戴声奎＋桑农’王新赛＋
’图像信息处理与智能控制教育部重点实验室武汉４３００７４）
型采
摘要：本文首先介绍了几种要害点的定义，并分析了其不足之处．然后根据红外成像的特点和舰船红外图像的显著性特征，提出了一种新的舰船目－｝｛＇？－－－ｆｅ害点的定义，即动力舱与吃水线的交叉部位．根据实际应用系统的实时性要求，提出了该要害点定义的快速实现算法．算法划分为两个步骤：首先搜索图像的最亮区，确定舰船目标要害点的列坐标，然后采用多方向梯度计算方法得到吃水线的位置，确定舰船目标要害点的行坐标．实验证明本文提出的定叉适用于多类型多状态的舰船目标，快速实现算法快速有效，具有很好的鲁棒性．关键词：精确制导前视红外图像目标要害点吃水线
信道均衡１、前言
图像处理应用于军事领域的诸多方面，其中对典型目标的研究一直是图像处理的重点，如电厂、桥梁、
机场、铁路枢纽、港口和舰船等目标的特征描述、检测识别和要害点选择。其中，海面舰船目标的识别、跟踪和要害点识别是模式识别、机器视觉、精确制导等领域的研究前沿，具有重要的理论意义ＳｔＪ“泛的应用价值。精确制导武器是直接命中概率大于５０％的武器系统，这类武器的进一步发展方向是要能直接命中目标的要害部位。要害点一般是目标的脆弱部位或重要部位。在对海面舰船目标的攻击过程中，攻击点应该是舰船的要害点。所以要害部位是目标中的“目标”。简单的以目标形心为瞄准点不能满足系统杀伤概率的要求．所以要害点的选择既要有一定的精度，又要有～定的稳定性和抗干扰性，并且要求易于进行图像处理。一般认为，舰船的要害部位是吃水线中部．动力舱中部以及舰桥…和导弹发射架等。但是．以动力舱或导弹发射架为攻击点在图像处理上存在如Ｆ困难：首先，由于目标具有机动能力可处于各种姿态（如侧舷，迎头，尾追等），所以动力舱和导弹发射架在视场中并不总是可见的。这给由跟踪转为瞄准状态带来很大困难：简单的处理将不能应付实际中出现的各种情况．算法可能会给出错误的瞄准点从而不能满足系统杀伤概率的要求；复杂的算法将囡苛刻的实时性要求而没有实用价值。其次，各类型号目标的动力舱和导弹发射架的位置及形状并不是完全一样的。采用预建特征库的方法，一方面其工作量可能大得不切实际；另一方面无论由人工或算法自动实时识别目标及动力舱和导弹发射架的类型，都不是件容易的事情。根据舰船红外图像的多个显著性特征，本文给出了一个简单可行的要害点定义。
２、要害点定义
根据红外成像的特点，舰船一般有两个辐射源”１：温度达３０～９０＂Ｃ的烟囱和上层建筑。在舰船的红外翻像上，仅仅通过搜索最亮区域就可确定烟囱的位置。动力舱的位置一般确定为烟囱的Ｆ面。另外～个显著性特征是舰船的吃水线，在红外图像中表现为舰船的一条擐长边。根据实际情况可知，无论目标处于何种姿态，最亮区域和吃水线在视场中总是可见的，且与目标型号无关。所以可以采心简单有效的算法，不需预建目标特征库。
为了提高制导武器的攻击效果，本文结合舰船红外图像的显著性特征，定义舰船的要害点为：动力舱与吃水线的结合部”１。
具体操作步骤为：首先确定烟囱的位置，即动力舱的位置，得到要害点的垂直坐标，然后搜索舰船的吃水线，确定要害点的水平坐标。从而最终确定目标的要害点，并作为制导武器的攻击点。
３、动力舱的检测及其快速算法
从红外图像中可清楚地看到烟囱是全图的最亮区，而动力舱就位于烟囱的下面，所以寻动力舱的过程就是计算整个图像中的灰度均值最大区域位置。
搜索最亮区的公式如下：
‰（ｕ吣）＿志薹譬（ｆ，力…………………．（１）式中：Ｍ，Ｎ分别是所求区域的行列数；
ｆｌ［ｆ，，）为图像中像素点（ｆ，＿，）的灰度值；
ｏ；，丘。为灰度均值最大区域的左上角坐标。
氧气调节阀
因为公式（１）中的第一项为常数，所以可以等价于公式（２）
曰一（。，ｋ）：苫强（ｆ，，）过氧化氢浓度测定
ｌ＝ｋＪ＝』．。
当算法程序运行时，相邻区域的图像数据除了一行或一列数据外全部相同。根据这一事实．下面提出了程序的一种快速算法，可极大地减少程序的计算量。核心思想为：当搜索块移动时．每次移进一列（行）新数据。移出一列（行）旧数据．其余数据保持不变。算法的程序描述如下：设灰度图像为Ｇｒａｙｌｍａｇｅ．大小为ＩｍａｇｅＲｏ肿Ｉｍａｇｅｃｏｌ，特搜索区域的参数为：起始点坐标为（＇．｜ＡｒｅａＳｔａｒｔｉ．ＡｒｅａＳｔａｒｔｊ），大小为（ｇｒｅａＷｉｄｔｈ，．ＡｒｅａＢｅｉｇｈ）ｌ。Ｍ，Ｎ分别是所求模板区域的行列数。ＳｅａｒｃｈＬｉｇｈｔｇｒｅａ（６ｒａｙＩｍａｇｅ，ＡｒｅａＳｔａｒｔｉ，＾ｒｅａＳｔａｒｔｊ，ＭｅａＷｉｄｔｈ．ＡｒｅａＨｅｉｇｈ）
ＳｕｍｏｆＥａｃｈＢｌｏｃｋ［Ｎ］：／＇ｔ噪存模板内灰度图像每列数值的和｝／
ＳｕｍｏｆＰｒｅｖｉｏｕｓＥａｃｈＢｌｏｃｋ［Ｎ］：／｛保存列循环的第一个模板内灰度图像每列数值的和｛／
／￥搜索区域行坐标循环｝／
林德拉催化剂ＦＯＲｒｏＦＡｒｅａＳｔａｒｔｊＴＯＡｒｅａＳｔａｒｔｊ＋Ａｒｅａ｝ｔｅｉｇｈ－ＭＤＯ｛
／｛搜索区域列坐标循环叫
ＦｏＲｃｏｌ＝ＡｒｅａＳｔａｒｔｉＴＯＡｒｅａＳｔａｒｔｉ＋Ａｒｅ胡ｉｄｔｈ＂一ＮＤ０｛
ＩＦｃｏｉ＝ＡｒｅａＳｔａｒｔｉ｛
ＩＦｒｏｗ＝ＡｒｅａＳｔａｒｔｊ｛
计算模扳区域内每一列数据之和，并保存在ＳｕｍｏｆＥａｃｈＢｌｏｃｋ内
计算块内的全部数值之和Ｓｕｍ：
把ＳｕｍｏｆＥａｃｌａＢｌｏｃｋ保存在ＳｕｍｏｆＰ＇ｒｅｖｉｏｕｓＥａｃｈＢｌｏｃｋ内；｝
ＥＬＳＥｆ
把保存的ＳｕｍｏｆＰｒｅｖｉｏｕｓＥａｃｈＢｌｏｃｋ传递给ＳｕｍｏｆＥａｃｈＢｌｏｃｋ；
把ＳｕｍｏｆＥａｃｈＢｌｏｃｋ的值减去移出行的数据：
把ＳｕｍｏｆＥａｃｈＢｌｏｃｋ的值加上移进行的数据；
统计本次块内全部数据之和Ｓｕｍ；）｝
ＥＬＳＥ｛
Ｓｕｍ减去移出列的数值和；
Ｓｕｍ加上移进列的数值和；｝
出目前为止的Ｓｕｍ最大值；
出该最大值所对应的区域坐标；
¨｝
根据上述快速算法．可以快速地确定最亮区的坐标，得到攻击点的列坐标。
４、吃水线的检测
为了检测吃水线，一般对图像进行边缘处理。边缘的一般常用方法，如ＳＯＢＥＬ算子只利用了
６８４
两个方向的梯度信息。但在实际情况中舰船的姿态未知，吃水线可能是任意方向的，所以本文采用如Ｆ的多方向梯度分割法。多方向梯度计算公式如下：
任一点（ｆ，＿，）的０。方向的梯度值：
ＧｒＯ（ｉ，』）＝寺［∑，（ｆ，ｊ＋ｎ）－∑ｆ（ｉ，ｊ－ｎ）ｌ………………………（３）』’脏ｎ（ⅣＯ删《Ｎ
任一点（ｆ，Ｊ）的４５。方向的梯度值：
Ｇｒ４５（ｉ，－，）＝寺【∑ｆ（ｉ＋ｎ，－『＋行）一∑ｆ（ｉ喝，一以）】．．．…………………（４）』’０（ｎ＜ＮＯ＜ｎ＜Ｎ
任一点（ｉ，－，）的９０。方向的梯度值
Ｇｒ９０（ｉ，．，）＝爿１∑ｆ（ｉ＋ｎ，，）一∑ｆ（ｉ吨川………………………（５）１’Ｏ‘ｎ《ＮＯ‘＾（Ｎ
任一点（ｉ，，）的１３５。方向的梯度值
Ｇｒｌ３５（ｉ，－『）＝百１［∑ｆ（ｉ＋ｎ，－－１７）－－Ｅｆ（ｉ－ｎ，＿，＋挖）卜…………………（６）ｏ７Ｏ（Ｈ《ＮＯ州（Ｎ
则任一点（ｉ，，）的梯度值为各方向梯度值的和
Ｇｒ（ｆ，＿，）＝［ｏ－０（ｆ，，）＋（》４５（ｆ，，）＋Ｇｒ９０（ｊ，－『）＋Ｇｒｌ３５（ｆ，＿，）］…………………………（７）
整个图像的梯度均值为：
ＧｍＰ册：丁１了∑白（ｆ√）
，·Ｊ㈣。怎，“…７
大量实验表明，简单地以Ｇｒｍｅａｎ乘上一个系数作为梯度分割的门限，即可较好地分割出舰船目标的边缘。
吃水线是目标与海面背景的交界线，由于干扰作用或成像时的位置和分辨率所致．可能在边缘图像上存在多条平行的线段。另外由于舰船的姿态是未知的．分割出的边缘不一定是水平的。本文采刚一次搜索多行的方法检测线段，既可检测出水平线段又可检测出一定范围内的非水平线段，即该方法具有一定的线段检测的鲁棒性。
对丁Ｎ行的数据采取逻辑“或”的方式处理，如公式（９）所示：
Ｌ（ｉ，／）＝∑【ｇ（ｆ一［Ｎ］／２，－，）＋…＋ｇ（ｆ，，）＋…＋ｇ（ｊ＋【Ｎ］／２，，）】…………………（９）
式中：Ｊ１，Ｊ２分别为局部区域的列起点和末点；
＋表示数据的逻辑“或”；
削断Ｌ（ｉ，Ｊ）的值，当其不为。时．该点则可能为吃水线上的一个点。
然后根据吃水线的长度限制条件，到一条或多条可能的吃水线。再结合一些辅助条件（如吃水线与最亮区域的相对距离等）即可到一条真正的吃水线的位置，从而确定攻击点的行坐标。
５、实验结果
圈１和圈２表明算法适用于不同大小目标的情形。
图１小舰船目标
Ｆｉｇ．１ｓｍａｌｌｗａｒｓｈｉｐ
图３和图４表明算法适用于吃水线不同倾角的情形。
图３小吃水线倾角
Ｆｉｇ．３ｓｍａｌｌａｎｇｌｅｏｆｗａｔｅｒｌｉｎｅ
图５和图６表明算法适用于侧舷和迎头姿态的情形。
图５舰船为侧舷姿态
Ｆｉｇ．５ｗａｒｓｈｉｐｉｓｓｉｄｅｆａｃｅ
图７和图８表明算法适用于图像中有多条长线段的情形。
图２大舰船目标
Ｆｉｇ．２ｂｉｇｗａｒｓｈｉｐ
图４大吃水线倾角
Ｆｉｇ．４ｂｉｇａｎｇｌｅｏｆｗａｔｅｒｌｉｎｅ
图６舰船为迎头姿态
Ｆｉｇ．６ｗａｒｓｈｉｐｉｓｈｅａｄ－ｏｎ
圈７存在三条长线段
Ｆｉｇ．７ｔｈｒｅｅｌｏｎｇｌｉｎｅｓｅｘｉｓｔ
实验结果表明．本文提出的算法原理简单、具有很高的实用价值。
参考文献
汽车整形图８存在两条长线段
Ｆｉｇ．８ｔｗｏｌｏｎｇｆｉｎｅｓｅｘｉｓｔ
实现快速、适用于多类型目标和目标的各种姿态
ｉ、张大序．栏杰．林凯．藁采。规船同标Ｋ渡虹外圈像命中点识别研究．红外与激光工程，２０００，Ｖｏ１２９．Ｎｏ．Ｉ。ＰＰ】３一１６。２、装继红．谢维信．刈Ｉ二乾．舰船红外成象目标宴时识别跟踪算法研究．光电工程，１９９５．ｙ０１２２．ｈｏ５．ＰＰ．２卜３１．
３、王祈赛．舰船坚害部位奇题技术报告，华中科技大学航天图像研究所，２０９０年．
作者简介：戴Ｊ｝－奎毋加岁硕ｌ一主要研究古向为罔像处理、模式识别与智能系统．
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议