閆鵬浩，石章松，吳鵬飛

（海軍工程大學(xué)，武漢 430000）

0 引言

無人機(jī)具有重量小，機(jī)動性強(qiáng)，環(huán)境感知能力好，能夠減輕人員損耗等優(yōu)點(diǎn)，具有廣泛應(yīng)用。在軍事方面，無人機(jī)具有多種用途，能夠?qū)崿F(xiàn)目標(biāo)定位、戰(zhàn)斗等目的，無人直升機(jī)整體架構(gòu)復(fù)雜性較低，價(jià)格較低廉，能垂直起降，無需建設(shè)專門的起降跑道，并且振顫比較微弱，噪聲達(dá)到相對較小的水平，可靠性比較高，相對固定翼無人機(jī)更具有布置在艦艇上的優(yōu)勢，實(shí)現(xiàn)艦載無人直升機(jī)的布置是未來的重要發(fā)展方向，其必然顯著優(yōu)化其執(zhí)行任務(wù)的能力，而實(shí)現(xiàn)該目標(biāo)的關(guān)鍵技術(shù)就是通過傳感器實(shí)時(shí)對著艦標(biāo)志進(jìn)行識別與定位。在無人直升機(jī)平臺上，攝像裝置在大多數(shù)情況下都裝配于直升機(jī)上。因?yàn)轱w行器不斷運(yùn)動，所以攝像裝置的高度和拍攝的角度一直在發(fā)生改變，因此，通過這種拍攝方式獲得的照片，在某個(gè)地標(biāo)中體現(xiàn)的形態(tài)不相一致。這些變化造成識別難度大大增加。除此之外，野外的飛行環(huán)境通常會讓識別系統(tǒng)遭受一定的負(fù)面干擾，如此就進(jìn)一步提升了地標(biāo)識別難度。

在標(biāo)志識別領(lǐng)域，現(xiàn)有的識別方法主要分為3類。第1 類是文獻(xiàn)［1-2］提出的通過顏色特征對著艦標(biāo)志進(jìn)行分割后選取幾何不變矩對著艦標(biāo)志識別；在特征矩的選取上，還可利用仿射不變矩進(jìn)行識別［3-4］。第2 類方法主要是利用了角點(diǎn)提取與匹配的方式完成對著艦標(biāo)志的識別［6-7］。第3 類方法是通過濾波器的設(shè)計(jì)，在對著艦標(biāo)志進(jìn)行邊緣檢測時(shí)濾除環(huán)境因素的影響［5］。本文對現(xiàn)有的識別方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明通過顏色特征對著艦標(biāo)志進(jìn)行分割只能在簡單無干擾環(huán)境下進(jìn)行，難以適應(yīng)復(fù)雜的背景環(huán)境；采用角點(diǎn)提取與匹配的方法僅能實(shí)現(xiàn)對單一著艦標(biāo)志的識別，圖像背景變復(fù)雜時(shí)會對其檢測識別效果產(chǎn)生強(qiáng)烈的干擾而使算法失效；而采用濾波器的方法雖然對復(fù)雜環(huán)境背景的適應(yīng)性較好并能完成對著艦標(biāo)志背景的濾除，但其識別效果嚴(yán)重依賴于閾值的選取，魯棒性較差。

1 基于Hu 不變矩的著艦標(biāo)志分塊匹配識別

1.1 著艦標(biāo)志幾何不變矩的計(jì)算

Hu 不變矩運(yùn)算主要用于灰度圖像特征的獲取，假定存在連續(xù)圖像二維函數(shù)f（x，y），其（p+q）階矩界定為：

其中：p 指代的是x 方向?qū)?yīng)的階數(shù)，q 指代的是y方向?qū)?yīng)的階數(shù)。集合{mpq}由f（x，y）進(jìn)行明確，對其完成位置歸一化，從而獲取中心矩μpq，對其定義為：

中心矩μpq指代的是圖像平移的不變量，（x0，y0）指代的是圖像所對應(yīng)的重心坐標(biāo)，其公式為：

其中：m10、m01是圖像的1 階幾何矩；m00指代的是圖像對應(yīng)的0 階幾何矩。再對中心矩展開大小歸一化，從而獲取的中心矩如下：

歸一化中心矩ηpq指的是平移與縮放的不變量。通過代數(shù)不變矩理論，可獲取所需的不變矩，包括圖像平移、旋轉(zhuǎn)等，這就是著名的不變矩公式：

不變矩的作用是對圖像的性質(zhì)進(jìn)行描述，在圖像處理的過程中，不變矩由于不會受到目標(biāo)幾何變化的影響，因此，其應(yīng)用范圍較廣。

1.2 著艦標(biāo)志分塊匹配識別算法流程

Step1：圖像預(yù)處理，對圖像展開一系列的操作，其中比較主要的包括灰度化、二值化、邊緣提取、開運(yùn)算、中值濾波等，從而獲取更為理想的特征信息；

Step2：視覺圖像分塊，將視覺傳感器收集的信息按照一定的步長進(jìn)行分塊，從而使整體的圖像能夠以合理的大小進(jìn)行匹配；

Step3：根據(jù)Hu 矩的計(jì)算公式對分塊的圖像進(jìn)行Hu 矩計(jì)算；

Step4：逐塊處理，計(jì)算分塊圖像與著艦標(biāo)志模板Hu 矩的差值，不斷迭代以當(dāng)前最小差值的圖像分塊作為匹配的最優(yōu)位置；

Step5：Hu 矩最小距離模塊即為目標(biāo)所在位置，用方框?qū)⒛繕?biāo)所在模塊框出，完成著艦標(biāo)志定位。

視覺信息處理的具體流程如下頁圖1 所示。

2 實(shí)驗(yàn)與分析

2.1 視覺信息預(yù)處理

為了提高圖像質(zhì)量、壓縮圖像大小，便于之后有更快的處理速度，需要對圖像進(jìn)行預(yù)處理操作，我們選取以下幾種方法依次對圖像進(jìn)行處理。

1）灰度化

它是指將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，且圖像的色度、亮度等特性仍然保持。對于一個(gè)像素點(diǎn)來說，它總共包含1 600 多萬的顏色變化區(qū)間，與此同時(shí)，灰度圖像是這幾個(gè)分量完全一致的彩色圖像，所有像素點(diǎn)的變化區(qū)間一般涵蓋255 種，因此，在對其處理的過程中，把測試圖像進(jìn)行灰度化處理，從而圖像的整體計(jì)算量大幅度降低。

圖1 視覺目標(biāo)匹配流程

2）二值化

圖像二值化就是指把像素點(diǎn)所對應(yīng)的灰度值進(jìn)行標(biāo)準(zhǔn)化的設(shè)置，使其為0 或255，如此就能夠?qū)D像轉(zhuǎn)變?yōu)楹诎仔Ч?，將圖像涵蓋的數(shù)據(jù)量進(jìn)一步降低，進(jìn)而表征目標(biāo)的整體輪廓。把灰度圖像利用特定的閾值進(jìn)行選取，從而得到體現(xiàn)目標(biāo)特征的二值化圖像。

3）邊緣提取

邊緣提取具體而言是指在對數(shù)字圖像展開分析和處理的過程中，對其具有的輪廓展開特定的處理。通常將其視為存留灰度變化非常突出的區(qū)域，針對此類圖像而言，其一般選擇差分運(yùn)算的方式。邊緣信息包含像素的坐標(biāo)和邊緣的方向兩個(gè)方面。邊緣檢測的核心理念是應(yīng)用邊緣增強(qiáng)算子，從而著重體現(xiàn)圖像所涵蓋的局部邊緣，在這之后界定“邊緣強(qiáng)度”，通過對閾值的設(shè)定可獲取邊緣點(diǎn)集。因?yàn)楹w一定的噪聲，獲取的邊界在某些情況下會在某些位置出現(xiàn)間斷。所以，通常會消除填補(bǔ)邊界間斷點(diǎn)，并將這些邊緣連接成完整的線。

4）開運(yùn)算

數(shù)學(xué)形態(tài)學(xué)客觀上通過形態(tài)學(xué)的代數(shù)運(yùn)算子構(gòu)成，腐蝕能夠去除相對較小的噪聲區(qū)域，膨脹能夠很大程度上對空洞部分進(jìn)行填補(bǔ)。對某個(gè)圖像先展開腐蝕運(yùn)算，然后進(jìn)行膨脹，這個(gè)過程命名為開運(yùn)算。一般而言，在包含噪聲的圖像通過閾值展開二值化處理之后，其獲取的邊界平滑性較低，通過開運(yùn)算可以提高邊界的平滑性。

5）中值濾波

濾波去噪是一類圖像預(yù)處理中比較實(shí)用的技術(shù)手段，而其中比較具有代表性的是中值濾波方法，對噪聲點(diǎn)能夠體現(xiàn)非常理想的處理效果。這種方法的核心原理是將數(shù)字圖像中的值通過鄰域所涵蓋的中值進(jìn)行替換，從而將附近的像素值靠近真實(shí)值，以此有效地減少一部分孤立的噪聲點(diǎn)，另外，它能夠把像素按照像素值根據(jù)一定的規(guī)則進(jìn)行排序，從而獲得單調(diào)變化的二維數(shù)據(jù)序列。

針對提出的基于計(jì)算機(jī)視覺的無人直升機(jī)著艦標(biāo)志識別技術(shù)，由于目前難以得到艦艇環(huán)境的視覺圖像，在不同背景條件下對著艦標(biāo)志進(jìn)行拍攝來模擬不同環(huán)境以驗(yàn)證算法的效果，圖片樣式如圖2 所示。

圖2 擁有不同背景與變換的著艦標(biāo)志

先對其展開標(biāo)準(zhǔn)化的預(yù)處理，利用采集到的圖片作為分析的實(shí)例，利用matlab 依次進(jìn)行灰度化、二值化、邊緣提取、剔除和邊緣相連像素、開運(yùn)算、填充運(yùn)算、中值濾波、噪聲濾除等相關(guān)操作進(jìn)行預(yù)處理，每一步操作后的圖片輸出得到如下頁圖3 所示的預(yù)處理結(jié)果。

經(jīng)過逐步輸出可以看出，由于著艦標(biāo)志本身存在比較強(qiáng)烈的黑白對比，經(jīng)過灰度化和二值化可以將不同光照條件下顏色有所不同的著艦標(biāo)志轉(zhuǎn)換為對比分明的黑白標(biāo)志，經(jīng)過邊緣提取、邊緣平滑、開運(yùn)算等步驟之后，能夠?qū)⒋蠖鄶?shù)環(huán)境因素濾除掉，經(jīng)過填充運(yùn)算可以將標(biāo)志中間圓環(huán)和四周的方塊邊框進(jìn)行填充，此時(shí)著艦標(biāo)志中間的H 已經(jīng)被掩蓋但著艦標(biāo)志仍舊能夠明顯地表現(xiàn)出來，最后經(jīng)過中值濾波等操作再次將雜波濾除，完成預(yù)處理。經(jīng)過對不同背景照片的仿真，可以發(fā)現(xiàn)通過以上步驟能夠得到比較顯著的著艦標(biāo)志，為下一步幾何不變矩的分塊對比打下良好的基礎(chǔ)。

圖3 測試圖片預(yù)處理逐步結(jié)果輸出

2.2 對比實(shí)驗(yàn)

完成預(yù)處理后，即對著艦標(biāo)志進(jìn)行匹配，選取合適的步長，對測試圖像進(jìn)行分塊對比，每個(gè)模塊與著艦標(biāo)志模板的七階Hu 矩計(jì)算距離并比較得出距離最小的模塊，以此模塊作為最終匹配得到的模塊，并最終將匹配的模塊以藍(lán)色方框圈出，可得如圖4 所示仿真輸出。

圖4 基于Hu 矩分塊匹配的著艦標(biāo)志識別效果

與此同時(shí)，采用文獻(xiàn)［1-2］中所提出的先通過顏色特征對圖片進(jìn)行分割而后進(jìn)行基于Hu 不變矩的匹配，采用文獻(xiàn)［6-7］所提出的基于角點(diǎn)匹配的方法，仿真結(jié)果如圖5 所示。

圖5 基于參考文獻(xiàn)［1-2］與文獻(xiàn)［6-7］所提算法的識別

圖5（a）為基于顏色特征對圖片進(jìn)行分割而后采用Hu 不變矩對圖片進(jìn)行識別，圖5（b）為基于角點(diǎn)提取與匹配的識別。

分別對不同背景下的著艦標(biāo)志進(jìn)行識別，得到的結(jié)果如圖6 所示：

圖6 3 種方法識別效果對比

2.3 結(jié)果分析

針對使用不同方法進(jìn)行的仿真，通過計(jì)算匹配框與標(biāo)志中心的距離作為識別準(zhǔn)確率的判別標(biāo)準(zhǔn)進(jìn)行效果對比，對具有不同背景特征的10 幅圖片進(jìn)行了仿真實(shí)驗(yàn)，數(shù)據(jù)如表1 所示。

表1 3 種方法識別誤差對比

繪制折線對比圖如圖7 所示。

圖7 方法誤差對比圖

由數(shù)據(jù)對比以及折線圖分析得出，先通過顏色特征對圖片進(jìn)行分割而后用Hu 不變矩進(jìn)行識別的方法，文獻(xiàn)［1-2］中采用了大紅色的標(biāo)志，放到簡單環(huán)境中對其進(jìn)行提取，可以較好地選擇閾值進(jìn)行濾波、提取與匹配，而當(dāng)采用黑白相間的標(biāo)志放到復(fù)雜環(huán)境下即無法通過顏色特征進(jìn)行分割，效果較差。基于角點(diǎn)提取與匹配方法的識別率不穩(wěn)定且識別的準(zhǔn)確性多數(shù)情況低于基于分塊匹配的Hu 矩匹配識別方法。

對于基于分塊匹配的Hu 矩匹配識別方法，當(dāng)距離較遠(yuǎn)時(shí)對著艦標(biāo)志可以較好地識別，但是仍有輕微的誤差，隨著距離的逐漸接近，識別的精度也不斷增加，當(dāng)視覺傳感器距離著艦標(biāo)志距離較近時(shí)對著艦標(biāo)志定位的精度可以達(dá)到著艦要求。

3 結(jié)論

本文針對視覺傳感器對著艦標(biāo)志識別定位的問題，總結(jié)了目前比較成熟的方法，綜合已有的技術(shù)，通過仿真復(fù)現(xiàn)的結(jié)果分析各自的優(yōu)缺點(diǎn)，并改進(jìn)了基于Hu 矩的識別方法。在進(jìn)行實(shí)驗(yàn)的過程中，通過不變矩理論獲取著艦標(biāo)志及測試圖像的7 個(gè)Hu 不變矩特征向量，并進(jìn)行比較和迭代，得到最優(yōu)區(qū)域。在這過程中，應(yīng)用Matlab 對特征圖案展開匹配識別并與同類方法進(jìn)行對比。最終的結(jié)果表明，對于復(fù)雜環(huán)境下一般特征的著艦標(biāo)志進(jìn)行識別，基于分塊匹配的Hu 不變矩效果優(yōu)于同類算法。為后續(xù)無人直升機(jī)自主著艦的研究打下堅(jiān)實(shí)的基礎(chǔ)。但是，由于仿真計(jì)算機(jī)性能的限制還不能滿足無人直升機(jī)識別著艦標(biāo)志過程中對實(shí)時(shí)性的要求，而且在距離比較遠(yuǎn)的時(shí)候偏差相對較大。所以，后續(xù)將重點(diǎn)針對時(shí)間優(yōu)化問題以及遠(yuǎn)距離識別精度的問題展開研究，以獲得更好的識別效果。