遠近場自適應激光光斑能量中心檢測

何佳凱,黃來玉,楊德振,3,安成斌

(1.華北光電技術研究所,北京 100015;2.遼寧省軍區數據信息室,遼寧 沈陽 110032；3.北京真空電子技術研究所,北京 100015)

1 引 言

隨著軍事科技的發展,激光因其高速打擊和高能毀傷備受關注,作為新型武器載體,高能激光器發射光束到目標打擊點,并將光束穩定在打擊點直到毀傷效果實現。但由于在遠距離下,無人機、車輛等目標占據像元較小,為此必須保證激光光斑精度,確保激光光斑能量中心不會出現大幅度偏差,將較多能量匯聚到目標上,完成目標的快速精準摧毀。綜上所述,在研制階段提前對激光武器的激光光斑進行中心校準極其關鍵[1]。

又因為激光光學系統孔徑通常呈圓狀,為了能在圖像中精確得到光斑的最大能量中心,傳統的光斑擬合方法有幾何中心法、最小二乘圓擬合法、特征點識別法。如吳澤楷等人在傳統圓擬合方法上改進預處理,并多次迭代來實現圓斑精確擬合[2],王冰等人結合圖像灰度特性,采用質心法進行光斑中心提取[3]。圓擬合方法通過對圓形光斑進行近似擬合,得到圓形中心,比較依賴于光斑邊界分割,在近距離光斑標軸中,由于光斑能量聚集,形狀規則,可能利于能量提取,但如果考慮激光在遠距離大氣中傳輸時,大氣湍流、熱暈等大氣效應引起的激光 光斑出現變形,此時邊界發散,無法通過邊界擬合等方法得到精確的目標能量中心,存在偏差。而質心法與重心法也要求光斑分割精確,否則邊界零散像素值會加權到光斑中心計算中,使計算的光斑中心產生偏移。

2 基于自適應disk掩膜的遠距光斑質心檢測算法

圖1為遠距光斑中心檢測系統示意圖,在近場進行光斑中心查找后,在遠距離放置靶標,將激光器打到靶標上。采用近紅外CCD探測器(0.78～3 μm)對光斑進行分析,由于其對相關光學譜段范圍的激光光束有響應,為此使用近紅外探測器對成型激光光斑進行分析,從而采集圖像用于光斑中心檢測[4]。

圖1 遠距光斑中心檢測系統示意圖Fig.1 Far-field spot center detection system schematic diagram

本文采用雙邊濾波對光斑進行保邊界去噪處理,并將濾波結果與原圖作差后進行伽馬拉伸實現圖像增強,在進行閾值分割后用二值化圖像計算得到光斑面積。根據面積構造自適應大小的disk掩膜,使用掩膜對光斑圖像進行模板匹配,基于一定孔徑下光斑最大能量并最終返回中心點,從而使得目標遠程定位結果更精確,圖2為遠距光斑中心檢測流程圖。

圖2 遠距光斑中心檢測流程圖Fig.2 Far-field spot center detection system flow chart

2.1 光斑圖像預處理

如圖3所示,由于在遠程光斑能量中心檢測中,光斑邊緣發散變形,直接進行光斑分割會造成圓斑分割不準確,通過對目標特性仿真分析,光斑從能量中心點向外為點擴散函數,呈類高斯分布。

圖3 近場光斑原圖及其特性分析Fig.3 Near-field spot map and its characteristic analysis

圖4 遠場光斑原圖及其特性分析Fig.4 Far-field spot map and its characteristic analysis

為此我們選取雙邊濾波進行圖像增強處理,先通過濾波提取高頻分量并濾除噪聲點,同時將高頻信息疊加到原圖上,對疊加圖像進行伽馬拉伸實現光斑增強,進而利于下一步使用最大類間方差進行光斑分離。

雙邊濾波是一種經典的圖像濾波方法,是由高斯濾波改進而來,式(1)為高斯濾波的函數式,對于高斯函數,是一種利用空間距離作為權值系數的函數,通過高斯核與原圖相卷積,從而確定光斑中心,臨近中心則權重越大。而式(2)中雙邊濾波不僅考慮空間信息,也考慮目標灰度信息,灰度值越接近中心點,則權值越大,將空間信息和灰度信息相乘,共同確定權值,式(3)為雙邊濾波權重公式[5]。

(1)

(2)

w(i,j)=ws(i,j)·wr(i,j)

(3)

2.2 二值化確定光斑面積

需要檢測的圖像中僅有光斑和背景,為二分類問題。通過雙邊濾波對光斑邊界進行增強后,可通過類間方差法實現自適應二值化分割。

最大類間方差法進行閾值分割是將一幅圖像分成兩部分C0和C1[6]。設置閾值T,將小于閾值T的部分定義為背景C0,大于部分定義為前景C1。C0包含的灰度級有[1,…,T-2,T-1],C1包含的灰度級有[T,T+1,…,L]。對于每一個灰度級的所有像素,被定義成前景的概率為Pi,可由式(4)計算,每一類出現的概率分別為w0和w1,式(5)～(6)分別為前景和背景的總概率,各類的平均灰度級為μ0和μ1,如公式(7)～(8)。

(4)

(5)

(6)

(7)

(8)

其中,μT是整幅圖像的平均灰度,如下所示:

(9)

(10)

(11)

(12)

2.3 構造disk掩膜

通過面積可以構建一個圓形掩膜,用圓形掩膜去卷積光斑圖像,提取特征,此時特征圖中對應的最大值即為最大能量中心,返回最大值即為最大能量點。以下為半徑公式:

(13)

構造圖5(a)所示disk掩膜并在原圖上進行滑動卷積,如圖5(b)～(d)所示為滑動卷積示意圖,掩膜從左上角開始一直遍歷整個圖像,與原圖做卷積,當掩膜完全覆蓋對應大小的光斑時,此時所得卷積圖像中最大值為能量中心。

圖5 Disk掩膜及其卷積示意圖Fig.5 Disk mask and its convolution diagram

3 實驗分析

本文采用5 Hz的激光頻率進行實驗,通過對目標進行雙邊濾波、伽馬拉伸等圖像增強后更好的對光斑進行分離,仿真發現不使用濾波、拉伸對有的光斑無法進行準確分離,圖6(a)和(b)為伽馬拉伸前后光斑灰度值分布區間,通過拉伸將16位圖像拉伸到8位,便于使用最大類間方差進行自適應分離。

圖6 伽馬拉伸前后圖像灰度分布Fig.6 Gray distribution before and after Gamma stretching

通過使用圓擬合、質心法等多種方法對光斑進行仿真分析,發現圓擬合方法和質心法等常見方法依賴于目標邊界,由圖7(a)和(b)可以看到,對于近場光斑,由于能量發散較少,光斑集中,為此采用上述方法可以達到較好的檢測效果,隨著距離增加,光斑發散,光斑分離結果為不規則形狀,采用圓擬合以及質心法檢測光斑中心易受邊緣離群值影響,造成檢測中心點偏移[8]。

圖7 不同場景下多種算法光斑檢測中心Fig.7 Spot detection centers of various algorithms in different scenes

通過對連續30幀打擊光斑進行能量中心分析,對比不同算法發現本文的算法在近場具有較小的離群值,差距在1個像素之內左右,為0.4 μm,而圓擬合方法中心偏移為2個像素,為0.8 μm,質心法同樣也由較好的實驗效果。但在遠場測試中,質心法中心偏移值在±2個像素之內,最大偏差值為1.6 μm,而圓擬合方法在±3個像素之內,達到2.4 μm,本文算法依然可以保持像素差距在±1個像素之內,穩定在0.8 μm,具有優異的魯棒性與準確性[9]。圖8(a)和(b)所示為不同距離場景下光斑中心偏移量。

(a)近場光斑中心偏移量

(b)遠場光斑中心偏移量

4 總 結

激光毀傷武器需要將光束最大能量穩定在打擊點,但隨著激光距離增加,光斑能量會發散,傳統中心檢測方法在近場光斑中心校準較為準確,而遠場光斑受大氣影響邊界發散、能量減弱,不利于圖像邊界提取與能量中心定位。為此本文提出了一種基于自適應disk掩膜的激光光斑能量中心檢測算法,實現遠距離下激光光斑校準,使光斑將更多能量匯聚。該方法在近場光斑與遠場不規則光斑的中心檢測均具有優異魯棒性和準確性,可實現近場光斑±1個像素內誤差,遠場±2個像素內,在近場光斑與遠場不規則光斑的最大能量中心檢測中都具有較強的魯棒性。