紅外圖像融合在光電偵察系統(tǒng)中的應(yīng)用

辛林杰，武少鵬，宋秋迪，宋煜明

（中國電子科技集團(tuán)公司第三研究所，北京 100015）

0 引言

在目前戰(zhàn)場環(huán)境下，越來越多的重要目標(biāo)采取遮擋和偽裝等防護(hù)手段。光電偵察系統(tǒng)中的紅外探測單元基于熱成像原理，可以很好地識別該類目標(biāo)。由于其完全被動(dòng)且可對隱身目標(biāo)有效探測，能夠彌補(bǔ)雷達(dá)探測的不足，因此光電偵察系統(tǒng)成為當(dāng)今探測領(lǐng)域的研究熱點(diǎn)[1-3]。

目前，絕大部分光電偵察系統(tǒng)采用中波紅外探測器，由于波段單一，導(dǎo)致在復(fù)雜背景干擾、惡劣天氣或存在誘餌彈等情況下，系統(tǒng)的探測概率、虛警率及作用距離等性能指標(biāo)都會(huì)受到嚴(yán)重影響[4]。眾所周知，當(dāng)利用不同波段的紅外探測器對同一目標(biāo)探測時(shí)，目標(biāo)圖像呈現(xiàn)出明顯的差異。如果將不同波段的圖像特征加以提取并相互融合，就能有效地提高目標(biāo)成像質(zhì)量，進(jìn)而提高光電偵察系統(tǒng)性能。

針對目標(biāo)的成像特性，以飛機(jī)為例，飛機(jī)蒙皮和發(fā)動(dòng)機(jī)是主要的目標(biāo)輻射源，不同的紅外波段探測成像效果不同。研究表明，對于飛機(jī)蒙皮的輻射特性，采用長波探測更為合適；對于飛機(jī)發(fā)動(dòng)機(jī)和尾焰等高溫位置，中波紅外的探測效果更好。本文針對長波紅外及中波紅外兩個(gè)波段圖像進(jìn)行融合研究，并進(jìn)行實(shí)際應(yīng)用測試，結(jié)果表明通過圖像融合可以將不同波段的圖像特性進(jìn)行互補(bǔ)，可以有效地提高系統(tǒng)探測性能。

1 紅外輻射特性分析

目標(biāo)本身的輻射特性與探測器感知到的輻射不同，目標(biāo)的輻射經(jīng)過大氣的傳輸后特性會(huì)有較大衰減。不同波段的輻射傳輸、成像和圖像特性都有所差異，因此得到的圖像效果不同。下面介紹經(jīng)過大氣衰減后，不同波段探測器檢測到的目標(biāo)輻射特性差異。

如圖1 所示，中波波段的輻射出射度差變化范圍與長波波段的輻射出射度差變化范圍有較大差異，因此長波紅外圖像與中波紅外圖像各有不同的特點(diǎn)。由于長波段輻射對比度的變化范圍較小，因此長波紅外圖像整體偏暗，在背景比較豐富時(shí)層次感較強(qiáng)，目標(biāo)高溫和低溫區(qū)域?qū)Ρ榷炔町惒幻黠@，因而可以保留更多的細(xì)節(jié)，使得目標(biāo)輪廓更清楚。相對于長波紅外，中波紅外圖像對比度較高，目標(biāo)高溫區(qū)域亮度較高，而低溫區(qū)域亮度較暗，因此會(huì)缺失很多細(xì)節(jié)，目標(biāo)輪廓較為模糊[5]。因此，將長波紅外與中波紅外波段特性相融合，可以使兩者的波段特性互補(bǔ)，在保留更多目標(biāo)細(xì)節(jié)的同時(shí)提高目標(biāo)對比度，將大大提高系統(tǒng)的目標(biāo)檢測性能。

圖1 中波、長波輻射變化范圍圖

2 圖像融合算法設(shè)計(jì)

2.1 融合算法流程

如圖2 所示，圖像融合包括輸入匹配圖像、特征點(diǎn)匹配、變換矩陣計(jì)算、圖像配準(zhǔn)及圖像融合等幾個(gè)步驟。

圖2 圖像融合算法流程

首先，對于輸入圖像有一定的要求。對于中波和長波紅外圖像，要求重合度較高，這樣匹配圖像才會(huì)有更多的特征點(diǎn)。不同于可見光圖像，紅外圖像的特征匹配難度大。當(dāng)兩幅圖像重合度較小，匹配特征數(shù)量較少，難以配準(zhǔn)。其次，根據(jù)需要對輸入圖像進(jìn)行一定的預(yù)處理以提高圖像質(zhì)量。再次，對同一場景的中波和長波紅外圖像特征點(diǎn)進(jìn)行匹配，采用RANSAC 算法提純后計(jì)算變換矩陣。最后，以一幅圖像為參考，將另一幅圖像通過變化矩陣進(jìn)行變換，通過加權(quán)等方式進(jìn)行融合處理。

2.2 圖像變換模型

對于具有一定重合度的兩幅圖像，可以通過特征點(diǎn)匹配尋找兩者之間的數(shù)學(xué)變換關(guān)系。對于二維圖像，圖像間的數(shù)學(xué)關(guān)系可以用變換矩陣H表示，表達(dá)式為式（1），一般變換包括平移、旋轉(zhuǎn)、剛性、相似、仿射和透視變換，如圖3 所示[6]。

圖3 圖像幾何變換示意圖

變換矩陣H中各參數(shù)意義，如表1 所示。通過中波和長波圖像的特征點(diǎn)提取，可以根據(jù)特征點(diǎn)對的坐標(biāo)求解變換矩陣H。因?yàn)樽儞Q矩陣H中有8 個(gè)參數(shù)，因此需要至少4 對匹配特征點(diǎn)才能求解該矩陣。

表1 變換矩陣各參數(shù)意義

2.3 圖像配準(zhǔn)

本文采用基于特征點(diǎn)的匹配算法。首先，對兩個(gè)波段的紅外圖像進(jìn)行特征點(diǎn)提取，即與鄰域像素點(diǎn)灰度值變換較大的點(diǎn)，并通過鄰域灰度分布形成特征向量；其次，采用歐式距離對兩幅圖像的特征向量進(jìn)行相似性度量，形成匹配的特征點(diǎn)對，根據(jù)此特征點(diǎn)對即可求解變換矩陣；最后，當(dāng)待匹配的兩幅圖像重合度較高時(shí)，匹配特征點(diǎn)對也較多，為了得到適用性更高的變換矩陣參數(shù)，通過RANSAC提純算法對特征點(diǎn)對進(jìn)行分析，得到更加準(zhǔn)確的變換矩陣。

2.4 圖像融合

通過變換矩陣對圖像進(jìn)行幾何變換后，本文采用加權(quán)平滑法對兩個(gè)波段的紅外圖像進(jìn)行像素級的融合。該方法根據(jù)重疊區(qū)域內(nèi)像素點(diǎn)與邊緣像素點(diǎn)的距離作為權(quán)重，進(jìn)行加權(quán)計(jì)算得到重疊區(qū)域內(nèi)像素灰度值，融合效果能夠滿足人眼視覺要求[6]。

設(shè)f1(x,y)和f2(x,y)分別表示待融合的長波及中波紅外圖像，f(x,y)表示融合圖像，加權(quán)計(jì)算公式為

式中：w1和w2分別對應(yīng)兩幅融合圖像在某像素點(diǎn)的權(quán)重。本文中，w1和w2均采用介于0 到1 的常數(shù)。為客觀評價(jià)圖像配準(zhǔn)算法的效果，本文采用均方根誤差（Root Mean Square Error，RMSE）來計(jì)算圖像配準(zhǔn)精度，其表達(dá)式為

3 試驗(yàn)分析

3.1 仿真分析

本文通過對長波紅外和中波紅外探測器對同一場景同一時(shí)刻采集的兩幅圖像進(jìn)行特征匹配仿真，并進(jìn)行匹配精度計(jì)算。圖4 為2 個(gè)紅外波段圖像的特征點(diǎn)匹配情況，結(jié)果顯示匹配精度較高。

圖4 中波紅外和長波紅外圖像特征點(diǎn)匹配

3.2 試驗(yàn)分析

通過實(shí)際系統(tǒng)應(yīng)用，對建筑及飛機(jī)類目標(biāo)進(jìn)行融合試驗(yàn)，結(jié)果如圖5 和圖6 所示，中波紅外圖像整體亮度較高，局部區(qū)域（爬梯）的高對比度導(dǎo)致周邊細(xì)節(jié)缺失；與之相比，長波圖像亮度偏暗，但是景物細(xì)節(jié)保留充分。經(jīng)過圖像融合，整體對比度得到優(yōu)化，灰度分布較為均勻，中波紅外的高對比度與長波圖像的細(xì)節(jié)優(yōu)勢得到結(jié)合。同樣，對于飛機(jī)類目標(biāo)，中波圖像中發(fā)動(dòng)機(jī)位置亮度較高，而飛機(jī)尾翼及輪廓長波圖像更清晰，通過圖像融合，飛機(jī)輪廓更清晰且發(fā)動(dòng)機(jī)高亮區(qū)域縮小，有利于提高目標(biāo)檢測坐標(biāo)的準(zhǔn)確性。

圖5 建筑類目標(biāo)圖像融合結(jié)果

圖6 飛機(jī)類目標(biāo)圖像融合結(jié)果

4 結(jié)語

針對目前光電偵察系統(tǒng)對于目標(biāo)多波段特性的融合需求，本文開展了長波紅外與中波紅外特性分析及圖像融合應(yīng)用研究。通過對兩種紅外圖像進(jìn)行特征點(diǎn)匹配與提純，得到變換矩陣后采用加權(quán)法進(jìn)行圖像融合，仿真結(jié)果顯示匹配精度較高。針對建筑物及飛機(jī)類目標(biāo)進(jìn)行試驗(yàn)，長波圖像與中波圖像顯示了目標(biāo)的不同波段圖像特性。圖像融合將長波圖像的細(xì)節(jié)以及中波圖像的高對比度相結(jié)合，明顯提高了圖像質(zhì)量。