何佳凱,黃來玉,楊德振,3,安成斌

(1.華北光電技術研究所,北京 100015;2.遼寧省軍區(qū)數(shù)據(jù)信息室,遼寧 沈陽 110032；3.北京真空電子技術研究所,北京 100015)

1 引 言

隨著軍事科技的發(fā)展,激光因其高速打擊和高能毀傷備受關注,作為新型武器載體,高能激光器發(fā)射光束到目標打擊點,并將光束穩(wěn)定在打擊點直到毀傷效果實現(xiàn)。但由于在遠距離下,無人機、車輛等目標占據(jù)像元較小,為此必須保證激光光斑精度,確保激光光斑能量中心不會出現(xiàn)大幅度偏差,將較多能量匯聚到目標上,完成目標的快速精準摧毀。綜上所述,在研制階段提前對激光武器的激光光斑進行中心校準極其關鍵[1]。

又因為激光光學系統(tǒng)孔徑通常呈圓狀,為了能在圖像中精確得到光斑的最大能量中心,傳統(tǒng)的光斑擬合方法有幾何中心法、最小二乘圓擬合法、特征點識別法。如吳澤楷等人在傳統(tǒng)圓擬合方法上改進預處理,并多次迭代來實現(xiàn)圓斑精確擬合[2],王冰等人結合圖像灰度特性,采用質心法進行光斑中心提取[3]。圓擬合方法通過對圓形光斑進行近似擬合,得到圓形中心,比較依賴于光斑邊界分割,在近距離光斑標軸中,由于光斑能量聚集,形狀規(guī)則,可能利于能量提取,但如果考慮激光在遠距離大氣中傳輸時,大氣湍流、熱暈等大氣效應引起的激光 光斑出現(xiàn)變形,此時邊界發(fā)散,無法通過邊界擬合等方法得到精確的目標能量中心,存在偏差。而質心法與重心法也要求光斑分割精確,否則邊界零散像素值會加權到光斑中心計算中,使計算的光斑中心產(chǎn)生偏移。

2 基于自適應disk掩膜的遠距光斑質心檢測算法

圖1為遠距光斑中心檢測系統(tǒng)示意圖,在近場進行光斑中心查找后,在遠距離放置靶標,將激光器打到靶標上。采用近紅外CCD探測器(0.78～3 μm)對光斑進行分析,由于其對相關光學譜段范圍的激光光束有響應,為此使用近紅外探測器對成型激光光斑進行分析,從而采集圖像用于光斑中心檢測[4]。

圖1 遠距光斑中心檢測系統(tǒng)示意圖Fig.1 Far-field spot center detection system schematic diagram

本文采用雙邊濾波對光斑進行保邊界去噪處理,并將濾波結果與原圖作差后進行伽馬拉伸實現(xiàn)圖像增強,在進行閾值分割后用二值化圖像計算得到光斑面積。根據(jù)面積構造自適應大小的disk掩膜,使用掩膜對光斑圖像進行模板匹配,基于一定孔徑下光斑最大能量并最終返回中心點,從而使得目標遠程定位結果更精確,圖2為遠距光斑中心檢測流程圖。

圖2 遠距光斑中心檢測流程圖Fig.2 Far-field spot center detection system flow chart

2.1 光斑圖像預處理

如圖3所示,由于在遠程光斑能量中心檢測中,光斑邊緣發(fā)散變形,直接進行光斑分割會造成圓斑分割不準確,通過對目標特性仿真分析,光斑從能量中心點向外為點擴散函數(shù),呈類高斯分布。

圖3 近場光斑原圖及其特性分析Fig.3 Near-field spot map and its characteristic analysis

圖4 遠場光斑原圖及其特性分析Fig.4 Far-field spot map and its characteristic analysis

為此我們選取雙邊濾波進行圖像增強處理,先通過濾波提取高頻分量并濾除噪聲點,同時將高頻信息疊加到原圖上,對疊加圖像進行伽馬拉伸實現(xiàn)光斑增強,進而利于下一步使用最大類間方差進行光斑分離。

雙邊濾波是一種經(jīng)典的圖像濾波方法,是由高斯濾波改進而來,式(1)為高斯濾波的函數(shù)式,對于高斯函數(shù),是一種利用空間距離作為權值系數(shù)的函數(shù),通過高斯核與原圖相卷積,從而確定光斑中心,臨近中心則權重越大。而式(2)中雙邊濾波不僅考慮空間信息,也考慮目標灰度信息,灰度值越接近中心點,則權值越大,將空間信息和灰度信息相乘,共同確定權值,式(3)為雙邊濾波權重公式[5]。

(1)

(2)

w(i,j)=ws(i,j)·wr(i,j)

(3)

2.2 二值化確定光斑面積

需要檢測的圖像中僅有光斑和背景,為二分類問題。通過雙邊濾波對光斑邊界進行增強后,可通過類間方差法實現(xiàn)自適應二值化分割。

最大類間方差法進行閾值分割是將一幅圖像分成兩部分C0和C1[6]。設置閾值T,將小于閾值T的部分定義為背景C0,大于部分定義為前景C1。C0包含的灰度級有[1,…,T-2,T-1],C1包含的灰度級有[T,T+1,…,L]。對于每一個灰度級的所有像素,被定義成前景的概率為Pi,可由式(4)計算,每一類出現(xiàn)的概率分別為w0和w1,式(5)～(6)分別為前景和背景的總概率,各類的平均灰度級為μ0和μ1,如公式(7)～(8)。

(4)

(5)

(6)

(7)

(8)

其中,μT是整幅圖像的平均灰度,如下所示:

(9)

(10)

(11)

(12)

2.3 構造disk掩膜

通過面積可以構建一個圓形掩膜,用圓形掩膜去卷積光斑圖像,提取特征,此時特征圖中對應的最大值即為最大能量中心,返回最大值即為最大能量點。以下為半徑公式:

(13)

構造圖5(a)所示disk掩膜并在原圖上進行滑動卷積,如圖5(b)～(d)所示為滑動卷積示意圖,掩膜從左上角開始一直遍歷整個圖像,與原圖做卷積,當掩膜完全覆蓋對應大小的光斑時,此時所得卷積圖像中最大值為能量中心。

圖5 Disk掩膜及其卷積示意圖Fig.5 Disk mask and its convolution diagram

3 實驗分析

本文采用5 Hz的激光頻率進行實驗,通過對目標進行雙邊濾波、伽馬拉伸等圖像增強后更好的對光斑進行分離,仿真發(fā)現(xiàn)不使用濾波、拉伸對有的光斑無法進行準確分離,圖6(a)和(b)為伽馬拉伸前后光斑灰度值分布區(qū)間,通過拉伸將16位圖像拉伸到8位,便于使用最大類間方差進行自適應分離。

圖6 伽馬拉伸前后圖像灰度分布Fig.6 Gray distribution before and after Gamma stretching

通過使用圓擬合、質心法等多種方法對光斑進行仿真分析,發(fā)現(xiàn)圓擬合方法和質心法等常見方法依賴于目標邊界,由圖7(a)和(b)可以看到,對于近場光斑,由于能量發(fā)散較少,光斑集中,為此采用上述方法可以達到較好的檢測效果,隨著距離增加,光斑發(fā)散,光斑分離結果為不規(guī)則形狀,采用圓擬合以及質心法檢測光斑中心易受邊緣離群值影響,造成檢測中心點偏移[8]。

圖7 不同場景下多種算法光斑檢測中心Fig.7 Spot detection centers of various algorithms in different scenes

通過對連續(xù)30幀打擊光斑進行能量中心分析,對比不同算法發(fā)現(xiàn)本文的算法在近場具有較小的離群值,差距在1個像素之內(nèi)左右,為0.4 μm,而圓擬合方法中心偏移為2個像素,為0.8 μm,質心法同樣也由較好的實驗效果。但在遠場測試中,質心法中心偏移值在±2個像素之內(nèi),最大偏差值為1.6 μm,而圓擬合方法在±3個像素之內(nèi),達到2.4 μm,本文算法依然可以保持像素差距在±1個像素之內(nèi),穩(wěn)定在0.8 μm,具有優(yōu)異的魯棒性與準確性[9]。圖8(a)和(b)所示為不同距離場景下光斑中心偏移量。

(a)近場光斑中心偏移量

(b)遠場光斑中心偏移量

4 總 結

激光毀傷武器需要將光束最大能量穩(wěn)定在打擊點,但隨著激光距離增加,光斑能量會發(fā)散,傳統(tǒng)中心檢測方法在近場光斑中心校準較為準確,而遠場光斑受大氣影響邊界發(fā)散、能量減弱,不利于圖像邊界提取與能量中心定位。為此本文提出了一種基于自適應disk掩膜的激光光斑能量中心檢測算法,實現(xiàn)遠距離下激光光斑校準,使光斑將更多能量匯聚。該方法在近場光斑與遠場不規(guī)則光斑的中心檢測均具有優(yōu)異魯棒性和準確性,可實現(xiàn)近場光斑±1個像素內(nèi)誤差,遠場±2個像素內(nèi),在近場光斑與遠場不規(guī)則光斑的最大能量中心檢測中都具有較強的魯棒性。