過旋轉(zhuǎn)可以重合[12]。操縱坐標原點0在三角形內(nèi)滑行的范圍如圖4所示。

圖4 操縱坐標原點0在三角形內(nèi)滑行的范圍

1.3 航天器對接環(huán)檢測

航天器的對接環(huán)大多呈橢圓形，通過應(yīng)用橢圓的標準參數(shù)方程將橢圓的長半軸與短半軸圍繞中心點進行旋轉(zhuǎn)后，可以得到橢圓特征如圖5所示。

圖5 橢圓特征圖

航天器對接環(huán)的檢測便是利用橢圓的基本原理，在對接環(huán)中心尋找目標的檢測突破口，首先在橢圓邊緣上的切線進行分類，并將切線的參數(shù)值進行預(yù)處理和傳輸?shù)竭b感圖像中，借助橢圓邊緣的切點和極端點兩點來尋找橢圓的中心，通過中心位置建立遙感坐標，將建立的遙感坐標提取到原始圖像中，對原始圖像進行去噪處理，圍繞目標點進行區(qū)域劃分并選取較高效率的切線斜率，將所獲取的切線斜率進行初步篩選判斷，選取最終的切線斜率進入?yún)?shù)空間中，統(tǒng)計航天器對接環(huán)在目標自動識別的過程中，所產(chǎn)生的參數(shù)峰值和閾值劃分情況，最終采用Matlab搭建數(shù)學(xué)模型，以遙感圖像的形式表現(xiàn)出檢測結(jié)果，航天器對接環(huán)的成像結(jié)果如圖6所示。

圖6 航天器對接環(huán)成像結(jié)果圖

2 基于改進區(qū)域分割遙感圖像的航天器目標自動識別方法研究

2.1 復(fù)雜場景下基于改進區(qū)域分割遙感圖像的航天器目標自動識別

根據(jù)地形地貌以及氣候的不同，地球表面將會產(chǎn)生許多復(fù)雜的環(huán)境，在陽光照射較強的環(huán)境中會出現(xiàn)照明不均勻、航天器零部件反光等情況，這些光照變化均會影響航天器對目標的識別能力，同時航天器上的能源供給設(shè)備、對接環(huán)以及其他位置的零件等由于結(jié)構(gòu)種類的不同，使航天器對目標的識別增大了難度，在太空空間站中還會有許多的電磁輻射以及其他不同種類的能量干擾，影響了航天器與地球地面控制中心的信號通信功能，使得航天器的信息數(shù)據(jù)處理能力面臨嚴峻的挑戰(zhàn)，因此需要一種能夠使航天器在復(fù)雜情境下快速穩(wěn)定、安全可靠、能夠快速適應(yīng)的方法，為航天器對目標的識別提供堅實的保障[13]。

本文將引用光學(xué)視覺機器處理原理，來解決航天器在復(fù)雜環(huán)境中無法準確、穩(wěn)定、可靠的識別目標問題，此項原理成熟的應(yīng)用在光學(xué)精密測量與產(chǎn)品的自動化檢測以及地面位置控制中，具有精準度高、實時性好、運行速度快等優(yōu)勢[14]。

本文提出了擊穿識別方法，基于遺傳算法以及變換算法，擊穿識別方法主要采用激光光線射在被識別物體上，使該表面形成等離子體，再利用等離子體光譜，分析被識別物體中所含有的元素。遺傳算法主要利用優(yōu)勝劣汰、適者生存等進化規(guī)則，搜索全局最優(yōu)解，變換算法則能夠快速完成信號的時域和頻域的轉(zhuǎn)化過程，實現(xiàn)了在復(fù)雜的自然遙感圖像中能夠識別多種目標，但是對于殘缺和不完整的目標識別性差，因此又在方法中引入了自動學(xué)習(xí)智能識別算法，解決了在遙感圖像中殘缺不完整的目標識別效果差的問題。在對目標進行識別的過程中，航天器首先對目標進行粗略識別，在遙感圖像中隨機取4個點，將點與點之間連接形成一個多邊形，在此多邊形中加入切邊圓形，計算擬合圓匹配度與擬合精準度，如果擬合圓的測量值小于多邊形三點共線值，則將該圓形切除建立新的邊緣線段，如果擬合圓的測量值大于多邊形三點共線值，則將此圓保留作為候選遙感區(qū)域。經(jīng)過粗略計算識別后，在擬合圓中選取圓心和半徑并截取一道圓弧，在圓弧中應(yīng)用最小二乘法計算出半徑的值以及圓心所在位置坐標，隨后對圓心坐標進行跟蹤，由于環(huán)境的復(fù)雜化會導(dǎo)致圓弧的斷裂分割，所以還需要對圓弧進行圓的重組對新圓進行驗證識別，從而提高了識別精準度以及穿透了復(fù)雜環(huán)境對目標識別的影響[15]。圖7為在復(fù)雜場景下基于改進區(qū)域分割遙感圖像的航天器目標自動識別方法流程圖。

圖7 復(fù)雜場景下基于改進區(qū)域分割遙感圖像的航天器目標自動識別方法流程圖

2.2 運動模糊場景下基于改進區(qū)域分割遙感圖像的航天器目標自動識別

航天器在對運動目標進行拍攝的過程中，由于目標的運動導(dǎo)致在攝相機成像時圖像底片產(chǎn)生位移，因此圖像出現(xiàn)模糊。當由于運動而產(chǎn)生的圖像模糊較為輕微時，運用傳統(tǒng)的識別算法即可對目標進行識別，但是如果由于運動導(dǎo)致圖像模糊較為嚴重，遙感圖像邊緣不清晰常規(guī)算法無法對遙感圖像邊緣進行檢測，從而致使目標檢測識別失敗。所以需要對由于運動產(chǎn)生的模糊進行清晰化處理[16]。

本文為了解決模糊圖像問題，建立了模糊退化模型，在模糊退化模型中根據(jù)是否知道模糊核心所在位置分為兩種處理方法。當知道模糊圖像中心的所在位置時，直接采用非盲猜線性回歸方法即可對模糊圖像進行估計處理，使用航天器中的濾波器以及降噪裝置可以將模糊圖像恢復(fù)為清晰圖像；當未知模糊圖像核心所在位置時，模糊圖像中的維度和核心維度之間產(chǎn)生較為強烈的非對稱性，當模糊圖像的維度不斷增加時，模糊圖像的核心維度卻保持不變，無法將兩種核心統(tǒng)一化處理，使得傳統(tǒng)的非盲猜線性回歸方法不能對模糊圖像進行清晰化處理，本文將引用模糊核心0范數(shù)的方法實現(xiàn)對模糊圖像清晰化處理。

在應(yīng)用0范數(shù)方法時，首先對模糊圖像核心進行估計，使模糊核心在航天器的信息處理器中快速的變換運算達到共軛的效果，隨后恢復(fù)圖像的邊緣清晰度，應(yīng)用拉格朗日乘子法將模糊圖像的約束條件轉(zhuǎn)換為各類子問題，求得子問題的近似值，將近似值不斷地進行迭代逐漸的接近0范數(shù)。經(jīng)過算法處理后得到了模糊圖像核心的精準位置，航天器即可對目標進行精準識別。

3 實驗研究

3.1 實驗?zāi)康?/h3>

為了使航天器更好地對目標進行識別，本文提出了不同情況下的兩種識別方法，為了驗證本文提出方法具有穩(wěn)定可靠性以及有效性，設(shè)立對比實驗進行研究，將本文所提出的方法與傳統(tǒng)的方法進行對比，根據(jù)兩種方法在實驗中的數(shù)據(jù)情況確定本文方法是否具備一定的可靠穩(wěn)定性以及有效性。

3.2 實驗過程以及結(jié)果分析

為了防止實驗的偶然性，本實驗將對不同地區(qū)的機場、山脈等多處地點進行目標識別，首先對遙感圖像的分辨率以及尺寸進行統(tǒng)一化處理，并將遙感圖像進行分割，設(shè)立不同的圖像中心點，首先采用山脈遙感圖像作為訓(xùn)練樣本，分割長、寬均為25 cm的遙感圖像進行訓(xùn)練驗證，應(yīng)用傳統(tǒng)的航天器目標自動識別方法在此分割區(qū)域中進行目標識別，由于山區(qū)的地形較為復(fù)雜，自然環(huán)境對航天器的目標自動識別功能有一定的影響，所以傳統(tǒng)方法所識別出的目標有多種類，不能精準的確定目標情況，傳統(tǒng)航天器目標自動識別方法所識別出來的遙感圖組如圖8所示。

圖8 傳統(tǒng)航天器目標自動識別方法所識別出來的遙感圖組

圖8中，4張遙感圖像均為傳統(tǒng)方法下航天器對目標自動識別出的結(jié)果，可見傳統(tǒng)方法的精準性較弱，無法精準地對目標進行識別，還需要人工進行進一步的識別處理工作，傳統(tǒng)方法識別出的目標當相似度小于20%時航天器便無法繼續(xù)進行進準識別，最終的目標識別只能以圖組的形式體現(xiàn)出來。

將相同的分割遙感圖像置于本文提出的復(fù)雜場景下基于改進區(qū)域分割遙感圖像的航天器目標自動識別方法，針對于山脈地區(qū)的復(fù)雜地形，航天器在進行目標自動識別的過程中，對光照、海拔等因素智能穿透，較為穩(wěn)定的識別篩選，最終識別出一個精準目標，無需人工處理即可應(yīng)用在其他領(lǐng)域中。圖9為本文方法下航天器對目標進行自動識別的遙感識別圖。

圖9 航天器對目標進行自動識別的遙感識別圖

本文方法下的航天器目標自動識別具有較高的精準性，能夠直接識別出目標無需再次進行人工篩選。通過實驗對比發(fā)現(xiàn)，本文方法下的航天器對目內(nèi)圓標的相似度識別能達到5%左右，高于傳統(tǒng)方法的15%左右。本文還針對運動模糊的情況下進行航天器目標自動識別，飛機場中的飛機在飛行的過程中由于運動的限制導(dǎo)致遙感圖像的模糊，但是經(jīng)過本文方法的處理，模糊圖像成功轉(zhuǎn)換為清晰圖像，如圖10所示。

圖10 經(jīng)過本文方法處理前后的遙感圖像對比圖

根據(jù)圖10中的對比結(jié)果可知，本文方法對于航天器目標自動識別的清晰度有著較大程度的提升，通過識別器對遙感圖像的清晰度識別，發(fā)現(xiàn)應(yīng)用本文方法處理后的遙感圖像相對于未處理的遙感圖像清晰了15.23%，為目標的識別夯實了穩(wěn)定的基礎(chǔ)。航天器對動態(tài)模糊的識別受目標速度的直接影響，本實驗還對速度對識別能力的影響程度進行了計算，具體數(shù)值對比如表1所示。

表1 不同速度下航天器識別能力的影響對比表

根據(jù)表1中的數(shù)據(jù)可知，速度的大小對傳統(tǒng)方法下航天器的影響較大，而對本文方法下的航天器識別能力影響較小，在清晰度方面兩種方法相差20%左右，在精準度方面相差5%～50%不等。

4 結(jié)束語

利用區(qū)域分割遙感圖像航天器對目標進行自動識別，實現(xiàn)對部分地區(qū)的實時觀測以及情報收集等功能，而高分辨率的遙感圖像為航天器的目標識別制造了一定的困難，因此本文針對環(huán)境復(fù)雜化以及圖像模糊提出多種解決方法，使航天器的目標自動識別工作更加的穩(wěn)定。