李成，李建勛，童中翔，賈林通，張志波

（1.空軍工程大學(xué)航空航天工程學(xué)院，陜西西安710038；2.空軍航空大學(xué)，吉林長春130072；3.空軍裝備研究院復(fù)雜航空系統(tǒng)仿真重點實驗室，北京100076）

紅外成像制導(dǎo)末端局部圖像識別跟蹤研究

李成1，2，李建勛1，3，童中翔1，賈林通1，張志波1

（1.空軍工程大學(xué)航空航天工程學(xué)院，陜西西安710038；2.空軍航空大學(xué)，吉林長春130072；3.空軍裝備研究院復(fù)雜航空系統(tǒng)仿真重點實驗室，北京100076）

針對紅外成像制導(dǎo)末端目標(biāo)圖像充滿導(dǎo)引頭視場影響目標(biāo)識別跟蹤的問題，提出一種紅外成像制導(dǎo)末端局部圖像識別跟蹤的方法。分析了紅外成像制導(dǎo)原理；選取了高亮區(qū)比例、灰度標(biāo)準(zhǔn)偏差、長寬比、緊湊度和復(fù)雜度等5個特征量作為特征提取和目標(biāo)識別的依據(jù)，提出適合導(dǎo)彈的目標(biāo)快速識別算法；通過計算紅外成像制導(dǎo)末端目標(biāo)圖像，在導(dǎo)引頭焦平面上的投影面積的變化情況，分析了彈目距離與相對速度對目標(biāo)圖像變化情況的影響，研究了形心跟蹤到局部圖像跟蹤的轉(zhuǎn)換時機。綜合考慮了可靠性和實時性要求，選取飛機機頭作為局部圖形跟蹤的跟蹤點；搭建紅外成像制導(dǎo)仿真場景，對所提出的方法進行仿真分析。仿真結(jié)果表明：該方法能夠有效地識別圖像中的目標(biāo)，減小紅外成像導(dǎo)引頭跟蹤盲區(qū)，實現(xiàn)紅外成像制導(dǎo)末端的平穩(wěn)跟蹤。

飛行器控制、導(dǎo)航技術(shù)；紅外成像制導(dǎo)；紅外圖像；特征提?。荒繕?biāo)識別；形心跟蹤；局部圖像跟蹤

0 引言

隨著紅外探測的不斷進步，紅外制導(dǎo)技術(shù)得到飛速發(fā)展。在探測波段上，從近紅外探測發(fā)展到中、遠紅外探測；在探測體制上，從旋轉(zhuǎn)光機掃描與串并掃描，發(fā)展到凝視型紅外焦平面陣列探測；在探測方法上，從單一波段發(fā)展到雙色、多波段、多光譜探測；在探測模式上，從點源探測發(fā)展到成像探測；在制導(dǎo)模式上，從單模制導(dǎo)發(fā)展到多模制導(dǎo)。紅外制導(dǎo)導(dǎo)彈的制導(dǎo)精度在不斷提高，對飛機的毀傷概率也越來越大。紅外制導(dǎo)導(dǎo)彈以其穩(wěn)、準(zhǔn)、狠著稱，在近年來的局部戰(zhàn)爭中大展神威。據(jù)不完全統(tǒng)計顯示，在戰(zhàn)場上損傷的飛機有90%以上是被紅外制導(dǎo)導(dǎo)彈擊毀的。

紅外成像制導(dǎo)是紅外制導(dǎo)技術(shù)的發(fā)展趨勢，因其抗干擾能力強、探測距離遠、制導(dǎo)精度高等突出優(yōu)點而備受關(guān)注。20世紀70年代中期以來，各軍事強國為研制先進的精確制導(dǎo)空空導(dǎo)彈，大力發(fā)展紅外成像制導(dǎo)技術(shù)。紅外成像制導(dǎo)技術(shù)的不斷發(fā)展大大提高了紅外成像制導(dǎo)武器作戰(zhàn)效能。近年來，國內(nèi)外諸多專家對紅外成像制導(dǎo)進行了深入的研究。美國先進傳感器管理局建立了自動紅外成像導(dǎo)引頭性能評估實驗室（AIISPES），利用一套自動化的高精度檢測系統(tǒng)，可進行紅外凝視焦平面陣列導(dǎo)引頭關(guān)鍵參數(shù)的測量［1-3］。美國沃特航空實驗室研制了動態(tài)紅外制導(dǎo)導(dǎo)彈評估系統(tǒng)，主要功能是進行先進紅外成像導(dǎo)引頭效能評估［4］。張健等［5］研究了基于Vega Prime的紅外場景生成技術(shù)在成像制導(dǎo)仿真系統(tǒng)中的應(yīng)用；陳小天等［6］開展了空空導(dǎo)彈紅外成像制導(dǎo)系統(tǒng)仿真研究，深入探討了導(dǎo)彈制導(dǎo)系統(tǒng)制導(dǎo)與跟蹤算法；劉陽等［7］建立了紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭圖像投影的幾何模型，探索了基于圖像目標(biāo)特征匹配的導(dǎo)彈目標(biāo)識別方法。

本文分析了紅外成像制導(dǎo)原理，探討了紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭紅外圖像處理方法，著重開展了紅外成像末端局部圖像識別跟蹤的研究，并進行了紅外圖像仿真分析。

1 紅外成像制導(dǎo)

紅外成像制導(dǎo)主要包括紅外攝像頭、伺服控制系統(tǒng)與圖像信號處理系統(tǒng)3大部分［8］。紅外成像制導(dǎo)導(dǎo)彈依據(jù)目標(biāo)發(fā)射的紅外輻射信號進行目標(biāo)的探測、識別、導(dǎo)引、跟蹤，其制導(dǎo)原理如圖1所示。

圖1 紅外成像制導(dǎo)導(dǎo)彈原理Fig.1 Principle of infrared imaging guided missile

圖1中:攝像頭是對目標(biāo)進行攝像的裝置；圖像信號處理系統(tǒng)主要負責(zé)紅外圖像處理；伺服控制系統(tǒng)由伺服機構(gòu)組成。

紅外成像制導(dǎo)多采用被動紅外凝視焦平面陣列成像探測器，目標(biāo)探測的依據(jù)為:

1）目標(biāo)與周圍環(huán)境具有輻射亮度差；

2）目標(biāo)具有大于紅外成像制導(dǎo)導(dǎo)彈探測波段閾值的紅外輻射能量；

3）目標(biāo)能夠在紅外成像制導(dǎo)導(dǎo)彈引頭焦平面上具有一定形狀特征。

2 紅外圖像處理

紅外圖像處理功能主要包括圖像預(yù)處理、特征提取、目標(biāo)識別、目標(biāo)跟蹤。實時輸出目標(biāo)的位置誤差信號給穩(wěn)定平臺伺服控制系統(tǒng)，模擬導(dǎo)引頭的運動來穩(wěn)定跟蹤目標(biāo)?？紤]到目標(biāo)各種可能存在的情況，采用點跟蹤、形心跟蹤、相關(guān)跟蹤、局部圖像跟蹤等各種算法進行目標(biāo)跟蹤，以適應(yīng)目標(biāo)的大小和姿態(tài)變化。

2.1 圖像預(yù)處理與圖像分割

在獲得原始信號后，為了選擇性地加強對特征提取有用的信息，使得特征提取的結(jié)果穩(wěn)定可靠，需要進行預(yù)處理。本文采用復(fù)合去噪和對比度增強對圖像進行預(yù)處理，保證后續(xù)的圖像處理算法的有效性。

圖像分割的意義在于從空間分布上將目標(biāo)和背景分離。圖像分割的好壞將直接影響到目標(biāo)跟蹤的效果。圖像分割的關(guān)鍵是分割門限的選取。圖像分割算法通?？煞譃閰^(qū)域分割和運動分割?？紤]到目標(biāo)飛行過程中的蒙皮氣動加熱，目標(biāo)的溫度一般都大于周圍環(huán)境背景溫度，要分割的目標(biāo)圖像處于灰度變化很大的區(qū)域，目標(biāo)一般存在紅外輻射比較強的高亮區(qū)，本文采用區(qū)域分割中的閾值分割方法。

1）在紅外圖像灰度取值范圍之內(nèi)確定一個灰度閾值；

2）將紅外圖像中各個像素的灰度與閾值相比較，根據(jù)比較的結(jié)果將對應(yīng)的像素劃分為兩類［9］。

隨著紅外成像制導(dǎo)導(dǎo)彈與目標(biāo)之間的距離越來越近，目標(biāo)慢慢充滿視場，導(dǎo)引頭接收到的目標(biāo)輻射越來越強烈，目標(biāo)圖像的灰度值與背景的灰度值之間對比度越來越大。同樣，可通過閾值化分割算法將局部目標(biāo)區(qū)域提取出來。為了兼顧圖像處理的實時性，利用經(jīng)典最大類間方差法對目標(biāo)進行分割。分割后可能有幾個連通區(qū)域（目標(biāo)區(qū)域、非目標(biāo)區(qū)域），為了提取每一個區(qū)域的特征，對分割出來的區(qū)域進行標(biāo)注。

2.2 特征提取及目標(biāo)識別

在預(yù)處理之后進行的特征提取是目標(biāo)識別中極為重要的環(huán)節(jié)，對目標(biāo)識別效果的優(yōu)劣有直接的影響。

2.2.1 特征提取

目標(biāo)跟蹤是建立在對目標(biāo)區(qū)域各種特征的提取基礎(chǔ)之上。特征提取的依據(jù)是目標(biāo)對象特征。目標(biāo)特征的選取至關(guān)重要，因為它是目標(biāo)識別的唯一依據(jù)。目標(biāo)飛機有很多可提取的特征，如文獻［10-11］中提出的目標(biāo)面積、復(fù)雜度等8個特征。通過分析目標(biāo)飛機紅外成像的特點和實際成像條件的有效特征參數(shù)，本文選取如下特征量進行描述:

1）高亮區(qū)比例:目標(biāo)區(qū)域中，灰度值大于最大灰度值90%的像素點個數(shù)與目標(biāo)總像素點個數(shù)之間的比值；

2）灰度標(biāo)準(zhǔn)偏差:目標(biāo)像素點灰度值的標(biāo)準(zhǔn)偏差；

3）長寬比:目標(biāo)最小外接矩形的長度與寬度的比值；

4）緊湊度:目標(biāo)像素數(shù)與包圍目標(biāo)的矩形內(nèi)像素數(shù)之間的比值；

5）復(fù)雜度:邊界像素點數(shù)與總目標(biāo)像素點數(shù)的比值。

以上5個特征量均經(jīng)過實驗檢驗是穩(wěn)定的，能夠作為目標(biāo)選取和目標(biāo)圖像匹配的依據(jù)。

2.2.2 目標(biāo)識別

目標(biāo)識別是精確制導(dǎo)武器實現(xiàn)精確打擊的關(guān)鍵。目標(biāo)識別的方法是計算出視場內(nèi)每一個目標(biāo)與每類典型目標(biāo)之間的相似程度，這個值可用于確定目標(biāo)類型。

目標(biāo)特征的判定規(guī)則如下:

1）高亮區(qū)比例越大，是目標(biāo)的可能性越大；

2）分割區(qū)域的灰度標(biāo)準(zhǔn)偏差偏離背景灰度越大，是目標(biāo)的可能性越大；

3）分割區(qū)域長寬比遠離某一個范圍越大，是目標(biāo)的可能性越?。?/p>

4）分割區(qū)域緊湊度遠離某一范圍越大，是目標(biāo)的可能性越小；

5）分割區(qū)域復(fù)雜度偏離某一個范圍越大，是目標(biāo)的可能性越小。當(dāng)遠大于或遠小于某一值時，不可能是目標(biāo)。

根據(jù)提取的目標(biāo)特征，本文采用模糊綜合評判方法。它將目標(biāo)特征表示為對目標(biāo)的隸屬度，利用隸屬度構(gòu)造一個目標(biāo)置信度函數(shù)，進行綜合評判。

目標(biāo)圖像經(jīng)預(yù)處理后提取的5個特征目標(biāo)識別算法流程如圖2所示。

圖2 目標(biāo)識別算法流程Fig.2 Flow chart of target recognition algorithm

2.3 目標(biāo)跟蹤

紅外成像制導(dǎo)導(dǎo)彈一般都具有多種制導(dǎo)跟蹤能力，飛行過程中，在不同的階段根據(jù)作戰(zhàn)態(tài)勢、目標(biāo)類型選擇不同的目標(biāo)跟蹤模式。在彈目距離較遠時，目標(biāo)難以成像，暫時無法進行目標(biāo)特征提取，一般采用點跟蹤模式；在制導(dǎo)中段，目標(biāo)圖像特征逐漸明晰，一般采用形心跟蹤或相關(guān)跟蹤等常規(guī)的跟蹤模式；在制導(dǎo)末端，因為導(dǎo)引頭瞬時視場有限，目標(biāo)圖像會隨著彈目距離的減小而越來越大并逐漸溢出導(dǎo)引頭視場，導(dǎo)致較大跟蹤盲區(qū)的產(chǎn)生，目標(biāo)識別變得異常困難。這時需要及時地轉(zhuǎn)換跟蹤模式，采用局部圖像跟蹤算法，使導(dǎo)引頭能夠繼續(xù)跟蹤目標(biāo)。本文主要研究局部圖像跟蹤。

2.3.1 局部圖像跟蹤

在導(dǎo)彈與目標(biāo)接近過程中，因為紅外導(dǎo)引頭視場角有限（一般3°×3°），目標(biāo)飛機圖像會隨著彈目距離的減小而逐漸充滿視場并最終逸出導(dǎo)引頭視場。在目標(biāo)圖像充滿視場前適時地由形心跟蹤轉(zhuǎn)換為局部圖像跟蹤是縮短紅外成像導(dǎo)引頭跟蹤盲區(qū)的關(guān)鍵所在。在導(dǎo)引頭瞬時視場確定時，焦平面內(nèi)目標(biāo)圖像的大小及其變化反映了彈目位置的變化。跟蹤模式的轉(zhuǎn)換時機可由目標(biāo)圖像像素面積變化情況以及目標(biāo)圖像相對于導(dǎo)引頭視場的面積比來確定。

紅外導(dǎo)引頭幾何投影成像模型如圖3所示，光軸OZ與像平面垂直，導(dǎo)引頭光學(xué)系統(tǒng)的焦距為f，目標(biāo)沿視場縱軸方向的實際高度為H.

圖3 紅外導(dǎo)引頭幾何投影成像模型Fig.3 Geometric model of projection imaging of infrared seeker

t時刻，導(dǎo)彈與目標(biāo)之間的距離為L（t），此時目標(biāo)在沿視場縱軸方向的張角為δv（t），對應(yīng)的像長為m（t），由圖3的投影成像幾何關(guān)系可得到t+1時刻的像長

式中:vTM（t）為彈目相對速度；Δt為圖像序列中相鄰兩幀圖像的成像時間間隔。

同樣，假設(shè)空間目標(biāo)沿視場橫軸方向的實際長度為P，t時刻目標(biāo)在沿視場橫軸方向的張角為δh（t），對應(yīng)的像長為n（t），可得到t+1時刻的像長:

則從t時刻到t+1時刻，目標(biāo)在導(dǎo)引頭焦平面上的紅外圖像的像素面積變化量為

一般地，相鄰兩幀圖像的成像間隔Δt比較小，在彈目距離L（t）較大時，，則ΔS（t）≈0；隨著導(dǎo)彈與目標(biāo)之間距離的減小，當(dāng)L（t）-vTM（t）Δt≈0時，ΔS（t）趨向于無窮大。歸一化處理ΔS（t），則

式中:U（t）為導(dǎo)引頭視場內(nèi)目標(biāo)圖像的變化幅度；W、L分別為導(dǎo)引頭視場兩邊的長度。

假設(shè)紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭探測器的元數(shù)為128×128元，幀頻100 Hz，導(dǎo)引頭視場3°×3°，離軸角范圍±90°，最大跟蹤角速度60°/s，m（t）= 6像素，n（t）=6像素，彈目距離L（t）由6 000 m變化到0 m，相對運動速度vTM（t）分別為1 000 m/s、800 m/s、600 m/s時，得到U（t）隨彈目距離和相對運動速度的變化曲線如圖4所示。

圖4 不同彈目距離和相對速度下U（t）的變化曲線Fig.4 U（t）curves at different missile-target distances and relative velocity

分析數(shù)據(jù)可知:當(dāng)L（t）＞400 m時，U（t）≈0，相鄰兩幀紅外圖像之間的圖像面積變化不大；當(dāng)200 m＜L（t）＜400 m時，U（t）在較短的時間內(nèi)變化較為明顯；當(dāng)L（t）＜200 m時，隨著導(dǎo)彈與目標(biāo)之間距離越來越近，U（t）迅速增大，趨向于正無窮。在導(dǎo)彈與目標(biāo)之間的相對速度vTM（t）=600 m/s的條件下，導(dǎo)彈飛行9.52 s后，彈目距離L（t）≈288 m時，目標(biāo)圖像充滿紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭視場。在彈目距離相同的情況下，相對速度vTM（t）分別為1 000 m/s、800 m/s、600 m/s時，3條U（t）變化曲線幾乎重合，相對速度vTM（t）對目標(biāo)圖像面積的變化影響不是很明顯，最主要的是彈目距離L（t）的影響。目標(biāo)跟蹤過程中，不必刻意計算相對速度vTM（t），可直接通過計算U（t）相對于彈目距離的斜率K（t）的變化，根據(jù)斜率K（t）及當(dāng)前時刻目標(biāo)圖像的面積變化ΔS（t）來判定跟蹤算法的切換時機。

vTM（t）=600 m/s時，U（t）的斜率K（t）隨彈目距離L（t）的變化曲線如圖5所示。U（t）的斜率K（t）反映了彈目距離L（t）的變化。在導(dǎo)彈攻擊過程中，通過實時計算K（t），對目標(biāo)圖像的變化情況進行判斷，U（t）相對于彈目距離的斜率K（t）不斷增大。當(dāng)斜率K（t）增大到一定程度，且目標(biāo)在導(dǎo)引頭焦平面上的投影成像即將溢出視場時，切換為紅外成像制導(dǎo)末端局部圖像跟蹤算法。跟蹤算法切換流程如圖6所示。可利用某一預(yù)設(shè)的門限值來判斷目標(biāo)圖像是否溢出視場，該門限值由目標(biāo)和紅外導(dǎo)引頭參數(shù)等來確定。

圖5 不同彈目距離和相對速度600 m/s下K（t）的變化曲線Fig.5 K（t）curve at different missile-target distances and relative speed of 600 m/s

圖6 跟蹤算法轉(zhuǎn)換流程Fig.6 Conversion flow of tracking algorithm

在紅外成像制導(dǎo)末端，實現(xiàn)目標(biāo)識別、穩(wěn)定跟蹤的關(guān)鍵為根據(jù)彈目交會情況和目標(biāo)情況恰當(dāng)?shù)倪x擇斜率K（t）.

2.3.2 跟蹤點的選擇與識別

在紅外成像制導(dǎo)末端，目標(biāo)在導(dǎo)引頭焦平面上的投影成像已部分溢出。此時，區(qū)分真假目標(biāo)或識別目標(biāo)類型已不是紅外導(dǎo)引頭的首要任務(wù)，第一要務(wù)是確保目標(biāo)持續(xù)穩(wěn)定跟蹤。紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭瞬時視場較小，跟蹤點極易溢出導(dǎo)彈導(dǎo)引頭視場。鑒于此，從易于識別和便于縮短跟蹤盲區(qū)兩個方面出發(fā)選擇局部圖像跟蹤點?？s短盲區(qū)距離的關(guān)鍵在于局部圖像跟蹤點的實時選擇。

不同飛機具有共同的特征，即機頭形狀的相似性和軸對稱性，該特征受飛機飛行速度、位置、姿態(tài)等影響較小，具有較高的識別精度和可行性，方便相鄰幀圖像機頭特征點的快速自動識別。本文在紅外成像制導(dǎo)末端局部成像跟蹤階段，將飛機機頭部位作為局部圖像跟蹤點。在尾后追擊時，可能存在遮擋問題，則選擇尾焰作為跟蹤點。紅外成像制導(dǎo)末端局部圖像跟蹤點的選擇需要綜合考慮空戰(zhàn)過程中的諸多因素。

在空戰(zhàn)過程中，紅外成像制導(dǎo)導(dǎo)彈與目標(biāo)交會的相對速度很快且時間較短，此時機軸在彈體坐標(biāo)系內(nèi)的姿態(tài)角可認為保持不變，相鄰兩幀目標(biāo)圖像中飛機機軸方向具有較強的相關(guān)性。因此，紅外成像制導(dǎo)末端局部圖像跟蹤過程中，機頭位置可以利用跟蹤算法切換前一幀紅外圖像進行確認［12-13］，具體算法為:

1）對紅外導(dǎo)引頭獲得的圖像序列進行預(yù)處理，提取目標(biāo)圖像；

2）利用前面提出的方法判斷局部圖像跟蹤算法的切換時機；

3）一旦t時刻目標(biāo)紅外圖像滿足局部圖像跟蹤算法切換條件，就計算t時刻目標(biāo)在焦平面上的機軸方向；

4）在t+1時刻的目標(biāo)紅外圖像中，由機軸方向逆向搜索灰度（亮度）突變點，第一個突變點的位置即為t+1時刻的機頭位置；

5）紅外成像制導(dǎo)末端局部圖像跟蹤點進行切換。

3 紅外圖像仿真分析

3.1 仿真場景的建立

紅外成像制導(dǎo)一般采用Vega Prime進行仿真，一般需運行在專用的圖形工作站上，需大量的經(jīng)費投入。本文采用C/C++與OpenGL庫進行編程，通過OpenGL調(diào)用并驅(qū)動三維模型。

飛機是導(dǎo)彈攻擊的主體，因此要生成高逼真度的圖像先要生成高質(zhì)量的三維實體模型?？赏ㄟ^OpenGL進行建模，利用OpenGL只提供了一系列的函數(shù)以繪制點、線、多邊形、曲線、曲面等基本圖元，將基本圖元按照一定的空間位置構(gòu)建復(fù)雜的三維幾何實體模型。采用該方法對于形狀簡單的物體較為容易，但對于飛機等形狀復(fù)雜的物體，僅依靠該方法其工作量非常大。因此，本文采用專業(yè)的建模軟件3DMAX來對飛機生成逼真的三維模型，通過3D文件轉(zhuǎn)化大師Deep Exploration將3DS文件轉(zhuǎn)化為C語言文件，將生成的C語言數(shù)據(jù)文件導(dǎo)入OpenGL的顯示列表中，通過Gen3DobjectList（）函數(shù)導(dǎo)入控制程序中，從而完成對三維飛機目標(biāo)的顯示［14］。目標(biāo)建模流程圖如圖7所示。

圖7 目標(biāo)建模流程圖Fig.7 Flow chart of target modeling

紅外圖像視場是以紅外導(dǎo)引頭為第一視角所“看”到的視場，紅外導(dǎo)引頭“看”到什么場景，紅外圖像就要生成什么場景。因為紅外導(dǎo)引頭的位置和姿態(tài)是在不斷變化的，“看”到的場景也是變化的，所以生成的圖形是動態(tài)變化的紅外圖像。根據(jù)計算機圖形學(xué)知識，以紅外導(dǎo)引頭的位置、姿態(tài)重新定義本地觀察坐標(biāo)系，做到計算機屏幕顯示與導(dǎo)引頭視場圖像保持一致。通過改變本地觀察坐標(biāo)系的原點位置和姿態(tài)，即可確定導(dǎo)引頭視場圖像。把觀察坐標(biāo)系的位置姿態(tài)參數(shù)與紅外導(dǎo)引頭的位置、姿態(tài)參數(shù)同步綁定，仿真程序會生成以紅外導(dǎo)引頭的視角、視場所“看”到的紅外圖像。紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭視場圖像生成流程如圖8所示。

圖8 導(dǎo)引頭視場圖像生成流程Fig.8 Image generation of infrared seeker field-of-view

3.2 大氣傳輸

目標(biāo)的紅外輻射必須透過大氣才能到達紅外導(dǎo)引頭，大氣對紅外輻射的衰減作用比較強，并且具有延程性和光譜性。假設(shè)功率為Pλ的單色輻射在大氣中傳輸時，由于吸收和散射對輻射衰減的相對值都與輻射所通過的距離dx呈正比:

式中:α（λ）和γ（λ）分別為吸收系數(shù)和散射系數(shù)，分別表示吸收和散射的衰減。

通過（5）式得到單色輻射的大氣衰減系數(shù)，積分可得

式中:Pλ（x）為輻射在大氣中傳輸x距離后的功率；Pλ0為x=0處的輻射功率。大氣的透過率為

由（7）式可得

式中:子α（λ，x）和子λ（λ，x）分別為波長為λ時、由大氣吸收和大氣散射所產(chǎn)生的透射率。

對于確定的紅外大氣窗口，可用（9）式來計算窗口透過率。假設(shè)大氣窗口為［λ1，λ2］，則該窗口的透射率為

由將（7）式帶入（9）式可得

若零視距時目標(biāo)紅外輻射為F［15］0，則在距目標(biāo)位x處的紅外輻射為

3.3 灰度量化

紅外圖像模擬是用可見光模擬目標(biāo)紅外圖像，圖像的灰度值反映紅外圖像的紅外輻射亮度，體現(xiàn)了目標(biāo)紅外輻射強度的分布。最終在計算機上呈現(xiàn)的是目標(biāo)各個部位的灰度等級，因此需把輻射亮度轉(zhuǎn)化為灰度等級，二者是線性的關(guān)系，均勻量化的過程可參考文獻［16］中的灰度量化方法。

仿真圖像可直觀反映目標(biāo)飛機在紅外成像導(dǎo)引頭上所成紅外圖像的特點，目標(biāo)圖像中的灰度值與目標(biāo)飛機在該點的紅外輻射亮度呈正比，輻射亮度越大，圖像越白，反之越黑。

3.4 圖像生成

仿真場景:目標(biāo)高度9 000 m，目標(biāo)飛行速度300 m/s，紅外成像制導(dǎo)導(dǎo)彈發(fā)射距離6 000 m，發(fā)射初始速度500 m/s，發(fā)射離軸角0°.在該條件下，進行紅外成像制導(dǎo)導(dǎo)彈尾后偏左5°攻擊目標(biāo)模擬仿真，彈目交會過程中8～12 μm波段的紅外導(dǎo)引頭跟蹤圖像序列如圖9所示。

圖9 紅外成像導(dǎo)引頭目標(biāo)跟蹤圖像序列Fig.9 Target tracking image sequences of infrared imaging seeker

圖9為紅外成像制導(dǎo)導(dǎo)彈攻擊目標(biāo)飛機過程中由遠及近、由整體到局部的導(dǎo)引頭目標(biāo)跟蹤圖像序列。隨著彈目距離的縮短，紅外成像制導(dǎo)導(dǎo)彈獲得的目標(biāo)紅外圖像逐漸充滿導(dǎo)引頭視場，此時改用局部圖像跟蹤算法，切換跟蹤點，連續(xù)穩(wěn)定跟蹤目標(biāo)。在OpenGL中，跟蹤點的切換可以由視點變換來實現(xiàn)，以此獲得相應(yīng)彈目交會情況下的目標(biāo)局部圖像。該仿真過程中目標(biāo)局部圖像如圖9（h）所示。

不同攻擊條件下，紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭焦平面內(nèi)目標(biāo)成像如圖10所示。尾后攻擊目標(biāo)時，由于機身和尾焰的遮擋效應(yīng)，選擇尾焰作為局部圖像跟蹤點，更便于快速識別跟蹤。

紅外成像制導(dǎo)導(dǎo)彈導(dǎo)引頭視場中目標(biāo)圖像長度隨時間的變化規(guī)律如圖11所示。由圖11可知，在末端目標(biāo)圖像的變化劇烈，而開始相當(dāng)長的一段時間內(nèi)，變化很小。同樣方法，可計算出其他圖形特性的變化統(tǒng)計曲線，這些特性的統(tǒng)計對圖像處理算法的選擇起著決定性的作用。如圖12所示反映了目標(biāo)圖像像素面積隨彈目距離的變化規(guī)律。

4 結(jié)論

本文研究紅外成像制導(dǎo)末端目標(biāo)局部圖像識別跟蹤算法，研究結(jié)果表明:

1）選取高亮區(qū)比例、灰度標(biāo)準(zhǔn)偏差、長寬比、緊湊度和復(fù)雜度等5個特征量作為紅外成像制導(dǎo)導(dǎo)彈目標(biāo)識別的依據(jù)，經(jīng)過上千次仿真實驗檢驗，紅外成像制導(dǎo)末端局部圖像目標(biāo)識別方法切實可行有效。識別方法具有較高的實時性，基本滿足工程應(yīng)用要求。

圖10 不同攻擊條件下導(dǎo)引頭目標(biāo)成像Fig.10 Infrared seeker target imaging in different attacking conditions

圖11 目標(biāo)圖像長度隨時間的變化Fig.11 Target image length vs.time

圖12 目標(biāo)圖像像素面積隨彈目距離的變化量Fig.12 Target image pixel area vs. missile-target distance

2）在不同彈目距離和相對速度下，目標(biāo)成像序列中相鄰兩幀圖像間目標(biāo)飛機具有一定的相似性。在彈目距離相同的情況下，不同的相對速度時，3條U（t）變化曲線幾乎重合，相對速度vTM（t）對目標(biāo)圖像面積的變化影響不是很明顯，彈目距離L（t）的影響才是關(guān)鍵。

3）在不同的彈目距離條件下，模擬紅外成像制導(dǎo)導(dǎo)彈與目標(biāo)的三維姿態(tài)，直觀反映彈目交會過程中目標(biāo)紅外圖像的變化。根據(jù)目標(biāo)圖像增大的速度K（t）及當(dāng)前時刻目標(biāo)圖像的面積變化量ΔS（t）來判定紅外成像制導(dǎo)過程中，從形心跟蹤到局部圖像跟蹤的轉(zhuǎn)換時機，實時選擇與識別局部圖像跟蹤點可有效縮短跟蹤盲區(qū)距離。

4）通過仿真可獲得空戰(zhàn)對抗過程中導(dǎo)引頭成像特性的第一手資料，這對于圖像處理算法的選擇、跟蹤算法的選取以及算法優(yōu)化升級至關(guān)重要。

在實際戰(zhàn)場環(huán)境中，地形、氣候、戰(zhàn)場背景情況復(fù)雜多變，算法要具有很強的適應(yīng)能力。為了提高算法的抗干擾能力和高分辨率情況下的實時處理能力，需要進一步深入研究復(fù)雜背景下的目標(biāo)識別跟蹤算法。

（

）

［1］ 簡愛平.紅外目標(biāo)圖像建模與仿真［D］.西安:西北工業(yè)大學(xué)，2001. JIAN Ai-ping.Modeling and simulation of target's infrared images［D］.Xi'an:Northwestern Polytechnical University，2001.（in Chinese）

［2］ Morin A，Lessard P.Development of an infrared imaging seeker emulator for countermeasure studies［J］.Proceedings of the SPIE，1999，3692:255-268.

［3］ Arco J S D，Kemper P J，Pringle L N.Closed loop guidance of imaging infrared missile seekers［J］.Proceedings of the SPIE，1999，3701:254-265.

［4］ Cannon M B，Passmore R C.Improved acquisition capabilities of tactical IR seekers modeled with the infrared sensor performance analysis model［J］.Proceedings of the SPIE，1997，3063: 198-207.

［5］ 張健，張建奇，邵曉鵬.基于Vega Prime的紅外場景生成技術(shù)在成像制導(dǎo)仿真系統(tǒng)中的應(yīng)用［J］.紅外技術(shù)，2005，27（2）: 124-128. ZHANG Jian，ZHANG Jian-qi，SHAO Xiao-peng.Application of IR scene generation technique based on Vega Prime in IR imagingguidance simulation［J］.Infrared Technology，2005，27（2）: 124-128.（in Chinese）

［6］ 陳小天，沈振康.空空導(dǎo)彈紅外成像制導(dǎo)系統(tǒng)仿真研究［J］.系統(tǒng)仿真學(xué)報，2008（20）:5501-5505. CHEN Xiao-tian，SHEN Zhen-kang.Research on simulation of infrared imaging air-to air missile guidance system［J］.Journal of System Simulation，2008（20）:5501-5505.（in Chinese）

［7］ 劉陽，仲秦，閻杰.紅外成像型空空導(dǎo)彈目標(biāo)自動識別技術(shù)［J］.火力與指揮控制，2009，34（10）:136-138. LIU Yang，ZHONG Qin，YAN Jie.Investigation of automatic target recognition technique for infrared imaging air-to-air missile［J］.Fire Control and Command Control，2009，34（10）: 136-138.（in Chinese）

［8］ 呂相銀，黃超超，凌永順.面源型紅外誘餌對紅外成像制導(dǎo)干擾的評析［J］.電子對抗技術(shù)，2004，19（9）:41-45. LYU Xiang-yin，HUANG Chao-chao，LING Yong-shun.Analysis on surface-type infrared decoy for jamming infrared imaging guidance［J］.Electronic Warfare Technology，2004，19（9）:41-45.（in Chinese）

［9］ 涂建平，彭英寧.空空導(dǎo)彈紅外成像引信及其起爆控制算法［J］.紅外與激光工程，2002，31（3）:244-248. TU Jian-ping，PENG Ying-ning.Air-air missile IR imaging fuze and its fuzing control algorithm［J］.Infrared and Laser Engineering，2002，31（3）:244-248.（in Chinese）

［10］ 張忠誠，孟慶華，沈振康.紅外目標(biāo)特性分析［J］.激光與紅外，1999，23（3）:166-169. ZHANG Zhong-cheng，MENGQing-hua，SHENZhen-kang. Analysis of infrared target characteristics［J］.Laser&Infrared，1999，23（3）:166-169.（in Chinese）

［11］ 范彬，馮云松.支持向量機在紅外成像自動目標(biāo)識別中的應(yīng)用［J］.紅外技術(shù)，2007，29（1）:38-41. FAN Bin，F(xiàn)ENG Yun-song.The application of the support vector machine in infrared imaging automatic target recognition［J］. Infrared Technology，2007，29（1）:38-41.（in Chinese）

［12］ 王宏波，莊志洪，鄭華利，等.紅外成象型空空導(dǎo)彈目標(biāo)識別與跟蹤算法研究［J］.探測與控制學(xué)報，2003，25（4）:1-6. WANG Hong-bo，ZHUANG Zhi-hong，ZHENG Hua-li，et al.Investigation of target recognition and tracking algorithm for infrared imaging air-to-air missile［J］.Journal of Detection&Control，2003，25（4）:1-6.（in Chinese）

［13］ 王宏波，莊志洪，張清泰，等.終端紅外圖像制導(dǎo)信息處理技術(shù)研究［J］.兵工學(xué)報，2004，25（6）:689-693. WANG Hong-bo，ZHUANG Zhi-hong，ZHANG Qing-tai，et al. Infrared image guidance information processing for the endgame［J］. Acta Armamentarii，2004，25（6）:689-693.（in Chinese）

［14］ 林智慧，焦淑紅，陳濤.海天背景下的紅外序列圖像仿真［J］.應(yīng)用科技，2009，36（3）:31-34. LIN Zhi-hui，JIAO Shu-hong，CHEN Tao.Simulation of infrared image sequences in the sea-sky background［J］.Applied Science and Technology，2009，36（3）:31-34.（in Chinese）

［15］ 李建勛，童中翔，王超哲.飛機紅外輻射特性分析與易損性評估［J］.激光與紅外，2013，43（2）:180-185. LI Jian-xun，TONG Zhong-xiang，WANG Chao-zhe.IR radiation characteristics analysis and vulnerability assessment of aircraft［J］.Laser&Infrared，2013，43（2）:180-185.（in Chinese）

［16］ 李建勛，童中翔，王超哲，等.飛機目標(biāo)紅外特性計算與圖像仿真［J］.兵工學(xué)報，2012，33（11）:1310-1318. LI Jian-xun，TONG Zhong-xiang，WANG Chao-zhe，et al.Infrared radiation characteristic calculation and image simulation of aircraft［J］. Acta Armamentarii，2012，33（11）:1310-1318.（in Chinese）

Research on Partial Image Recognition and Tracking in Infrared Imaging Terminal Guidance

LI Cheng1，2，LI Jian-xun1，3，TONG Zhong-xiang1，JIA Lin-tong1，ZHANG Zhi-bo1
（1.Aeronautics and Astronautics Engineering Institute，Air Force Engineering University，Xi'an 710038，Shaanxi，China；2.Aviation University of Air Force，Changchun 130022，Jilin，China；3.Science and Technology on Complex Aviation Systems Simulation Laboratory，Equipment Academy of the Air Force，Beijing 100076，China）

A new method for partial image recognition and tracking in the infrared imaging terminal guidance is proposed for the problem of that the field-of-view of infrared seeker filled with target affects target recognition and tracking.The principle of infrared imaging guidance is analyzed.Five characteristic quantities，such as highlight region proportion，standard deviation of gray value，length-width ratio，compactness and complexity，are used as the criteria of feature extraction and target recognition.A fast target recognition algorithm suitable for missile is proposed.The change of target image projection area on seeker's focal plane in the infrared imaging terminal guidance is calculated.The effects of missile-target distance and relative velocity on aircraft imaging are analyzed.The switching from centroid tracking to partial image tracking is studied.Considering reliability and real-time，the nose cone of aircraft is selected as the tracking point for partial image tracking.The simulation scene of infrared imaging guidance is built.The simulation results are analyzed.Experimental results show that the proposed method can effec-tively recognize the targets in the infrared images，decrease the blind area，and realize the steadily tracking in the infrared imaging terminal guidance.

control and navigation technology of aerocraft；infrared imaging guidance；infrared image；feature extraction；target recognition；centroid tracking；partial image tracking

TN976；TP391.9

A

1000-1093（2015）07-1213-09

10.3969/j.issn.1000-1093.2015.07.009

2014-09-04

國家自然科學(xué)基金項目（61203134、61301233）

李成（1983—），男，講師。E-mail:15109288577@163.com；童中翔（1958—），男，教授，博士生導(dǎo)師。E-mail:tzxkgy@163.com