海面運動目標的檢測與跟蹤系統(tǒng)研究

李興紅，張聆玲，雷永鋒

（成都理工大學工程技術(shù)學院，樂山，614007）

0 引 言

近年來，對于運動目標的檢測與跟蹤，尤其是艦載紅外警戒與跟蹤技術(shù)是國內(nèi)外軍事關(guān)注的熱點問題，但若背景是海天條件，則紅外艦船目標圖像的信噪比低，因為海面背景變化復雜，并且背景起伏的海面波浪及海水反光，使得目標圖像的信噪比和對比度等隨海浪的高度、距離及太陽位置的不同而隨時在變化[1]，因此，使得紅外艦船運動目標的自動檢測變得非常困難。但是，為了使制導系統(tǒng)有足夠的時間反應，要求在遠距離就能檢測到運動目標，因此要求圖像處理及跟蹤系統(tǒng)能夠盡快得到準確有用的目標信息，同時具有較快的運算速度及反應速度，使得目標得以盡快捕獲并及時跟蹤。本系統(tǒng)在雙DSP控制系統(tǒng)的基礎上，將提升形態(tài)小波方法應用到圖像去噪和增強中。其次，在提取海天線時運用的是基于區(qū)域方差和RANSAC的檢測方法。最后，對目標的定位檢測，則需要借助海天線檢測的結(jié)果，利用形心檢測來定位，同時利用雙DSP控制系統(tǒng)對目標進行捕獲跟蹤。

1 圖像預處理

對于低對比度弱小目標的實時檢測與顯示首先涉及到圖像預處理，就是要先降低噪聲對圖像的影響和降低圖像的失真度。針對紅外圖像的信噪比和對比度較低、目標邊緣不清晰等特點，首先，在目標成像之前，提高目標與背景信噪比，減少事后圖像處理的難度；其次，將得到的圖像利用算法進行去噪及增強[2]。

1.1 基于數(shù)學形態(tài)學的圖像去噪

傳統(tǒng)去噪方法在去噪同時，也會失去圖像的基本輪廓數(shù)據(jù)。而數(shù)學形態(tài)學濾波法作為一種非線性濾波方法，其中的形態(tài)金字塔方法，在對圖像去噪處理時能做到既兼顧金字塔變換多分辨的特點[3]，也兼顧數(shù)學形態(tài)學本身的非線性特點，能夠更好地保留細節(jié)信息和更好的抗噪聲性能，特別適用于信號的多分辨分析。

1.2 基于預測提升形態(tài)小波的圖像去噪

形態(tài)小波是數(shù)學形態(tài)學的一種變換方式，同樣是非線性濾波方式，在保留圖像細節(jié)信息的同時也有很好的抗噪優(yōu)點。因此，系統(tǒng)利用形態(tài)學算子將線性的Haar小波替換成非線性的形態(tài)小波[4]。在預測提升中就是通過改進對偶小波中的細節(jié)分析算子ω↑及合成算子ψ↑，構(gòu)造新的非線性小波變換，那么就可以將該形態(tài)小波用于小波閾值去噪方法中，進行圖像濾波。

設f (t )= s (t ) + σxz (t)，其中z (t)是高斯白噪聲，s (t)是原始信號，f (t)是觀測信號。則首先對f (t)進行小波變換，得到的低頻系數(shù)和高頻系數(shù)分別為hk(i, j)和ωk(i ,j)；再對小波系數(shù)ωk( i ,j)進行閾值處理，得到處理后的小波系數(shù)ω?k( i ,j )；最后對ω?k( i ,j )和hk(i ,j)進行小波逆變換，得到濾波后信號s? (t)。系統(tǒng)中采用全局軟閾值法對小波系數(shù)進行處理，其中軟閾值的定義：

式中 λk( i, j)為k層(i ,j)點處的閾值。

圖1是采用不同的去噪方法對目標圖像進行去噪和增強的結(jié)果圖。從圖1中可看出，采用預測提升形態(tài)小波變換去噪效果最好，同時對目標的增強效果也很好，很好的保留了圖像的邊緣，而且計算速度比較快，優(yōu)于其它方法。

圖1 多種圖像去噪方法仿真試驗對比 Fig.1 Comparison of Simulation Experiments of Various Image Denoising Methods

續(xù)圖1

表1 利用不同的去噪方法得到的對比度 Tab.1 Contrast Obtained by Different Denoising Methods

2 海天線的檢測和提取

海天線的檢測和提取在成像型反艦導彈末制導技術(shù)中具有非常重要的地位，在紅外圖像中艦艇目標的識別也具有十分重要的作用。通常海上運動目標一旦出現(xiàn)，必定位于海天線附近，那么，可以通過確定海天線區(qū)域，對海天線以下不予考慮的思想，這樣不僅可以極大減少針對運動目標的分割計算量，而且也可以抑制海天線以下波浪起伏等干擾，這樣就可以極大地提高捕獲跟蹤率，同時降低虛警率。本系統(tǒng)在對比了直線擬合法和小波變換法后，運用了基于區(qū)域方差和RANSAC的海天線檢測方法。該方法是一種魯棒并且快速的海天線檢測方法：首先，系統(tǒng)先規(guī)定多個搜索范圍，其次將方差值最大的子域挑選出來，隨后提取該子域中心的坐標，最后通過結(jié)合RANSAC算法，得到海天線的直線參數(shù)[5]。RANSAC算法的優(yōu)點是可以避免提取整個海天線，對于艦船運動目標的自動檢測與跟蹤測量來說，實用性較強。

圖2為幾種檢測海天線方法的試驗對比，從圖2可看出，直線擬合法能近似地檢測出海天線，但準確度不高；小波變換法能準確地檢測出圖像中的海天線，但選取小波和分解尺度與目標的大小、分布的場景有關(guān)，而且，該方法需要較繁瑣的計算，實時性很難保證；而RANSAC算法檢測海天線能快速地檢測并提取到海天線，且整個系統(tǒng)的魯棒性高、運算速度快。

圖2 幾種檢測海天線方法的試驗對比 Fig.2 Experimental Comparison of Several Methods for Detecting Sea Antenna

續(xù)圖2

3 運動目標特性檢測

提取到海天線后，就可得到運動目標的搜索區(qū)域，再對目標的區(qū)域圖像進行分割就可得到運動目標。在本系統(tǒng)中主要將GA圖像分割法與最大類間方差法Otsu相結(jié)合，由于在Otsu算法中，對于最優(yōu)域值的搜索只能使用傳統(tǒng)的窮舉法，因此會造成計算的復雜度高、占用存儲空間大等，不適于工程應用，而GA的整體搜索策略和優(yōu)化計算不依賴于梯度信息，其自身的高魯棒性和自適應性使得它在目前的圖像處理、自適應控制、模式識別[7]、信息處理等領域應用廣泛，因此系統(tǒng)將GA算法和Otsu算法進行結(jié)合，即通過使用GA算法來搜索最優(yōu)域值。算法流程見圖3。

圖3 GA算法和Otsu算法相結(jié)合的程序流程 Fig.3 Program Flow Chart of Combination of GA Algorithm and Otsu Algorithm

本系統(tǒng)在已提取到海天線的基礎上對比了多種目標區(qū)域分割方法：最大熵法、最小誤差法、最大類間方差法和GA圖像分割方法[6]，并通過實例進行了對比。

圖4為幾種目標區(qū)域分割方法的試驗對比，從圖4中可以看出，在上述幾種分割方法中圖4f的分割方法效果明顯優(yōu)于其它幾種方法。

圖4 幾種目標區(qū)域分割方法的試驗對比 Fig.4 Experimental Comparison of Several Target Region Segmentation Methods

表2為利用不同方法進行計算的耗時時間對比。從表2可以看出，與傳統(tǒng)的窮舉搜索域值相比，其運算速度提高176.47倍，極大地提高了分割效率。

表2 利用不同方法進行計算的耗時對比 Tab.2 Comparison of Time-consuming Calculation by Different Methods

4 運動目標的捕獲及自動跟蹤系統(tǒng)

對于遠距離海面上的運動目標，由于距離遠，目標小，特征模糊等特點，不適合利用相關(guān)法對其進行跟蹤；又加之海面上復雜多變的情況，也不適合利用形心法進行捕獲及跟蹤。根據(jù)運動目標大多時候都在海天線以上出現(xiàn)的特點，故可以對海天線以下不予考慮，而對海天線以上的部分進行形心捕獲和跟蹤，這樣就可以極大地抑制復雜多變的背景對跟蹤的影響，并且極大地降低計算量，提高目標的捕獲率和實時跟蹤穩(wěn)定性。由于大氣折射，海面運動目標能見距其中，d為運動目標的能見距離（海里），1d為觀察者的眼高（m），2d為運動目標高度（m）。

本系統(tǒng)中的整個跟蹤過程都是全自動，無人工干預的，自動跟蹤系統(tǒng)主要包括圖像處理系統(tǒng)和電視跟蹤系統(tǒng)。

圖像處理系統(tǒng)平臺要保證系統(tǒng)具備快速響應和高跟蹤精度，因此，圖像處理模塊[8]是整個系統(tǒng)平臺的核心模塊。系統(tǒng)的主程序流程如圖5所示。

圖5 系統(tǒng)的主程序流程 Fig.5 Main Program Flow Chart of the System

為提高每幀圖像較大的數(shù)據(jù)量處理能力，系統(tǒng)平臺采用雙TMS320C6455相互協(xié)調(diào)工作，其中TMS320C6455-1主要負責目標的捕獲、跟蹤、位置的計算、數(shù)據(jù)的通訊傳輸?shù)裙ぷ鳎欢鳷MS320C6455-2主要負責輔助目標捕獲等工作，協(xié)助主處理器TMS320C6455-1的工作；FPGA作為DSP的協(xié)處理器，主要負責邏輯控制。圖像處理系統(tǒng)原理見圖6。

圖6 圖像處理系統(tǒng)原理 Fig.6 Principle Block Diagram of Image Processing System

5 硬件平臺中嵌入算法的結(jié)果

將上述圖像處理的程序移植到由雙TMS320C6455和FPGA組成的硬件結(jié)構(gòu)系統(tǒng)平臺中，通過測試結(jié)果如圖7所示。

圖7 自動跟蹤結(jié)果 Fig.7 Automatic Tracking Results

6 結(jié)束語

通過試驗驗證得出，系統(tǒng)在該結(jié)構(gòu)平臺中實現(xiàn)了海面上準確穩(wěn)定地跟蹤目標，并且運算速度得到極大提高，滿足目標實時跟蹤的要求。同時也表明圖像處理平臺的實際運算能力和數(shù)據(jù)的吞吐量滿足該系統(tǒng)目標圖像處理的要求。