集群無人機(jī)目標(biāo)威脅評估及多目標(biāo)識別分析案例目錄TOC\o"1-3"\h\u24797集群無人機(jī)目標(biāo)威脅評估及多目標(biāo)識別分析案例 186121.1蜂群無人機(jī)蜂群作戰(zhàn)模型 1238271.2蜂群無人機(jī)目標(biāo)威脅評估分析 374021.2.1威脅度評估指標(biāo)體系結(jié)構(gòu) 311951.2.2威脅目標(biāo)特征指標(biāo) 478171.3多目標(biāo)識別判定 6186191.3.1蜂群無人機(jī)目標(biāo)紅外圖像預(yù)處理 7248801.3.2蜂群無人機(jī)目標(biāo)圖像增強(qiáng) 859891.3.3蜂群無人機(jī)目標(biāo)分割處理 9266191.3.4蜂群無人機(jī)目標(biāo)特提取 1117381.3基于模糊識別算法的蜂群無人機(jī)目標(biāo)識別 131.1蜂群無人機(jī)蜂群作戰(zhàn)模型”低慢小“無人機(jī)蜂群作戰(zhàn)系統(tǒng)是基于無人機(jī)集群作戰(zhàn)技術(shù)，該作戰(zhàn)系統(tǒng)具有眾多優(yōu)點，比如應(yīng)用成本低、具有網(wǎng)絡(luò)化作戰(zhàn)能力。通過釋放多個小型化，價格低廉的無人機(jī)，控制無人機(jī)的隊列，可完成多種復(fù)雜的任務(wù)，其中包括戰(zhàn)場偵察與攻擊等[68]。蜂群無人機(jī)作戰(zhàn)具有可操作性，可以在有/無控制下，實現(xiàn)無人機(jī)蜂群各部分之間的協(xié)同作戰(zhàn)，同時在控制人員或系統(tǒng)的操縱下完成對于戰(zhàn)場的偵察與誘騙等一系列難度較大的任務(wù)。蜂群無人機(jī)作戰(zhàn)系統(tǒng)將傳統(tǒng)的戰(zhàn)術(shù)與戰(zhàn)略相互聯(lián)系起來，利用多元化的作戰(zhàn)方式對現(xiàn)代化的軍事戰(zhàn)場提供指揮作用，不僅可以和其他武器共同作用來完成對海陸空中目標(biāo)的攻擊，同時可實現(xiàn)對需保護(hù)地區(qū)的軍事對抗。圖1.1無人機(jī)集群協(xié)同作戰(zhàn)模式圖蜂群無人機(jī)作戰(zhàn)技術(shù)是基于多智能基礎(chǔ)，在無人機(jī)蜂群系統(tǒng)中，其中系統(tǒng)中的的那個無人機(jī)可以被稱為智能體[77]，而這些智能體組成的有秩序的陣列被稱為多智能體系統(tǒng)。該理論最早是從自然界演變而來，比如螞蟻群體、鳥類的遷徙、蜜蜂群體有序的分工等，在這些群體也就是系統(tǒng)中，將每個智能體，通過各種控制作用使其按合理的分工有秩序的完成任務(wù)。在蜂群無人機(jī)作戰(zhàn)系統(tǒng)中，主要包括單個的無人機(jī)即智能體和無人機(jī)群體即多智能體系統(tǒng)[77]，根據(jù)多智能體的特征，可明顯得到蜂群無人機(jī)系統(tǒng)其獨有的“個體智能+通信網(wǎng)絡(luò)=整體運動行為”的特點。“無人機(jī)智能”的概念描述的是在組成蜂群無人機(jī)系統(tǒng)的每個無人機(jī)都具有一定的自我約束與作戰(zhàn)的能力，比如運動、感知信息以及一定的通信。在形成有序的蜂群作戰(zhàn)的過程中，隊列中的每個無人機(jī)除具備自我約束與作戰(zhàn)的能力外，需時刻注意四周其他無人機(jī)的位置與速度等信息，根據(jù)周圍環(huán)境及時調(diào)整自己的狀態(tài)，只有每個在編隊內(nèi)的無人機(jī)都進(jìn)行協(xié)同作用時，無人機(jī)蜂群編隊則可建立，可實現(xiàn)有序的協(xié)同作戰(zhàn)任務(wù)。由以上可以蜂群無人機(jī)系統(tǒng)（多智能體）系統(tǒng)具有如下特點：分布式：又稱去中心化。整個蜂群系統(tǒng)中的每個無人機(jī)均具有一定的自主你能力，沒有一個中心控制器控制所有的無人機(jī)[77]。這一特點使得蜂群系統(tǒng)具有一定的魯棒性，不會出現(xiàn)當(dāng)在執(zhí)行任務(wù)的蜂群無人機(jī)集群中的若干架無人機(jī)因故障或者被攻擊喪失功能從而導(dǎo)致集系統(tǒng)群喪失能力，剩下的無人機(jī)在蜂群無人機(jī)系統(tǒng)遭到破壞后，可以重新組成編隊，繼續(xù)完成后面的作戰(zhàn)任務(wù)，可有效提高戰(zhàn)場生存能力。無人機(jī)自主化：無人機(jī)作戰(zhàn)系統(tǒng)，可實現(xiàn)各個無人機(jī)位置的共享以及相互之間的信息交流，蜂群無人機(jī)的這種相互之間協(xié)同作戰(zhàn)的能力，可有效解決駕駛員疲勞或判斷不迅速等認(rèn)為因素引起的作戰(zhàn)誤差、解放人力，同時在情況變換突發(fā)的情況下又可由人為參與。3)復(fù)雜功能分布式化：當(dāng)要求對某一相應(yīng)對象實現(xiàn)一系類比較復(fù)雜功能時，難以用單個個體去實現(xiàn)這一功能。在蜂群（多智能體）系統(tǒng)中，其可以通過多個個體之間的協(xié)同工作來完成一系列復(fù)雜的任務(wù)。如對蜂群無人作戰(zhàn)系統(tǒng)中的無人機(jī)通過裝備不同設(shè)備與武器來完成對敵滲透偵查、火力壓制以及目標(biāo)摧毀等多種作戰(zhàn)功能[77]。在多智能體（蜂群無人機(jī)）系統(tǒng)理論研究過程中，通常利用圖論法來研究蜂群中的各個無人機(jī)之間的拓?fù)浣Y(jié)構(gòu)。從通信的方向角度分析可分為有向拓?fù)渑c無向拓?fù)鋬煞N類型；根據(jù)通信拓?fù)涞慕Y(jié)構(gòu)來區(qū)分包括固定拓?fù)浜蜁r變切換拓?fù)?。?dāng)蜂群無人機(jī)系統(tǒng)作戰(zhàn)中，使用的是時變切換拓?fù)浣Y(jié)構(gòu)，根據(jù)所要執(zhí)行的任務(wù)的不同，各個無人機(jī)之間可根據(jù)任務(wù)的變換使用不同的拓?fù)浣Y(jié)構(gòu)，當(dāng)任務(wù)完成后再重新斷開連接，可有效提高無人機(jī)系統(tǒng)的協(xié)同作戰(zhàn)能力以及對不同作戰(zhàn)環(huán)境的應(yīng)對能力。蜂群無人機(jī)作戰(zhàn)系統(tǒng)的通信拓?fù)浣Y(jié)構(gòu)如圖1.2所示。圖1.2集群對象采用的三種控制/通信結(jié)構(gòu)通過對本節(jié)中蜂群無人機(jī)的形成結(jié)構(gòu)以及系統(tǒng)特點研究分析，了解無人機(jī)個體間以及系統(tǒng)間的通信結(jié)構(gòu)以及控制方式，進(jìn)一步可對蜂群無人機(jī)的反制技術(shù)提供一定的理論依據(jù)。在進(jìn)行蜂群無人機(jī)的反制時，可通過破壞掉蜂群無人機(jī)中的一些通信結(jié)點以實現(xiàn)對整個通信（控制）系統(tǒng)的破壞。還可對蜂群無人機(jī)目標(biāo)中承擔(dān)一些特殊任務(wù)（如執(zhí)行火力打擊任務(wù)）的無人機(jī)目標(biāo)進(jìn)行有效識別并優(yōu)先予以打擊。以降低來襲蜂群對我方的威脅。1.2蜂群無人機(jī)目標(biāo)威脅評估分析隨著蜂群無人機(jī)技術(shù)的廣泛應(yīng)用，具備“低慢小”的特點的蜂群小目標(biāo)，低慢小目標(biāo)是指在低空慢速飛行的小型飛行器或空浮器的相應(yīng)統(tǒng)稱，其具有飛行高度較低、速度較慢、難以被雷達(dá)的探測系統(tǒng)偵測等特點，尤其是具有蜂群特征低慢小目標(biāo)使得低空戰(zhàn)場的態(tài)勢越來越復(fù)雜，給現(xiàn)代低空防空帶來了極大麻煩。為應(yīng)對低空蜂群小目標(biāo)的威脅，同時對來襲的目標(biāo)作出迅速的應(yīng)對方法，因此需對蜂群小目標(biāo)進(jìn)行威脅評估，從而完善戰(zhàn)場指揮過程。對來襲蜂群小目標(biāo)的威脅態(tài)勢進(jìn)行合理評估并制定合理打擊方案，這有利于進(jìn)一步提高無人機(jī)反制系統(tǒng)的作戰(zhàn)效能。針對蜂群小目標(biāo)的威脅評估是根據(jù)來襲的低空蜂群小目標(biāo)的已知屬性和狀態(tài)進(jìn)行評估，通過獲取的來襲目標(biāo)的相應(yīng)信息，獲取的目標(biāo)的相關(guān)信息即為特征參數(shù)，也成為了威脅因子，威脅因子主要包括定量因素與定性因素，定量因素由距離、高度、標(biāo)速度等信息組成；定性因素由目標(biāo)的類型以及抗干擾的能力等信息組成。通過對其進(jìn)行評判其威脅程度的高低，為無人機(jī)反制系統(tǒng)提供合理有效的目標(biāo)打擊方案，這相應(yīng)涉及到判定規(guī)則、情報信息、防區(qū)的地理位置、保衛(wèi)目標(biāo)的重要程度等多種因素信息[69]，本節(jié)基于蜂群低慢小目標(biāo)的特點，對來襲目標(biāo)的的威脅因因子以及威脅態(tài)勢進(jìn)行分析。為后續(xù)目標(biāo)威脅度進(jìn)行量化評估，提供理論依據(jù)。1.2.1威脅度評估指標(biāo)體系結(jié)構(gòu)在無人機(jī)反制系統(tǒng)的檢測系統(tǒng)中，對所探測的低空蜂群目標(biāo)的識別跟蹤的優(yōu)先級排序、資源調(diào)度以及分配的決策，其往往是依據(jù)所探測目標(biāo)的威脅度制定計劃的。低空環(huán)境下的“低慢小”小目標(biāo)類型較多，因此其不同類型的目標(biāo)的結(jié)構(gòu)性能存在差異，根據(jù)這些差異提取各威脅目標(biāo)的各主要要素，最終由此建立合理的評估指標(biāo)體系結(jié)構(gòu)，這是對目標(biāo)威脅度評估的首要依據(jù)[65]。在此以無人機(jī)反制系統(tǒng)對低空小目標(biāo)監(jiān)視任務(wù)為背景，以快速發(fā)現(xiàn)目標(biāo)并精準(zhǔn)跟蹤為目的，對低空環(huán)境中的目標(biāo)所構(gòu)成的各威脅要素構(gòu)建而來的指標(biāo)體系，通過分析彼此間的關(guān)系于權(quán)重，進(jìn)而評估出無人機(jī)反制系統(tǒng)中的監(jiān)測系統(tǒng)的探測目標(biāo)的威脅度[65]。一般按照防空作戰(zhàn)要求來說，低空目標(biāo)威脅度可分為任務(wù)意圖、攻擊威脅以及突防威脅３個主要方面。1）相對來說任務(wù)意圖是指包括我方指定監(jiān)視目標(biāo)、飛行器和所要的保護(hù)對象三大類。第一類通常情況下我方指定監(jiān)視目標(biāo)是根據(jù)上級指定，需重點監(jiān)視的飛行目標(biāo)，其威脅度相對來說也是最高；第二類飛行器通常是指“低慢小”目標(biāo)一類的飛行平臺，由于不同的的飛行平臺所承擔(dān)的飛行任務(wù)的重要性也不同，因此相對應(yīng)不同飛行平臺對我方的威脅度存在差異性，可根據(jù)飛行平臺的價值的高低以及所執(zhí)行的任務(wù)的特點將飛行目標(biāo)分為重要目標(biāo)（如直升機(jī)、動力三角翼、無人機(jī)等）、普通目標(biāo)（如航空模型、風(fēng)箏、孔明燈等）兩大類[65]。對于重要目標(biāo)其所呈現(xiàn)出的威脅程度最大，而普通目標(biāo)的威脅相對較??；第三類所說的保護(hù)對象是指如指揮所、人群密集區(qū)、機(jī)場港口和交通要道等重要區(qū)域，由于這些對象以及區(qū)域的價值比較大，易受到敵方目標(biāo)的攻擊可能性更大，所以對入侵這些區(qū)域目標(biāo)的威脅程度較高。2）攻擊威脅則是指空中“低慢小”目標(biāo)的飛行速度、攜帶的武裝性能、航路捷徑和機(jī)動特性等性能。相對來說空中飛行的目標(biāo)其速度越快，其威脅程度度就越高；其飛行平臺所攜帶的武器裝備武裝性能越好，威脅程度也就越高；在作戰(zhàn)理論中，其航路捷徑越小，對應(yīng)目標(biāo)的威脅度也就越大。3）對于突防威脅來說其主要指的是低空中“低慢小”目標(biāo)的電子干擾性能、操縱方式和雷達(dá)截面積的一些參數(shù)。如果飛行平臺所裝配的為廉價的簡易電子干擾設(shè)，則其威脅性就比較高；有人操縱的飛行目標(biāo)所呈祥的威脅度要比無人操縱的飛行器的威脅度高；在軍事意義上的雷達(dá)反射截面積對應(yīng)的是飛行平臺的隱形性能，所以當(dāng)雷達(dá)反射截面積較小時其隱身性能較好，故其威脅程度也就越高。1.2.2威脅目標(biāo)特征指標(biāo)本文基于對空域目標(biāo)威脅的理解和認(rèn)識，并結(jié)合蜂群無人機(jī)目標(biāo)的一些特征特點，完成對對蜂群目標(biāo)的威脅特征分析，為后續(xù)構(gòu)建了無人機(jī)反制系統(tǒng)對空中目標(biāo)的反制提供理論研究基礎(chǔ)。在對空中威脅特征指標(biāo)進(jìn)行提取中，由于目標(biāo)最原始特征經(jīng)過相應(yīng)的融合和變換后獲取一些目標(biāo)的特征信息數(shù)據(jù)，在此基礎(chǔ)上由戰(zhàn)術(shù)威脅角度上選取了一些可反應(yīng)戰(zhàn)術(shù)對抗的目標(biāo)本質(zhì)的指標(biāo)。最終通過對防空作戰(zhàn)任務(wù)及相應(yīng)原則進(jìn)行分析，選取了以下要素作為防空威脅目標(biāo)的特征指標(biāo)，如圖通過分析研究電子防空的作戰(zhàn)任務(wù)及原則，選擇出以下要素作為電子防空威脅目標(biāo)的特征指標(biāo)，如圖5-3所示。圖5-3威脅目標(biāo)的特征要素在基于基于蜂群無人機(jī)的威脅目標(biāo)特征要素的分析中選取了目標(biāo)的運動特征、幾何特征、輻射特征以及電磁特征的相應(yīng)指標(biāo)指標(biāo)進(jìn)行了分析：１）運動特征將戰(zhàn)場各低空對抗目標(biāo)（如蜂群無人機(jī)、飛艇、熱氣球等）的飛行的動態(tài)特征統(tǒng)稱為運動特征，如無人機(jī)目標(biāo)在一些時刻中的高度、飛行速度和距離及目標(biāo)的飛行姿態(tài)等相應(yīng)的數(shù)據(jù)。這一類數(shù)據(jù)可有探測裝置對進(jìn)行目標(biāo)搜索、捕獲及跟蹤來獲取。２）形體特征針對于目標(biāo)的形體特征主要反映的空中目標(biāo)幾何外觀特征，這些特征可具體的體現(xiàn)在威脅目標(biāo)的幾何形狀、幾何尺寸大小、目標(biāo)表面材質(zhì)等特性上。在實際應(yīng)用中一般可主要通過對目標(biāo)形體特征的獲取分析，進(jìn)而可在大概率上能夠獲取到威脅目標(biāo)的裝備類型，然后系統(tǒng)就可根據(jù)這些信息制定有針對性反制措施，這對低空威脅目標(biāo)的反制具有十分重要的意義。３）電磁信號特征針對于空中的有源目標(biāo)向戰(zhàn)場空間發(fā)送的電磁信號，如蜂群無人機(jī)目標(biāo)在進(jìn)行協(xié)同作戰(zhàn)時無人機(jī)無論是向地面通信還是集群內(nèi)部通信，其大多是以電磁信號的方式進(jìn)行信息傳遞，因此可將威脅目標(biāo)產(chǎn)生的電磁信號作為目標(biāo)威脅評估的一項重要指標(biāo)。通常對電磁信號的劃分是以頻率為基準(zhǔn)進(jìn)行分類的，這可具體分為通信信號、雷達(dá)信號、以及光電信號等。（４）目標(biāo)輻射特征針對于威脅目標(biāo)輻射特性主要分為三大類，分別是可見光輻射、紅外輻射以及雷達(dá)信號的輻射。對于紅外輻射來說其主要體現(xiàn)在目標(biāo)自生產(chǎn)生的熱輻射以及其對環(huán)境中熱源對其的影響而最終以紅外輻射特征體現(xiàn)出來，對于可見光來說其主要體現(xiàn)輻射與散射特性，目標(biāo)上雷達(dá)裝置往往會產(chǎn)生信號雷達(dá)信號的散射效應(yīng)。在對威脅目標(biāo)如蜂群無人機(jī)目標(biāo)的輻射散射的特征參數(shù)進(jìn)行威脅評估時，可以分析無人機(jī)目標(biāo)的輻射散射特征來獲取相應(yīng)參數(shù)，在這三特征中類中，無人機(jī)電池以及電機(jī)往往會產(chǎn)生一定的熱量，這最終就由目標(biāo)的紅外輻射特性辨別；而無人機(jī)由于其表面材質(zhì)以及顏色使其目標(biāo)中的亮信息通過可見光散射輻射特征進(jìn)行獲??；目標(biāo)的材料和成像信息則可由雷達(dá)的散射特征提取到。結(jié)合威脅評估的原理以及體系結(jié)構(gòu)，并具體依據(jù)“低慢小”蜂群無人機(jī)目標(biāo)集群作戰(zhàn)特點，總結(jié)和分析威脅目標(biāo)的特征指標(biāo)，為后續(xù)對威脅目標(biāo)的威脅度評估提供可靠的理論基礎(chǔ)。1.3多目標(biāo)識別判定目前面對“低慢小”目標(biāo)的干擾和襲擊，其威脅性較大且識別較難的是集群的小目標(biāo)來襲，當(dāng)面對集群式的蜂群無人機(jī)目標(biāo)，由于面對的目標(biāo)數(shù)量較大，對識別造成了一定的困難，而且多個目標(biāo)聚集在一起，對目標(biāo)的圖像處理必然造成一定影響。本文基于紅外成像探測系統(tǒng)對低空中由大疆M600Pro無人機(jī)組成的無人機(jī)集群目標(biāo)進(jìn)掃描探測，獲取了蜂群無人機(jī)的紅外圖像。如圖5-1(a)為非制冷焦平面紅外探器有圖圖像采集系統(tǒng)，圖5-1(b)為實驗中所用的大疆M600pro無人機(jī)目標(biāo)。然后基于matlab仿真平臺，對所獲到的空中目標(biāo)圖像進(jìn)行相應(yīng)處理，通過對圖像預(yù)處理、圖像分割以及圖像特征的提取，并最終提取出整幅圖像的灰度直方圖的統(tǒng)計特征以及圖像中各小目標(biāo)輪廓的幾何特征，再基于特征信息的基礎(chǔ)上分別對目標(biāo)進(jìn)行檢測識別，最后應(yīng)用基于多特征的模糊理論的目標(biāo)識別算法進(jìn)行目標(biāo)識別，直至正確識別出圖像各個無人機(jī)目標(biāo)。最后根據(jù)得到的結(jié)果進(jìn)行分析和總結(jié)。無人機(jī)反制系統(tǒng)中的監(jiān)測系統(tǒng)對探測目標(biāo)跟蹤優(yōu)先級排序、調(diào)度資源分配等決策的主要依據(jù)是目標(biāo)的威脅度。低慢小目標(biāo)種類繁多，結(jié)構(gòu)性能存在不同，找出構(gòu)成威脅的各主要因素，建立合理的評估指標(biāo)體系結(jié)構(gòu)是對目標(biāo)威脅度可靠評估的首要依據(jù)。現(xiàn)以防空預(yù)警監(jiān)視任務(wù)為背景，以最優(yōu)效能發(fā)現(xiàn)目標(biāo)和準(zhǔn)確跟蹤目標(biāo)為目的，對空中目標(biāo)構(gòu)成威脅的各要素建立相應(yīng)的指標(biāo)體系，分析彼此關(guān)系和權(quán)重，評估無人機(jī)反制系統(tǒng)中的監(jiān)測系統(tǒng)的探測目標(biāo)的威脅度。(a)非制冷紅外探測器與圖像采集系統(tǒng)(b)大疆M600pro無人機(jī)(c)對空中無人機(jī)圖像采集場景圖(d)蜂群無人機(jī)紅外原始圖像圖5-1蜂群無人機(jī)圖像采集試驗1.3.1蜂群無人機(jī)目標(biāo)紅外圖像預(yù)處理由圖5-1(d)紅外探測系統(tǒng)獲取的蜂群無人機(jī)紅外圖像可知，集群目標(biāo)的無人機(jī)目標(biāo)的輻射與空中背景的輻射之間的界限，在一些區(qū)域上是比較模糊的，而且各個無人機(jī)之間在圖像中的位置距離比較近，有一些距離探測系統(tǒng)較遠(yuǎn)的無人機(jī)目標(biāo)，在所成像中大小比較小相應(yīng)的會在預(yù)處理階段出現(xiàn)圖像過處理的現(xiàn)象。而且在進(jìn)行蜂群無人機(jī)小目標(biāo)檢測時對噪聲較為敏感，在進(jìn)行目標(biāo)檢測之前需要先對圖像噪聲進(jìn)行抑制。為驗證圖像的濾波算法對蜂群無人機(jī)的處理效果，根據(jù)紅外成像探測系統(tǒng)探測獲取的蜂群無人機(jī)的紅外圖像特點，原圖上添加噪聲，然后應(yīng)用均值濾波、中值濾波以及頻域的低通濾波等降噪算法對其進(jìn)行處理，分析其處理的效果。圖1.2蜂群無人機(jī)紅外圖像去噪處理通過對蜂群無人機(jī)的原始圖像加入高斯和椒鹽噪聲，并分別應(yīng)用均值濾波和中值濾波的圖像處理手段，如圖1.2為其圖像圖像的去噪效果圖，由圖1.2(b)(c)(d)(e)分析可知均值濾波對高斯噪聲處理的效果較好，由在圖1.2(f)(g)處理效果中，中濾波對無論是高斯噪聲還是椒鹽噪聲其處理效果都遠(yuǎn)優(yōu)于均值濾波的效果。且在處理過程中沒有出現(xiàn)對蜂群無人機(jī)目標(biāo)中較小目標(biāo)的過處理現(xiàn)象。1.3.2蜂群無人機(jī)目標(biāo)圖像增強(qiáng)由紅外探測系統(tǒng)獲取的蜂群無人機(jī)目標(biāo)的紅外圖像可知，由于“低慢小”無人機(jī)較小的特征所以其單個目標(biāo)在圖像中的占有的像素區(qū)域較小，而且無人機(jī)目標(biāo)的飛行高度比較接近與地面，所以其易受地面雜波的干擾，如圖1.1圖像中的下面的部分，該區(qū)域的輻射強(qiáng)度接近于無人機(jī)目標(biāo)的輻射強(qiáng)度，這一些干擾可使得目標(biāo)區(qū)域和背景區(qū)域的邊界比較模糊，故需通過圖像增強(qiáng)技術(shù)來提高兩者的對比度，凸顯出真實目標(biāo)信息。圖1.3蜂群無人機(jī)圖像增強(qiáng)效果對比圖如圖1.3所示為所采用三種不同的圖像銳化增強(qiáng)手段對目標(biāo)紅外圖像銳化，通過效果對比可知由高低帽銳化的處理方式獲取的圖像增強(qiáng)效果最好。1.3.3蜂群無人機(jī)目標(biāo)分割處理在進(jìn)行圖像分割之前首先利用坐標(biāo)轉(zhuǎn)換時目標(biāo)圖像轉(zhuǎn)換到與與參數(shù)庫中的圖像數(shù)據(jù)在處于相同的坐標(biāo)系中，再進(jìn)行圖像邊緣分割，通過如圖1.19所示采用不同的分割方式的結(jié)果對比，可知canny算子的分割效果相對較好。在圖像分割處理過程中采用自動閾值分割的方法對紅外圖像進(jìn)行相應(yīng)的分割處理，其過程如圖1.21所示，由于最初的分割圖像的效果不是很理想，所以采用形態(tài)學(xué)的處理方法，使得處理效果更好1）基于邊緣算子的圖像分割圖1.3邊緣算子對圖像的分割效果對比圖在圖1.3蜂群無人機(jī)圖像邊緣分割的效果中，發(fā)現(xiàn)由canny算子的邊緣分割的邊緣過于細(xì)致，因此也產(chǎn)生了過多的孤立邊界，這不利于后期對目標(biāo)怕的識別過程。而應(yīng)用log算子、Prewitt算子、Roberts算子對目標(biāo)進(jìn)行分割可得到相應(yīng)的邊緣，但其便存在很多的斷裂處，而且存在無人機(jī)內(nèi)部的一些邊界，相對于無人機(jī)外形尺寸比較小的特點，這些內(nèi)部特征顯然是無效的邊緣特征，同時應(yīng)用邊緣檢測分割的方法顯然是丟失了目標(biāo)的一些輻射信息。2）基于自動閾值的圖像分割算法在圖像分割處理過程中采用自動閾值分割的方法對紅外圖像進(jìn)行相應(yīng)的分割處理，其過程如圖1.4所示，如圖1.4(b)由于地雜波的影響在最初的分割圖像的效果并不是不是很理想，接著應(yīng)用形態(tài)學(xué)的處理方法去除了這一背景的干擾，使得處理效果更好。如圖4.4(c)所示。圖1.4基于自動閾值分割算法的效果圖通過對以上基于邊緣算子的分割和自動閾值的分割的效果對比分析可知，基于邊緣算子的分割算法對圖像的細(xì)節(jié)處理的效果較好，但由于無人機(jī)目標(biāo)所成像比較小目標(biāo)細(xì)節(jié)信息難以體現(xiàn)，所以在對無人機(jī)目標(biāo)進(jìn)行分割應(yīng)更注重對小目標(biāo)整體信息的分割，而基于自動閾值分割算法的剛好分割出了蜂群無人機(jī)圖像中單個無人機(jī)的整體信息，所以基于自動閾值分割的分割算法可有效分割蜂群無人機(jī)圖像。1.3.4蜂群無人機(jī)目標(biāo)特提取基于自動閾值分割算法對獲取的紅外圖像進(jìn)行特征提取，在這里分別提取基于蜂群無人機(jī)圖像的統(tǒng)計特征以及基于蜂群無人機(jī)圖像的幾何特征。1）基于蜂群無人機(jī)圖像的統(tǒng)計特征提取圖1.5生成蜂群無人機(jī)目標(biāo)的灰度直方圖通過對原始蜂群無人機(jī)圖像的映射的紅外圖像為灰度圖像，在灰度圖像中可通過提取圖像的灰度直方圖來描述圖像的全局變量，由圖像的灰度直方圖所提取的特征具有旋轉(zhuǎn)、縮放和位移不變性，但其不足之處時是不能夠有效地反應(yīng)圖像的空間信息，如圖1.5(b)表示的是一幅無人機(jī)圖像的灰度直方圖。本文中為充分反映蜂群無人機(jī)目標(biāo)的紅外圖像的灰度分布情況，選取在去除圖像背景情況下的目標(biāo)圖像也即映射的紅外圖像為灰度圖像，這樣更能體現(xiàn)出所測目標(biāo)的統(tǒng)計特征情況，在灰度直方圖統(tǒng)計量特征中本文選取方差、歪斜度、峰態(tài)、能量、作為一組特征對目標(biāo)進(jìn)行識別判定2）基于蜂群無人機(jī)圖像的幾何特征提取紅外成像探測系統(tǒng)對空中蜂群無人機(jī)目標(biāo)進(jìn)行掃描時，獲取了多個小目標(biāo)集中在一起的圖像，如圖1.5(a)所示。因此需要對每個無人機(jī)目標(biāo)的特征進(jìn)行提取。如圖首先給每個無人機(jī)目標(biāo)引入了最小矩形特征，以便于對其特征更好的提取。圖1.6蜂群無人機(jī)目標(biāo)最小矩形特征基于上述獲取的圖像特征信息，分別提取圖像中無人機(jī)目標(biāo)的最小矩形面積、無人機(jī)目標(biāo)面積、最小外接矩形特征的長（L）和高（H）、最小矩形長高之比、無人機(jī)目標(biāo)面積與最小矩形面積之比。其相應(yīng)特征參量如表1.1所示表1.1蜂群無人機(jī)圖像內(nèi)部無人機(jī)特征參量提取特征參量內(nèi)部目標(biāo)類型最小矩形面積目標(biāo)面積最小矩形長高之比目標(biāo)面積與最小矩形面積之比內(nèi)部小目標(biāo)110124160.47820.4110內(nèi)部小目標(biāo)223109390.47140.4064內(nèi)部小目標(biāo)313755400.45450.3927內(nèi)部小目標(biāo)4460019220.46000.4178內(nèi)部小目標(biāo)5399915720.46230.3930內(nèi)部小目標(biāo)67022890.46150.4116內(nèi)部小目標(biāo)720778260.46260.3976由分割的圖像可知圖像中的無人機(jī)目標(biāo)一共有7個，由于其與探測系統(tǒng)距離以及角度所以其所成圖像大小不一致。通過獲取的如表1.1的特征參數(shù)分析可知，提取無人機(jī)目標(biāo)的最小矩形面積與無人機(jī)目標(biāo)面積難以對其進(jìn)行分類。但在所提取最小矩形長高之比與無人機(jī)目標(biāo)面積與最小矩形面積之比其在數(shù)值上基本一致，可對其進(jìn)行有效識別。故在幾何特征提取時選用最小矩形長高之比與無人機(jī)目標(biāo)面積與最小矩形面積之比這兩類特征為目標(biāo)識別的有效特征去對目標(biāo)進(jìn)行識別。1.3基于模糊識別算法的蜂群無人機(jī)目標(biāo)識別當(dāng)基于單個無人機(jī)目標(biāo)進(jìn)行紅外探測識別過程中，其在進(jìn)行圖像處理以及目標(biāo)檢測過程中顯然不具代表性，難以驗證算法的可行性性。針對這一問題本節(jié)中基于飛行中的蜂群無人機(jī)目標(biāo)進(jìn)行多目標(biāo)狀態(tài)下圖像處理以及目標(biāo)識別。多目標(biāo)環(huán)境下目標(biāo)圖像間存在彼此間的輻射以及外形重疊上干擾。為驗證基于紅外的目標(biāo)檢測的可行性，本文提出基于目標(biāo)特征識別概率上的決策融合識別算法法。在基于目標(biāo)灰度直方圖統(tǒng)計特征、幾何特征中用最小矩形長高之比、無人機(jī)目標(biāo)面積與最小矩形面積之比特征的各分目標(biāo)識別結(jié)果基礎(chǔ)上，分別得到了三個分識別概率、、。并根據(jù)這三類識別結(jié)果建立輸入與輸出的隸屬度函數(shù)以及模糊規(guī)則，運用模糊推理得到最終的目標(biāo)識別概率。如圖1.23為對蜂群無人機(jī)目標(biāo)識別所建立的基于規(guī)則的模糊邏輯控制器。圖1.23基于規(guī)則的模糊邏輯控制器輸入輸出界面對蜂群無人機(jī)目標(biāo)識別的仿真結(jié)果如表1.4是在建立好的