摘要 為了在低對(duì)比度低信噪比的條件下，能夠精確快速的搜索跟蹤海上空域機(jī)動(dòng)目標(biāo)， 本文提出了一種海天目標(biāo)在線智能搜索跟蹤算法。采用金字塔波門(mén)搜索方式，搜索區(qū) 域逐級(jí)縮小，通過(guò)多尺度波峰閾值法對(duì)圖像進(jìn)行分割，利用區(qū)域標(biāo)記與門(mén)限判定鎖定 最優(yōu)目標(biāo)，進(jìn)入到跟蹤狀態(tài)對(duì)波門(mén)內(nèi)目標(biāo)采用改進(jìn)雙波門(mén)閾值，波門(mén)隨目標(biāo)大小自 適應(yīng)改變，波門(mén)內(nèi)圖像經(jīng)閩值后采用質(zhì)心算法進(jìn)行跟蹤精確定位目標(biāo)位置。在目標(biāo) 瞬時(shí)遮擋的情況下采用綜合預(yù)測(cè)得到目標(biāo)位置，若不滿足目標(biāo)灰度級(jí)門(mén)限判定或預(yù)測(cè) 條件，則轉(zhuǎn)為重新搜索，實(shí)現(xiàn)無(wú)人工干預(yù)的智能搜索跟蹤功能。實(shí)驗(yàn)結(jié)果表明：在搜 索狀態(tài)下單幀圖像搜索時(shí)間小于1 93 4 m s ，在跟蹤狀態(tài)下目標(biāo)識(shí)別時(shí)間小于5 m s ，精度 上較比其他傳統(tǒng)算法有著很大的提高，完全滿足電視跟蹤速度與精度的要求。 關(guān)鍵字：海天目標(biāo)自動(dòng)搜索跟蹤金字塔波門(mén)搜索多尺度波峰閾值區(qū)域標(biāo)記 a b s t r a c t t os e a r c hs p a t i “d o m a i n b r g a t o ns e a p r e c i s e l ya n d q u i c k l y i n t h ec o l k i l i o n o f l o w c o l q l v d s l ta n d l o w s n i lt h i sp a p e rp r e s e n ta l li n t e l l i g e n c ea n d0 1 1l i n ea u t o m a t i cs e 自x ：ha n da a c kf o rs 目矗自穢 a l g o d t h r o - u s i n gt h em e t h o do fp y r a 而dw a v eg a t es e a l c h a n dd e c r e a s es e 卸c ha r e ab ys t e p ，i m a g e s e g m e n t a t i o nb ym u l t i - s c a l e 詘t h r e s h o l d , d e t e r m i n i n gt h eo p t i m a lt a r g e tb ya r e am a l k i n ga n d t h l 幽l d d e c i s i o n , i n t h es t a t u s o f w a c k i n g u s e t h ee l d l b l l c e d t o l b e t a r g e t i n t h e w a v e g a t e , t h e s i z e o f g a t e c a nb ea d j o s t e da d a p t i v e l ya c c o r d i n gt ot h et a r g e ts i z e ，t r a c kt a r g e tb yc e n t r o i dd e t e c tm e t h o d g e tt h e i n f o r m a t i o no f t a r g e tt a r g e ti o a a t i o nc a nb eo b t a i n e dv , i t hc o m p r e h e n s i v ef o r e c a s to i lt a r g e tt r a n s i e n t c c c h t s i o ns i t u a t i o nt ot e - s e a a , c hi fn o tm e e tt h et a r g e tg r a y - s c a l et h r e s h o l dd e t e r m i n a t i o no rf o r e c a s t c o n d i f i o m a n d t oa c h i e v e i n t e l l i g e n ts e a r c ha n d u a c k i n gc a p a b i l i t i e su n d e r n o m a n u a l i n t e r v e n t i o nt h e r e s u l t ss h o w t h a t t h es e a r c h t i m e i n t h e l a 增啞r e g i o n i s l e s s t h a n1 93 4 m s a n d t a r g e tr e c o g n i t i o n i n t h e c 岫s t a t e t i m e i s l e s s t h a n5 m ss p e e d a c c u r a c ya n ds l a b i i 時(shí)f u l l y m e e t t h e g o a l s o f m o d e ms l ：m t i a l r r a u - e u v e r i n g t a r g a t i n t e l l i g a n ts e a r c h a n d 妯瞎$ s t e r r l k e yw o r d s ：s e as 時(shí)t a r g e t s e a r c ha n dt r a e ka u t o m a t i o np v r a m i dw a v eg a t es e a r c h m u l t i - s c a l e p e a k t h n b h a l da r e am a r k i n g 目錄 摘要 a b s t r a c t 目錄 第一章緒論 11 引言 12 本文的主要工作及各章安排 13 本章小結(jié) 第二章平臺(tái)搭建與算法流程 21 平臺(tái)措建 22 算法流程 23 本章小結(jié) 第三章海天目標(biāo)在線智能搜索跟蹤算法 31 算法需求分析 32 搜索算法 33 跟蹤算法 34 目標(biāo)預(yù)測(cè)算法 3j 強(qiáng)制目標(biāo)重搜 36 本章小結(jié) 第四章d s p 程序優(yōu)化 41 編譯器優(yōu)化 42 圖像傳輸優(yōu)化 43 代碼優(yōu)化 44 本章小結(jié) 第五章實(shí)驗(yàn)數(shù)據(jù)與分析 結(jié)論 ， 致謝 參考文獻(xiàn) ，0 0：o m他他孫拍黔呈曇驀虬趴弛札鴕 第一章緒論 11 引言 111 海天目標(biāo)在線智能搜索跟蹤算法的應(yīng)用 隨著軍事戰(zhàn)場(chǎng)中對(duì)海天i t 標(biāo)作- 琵武器性能的要求越來(lái)越高，低對(duì)比度低信噪比條 件下海無(wú)i i 標(biāo)的在線搜索與跟蹤成為了電視跟蹤領(lǐng)域一個(gè)引人關(guān)注的話題。如何在第 一時(shí)問(wèn)對(duì)海天目標(biāo)進(jìn)行精確定位成為了評(píng)價(jià)武器系統(tǒng)性能的關(guān)鍵性因素。 射擊反應(yīng)時(shí)間與首發(fā)命中率是體現(xiàn)武器性能的最主要的兩個(gè)因素。射擊反應(yīng)時(shí)間 指的是目標(biāo)出現(xiàn)在波門(mén)內(nèi)到鎖定目標(biāo)的時(shí)間，首發(fā)命中率指的是第一發(fā)炮彈擊中目標(biāo) 的概率。其中射擊反應(yīng)時(shí)間是從速度上對(duì)武器系統(tǒng)性能進(jìn)行衡量，首發(fā)命中率是從精 度上對(duì)武器系統(tǒng)進(jìn)行評(píng)價(jià)。速度與精度兩個(gè)指標(biāo)相互制約所以只能通過(guò)提高算法的 自動(dòng)化程度來(lái)同時(shí)提高速度與精度。 為了能夠同時(shí)提高目標(biāo)識(shí)別的速度與精度，算法將能夠自動(dòng)搜索目標(biāo)，甚至在人 跟還未觀察到目標(biāo)的時(shí)候就鎖定目標(biāo)。同時(shí)，針對(duì)海天目標(biāo)所處環(huán)境以及目標(biāo)特性提 出一種新的目標(biāo)分割算法，能夠較為準(zhǔn)確的識(shí)別目標(biāo)，大大提高了目標(biāo)搜索的準(zhǔn)確率， 從而提高了首發(fā)命中率。 海天目標(biāo)是海上空域的一種弱小目標(biāo)，具有體積小，特征量少等特點(diǎn)不利于算 法檢測(cè)，較之普通的空域目標(biāo)又處于低對(duì)比度低信噪比的不利環(huán)境中，所以如何準(zhǔn)確 的將海天目標(biāo)從背景中提墩出來(lái)是能否進(jìn)行精密罪蹤的關(guān)鍵。 針對(duì)上述這些問(wèn)題，本文提出了一種海天目標(biāo)在線智能搜索跟蹤算法。該算法實(shí) 現(xiàn)了對(duì)目標(biāo)的實(shí)時(shí)檢測(cè)，并且對(duì)目標(biāo)的搜索、跟蹤和預(yù)測(cè)狀態(tài)通過(guò)算法進(jìn)行自動(dòng)切換， 穩(wěn)定跟蹤時(shí)波門(mén)隨著目標(biāo)大小的變化而自適應(yīng)地改變，亮暗目標(biāo)自動(dòng)判定，目標(biāo)被遮 擋時(shí)可以進(jìn)行預(yù)測(cè)，從而達(dá)到了真正無(wú)人工干預(yù)的智能搜索跟蹤，而且無(wú)論是速度上， 還是精度上都較比傳統(tǒng)算法有著明顯的提高。 2 研究的背景、現(xiàn)狀及意義 低對(duì)比度低信噪比空域機(jī)動(dòng)目標(biāo)的檢測(cè)與跟蹤歷來(lái)被認(rèn)為是視頻領(lǐng)域的一個(gè)技術(shù) 難題，最早實(shí)現(xiàn)捕獲、穩(wěn)定跟蹤目標(biāo)是十分困難的。隨著軍事戰(zhàn)場(chǎng)中對(duì)武器裝備性能 的要求越來(lái)越高，低對(duì)比度、低信噪比的環(huán)境與目標(biāo)大小變化成為制約提高搜索跟蹤 性能的主要因素。 在以往的目標(biāo)定位中，常采用手動(dòng)定位的方式。手動(dòng)定位優(yōu)點(diǎn)在于目標(biāo)定位準(zhǔn)確， 而且不用進(jìn)行任何算法操作。但其缺點(diǎn)更加突出：首先，手動(dòng)定位需要目標(biāo)能夠被人 眼識(shí)別，這就是說(shuō)人眼必須時(shí)刻盯住監(jiān)視器整個(gè)視場(chǎng)這樣才可以盡早發(fā)現(xiàn)目標(biāo)這 樣做在實(shí)際操作中有著諸多不便；其次手動(dòng)定位從人眼鎖定目標(biāo)到用鼠標(biāo)畫(huà)出波門(mén)鎖 定目標(biāo)，時(shí)間較長(zhǎng)，這樣就違背了在第一時(shí)間鎖定目標(biāo)，獲取數(shù)據(jù)的前提：而且，手 動(dòng)定位后進(jìn)入跟蹤，還需要人為進(jìn)行監(jiān)視，這樣爿會(huì)在跟蹤失敗的時(shí)候再次手動(dòng)定位， 這樣使得整個(gè)實(shí)驗(yàn)過(guò)程極不連續(xù)，而且容易出錯(cuò)：最后，在p r 蹤失敗后進(jìn)行手動(dòng)定位 過(guò)程中耗費(fèi)時(shí)間會(huì)使得穩(wěn)定跟蹤中的寶貴數(shù)據(jù)丟失，使實(shí)驗(yàn)缺少信服度。 而在已經(jīng)采用的目標(biāo)自動(dòng)搜索算法中，以背景建?！暗姆绞骄佣啵倚Ч^ 好。但是由于背景建模的方式計(jì)算量較大，實(shí)時(shí)性很難實(shí)現(xiàn)：而且在不斷變換的場(chǎng) 景中，需要實(shí)時(shí)更新背景。使計(jì)算量進(jìn)一步加大，算法復(fù)雜程度提高，而且搜索正確 率減低。 對(duì)空域機(jī)動(dòng)目標(biāo)傳統(tǒng)的電視搜索跟蹤算法有很多，主要?dú)w納為以下四類(lèi)跟蹤算法： ( i ) 固定波門(mén)的形心、質(zhì)心和相關(guān)跟蹤方法： ( 2 ) 根據(jù)目標(biāo)的矩不變特征的矩匹配算法”。； ( 3 ) 均值遷移和卡爾曼濾波預(yù)測(cè)相結(jié)臺(tái)算法： ( 4 ) 粒子濾波相關(guān)跟蹤算法”。 針對(duì)于空域機(jī)動(dòng)目標(biāo)對(duì)比度低、信噪比低和目標(biāo)尺度變化大的特點(diǎn)諸方法受周 圍影響很大，無(wú)法準(zhǔn)確對(duì)目標(biāo)進(jìn)行有效的分離和穩(wěn)定跟蹤”“，相關(guān)、矩跟蹤和粒子濾 波算法耗費(fèi)大量的時(shí)間，不滿足快速搜索跟蹤的實(shí)時(shí)性要求”。 低對(duì)比度低信噪比環(huán)境下的圖像分割也是海天目標(biāo)識(shí)別的一個(gè)重要難題。傳統(tǒng)的 圖像分割常采用雙波門(mén)、o t s u 、雖大熵、p 一參數(shù)等閩值算法。( 1 ) 雙波門(mén)閩值”l 就 是采用內(nèi)外兩個(gè)波門(mén)，內(nèi)波門(mén)內(nèi)為目標(biāo)區(qū)域，內(nèi)外波門(mén)之間的區(qū)域?yàn)楸尘皡^(qū)域，通過(guò) 目標(biāo)和背景區(qū)域的像素差距來(lái)確定圖像的分割閩值。但是在對(duì)比度報(bào)低時(shí)，內(nèi)外波門(mén) 像素扶度集基本一致，無(wú)法提取目標(biāo)并且需要人為設(shè)置波門(mén)，波門(mén)大小會(huì)對(duì)精度產(chǎn) 生影響，波門(mén)過(guò)大，內(nèi)波門(mén)中背景過(guò)多，會(huì)使得閩值更貼近背景，如果波門(mén)過(guò)小，則 目標(biāo)會(huì)因?yàn)槎秳?dòng)而移出波門(mén)范圍，導(dǎo)致h 蹤失??；( 2 ) p 一參數(shù)闡值就是根據(jù)目標(biāo)與圖 像的相對(duì)大小來(lái)進(jìn)行的一種閩值方法，但是這種方法需要事先知道目標(biāo)在整幅圖像中 所占的比例，當(dāng)目標(biāo)由遠(yuǎn)及近飛行或姿態(tài)變化引起目標(biāo)比例改變時(shí)，該算法將無(wú)法有 效對(duì)目標(biāo)進(jìn)行分割：【3 ) o t s u 算法”“”i 是一種基于聚類(lèi)分割的閩值算法，它的優(yōu) 點(diǎn)是運(yùn)算量小、實(shí)時(shí)性好，但當(dāng)目標(biāo)尺寸較小或周邊圖像對(duì)比度較低時(shí)很容易出現(xiàn)目 標(biāo)失落的現(xiàn)象，影響搜索的準(zhǔn)確率和跟蹤的成功率：( 4 ) 雖大熵閾值”僅僅考慮了 像素點(diǎn)的扶度信息，沒(méi)有考慮空問(wèn)信息，對(duì)噪聲比較敏感。這些傳統(tǒng)的圖像分割算法 在低對(duì)比度低信噪比時(shí)很難有效分割目標(biāo)，嚴(yán)重影響搜索精度甚至導(dǎo)致跟蹤失敗”。 針對(duì)上述問(wèn)題本文將采用海天目標(biāo)的自動(dòng)搜索策略。采用會(huì)字塔波門(mén)搜索”“”1 來(lái)減小背景的干擾和加快搜索的速度；多尺度波峰閩值法時(shí)圖像進(jìn)行分割，該算法通 過(guò)圖像直方圖波峰波谷信息”判定滿足要求的閩值，受對(duì)比度與信噪比的影響較小 可以準(zhǔn)確地將目標(biāo)分割出來(lái)，為后續(xù)的目標(biāo)跟蹤提供良好的基礎(chǔ)，可大大提高目標(biāo)自 動(dòng)識(shí)別的準(zhǔn)確性：最后對(duì)搜索到的目標(biāo)進(jìn)行特征識(shí)別與概率統(tǒng)計(jì)，得到最優(yōu)目標(biāo)，實(shí) 現(xiàn)真f 的目標(biāo)自動(dòng)搜索。為了達(dá)到實(shí)時(shí)性要求，減小不必要的運(yùn)算，在跟蹤階段將采 取自適應(yīng)波門(mén)的方式對(duì)目標(biāo)進(jìn)行跟蹤，在波門(mén)內(nèi)采用改進(jìn)雙波門(mén)閩值。加入目標(biāo)預(yù)測(cè) 與目標(biāo)重搜功能，使算法完全自動(dòng)進(jìn)行搜索、跟蹤，真j 下實(shí)現(xiàn)無(wú)人工干預(yù)的海天目標(biāo) 在線智能搜索跟蹤的功能。 1 2 本文的主要工作及各章安排 121 本文的主要工作 為了解決傳統(tǒng)目標(biāo)搜索跟蹤算法對(duì)海天日標(biāo)低對(duì)比度低信噪比f(wàn) 精度與實(shí)時(shí)性， 本文將采用如下步驟對(duì)目標(biāo)進(jìn)行搜索跟蹤： i 、舍字塔波門(mén)搜索結(jié)合多尺度波峰聞值對(duì)目標(biāo)進(jìn)行搜索不僅加快了搜索速度， 同時(shí)也提高了搜索精度； 2 、自動(dòng)判別亮暗目標(biāo)，然后選取相應(yīng)算法將目標(biāo)從背景中分割出來(lái)： 3 、通過(guò)區(qū)域標(biāo)記和門(mén)限判定記錄多幀圖像波門(mén)內(nèi)所有的目標(biāo)信息： 4 、采用最優(yōu)目標(biāo)判定算法從多幀目標(biāo)中確定要搜索的真實(shí)目標(biāo)： 5 、跟蹤階段對(duì)閩值分割算法的適應(yīng)性進(jìn)行改進(jìn)，選擇改進(jìn)雙波門(mén)閩值與區(qū)域標(biāo)記 相結(jié)合的算法，解決了目標(biāo)因姿態(tài)、尺寸變化而導(dǎo)致跟蹤失敗的問(wèn)題提高目標(biāo)跟蹤 的穩(wěn)定性： 6 、針對(duì)空域目標(biāo)被遮擋的情況，引入目標(biāo)綜臺(tái)預(yù)測(cè)算法，可對(duì)目標(biāo)下一時(shí)刻位置 進(jìn)行預(yù)測(cè)，并通過(guò)扶度級(jí)門(mén)限判定對(duì)目標(biāo)進(jìn)行過(guò)濾，去除偽目標(biāo)，提高了目標(biāo)跟蹤的 精度。 最終，實(shí)現(xiàn)了一種搜索跟蹤無(wú)人管的高精度、快速和穩(wěn)定的智能電視跟蹤算法。 22 本文各章節(jié)安排 i 、第一章主要介紹了在目標(biāo)識(shí)別領(lǐng)域的一些傳統(tǒng)算法以及這些算法在針對(duì)海天目 標(biāo)上的局限性，并介紹了本文算法提出的背景、現(xiàn)狀以及意義。 2 、第二章主要介紹了算法的實(shí)現(xiàn)環(huán)境及平臺(tái)。本文采用d m 6 4 2 開(kāi)發(fā)扳作為圖像 處理平臺(tái)，重點(diǎn)介紹了從c c d 采集圖像到d m 6 4 2 處理圖像的框架和思想，以及算法 的整體流程，目標(biāo)搜索、跟蹤和預(yù)測(cè)三個(gè)狀態(tài)之間的切換 3 、第三章主要介紹了目標(biāo)的搜索和跟蹤算法，包括余字塔波門(mén)搜索算法、亮暗目 標(biāo)自動(dòng)識(shí)別算法、多尺度波峰閾值算法、區(qū)域標(biāo)記和門(mén)限判定算法、最優(yōu)目標(biāo)判定算 法、改進(jìn)雙波門(mén)閩值算法和綜合目標(biāo)預(yù)測(cè)算法等目標(biāo)識(shí)別葬法。并且從精度和速度的 兩個(gè)方面分析本文算選算法的優(yōu)越性。 4 、第四章主要介紹了d m 6 4 2 程序的優(yōu)化方法，主要從編譯器優(yōu)化、圖像傳輸優(yōu) 化和代碼優(yōu)化三個(gè)方面進(jìn)行分析。編譯器優(yōu)化就是指通過(guò)在編譯器中選擇一些特定的 選項(xiàng)使程序可以快速執(zhí)行：圖像傳輸優(yōu)化就是指圖像在從c c d 讀入d m 6 4 2 的緩沖區(qū) 時(shí)，采用雙緩沖的方式來(lái)實(shí)現(xiàn)邊傳輸圖像，邊處理圖像的快速圖像處理機(jī)制；代碼優(yōu) 化就是指在代碼編寫(xiě)過(guò)程中采用屜合理晟省時(shí)的方式進(jìn)行編寫(xiě)，以盡可能的提高算法 的執(zhí)行效率。 5 、第五章將對(duì)本文提出算法和傳統(tǒng)算法從精度和速度兩個(gè)方面進(jìn)行實(shí)驗(yàn)分析，對(duì) 實(shí)驗(yàn)數(shù)據(jù)進(jìn)行對(duì)比，得出最終結(jié)論。實(shí)驗(yàn)中分別給出了本文提出算法和o t s u 、最大 熵閩值之問(wèn)的速度與精度的效果圖與數(shù)據(jù)對(duì)比，并且展示了亮睹目標(biāo)自動(dòng)識(shí)別、波門(mén) 自適應(yīng)改變、會(huì)字塔波門(mén)搜索、k n n 均值濾波、目標(biāo)預(yù)測(cè)和強(qiáng)制重搜等創(chuàng)新算法的實(shí) 現(xiàn)效果圖。 13 本章小結(jié) 本章主要介紹了本文算法提出的背景、意義和目標(biāo)目標(biāo)識(shí)別領(lǐng)域所采用的傳統(tǒng)算 法以及傳統(tǒng)算法的優(yōu)缺點(diǎn)；并且針對(duì)這些算法的問(wèn)題，提出了更好的解決辦法。然后 介紹了本文所提算法的各個(gè)功能模塊所實(shí)現(xiàn)的作用：最后，介紹了本文各個(gè)章節(jié)所講 內(nèi)容。 第二章平臺(tái)搭建與算法流程 本章主要介紹了海天目標(biāo)在線智能搜索跟蹤算法實(shí)驗(yàn)平臺(tái)如何措建以及組成部 分，并對(duì)海天目標(biāo)在線智能搜索跟蹤算法的整體流程進(jìn)行了詳細(xì)的說(shuō)明。 21 平臺(tái)搭建 2j1 平臺(tái)結(jié)構(gòu)框圖 海天目標(biāo)在線智能搜索跟蹤算法的實(shí)驗(yàn)平臺(tái)主要分為三個(gè)組成部分，圖像采集模 塊、圖像處理模塊和圖像監(jiān)視及數(shù)據(jù)處理模塊。圖像采集模塊采用的是幀率為2 5 耙耵 秒，分辨率為7 6 8 5 7 6 的模擬c c d ，圖像處理模塊使用的是t i 公司推出的d m 6 4 2 開(kāi) 發(fā)板，圖像監(jiān)視及數(shù)據(jù)處理模塊則是利用m e t e r 采集卡和上位機(jī)軟件來(lái)實(shí)現(xiàn)的。 d m 6 4 2 作為實(shí)時(shí)圖像處理模塊，將c c d 相機(jī)采集的圖像進(jìn)行處理，將處理后的圖 像數(shù)據(jù)通過(guò)采集卡傳遞給上位機(jī)進(jìn)行圖像顯示和數(shù)據(jù)處理。硬件連接框圖如圖2 】所 月i 。 一 圖2 i 實(shí)驗(yàn)平臺(tái)連接框圈 如圖2l 所示，c c d 相機(jī)對(duì)應(yīng)的是圖像采集模塊、d m 6 4 2 為圖像處理模塊，圖像 采集卡和數(shù)據(jù)處理模塊則構(gòu)成了上位機(jī)圖像監(jiān)視及數(shù)據(jù)處理模塊。d s p 圖像處理模塊 的優(yōu)勢(shì)在于處理速度快，體積小便于攜帶，并且功耗少。而通過(guò)上位機(jī)對(duì)數(shù)據(jù)進(jìn)行處 理?yè)碛辛己玫娜藱C(jī)界面，并且可通過(guò)圖像采集卡來(lái)觀測(cè)目標(biāo)必要時(shí)可通過(guò)相關(guān)軟件 對(duì)d s p 圖像處理模塊進(jìn)行人工干預(yù)，真正實(shí)現(xiàn)對(duì)目標(biāo)穩(wěn)定快速的智能搜索與跟蹤。 1 視頻采集模塊：該模塊是整個(gè)系統(tǒng)信號(hào)的獲得部分。采用模擬相機(jī)來(lái)采集圖像。 模擬相機(jī)的優(yōu)勢(shì)在于較比數(shù)字相機(jī)價(jià)格低廉，可以降低整個(gè)系統(tǒng)的成本， 2d s p 圖像處理模塊：該模塊采用t m s 3 2 0 d m 6 4 2 來(lái)作為圖像處理開(kāi)發(fā)板。 d m 6 4 2 具有高速的數(shù)據(jù)處理能力，并且具有體積小便于攜帶功耗少等特點(diǎn)，可以蔭 足工程中圖像處理的實(shí)時(shí)性要求。該模塊為整個(gè)系統(tǒng)的核心模塊，主要負(fù)責(zé)對(duì)目標(biāo)的 搜索、跟蹤與預(yù)測(cè)以及在三個(gè)狀態(tài)之間的自動(dòng)切換。 3 上位機(jī)圖像監(jiān)視及數(shù)據(jù)處理模塊：該模塊主要分為兩個(gè)部分：( i ) 實(shí)時(shí)顯示部分 ( 2 ) 數(shù)據(jù)處理部分。 ( 1 ) 實(shí)時(shí)顯示部分：該部分由上位機(jī)通過(guò)圖像采集卡接q 曼d s p 處理后的視頻圖像， 然后通過(guò)軟件顯示出來(lái)，以便使用者通過(guò)對(duì)目標(biāo)的觀測(cè)來(lái)采取相應(yīng)的操作。 ( 2 ) 數(shù)據(jù)處理部分：該部分主要是上位機(jī)通過(guò)與d s p 之間的通信來(lái)獲得目標(biāo)的各 種信息，然后將這些信息虬文檔的形式存在計(jì)算機(jī)中。操作者可以根據(jù)這些數(shù)據(jù)來(lái)計(jì) 算出關(guān)于目標(biāo)的一系列的技術(shù)指標(biāo)。 212 實(shí)驗(yàn)器件型號(hào)與規(guī)格 ( 1 ) c c d 相機(jī)選型 袁2 【c c d 相機(jī)參數(shù) 像素足寸86 u r n 83 g n 幀頻 2 5 4 計(jì) c c d 傳感器 1 2 隔行掃描 靶面足寸 64 r a m 48 r a m 2 ) d m 6 4 2 選用臺(tái)眾達(dá)d m 6 4 2 開(kāi)發(fā)板以及瑞泰5 1 0 0 仿真器實(shí)物圖如下所示 ( a )( b ) 圖2 2d m 6 4 2 開(kāi)發(fā)板與仿真器 圖2 2 ( a ) 為d m 6 4 2 開(kāi)發(fā)板，( b ) 為瑞泰5 1 0 0 仿真器。t m s 3 2 0 d m 6 4 2 是t i 公 司在2 0 0 3 年推出的一款面對(duì)多媒體處理領(lǐng)域應(yīng)用的高性能定點(diǎn)d s p ，基于c 6 4 x 的核 心框架，集成了非常豐富的外圍設(shè)備和接口主頻展高可以達(dá)到7 2 0 m h z t 并行處理 指令的能力最大能夠達(dá)到每個(gè)指令周期處理8 條3 2 位指令。 t m s 3 2 0 d m 6 4 2 的片上存儲(chǔ)器分為l l 存儲(chǔ)器和l 2 存儲(chǔ)器，l 1 存儲(chǔ)器包括程序存 儲(chǔ)器和數(shù)據(jù)存儲(chǔ)器，程序存儲(chǔ)器和數(shù)據(jù)存儲(chǔ)器的容量都是1 6 k 8 位，l 2 存儲(chǔ)器為單 功能的r a m 存儲(chǔ)器，容量為2 5 6 k 8 位，程序存儲(chǔ)器和外部數(shù)據(jù)存儲(chǔ)器的擴(kuò)展受l 2 控 制。d m 6 4 2 還采用了快速數(shù)據(jù)交換機(jī)制，e d m a 技術(shù)( e n h a n c e dd i 托c tm e m o r y a c c e s s ) ，它可以獨(dú)立在c p u 的后臺(tái)進(jìn)行工作，使得程序執(zhí)行時(shí)數(shù)據(jù)的交換和數(shù)據(jù)的 處理可以同步進(jìn)行。 ( 3 ) 圖像采集卡 本實(shí)驗(yàn)選用的是m a t r o x 公司的m e t e r n 系列高性能采集卡。 圖2 3m e 蜥】采集卡 m e t e r i 】采集卡具有以下特點(diǎn)： 采用p c i c o m p a c t p c i 或者p c 1 0 4 一p l u s 格式，可以采集多種格式信號(hào)，如： n t s c p a l ，r s 一1 7 0 和c c i r 等視頻信號(hào)，有1 2 路視頻輸入，3 1 位p c i 昏線，可以 將數(shù)據(jù)實(shí)時(shí)傳輸至系統(tǒng)或顯存，支持彩色或者黑白通道多路數(shù)據(jù)流p a c k e d o r p l a n a r 傳輸。m e t e r i i 可以通過(guò)改變配置文件米選擇采集圖像的數(shù)據(jù)格式，本實(shí)驗(yàn)中，選擇采 集8 位圖像數(shù)據(jù)圖像格式為位圖，像素值范圍為0 到2 5 5 。 ( 4 ) b n c 數(shù)據(jù)線 本實(shí)驗(yàn)中c c d 與d m 6 4 2 以及d m 6 4 2 與圖像采集卡之間的傳輸都由b n c 數(shù)據(jù)線 來(lái)完成。b n c 數(shù)據(jù)線實(shí)物圖如圖24 所示。 圖24b n c 數(shù)據(jù)線 模擬c c d 相機(jī)提供了一個(gè)b n c 接頭的視頻輸出口，通過(guò)b n c 數(shù)據(jù)線連接到 d m 6 4 2 的視頻輸入口，然后再通過(guò)b n c 線將d m 6 4 2 的視頻輸出接口和圖像采集卡的 數(shù)據(jù)采集接口連接此時(shí)就完成了圖像數(shù)據(jù)的通路，通過(guò)v c + + 編程，調(diào)用圖像采集 卡配套軟件m i l 90 提供的l i b 函數(shù)庫(kù)就可以將采集到的圖像數(shù)據(jù)寫(xiě)入磁盤(pán)，# 儲(chǔ)為a v i 文件。 213 實(shí)驗(yàn)軟件編程環(huán)境介紹 c c s 33 d s p 編程采用c c s 33 編譯環(huán)境，軟件界面如圖所示 圖2 5c c s 開(kāi)拉環(huán)境 c c s ( c o d e c o m p o s e rs t u d i o ) 是t i 公司推出的集成開(kāi)發(fā)環(huán)境，提供了環(huán)境配置、 源文件編輯、跟蹤和分析等工具可以幫助用戶在一個(gè)軟件環(huán)境下完成編輯、編譯連 接、調(diào)試和數(shù)據(jù)分析等工作。 ( 2 ) v $ 2 0 0 8 上位機(jī)編程采用v s 2 0 0 8 編譯環(huán)境軟件界面如圖所示 _ h 靠l - 蜀目瞄n 矗e e t 矗誓田匾f _ - 日- “ 一。一一”l 暫2 b 髑規(guī)于：j 嘣礬啪d 嘛 1 篇一 a h 。f t 叫c 蜀咐o f tv d dc + 十 t e a m $ r s t e m - m k ee d r o o n f c ，0 嬲7 t f c o o 月t o n ! ：= - 唧3 一。 * 所i & “工t s m 鼬竹 v s u o l 。2 0 0 8 0 $ t o d m om h o “ ，自女目 j 口“r e o o r t s 圖26 v s 2 0 0 8 開(kāi)發(fā)環(huán)境 v i s u a ls t u d i o 是微軟公司推出的集成開(kāi)發(fā)環(huán)境可以用來(lái)創(chuàng)建w i n d o w s 平臺(tái)下的 應(yīng)用程序和網(wǎng)絡(luò)應(yīng)用程序。v s 2 0 0 8 提供了高級(jí)開(kāi)發(fā)工具、調(diào)試功能、數(shù)據(jù)庫(kù)功能和創(chuàng) 新功能，幫助在各種平臺(tái)上快速創(chuàng)建當(dāng)前最先進(jìn)的應(yīng)用程序?yàn)殚_(kāi)發(fā)人員提供了所有 相關(guān)的工具和框架支持。 ( 3 ) m i l 90 圖27 l 90 開(kāi)發(fā)環(huán)境 m i l 90 是m e t e r l l 系列高性能采集卡配套圖像處理軟件，加拿大m a t r o x 機(jī)器視 覺(jué)，醫(yī)學(xué)圖像和圖像分析領(lǐng)域確認(rèn)的軟件開(kāi)發(fā)工具，主要提供針對(duì)圖像采集和操 作的函數(shù)相應(yīng)的i j b 庫(kù)文件和相關(guān)函數(shù)的使用說(shuō)明與d e m o ，可以使圖像的采集和 處理更加簡(jiǎn)單和快速。 22 算法流程 海天目標(biāo)在線搜索跟蹤算法主要分為三個(gè)部分：搜索算法、跟蹤算法和預(yù)測(cè)算法。 下面我們將分別對(duì)搜索算法、跟蹤算法、預(yù)測(cè)算法以及三種算法之間的切換進(jìn)行簡(jiǎn)要 介紹。 首先c c d 采集圖像，將圖像數(shù)據(jù)傳遞給d m 6 4 2 進(jìn)行處理d m 6 4 2 獲得圖像數(shù)據(jù) 后將首先進(jìn)行目標(biāo)的搜索，如果沒(méi)有目標(biāo)則繼續(xù)搜索，直到搜到目標(biāo)后進(jìn)入到跟蹤狀 態(tài)，跟蹤過(guò)程中對(duì)跟蹤披門(mén)內(nèi)目標(biāo)進(jìn)行精確定位若波門(mén)有目標(biāo)，則繼續(xù)跟蹤，若波 門(mén)內(nèi)無(wú)目標(biāo)則進(jìn)行目標(biāo)預(yù)測(cè)。目標(biāo)預(yù)測(cè)如果在一定時(shí)間范圍內(nèi)重新發(fā)現(xiàn)目標(biāo)，則繼 續(xù)跟蹤，否則自動(dòng)切換為搜索狀態(tài)。系統(tǒng)軟件流程圖如圖2 8 所示 培 拿 圖28 算法流程軟件框幽 如圖2 8 中，目標(biāo)的搜索、跟蹤與預(yù)測(cè)是本文算法的核心搜索算法的速度決定了 整套算法的實(shí)時(shí)性優(yōu)劣。搜索的精度也將作為精密跟蹤準(zhǔn)確與否的前提條件；跟蹤的 精度與穩(wěn)定性將決定整套算法能否滿足電視跟蹤的要求：預(yù)測(cè)算法將使整個(gè)系統(tǒng)能夠 在目標(biāo)被瞬時(shí)遮擋時(shí)保持跟蹤的連貫性，以使算法可咀更加穩(wěn)定，數(shù)據(jù)更加連續(xù)。這 部分內(nèi)容將在第三章進(jìn)行詳細(xì)的介紹。 23 本童小結(jié) 本章主要介紹了海天目標(biāo)在線智能搜索跟蹤算法實(shí)驗(yàn)平臺(tái)的組成和搭建，以及算 法的流程。實(shí)驗(yàn)平臺(tái)的硬件選擇有c c d 模擬相機(jī)、d m 6 4 2 圖像處理開(kāi)發(fā)板及瑞泰5 1 0 0 仿真器、p c 機(jī)、m e t e rl i 圖像采集卡以及b n c 數(shù)據(jù)線。實(shí)驗(yàn)所使用的軟件編譯環(huán)境和 工具有c c s 33 、v s 2 0 0 8 和m i l 90 。算法流程主要介紹了采集圖像后進(jìn)入算法的搜索 狀態(tài)，以及搜索狀態(tài)、跟蹤狀態(tài)和預(yù)測(cè)狀態(tài)之間的切換。 第三章海天目標(biāo)在線智能搜索跟蹤算法 本章首先對(duì)算法需求進(jìn)行分析，然后將從搜索、跟蹤和預(yù)測(cè)三個(gè)方面來(lái)介紹海天 目標(biāo)在線智能搜索跟蹤算法，并對(duì)其中每一個(gè)子算法進(jìn)行詳細(xì)的分析t 并和傳統(tǒng)算法 進(jìn)行對(duì)比。 31 算法需求分析 通過(guò)對(duì)算法需求進(jìn)行解析，確定所提出算法要針對(duì)以下重點(diǎn)進(jìn)行研究。 ( 1 ) 算法針對(duì)i g 標(biāo)為海天1 5 1 標(biāo)： ( 2 ) 算法要實(shí)現(xiàn)在線目標(biāo)識(shí)別，實(shí)時(shí)性要求很高； ( 3 ) 算法要求在搜索狀態(tài)和跟蹤狀態(tài)間自動(dòng)切換，要求智能化程度高= 以上三點(diǎn)是本算法實(shí)現(xiàn)的關(guān)鍵，以下所有算法的討論都將圍繞著這三點(diǎn)來(lái)進(jìn)行 311 海夭目標(biāo) 海天目標(biāo)是一種處于低對(duì)比度環(huán)境下的弱小目標(biāo)1 1 ，如圖31 所示t 由于目標(biāo) 與背景過(guò)于接近且目標(biāo)在圖像中所占面積較小，所能提取的目標(biāo)信息很少，對(duì)其的搜 索與跟蹤成為了目標(biāo)識(shí)別領(lǐng)域的一個(gè)難題。 o 圈3 l 海天目標(biāo) 針對(duì)海天目標(biāo)，采用何種閩值方法來(lái)分割目標(biāo)是保證識(shí)別準(zhǔn)確性的關(guān)鍵。由于海 天目標(biāo)所具有的條件限制，使得傳統(tǒng)算法無(wú)法有效穩(wěn)定的分割目標(biāo)。本文將采用多尺 度波峰閩值算法，該算法針對(duì)不同的直方圖類(lèi)型圖像采用自適應(yīng)圖像分解策略。 312 目標(biāo)在線識(shí)別 目標(biāo)在線識(shí)別要求算法實(shí)時(shí)性很高。本系統(tǒng)所采用的c c d 獬2 5 幀，秒，所以 每?jī)蓭g隔為4 0 毫秒。在4 0 毫秒內(nèi)將完成所有算法以及數(shù)據(jù)傳輸，才可以保證系統(tǒng)不 丟幀。為了達(dá)到這個(gè)要求，在目標(biāo)搜索的過(guò)程中采用金字塔搜索的方式，逐級(jí)減小波 門(mén)范圍來(lái)減4 、算法運(yùn)行時(shí)間。在程序優(yōu)化方面，將會(huì)采用編譯器優(yōu)化、代碼優(yōu)化和數(shù) 據(jù)傳輸優(yōu)化。程序優(yōu)化這一部分內(nèi)容將在第四章進(jìn)行詳細(xì)的介紹。 313 智能算法的實(shí)現(xiàn) 智能算法涵蓋許多方面既包含功能的自動(dòng)切換又包括機(jī)器學(xué)習(xí)的過(guò)程，本文 提出算法將會(huì)完成以下內(nèi)容：目標(biāo)搜索與跟蹤狀態(tài)問(wèn)可自動(dòng)切換、目標(biāo)短暫消失時(shí)可 以進(jìn)行預(yù)測(cè)、跟蹤波門(mén)隨著目標(biāo)大小而自適應(yīng)變化、自動(dòng)識(shí)別目標(biāo)亮暗狀態(tài)，真正實(shí) 現(xiàn)無(wú)人工干預(yù)的智能目標(biāo)搜索跟蹤算法。 32 搜索算法 目標(biāo)的搜索是為了準(zhǔn)確分析出目標(biāo)的具體位置，為后續(xù)的精密跟蹤打下良好的基 礎(chǔ)，所以就要求目標(biāo)搜索算法在滿足實(shí)時(shí)性要求的前提下能夠更加穩(wěn)定和準(zhǔn)確的確定 目標(biāo)區(qū)域。 本文將來(lái)取金字塔波門(mén)搜素，多尺度波峰闖值，區(qū)域標(biāo)記、最優(yōu)目標(biāo)搜索等算法 進(jìn)行海天目標(biāo)的搜索。搜索算法流程圖如圖32 所示。 圖3 2 援索算法流程圖 如圖3 2 所示，首先通過(guò)c c d 捕獲圖像數(shù)據(jù)，然后通過(guò)金字塔波門(mén)搜索配合多尺 度波峰閩值算法將目標(biāo)與背景分割：然后通過(guò)區(qū)域標(biāo)記統(tǒng)計(jì)目標(biāo)個(gè)數(shù)，不滿足門(mén)限判 定的將會(huì)視為偽目標(biāo)被濾除然后記錄目標(biāo)位置：將波門(mén)逐級(jí)縮小的一個(gè)周期中記錄 的目標(biāo)位置進(jìn)行統(tǒng)計(jì)，找出最優(yōu)目標(biāo)位置則將該位置視為實(shí)際目標(biāo)位置此時(shí)搜索 完畢，進(jìn)入跟蹤狀態(tài)。如果沒(méi)有找到最優(yōu)目標(biāo)，則繼續(xù)搜索，直到找到目標(biāo)位置。 本節(jié)將對(duì)金字塔搜索，多尺度波峰閩值區(qū)域標(biāo)記和門(mén)限判定，亮暗目標(biāo)自動(dòng)識(shí) 別和昂優(yōu)目標(biāo)判定等算法進(jìn)行詳細(xì)的講解。 32 1 金字塔波門(mén)搜索 為了滿足算法實(shí)時(shí)性要求，并減小背景中噪聲干擾，本文將采用金字塔波門(mén)方法 對(duì)目標(biāo)進(jìn)行搜索。速度與精度是一對(duì)相互制約的技術(shù)指標(biāo)，而金字塔波門(mén)的搜索則通 過(guò)縮小搜索區(qū)域的方式非常好的解決了兩者之間的關(guān)系。 金字塔波門(mén)搜索就是逐級(jí)縮小搜索波門(mén)的大小，減小搜索區(qū)域，這樣需要處理的 數(shù)據(jù)少了，可以降低搜索時(shí)間，另一方面也可以減少背景中噪聲對(duì)目標(biāo)識(shí)別的影響”“- 金字塔波門(mén)搜索示意圖如圖33 所示： 廠r 。，+ + + 一 ，3 j* 口$ 十， t 4 # n 镕十5 女 圖3 3 金字塔波門(mén)搜索示意圖 i k = 一i x d ( 砰 。)、 i 阡：= w ( k ! 阡) 式( 1 ) 中w 為波門(mén)初始寬度，孵為當(dāng)前波門(mén)寬度，。為設(shè)定波門(mén)的最小寬度 d 為波門(mén)縮進(jìn)步長(zhǎng)。i 為縮進(jìn)次數(shù)。波門(mén)高度則按比例縮進(jìn)。波門(mén)每次縮小一個(gè)步長(zhǎng)， 圖像數(shù)據(jù)減少運(yùn)算量降低，加快了搜索的速度。當(dāng)波門(mén)縮小到最小時(shí)，一次循環(huán)結(jié) 束判斷是否搜索到目標(biāo)，如果搜索到，進(jìn)入跟蹤狀態(tài)波i 大小將會(huì)根據(jù)目標(biāo)的實(shí) 際大小而設(shè)定，如果沒(méi)有搜索到目標(biāo)，算法仍處于搜索狀態(tài)，那么波門(mén)將重置回初始 大小，繼續(xù)重復(fù)搜索算法的步驟。 3 22 多尺度波峰闞值 由于海天目標(biāo)所處于低對(duì)比度的條件下，所以閾值算法的魯棒性直接決定目標(biāo)能 否準(zhǔn)確的識(shí)別出來(lái)。傳統(tǒng)的目標(biāo)閩值方法有p 參數(shù)閩值、o t s u 閩值和最大熵閩值等。 ( 1 ) p 參數(shù)閩值需要事先知道目標(biāo)在整幅圖像中所占的比例，但目標(biāo)由遠(yuǎn)及近 飛行或姿態(tài)變化引起目標(biāo)比例改變時(shí)，將無(wú)法有效穩(wěn)定分割： ( 2 ) o t s u 2 3 ) 1 2 4 i 算法是建立在圖像的灰度直方圖基礎(chǔ)上，依據(jù)類(lèi)間距離極大準(zhǔn)則 來(lái)確定區(qū)域分割門(mén)限的算法。o t s u 算法的優(yōu)點(diǎn)是運(yùn)算量小、實(shí)時(shí)性好，在對(duì)比度較 好時(shí)效果明顯但是當(dāng)目標(biāo)與背景的比側(cè)較小或者對(duì)比度較低時(shí)分割效果不好，甚至 很容易出現(xiàn)目標(biāo)失落的現(xiàn)象： ( 3 ) 最大熵閩值算法是一種基于灰度一梯度共生矩陣與最大熵原理自動(dòng)閾值化的 方法。這種算法同時(shí)利用灰度信息和梯度信息，通過(guò)計(jì)算共生矩陣的二維熵，使邊緣 區(qū)域熵最大來(lái)選取閩值向量。撮大熵閾值對(duì)噪聲比較敏感對(duì)于海天目標(biāo)，如果視場(chǎng) 內(nèi)個(gè)別區(qū)域能量較強(qiáng)，那么目標(biāo)的提取將徹底失敗。 這些傳統(tǒng)的圖像分割算法在低對(duì)比度低信噪比時(shí)根難有效分割目標(biāo)，嚴(yán)重影響搜 索精度甚至導(dǎo)致跟蹤失敗。 針對(duì)上述傳統(tǒng)算法的問(wèn)題，本文提出采用多尺度波峰閾值。多尺度波峰閩值是通 過(guò)圖像直方圖的波峰波谷信息進(jìn)行聞值判定。圖像直方圖根據(jù)目標(biāo)和背景的不同可以 分為三種：積峰直方圖、多峰直方圖和單峰直方圖，如圖3 4 昕示。根據(jù)不同的直方圖 類(lèi)型采用自適應(yīng)圖像分解策略來(lái)計(jì)算閩值。 a ) 雙峰直方國(guó) ( b ) 多峰直方圖( c ) 單峰直方圖 圖3 4 多尺度直方圖 在目標(biāo)搜索過(guò)程中波門(mén)不斷減小對(duì)波門(mén)內(nèi)的圖像進(jìn)行多尺度波峰閩值。首先 得到圖像直方圖然后通過(guò)直方圖修正和均衡化進(jìn)行預(yù)處理，接著統(tǒng)計(jì)波峰波谷個(gè)數(shù) 以判斷搜索區(qū)域內(nèi)圖像直方圖類(lèi)型選取相應(yīng)算法，得到最佳閩值，計(jì)算流程如圖35 所示： 圈3 5 多尺度波峰閩值流程圖 322 1 直方圖預(yù)處理 海天目標(biāo)的背景主要是海上天空，目標(biāo)成像的質(zhì)量一般受光照條件、能見(jiàn)度等自 然因素的影響可能使目標(biāo)的灰度只分布在整個(gè)灰度級(jí)較窄的一段內(nèi)，部分信息可能 無(wú)法體現(xiàn)出來(lái)。所以在對(duì)直方圖進(jìn)行操作之前，首先要進(jìn)行直方圖預(yù)處理，常用的預(yù) 處理的方法是直方圈均衡化和直方圖修正1 1 5 12 w 2 7 1 以及圖像的增強(qiáng)i “】。直方圖均衡化可 咀有效的去除直方圖中的毛刺，起到了直方圖平滑的作用。直方圖修正則是對(duì)直方圖 進(jìn)行線性或非線性的變換使圖像的灰度分布更加合理，對(duì)比度得到增強(qiáng)。預(yù)處理之 后要判斷圖像的峰谷個(gè)數(shù)。在遍歷所有獲度等級(jí)像素?cái)?shù)時(shí)判斷當(dāng)前灰度等級(jí)兩側(cè)像素 數(shù)的趨勢(shì)：( 1 ) 當(dāng)左側(cè)為上升趨勢(shì)右側(cè)為下降趨勢(shì)時(shí)，該點(diǎn)為峰值點(diǎn)；( 2 ) 當(dāng)左側(cè)為 下降趨勢(shì)右側(cè)為上升趨勢(shì)時(shí)，該點(diǎn)為谷值點(diǎn)。記錄峰值和谷值點(diǎn)的個(gè)數(shù)，以便進(jìn)行直 方圖類(lèi)型的判斷。 3222 雙峰直方圖 當(dāng)背景灰度集中在某個(gè)較小的區(qū)域并且與目標(biāo)的灰度有著明顯差異的時(shí)候，圖像 的直方圖呈現(xiàn)為雙峰形狀。這兩個(gè)特征峰分別代表目標(biāo)灰度級(jí)和大部分的背景灰度級(jí)。 此時(shí)取兩個(gè)波峰問(wèn)的波谷作為閩值。這種方法也叫做雙峰谷底法。 圖像的混合概率密度為： 一出 p ( 。) 5 加( = ) + 聃( ：) 2 壓p l d p l 2 4 7 j +( 3 2 ) 式( 2 ) 中“和盧，分別是背景和目標(biāo)區(qū)域的平均灰度值to - ，和o - ：分別是關(guān)于均值 的均方差tp 和島分別是背景和目標(biāo)區(qū)域平均灰度的先驗(yàn)概率。假設(shè)h c 肛，定3 l - - 個(gè)閩值r 來(lái)分割目標(biāo)和背景，這時(shí)目標(biāo)和背景錯(cuò)誤劃分的誤差概率為： 17 占( 即= p 2 f 以( ：) 出+ 屆。f p , ( z ) d - - 為求得使該誤差最小的聞值可將e f n 對(duì)r 求導(dǎo)并令導(dǎo)數(shù)為零 閩值。 ( 33 ) 解出r ，即為最佳 3223 多峰直方圖 當(dāng)背景比較復(fù)雜或者圖像中含有多個(gè)灰度級(jí)不同的目標(biāo)時(shí)，直方圖呈現(xiàn)多峰形狀， 其中每一個(gè)特征峰對(duì)應(yīng)著個(gè)目標(biāo)。多峰直方圖圖像二值化時(shí)，采用動(dòng)態(tài)閩值方法 - , 9 1 。 閩值一般可選在分割后兩類(lèi)像素點(diǎn)數(shù)接近的波谷處。我們首先選取一個(gè)像素值k ，則： m r ( 女) = i ( 0 一) 1 l 2 1 “ 。o 3 4 、 式( 4 ) 中，為當(dāng)前灰度級(jí)的強(qiáng)度，通過(guò)改變假定閩值k 我們可以得到不同的， 當(dāng)r 取到最小值時(shí)對(duì)應(yīng)的k 為該圖像的分割閩值。 3224 單峰直方圖 單峰直方圖圖像在圖像處理中經(jīng)常遇見(jiàn)，但是缺乏有效的分割方法。單峰直方圖 圖像一般可分為下面兩種情況： ( 】) 積峰直方目的兩個(gè)波峰的位置過(guò)于接近，導(dǎo)致兩個(gè)波峰中間失去了下凹的波 谷，從而形成單峰。 ( 2 ) 代表背景的區(qū)域與代表目標(biāo)區(qū)域面積相差懸殊，使目標(biāo)區(qū)域無(wú)法在直方圖中 構(gòu)成波峰。 對(duì)于第一種情況，閾值可以選在波峰的“肩部”，即波形底部斜率由陡向平的轉(zhuǎn)折 處。 如果將直方圖波形看作一條曲線，則可借助求曲線極小值的方法來(lái)計(jì)算闌值。如 果用h ( z ) 代表直方圖，那么： ! 盥2 。塑型 啦出 ( 35 ) 此時(shí)：即為閾值。式( 5 ) 中。為一個(gè)常數(shù)，本文實(shí)驗(yàn)中口取3 。 對(duì)于第二種情況，可以先在波形的肩部確定一個(gè)位置，將對(duì)應(yīng)于背景區(qū)域的最大 峰消除，然后再用動(dòng)態(tài)闡值進(jìn)行分割。 m d 去 323 區(qū)域標(biāo)記及門(mén)限判定 當(dāng)波門(mén)內(nèi)的圖像進(jìn)行過(guò)閩值分割處理后將對(duì)分割后的目標(biāo)進(jìn)行統(tǒng)計(jì)這時(shí)就要 采用區(qū)域標(biāo)- i 2 , 1 3 。i 的方法記錄所有目標(biāo)的位置。 區(qū)域標(biāo)記就是將搜索區(qū)域內(nèi)的所有目標(biāo)進(jìn)行標(biāo)記，并且記錄這些目標(biāo)的位置信息， 然后通過(guò)門(mén)限判定，濾除掉我們不需要的目標(biāo)。 區(qū)域標(biāo)記是一種以連通域分析為主的改進(jìn)型算法。標(biāo)準(zhǔn)的連通域分析算法是遍歷 整個(gè)波門(mén)內(nèi)聞值后的圖像，對(duì)像素進(jìn)行八連通分析，提取出所有相連的區(qū)域作為目標(biāo) 區(qū)域。但是本文所處環(huán)境要求在多目標(biāo)中通過(guò)算法自動(dòng)判斷來(lái)鎖定其中一個(gè)與實(shí)際目 標(biāo)最為接近的目標(biāo)，這就需要我們對(duì)連通域分析算法進(jìn)行改進(jìn)。在進(jìn)行連通域分析后 首先將視為同一目標(biāo)的區(qū)域進(jìn)行統(tǒng)一標(biāo)號(hào)，如下圖所示： 圖36 區(qū)域標(biāo)記和門(mén)限判定拼恿斟 如圖36 所示，遍歷圖像的方式為行掃描，背景為0 ，首先檢測(cè)到第一個(gè)不為零的 像素，對(duì)其八連通進(jìn)行分析，并將與之相連的所有點(diǎn)標(biāo)號(hào)為1 ：然后對(duì)標(biāo)號(hào)是i 的每個(gè) 像素再進(jìn)行八連通分析，相連的也都標(biāo)號(hào)為1 ，以此類(lèi)推，直到邊界都為0 ( 背景) 時(shí) 停止，所有標(biāo)號(hào)為1 的像素構(gòu)成的區(qū)域可視為目標(biāo)1 。然后繼續(xù)進(jìn)行行掃描找到下一 個(gè)不為0 ( 背景) 也不為l ( 目標(biāo)1 ) 的像素，將其標(biāo)號(hào)為2 按照上述操作進(jìn)行八連通 分析，就可咀找到目標(biāo)2 的區(qū)域，同理，可以找出波門(mén)內(nèi)的所有目標(biāo)。 但是由于背景環(huán)境惡劣存在著不同程度的噪聲，圖像預(yù)處理無(wú)法完全將其去除， 所以可以通過(guò)門(mén)限判定的方式濾除掉一些一定不是目標(biāo)的雜質(zhì)。針對(duì)目標(biāo)設(shè)置出目標(biāo) 的范圍，上限門(mén)限和下限門(mén)限阡一此時(shí)判斷目標(biāo)大小w 。目標(biāo)特征判斷準(zhǔn)則如 式( 6 ) 所示。 g ( a r e a ) = o ( w w 。) g ( a r e a ) = 1 ( 。 w w 。) ( 36 ) 式( 6 ) 中的g ( a r e a ) 是表示該目標(biāo)是否滿足門(mén)限要求的標(biāo)志位為0 時(shí)不滿足要 求，為1 時(shí)滿足要求。 門(mén)跟值可根據(jù)實(shí)驗(yàn)得到的經(jīng)驗(yàn)數(shù)據(jù)，假設(shè)目標(biāo)大小范圍在1 0 3 0 個(gè)像素之問(wèn)，則 可以將區(qū)域門(mén)限下限設(shè)置為1 0 個(gè)像素。上限設(shè)置為3 0 個(gè)像素，然后對(duì)搜索區(qū)域內(nèi)的目 標(biāo)逐個(gè)進(jìn)行判定濾除不滿足門(mén)限的，則3 號(hào)與4 號(hào)目標(biāo)被濾除掉，記錄1 號(hào)和2 號(hào)目標(biāo) 的位置信息。 324 亮暗目標(biāo)識(shí)別 亮暗目標(biāo)是目標(biāo)識(shí)別中非常重要的一個(gè)部分，是區(qū)分目標(biāo)與背景的決定性因素。 在以往的空域目標(biāo)識(shí)別中，常常采用人工判別的方式來(lái)確定目標(biāo)的亮暗狀態(tài)，這就使 得不能在目標(biāo)出現(xiàn)的第一時(shí)刻對(duì)目標(biāo)進(jìn)行識(shí)別。而且在目標(biāo)飛行過(guò)程中，由于光線變 化或者曳光管燃盡等不可控困索的出現(xiàn)造成目標(biāo)亮暗狀態(tài)改變，會(huì)對(duì)目標(biāo)的正確識(shí)別 造成很大的影響，需要手工重新進(jìn)行目標(biāo)亮暗狀態(tài)識(shí)別，造成大量寶貴的實(shí)驗(yàn)數(shù)據(jù)丟 失。所以本文采取一種亮暗目標(biāo)自動(dòng)識(shí)別的策略。 亮暗目標(biāo)自動(dòng)識(shí)別算法的基本思想是按照波門(mén)劃分來(lái)確定目標(biāo)和背景區(qū)域，波門(mén) 內(nèi)為目標(biāo)，波門(mén)外為背景。我們只需比較波門(mén)內(nèi)外像素值的大小關(guān)系就可以判斷出目 標(biāo)的亮暗狀態(tài)。但是由于海天目標(biāo)的對(duì)比度較低，搜索時(shí)當(dāng)波門(mén)處于前幾級(jí)時(shí)范圍較 大，目標(biāo)區(qū)域?qū)嶋H上包含了很多背景信息所以采用均值法來(lái)比較像素大小并不是一 個(gè)有效的方法，而極值法則會(huì)受到噪聲的影響，所以結(jié)臺(tái)并改善兩種方法才會(huì)得到 一個(gè)良好的效果。 均值和極值相結(jié)合的方法就是將波門(mén)向外擴(kuò)1 0 個(gè)像素，將這個(gè)虛擬波門(mén)視為外波 門(mén)，而真實(shí)波門(mén)視為內(nèi)波門(mén)。兩個(gè)波門(mén)之間的為背景區(qū)域而內(nèi)波門(mén)里面的為目標(biāo)區(qū) 域。背景區(qū)域采用均值法，求出平均值作為背景參考值，對(duì)波門(mén)內(nèi)的目標(biāo)區(qū)域采用極 值法求出最大值和最小值，分別和背景參考值進(jìn)行比較，與背景相差較遠(yuǎn)的為目標(biāo)像 素，通過(guò)該點(diǎn)像素的極值類(lèi)型來(lái)確定目標(biāo)的亮暗狀態(tài)。 上述方法在圖像質(zhì)量較好的圖像中可以完成亮暗目標(biāo)的自動(dòng)識(shí)別，但是如果圖像 中有明顯的噪聲干擾則會(huì)對(duì)識(shí)別結(jié)果產(chǎn)生明顯影響。為了解決這個(gè)潛在的問(wèn)題，我們 將采取圖像預(yù)處理和多極值點(diǎn)選取的兩種方式來(lái)進(jìn)行處理。 ( 1 ) 圖像預(yù)處理 圖像預(yù)處理用來(lái)去除圖像中影響目標(biāo)識(shí)別的噪聲，因?yàn)椴捎脴O值法，所以噪聲主 要以脈沖式噪聲為主。若采用傳統(tǒng)的均值濾波方式，由于脈沖式噪聲與背景區(qū)別較大， 對(duì)濾波后的效果有著很大的影響，為了減小對(duì)目標(biāo)的影響，本文選用了k n n 均值濾波 法。k n n 均值濾波是傳統(tǒng)均值濾波方法的一種擴(kuò)展在傳統(tǒng)均值濾波的基礎(chǔ)上加入了 以先驗(yàn)條件為基礎(chǔ)的濾波條件通過(guò)更改取均值元素的個(gè)數(shù)來(lái)降低噪聲的影響。n 為 均值濾波的模板范圍，k 為選擇參加計(jì)算的像素個(gè)數(shù)。 k n n 閩值示意圖如圖37 所示，我們以n 取3 ，k 取5 為例： a 1 1a 1 2 a 1 3 a 2 1a 2 2a 2 3 a 3 1a 3 2 a 3 3 圖37k n n 均值濾波模板 n 為3 ，所咀我們選中的是一個(gè)3 * 3 的模板，中心元素a ，為參考像素值。首先分 別求出a ，的八連通對(duì)a 。的差值，然后對(duì)8 個(gè)差值進(jìn)行排序，由于k 為5 所以選取 差值最小的5 個(gè)像素點(diǎn)，然后對(duì)這五個(gè)點(diǎn)求取平均值，作為參考點(diǎn)的新的像素值 如果a ，到a 。按照下圖取值，則： 4 64 0 】2 4 24 43 8 3 98 81 0 2 國(guó)3 8k n n 均值游波示意圖 差值分別為2 4 ，2 8 ，2 ，6 ，5 ，4 4 ，5 8 。那么取差值最小的五個(gè)點(diǎn)應(yīng)該是4 6 ， 4 0 ，4 2 3 8 3 9 。計(jì)算出平均值為4 l ，則a 。的值為4 1 。 此時(shí)，一個(gè)點(diǎn)的預(yù)處理就已完成。按照這個(gè)方法逐個(gè)遍歷圖像像素( 圖像邊緣寬 度為1 個(gè)像素的區(qū)域除外) 便可以去除圖像中的脈沖式噪聲信號(hào)。 ( 2 ) 多個(gè)極值點(diǎn)選取 由于極值點(diǎn)的選取極易受到噪聲的影響雖然經(jīng)過(guò)預(yù)處理但仍可能有少量噪聲存 在，所以可以采用多個(gè)極值點(diǎn)求均值的方式來(lái)選取參考極值點(diǎn)通過(guò)增加樣本數(shù)量來(lái) 減小噪聲的干擾。從傳統(tǒng)的目標(biāo)識(shí)別算法中一般目標(biāo)在圖像中少于9 個(gè)像素則認(rèn)為 該目標(biāo)不滿足精密跟蹤條件，所以也就是說(shuō)滿足精密跟蹤條件的目標(biāo)像素個(gè)數(shù)至少 等于9 ，所以，在這里我們選取9 個(gè)極值點(diǎn)來(lái)作為參考極值點(diǎn)的計(jì)算模板。 對(duì)波門(mén)內(nèi)的圖像經(jīng)過(guò)預(yù)處理后分別求出9 個(gè)最大值點(diǎn)和9 個(gè)最小值點(diǎn)，然后分別 求出最大值點(diǎn)的均值記為a v m a x ，最小值點(diǎn)的均值記為a v m i n 。然后根據(jù)波門(mén)大小邊 界向外擴(kuò)大1 0 個(gè)像素作為虛擬外波門(mén)，求出真實(shí)波門(mén)與虛擬波門(mén)之間的所有像素作為 背景像素，記為a v b k ，則a v m a x 和a v m i n 必然有一個(gè)和a v b k 是十分接近的，那么另 外一個(gè)可以確定為目標(biāo)，通過(guò)極值點(diǎn)的屬性就可以判斷出目標(biāo)的亮暗狀態(tài)。 325 最優(yōu)目標(biāo)判定 由于采用金字塔波門(mén)逐級(jí)縮小的目標(biāo)搜索方式，所以要多幀圖像才能夠確定目標(biāo)， 又或者波門(mén)內(nèi)會(huì)出現(xiàn)偽目標(biāo)對(duì)真正目標(biāo)的識(shí)別造成影響，所以采用一種最優(yōu)目標(biāo)判定 的方式對(duì)目標(biāo)信息進(jìn)行提取。 利用區(qū)域標(biāo)記算法對(duì)搜索區(qū)域內(nèi)的所有目標(biāo)進(jìn)行標(biāo)記，然后通過(guò)門(mén)限判定對(duì)目標(biāo) 進(jìn)行過(guò)濾，最后根據(jù)目標(biāo)特征進(jìn)行概率統(tǒng)計(jì)分析，確定最優(yōu)目標(biāo)，記錄目標(biāo)的位置信 息。 當(dāng)波門(mén)框?qū)挾冗_(dá)到我們所設(shè)定的最小范圍w 。時(shí)，找出各搜索城門(mén)中所記錄的目 標(biāo)位置區(qū)域，設(shè)搜索完時(shí)依次記錄了n 個(gè)目標(biāo)區(qū)域，比較每?jī)蓚€(gè)目標(biāo)的重臺(tái)區(qū)域若重 合區(qū)域大于這兩個(gè)目標(biāo)區(qū)域中任意一個(gè)的三分之二，則認(rèn)為這兩個(gè)區(qū)域?yàn)橥荒繕?biāo)醫(yī) 域，否則是不同的區(qū)域，如圖3 9 所示： 一二二一= 二 目標(biāo)1目標(biāo)2目標(biāo)3目標(biāo)n & 乏二廠 一冷 目標(biāo)1 與k 為不同目標(biāo) 目標(biāo)l 與k 為同 目標(biāo) 圈3 9 最優(yōu)目標(biāo)判定示意圖 通過(guò)統(tǒng)計(jì)，將視為同一目標(biāo)區(qū)域的歸為一類(lèi)。通過(guò)各類(lèi)中目標(biāo)出現(xiàn)頻率來(lái)判最優(yōu) 目標(biāo)。尋找完最優(yōu)目標(biāo)以后要進(jìn)行判斷，如果最優(yōu)目標(biāo)存在則進(jìn)入到跟蹤階段t 否 則重新進(jìn)行搜索。 33 跟蹤算法 目標(biāo)的精密跟蹤是建立在準(zhǔn)確搜