李穎娟，許開(kāi)鑾，劉培楨，宋金鴻，曹玉舉，張旭輝

（西安應(yīng)用光學(xué)研究所，陜西 西安 710065）

引言

在現(xiàn)代海戰(zhàn)中艦船面臨著大量不同類(lèi)型的空中威脅，尤其是低空飛行的掠海目標(biāo)，如掠海反艦導(dǎo)彈、制導(dǎo)炸彈和超低空飛行的飛機(jī)。為了實(shí)現(xiàn)精確打擊，必須在遠(yuǎn)距離及時(shí)發(fā)現(xiàn)并鎖定來(lái)襲目標(biāo)，繼而進(jìn)行穩(wěn)定跟蹤。艦載雷達(dá)是檢測(cè)和跟蹤遠(yuǎn)距離空中或海面威脅目標(biāo)的主要手段，但是雷達(dá)系統(tǒng)提供的俯仰數(shù)據(jù)精度差，無(wú)法滿足艦船防御系統(tǒng)的要求。為了更好地應(yīng)對(duì)來(lái)襲目標(biāo)，需要光電跟蹤儀對(duì)目標(biāo)進(jìn)行高精度跟蹤。對(duì)光電跟蹤儀來(lái)說(shuō)，海上目標(biāo)檢測(cè)和跟蹤也面臨著諸多挑戰(zhàn)。首先，海上環(huán)境復(fù)雜多變，常出現(xiàn)下雨、霧霾等惡劣天氣；其次，受光照、風(fēng)、海浪等多種自然因素的影響，海面環(huán)境一直處在動(dòng)態(tài)的變化過(guò)程中，在海上環(huán)境中采集的視頻數(shù)據(jù)包含了大量噪聲和擾動(dòng)信息，如雜亂無(wú)章的魚(yú)鱗光、不規(guī)則運(yùn)動(dòng)的紋理豐富的波浪等；最后，海上目標(biāo)可視范圍小，視頻信息抖動(dòng)劇烈，位置變化嚴(yán)重，實(shí)時(shí)精準(zhǔn)跟蹤困難。

針對(duì)海上目標(biāo)的檢測(cè)，文獻(xiàn)[1]提出了一種采用直方圖先進(jìn)行紅外目標(biāo)增強(qiáng)，然后通過(guò)二值化、開(kāi)運(yùn)算進(jìn)行目標(biāo)檢測(cè)的算法；文獻(xiàn)[2]采用了基于高斯擬合構(gòu)建出具有目標(biāo)導(dǎo)向特性的對(duì)比度自適應(yīng)增強(qiáng)策略，研究了基于時(shí)域和空域融合提高信噪比的策略和基于暗通道理論的圖像去霧，通過(guò)這些手段提高海上紅外小目標(biāo)檢測(cè)的準(zhǔn)確性；文獻(xiàn)[3]提出了計(jì)算圖像行均值和梯度，然后通過(guò)最小二乘法擬合海天線，再通過(guò)形態(tài)學(xué)處理抑制圖像背景，在海天線附近進(jìn)行目標(biāo)檢測(cè)和跟蹤的方法；文獻(xiàn)[4]利用Top-hat 算子進(jìn)行形態(tài)學(xué)濾波處理，抑制平緩變化的背景并保留高亮度區(qū)域的目標(biāo)和強(qiáng)噪聲，通過(guò)選擇結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算，去掉細(xì)小的背景雜波干擾；文獻(xiàn)[5]提出了一種基于神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能進(jìn)行優(yōu)化訓(xùn)練，使得濾波過(guò)程變得更加智能化，從而實(shí)現(xiàn)背景抑制，但是該方法需要大量的訓(xùn)練數(shù)據(jù)，距離實(shí)時(shí)應(yīng)用還有一段距離。

根據(jù)以上分析可知，面對(duì)復(fù)雜海洋天候環(huán)境下出現(xiàn)的新挑戰(zhàn)，傳統(tǒng)的目標(biāo)檢測(cè)技術(shù)已經(jīng)無(wú)法滿足海上數(shù)據(jù)實(shí)時(shí)、高效處理的需求。而且，在海天背景條件和遠(yuǎn)距離平視狀態(tài)下，導(dǎo)彈、無(wú)人機(jī)、艦、船、艇等目標(biāo)總是在海天線附近出現(xiàn)。因此，對(duì)弱小目標(biāo)檢測(cè)之前，需要海天線來(lái)進(jìn)行輔助判斷。本文分析了海天背景下紅外小目標(biāo)的特征，提出了一種基于海天線的紅外掠海小目標(biāo)跟蹤方法。

1 紅外掠海小目標(biāo)檢測(cè)流程

在目標(biāo)搜索過(guò)程中，雷達(dá)發(fā)現(xiàn)遠(yuǎn)距離來(lái)襲目標(biāo)會(huì)向光電跟蹤儀發(fā)送目指指令，光電跟蹤儀先判斷是否有搜索雷達(dá)的目指信息，如果有，則以目指為中心自動(dòng)檢測(cè)雷達(dá)指定區(qū)域內(nèi)的目標(biāo)；如果沒(méi)有，則判斷是否有開(kāi)啟了海天線輔助判斷功能。如果開(kāi)啟了，則以海天線為界，分別對(duì)海天線上下一定區(qū)域進(jìn)行搜索，該搜索區(qū)域可以通過(guò)光電跟蹤儀的相關(guān)參數(shù)計(jì)算出來(lái)；如果沒(méi)有開(kāi)啟海天線輔助判斷功能，則在系統(tǒng)指定的搜索波門(mén)范圍內(nèi)進(jìn)行搜索。如果連續(xù)N幀搜索到的都是同一個(gè)目標(biāo)，就跟蹤該目標(biāo)，如果搜索到多個(gè)目標(biāo)，就根據(jù)目標(biāo)的大小、亮度、位置、目標(biāo)和海天線的距離等特征信息，采用文獻(xiàn)[6]的方法確定威脅度最高的目標(biāo)進(jìn)行跟蹤，算法流程圖如圖1 所示。

圖1 紅外掠海小目標(biāo)檢測(cè)流程圖Fig.1 Flow chart of infrared sea-skimming small target detection

1.1 目標(biāo)所在區(qū)域判斷

在紅外傳感器的視距范圍內(nèi)，掠海飛行的導(dǎo)彈、飛機(jī)是最重要的威脅來(lái)源，掠海飛行高度很低，一般為海面以上5 m～40 m。在掠海目標(biāo)來(lái)襲的過(guò)程中，目標(biāo)在圖像中一般處于海天線上下一定范圍內(nèi)。假設(shè)紅外傳感器架高為hc，目標(biāo)距離為D，目標(biāo)飛行高度hT，目標(biāo)與海天線夾角為θ，紅外傳感器視場(chǎng)角為fov，圖像縱向分辨率為ph，假設(shè)地球是理想球體，地球半徑為R，根據(jù)參考文獻(xiàn)[6]的分析可知目標(biāo)和海天線的位置關(guān)系為

根據(jù)式(1)可以計(jì)算出目標(biāo)不同飛行高度在由遠(yuǎn)及近距離變化時(shí)與海天線的位置關(guān)系。假設(shè)架高20 m，圖像高度512 像素，紅外傳感器視場(chǎng)3°，當(dāng)目標(biāo)飛行高度分別為5 m、8 m、10 m、15 m、20 m、25 m、30 m、35 m、40 m，目標(biāo)距離從15 km 到500 m逼近時(shí)，目標(biāo)和海天線的相對(duì)位置如圖2 所示。圖2 中橫坐標(biāo)為目標(biāo)與光電跟蹤儀的距離，縱坐標(biāo)為圖像中目標(biāo)與海天線的位置關(guān)系。可以看到，當(dāng)目標(biāo)較遠(yuǎn)時(shí)，目標(biāo)在圖像中的位置基本都在海天線以上50 像素范圍內(nèi)；當(dāng)目標(biāo)靠近時(shí)，飛行高度高于架高的目標(biāo)會(huì)向上逐漸遠(yuǎn)離海天線，飛行高度低于架高的目標(biāo)會(huì)逐漸向下靠近海天線，然后穿越海天線，最終向下遠(yuǎn)離海天線。例如，飛行高度為5 m 的目標(biāo)在距離光電跟蹤儀15 km 時(shí)，其在圖像中的位置約在海天線以上3 像素左右，當(dāng)其逐漸靠近時(shí)，在圖像中的位置逐漸靠近海天線，在距離約8 km 時(shí)到海天線以下。當(dāng)掠海目標(biāo)在距離2 km 以外時(shí)，基本都處于海天線上100 像素至海天線下50 像素以內(nèi)，因此對(duì)于低空掠海飛行目標(biāo)可以以海天線為參考進(jìn)行搜索和跟蹤。

圖2 目標(biāo)與海天線的相對(duì)位置圖Fig.2 Relative position diagram of target and sea-sky line

1.2 海天線檢測(cè)原理

目前紅外圖像海天線檢測(cè)主要是利用海面與天空的灰度特性來(lái)實(shí)現(xiàn)的[7]。例如計(jì)算圖像列方向上的灰度梯度值，灰度梯度最大的地方被認(rèn)為是海天線，這種方法的缺點(diǎn)是抗干擾能力差,容易受到天空連續(xù)雜亂的云層以及海面上紋理豐富的波浪影響，在艦船、島嶼、大的海浪等干擾的情況下，檢測(cè)也會(huì)出錯(cuò)，形成偽直線。基于灰度共生矩陣和Hough 變換的海天線檢測(cè)方法[8]，數(shù)據(jù)量大，尤其針對(duì)10 位、12 位、14 位等高精度視頻，數(shù)據(jù)量急劇上升，在線實(shí)現(xiàn)效率很低。針對(duì)現(xiàn)有的海天線檢測(cè)的技術(shù)問(wèn)題，提出了一種抗干擾能力強(qiáng)，且能夠在復(fù)雜海面環(huán)境中有效、實(shí)時(shí)地進(jìn)行海天線檢測(cè)的方法。本方法的流程如圖3 所示，首先計(jì)算采集到的紅外圖像的縱向灰度梯度圖，對(duì)灰度梯度圖進(jìn)行閾值分割，得到二值化圖像，搜索二值化圖像的邊界點(diǎn)，再通過(guò)Hough 變換計(jì)算海天線的截距和斜率。該方法對(duì)于天氣變化、光照不均、云層干擾、海面波浪、島嶼、大型船只、海鳥(niǎo)、海岸景物干擾有很好的魯棒性，不同傾斜度的海天線均能檢測(cè)出來(lái)。該方法計(jì)算量小，內(nèi)存占用小，算法原理簡(jiǎn)單，實(shí)現(xiàn)效率高。

圖3 海天線檢測(cè)原理Fig.3 Schematic diagram of sea-sky line detection

假設(shè)原圖為F，如圖4（a），則灰度梯度圖Gray的計(jì)算公式為

圖4 海天線檢測(cè)效果圖Fig.4 Effect diagram of sea-sky line detection

分割閾值GThreshold可以通過(guò)加權(quán)灰度梯度圖的灰度均值GAverage和方差GStd值得出：

式中k為系數(shù)。

對(duì)灰度梯度圖圖4（b）進(jìn)行閾值分割，得到二值化圖像。搜索整個(gè)二值化圖像的邊界點(diǎn)位置序列EdgeMapList，邊界點(diǎn)圖像如圖4（c）所示，將邊界點(diǎn)坐標(biāo)送入Hough 變換函數(shù)進(jìn)行計(jì)算，搜索Hough 空間的最亮點(diǎn)位置，記該最亮點(diǎn)的坐標(biāo)為(ρ,θ)，由于直角坐標(biāo)系中的直線和Hough 空間中的點(diǎn)是一一對(duì)應(yīng)的，即 ρ=x·cos(θ)+y·sin(θ)。因此，通過(guò)坐標(biāo)轉(zhuǎn)換可以計(jì)算出海天線的斜率k和截距b。

1.3 基于對(duì)比度的目標(biāo)檢測(cè)與跟蹤算法

由于紅外傳感器是通過(guò)測(cè)量物體的熱輻射來(lái)實(shí)現(xiàn)的，因此紅外圖像中的目標(biāo)邊緣經(jīng)常比較模糊[9]，在遠(yuǎn)處成像時(shí)，目標(biāo)往往是中間較亮、周?chē)^暗的斑點(diǎn)，而且由于紅外傳感器的自身缺陷，紅外圖像噪聲較大，且伴有壞點(diǎn)、非均勻噪聲等干擾，導(dǎo)致目標(biāo)檢測(cè)和跟蹤非常困難。首先用8 方向的拉普拉斯濾波器對(duì)圖像進(jìn)行濾波，濾波模板如下：

該算法的計(jì)算公式如下：

這樣就可以增加目標(biāo)和周?chē)尘暗膶?duì)比度，有助于把目標(biāo)從背景中提取出來(lái)。按照1.1 節(jié)的分析，目標(biāo)剛出現(xiàn)在視場(chǎng)內(nèi)時(shí)，都是在海天線的上面，如果上位機(jī)沒(méi)有發(fā)送目指信息，但是打開(kāi)了海天線輔助檢測(cè)功能，那么計(jì)算海天線的位置，只搜索海天線以上一定范圍內(nèi)的天空部分，這樣可以濾除海面雜波和天空云層的干擾。確定了搜索范圍后，經(jīng)過(guò)分析現(xiàn)有的紅外小目標(biāo)跟蹤算法[10-12]，本文選用執(zhí)行效率高、跟蹤效果較好的多尺度塊對(duì)比度算法(MPCM)[13-14]對(duì)搜索范圍內(nèi)的圖像進(jìn)行運(yùn)算，計(jì)算公式如下：

式中：T表示塊索引；N表示塊尺寸；f(x,y)表示當(dāng)前處理圖像像素索引。

計(jì)算每個(gè)尺度下檢測(cè)區(qū)域的中心區(qū)域和8 個(gè)鄰域的灰度均值差，得到一個(gè)目標(biāo)處比較亮的灰度圖，如圖5(b)，對(duì)灰度圖進(jìn)行閾值分割，把目標(biāo)從背景中提取出來(lái)。如果分割出來(lái)只有一個(gè)目標(biāo)，那么就跟蹤此目標(biāo)；如果檢測(cè)出來(lái)有多個(gè)目標(biāo)，由于圖像噪聲和海雜波是閃爍不定的，亮度大小變化較大，而且不可能連續(xù)多幀同時(shí)出現(xiàn)，因此可以通過(guò)統(tǒng)計(jì)檢測(cè)出來(lái)的目標(biāo)的大小、亮度、位置等信息并進(jìn)行比較，最終選出威脅度最大的目標(biāo)進(jìn)行跟蹤。通過(guò)前面的分析可知，掠海飛行的目標(biāo)一直會(huì)出現(xiàn)在海天線上下一定范圍內(nèi)，因此跟蹤范圍以海天線為界，在海天線上下一定范圍內(nèi)進(jìn)行目標(biāo)跟蹤，可以有效避免海面雜波、船只、海鳥(niǎo)、天空云層、紅外非均勻噪聲的干擾。

圖5 目標(biāo)提取效果對(duì)比Fig.5 Comparison of target extraction effects

2 仿真驗(yàn)證

2.1 海天線檢測(cè)效果驗(yàn)證

為了檢驗(yàn)海天線檢測(cè)算法的效果，在某光電跟蹤儀項(xiàng)目外場(chǎng)試驗(yàn)中對(duì)各種算法進(jìn)行了驗(yàn)證。計(jì)算出海天線位置后在原圖相同位置疊加白色線條作為標(biāo)記，檢測(cè)效果如圖6 所示。根據(jù)算法原理，在海天線傾斜的情況下也是可以檢測(cè)出來(lái)的。為了驗(yàn)證船搖狀態(tài)下海天線檢測(cè)算法是否有效，試驗(yàn)中使光電跟蹤儀傾斜一定角度進(jìn)行驗(yàn)證，檢測(cè)結(jié)果如圖6。圖6 中(a1)、(b1)、(c1)、(d1)是采用OTSU（大津法）算法得到的海天線計(jì)算結(jié)果,圖6的(a2)、(b2)、(c2)、(d2)是縱向灰度梯度最大值法得到的海天線計(jì)算結(jié)果，圖6 中(a3)、(b3)、(c3)、(d3)是采用離散度閾值法得到的海天線計(jì)算結(jié)果，圖6 中(a4)、(b4)、(c4)、(d4)是本文算法的海天線計(jì)算結(jié)果。

圖6 不同方法的海天線檢測(cè)效果對(duì)比Fig.6 Comparison of sea-sky line detection effects using different methods

可以看出，在海面和天空對(duì)比度大、海天線清晰、天空無(wú)云或僅有少量薄云、海浪比較小的時(shí)候，各種算法均能正確檢測(cè)出海天線；當(dāng)海天線傾斜時(shí)，離散度閾值法不能檢測(cè)出海天線的斜率；天空云層較厚時(shí)，OTSU 法和離散度閾值法失效；海天線對(duì)比度小、海浪比較大時(shí)，OTSU、灰度梯度法、離散度閾值法均失效，而本文算法在這些情況下均能正確檢測(cè)出海天線，具有很好的魯棒性。

2.2 檢測(cè)、跟蹤效果的驗(yàn)證

為了檢測(cè)算法對(duì)掠海弱小目標(biāo)的檢測(cè)、跟蹤效果，在某型光電跟蹤儀外場(chǎng)試驗(yàn)中采用本文算法進(jìn)行了驗(yàn)證。光電跟蹤儀的紅外視頻圖像分辨率為640×512 像素，幀頻為100 Hz，視場(chǎng)為1.5°。為了測(cè)試海天線對(duì)紅外掠海小目標(biāo)的檢測(cè)、跟蹤輔助效果，不發(fā)送目指信息，對(duì)同一弱小目標(biāo)分別關(guān)閉和開(kāi)啟海天線輔助判斷的檢測(cè)、跟蹤情況進(jìn)行對(duì)比，如圖7 所示。圖7 中白色矩形表示波門(mén)，在沒(méi)有搜索到目標(biāo)時(shí)，顯示較大的矩形框，當(dāng)搜索到目標(biāo)時(shí)，波門(mén)縮小并以目標(biāo)中心作為波門(mén)中心。圖7 中白色十字表示光電跟蹤儀的軸位，當(dāng)跟蹤到目標(biāo)后，伺服會(huì)將軸位調(diào)轉(zhuǎn)至目標(biāo)中心處，實(shí)現(xiàn)目標(biāo)跟蹤。圖7（a）、圖7（b）是有無(wú)海天線跟蹤效果圖對(duì)比序列，真實(shí)目標(biāo)中心位于海天線以下約10 像素處，目標(biāo)灰度均值為210，目標(biāo)尺寸約為20×15 像素，目標(biāo)面積約為200 像素，目標(biāo)持續(xù)穩(wěn)定出現(xiàn)。在海天線上有一干擾物，灰度均值約為200，尺寸在2×2 像素至10×10 像素之間隨機(jī)變化，閃爍不定。

圖7 有無(wú)海天線跟蹤效果圖對(duì)比序列Fig.7 Comparison sequence of tracking effects with and without sea-sky line

以圖7 序列中的某一幀為例進(jìn)行背景抑制計(jì)算，原圖的方差為53 612，背景抑制后方差為5 748，信噪比為28 dB，可見(jiàn)背景得到了抑制。

圖7(a)是一直關(guān)閉海天線的檢測(cè)效果，可以看出，第203 幀處于搜索狀態(tài)，第218 幀正確捕獲到了目標(biāo)，第228 幀捕獲到了海面上的干擾物，第232 幀捕獲到了海天線附近的天空，第259 幀、第309 幀明顯捕獲錯(cuò)誤，并且遠(yuǎn)離真實(shí)目標(biāo)?？梢钥闯?，在沒(méi)有海天線輔助判斷的情況下，有時(shí)可以正確檢測(cè)出目標(biāo)，有時(shí)會(huì)檢測(cè)到噪聲上，不能有效跟蹤海天線附近的目標(biāo)。圖7(b)是開(kāi)啟了海天線的跟蹤視頻序列，圖中海天線兩側(cè)的位置有白色“X”字符，表示檢測(cè)出的海天線位置?？梢钥闯?，第740 幀時(shí)在搜索，第751 幀正確捕獲到了目標(biāo)，第827 幀和第849 幀是光電系統(tǒng)的伺服調(diào)轉(zhuǎn)過(guò)程，第905 幀和第915 幀是光電系統(tǒng)已經(jīng)穩(wěn)定跟蹤上目標(biāo)了。視頻序列中目標(biāo)處于海天交界處，目標(biāo)較小，亮度較弱，目標(biāo)和天空對(duì)比度較小，并且目標(biāo)周?chē)写罅康暮ｋs波干擾，采用原來(lái)的算法檢測(cè)不出目標(biāo)，也不能進(jìn)行穩(wěn)定跟蹤。但是采用本文提出的方法打開(kāi)海天線輔助判斷后，算法能正確檢測(cè)出目標(biāo)，并引導(dǎo)伺服穩(wěn)定地跟蹤目標(biāo)。

為了對(duì)算法的跟蹤精度進(jìn)行測(cè)試，在試驗(yàn)場(chǎng)對(duì)由遠(yuǎn)及近的掠海目標(biāo)進(jìn)行跟蹤。遠(yuǎn)處目標(biāo)在圖像中較小，隨著目標(biāo)的靠近，目標(biāo)在圖像中所占像素逐漸增大，直至光電跟蹤儀停止跟蹤時(shí)，目標(biāo)約占圖像一半大小。圖8～圖10 是從遠(yuǎn)處捕獲目標(biāo)后一直跟蹤至光電跟蹤儀停止跟蹤的測(cè)試結(jié)果。圖中橫坐標(biāo)為幀數(shù)，縱坐標(biāo)為目標(biāo)在圖像中的實(shí)際位置和跟蹤點(diǎn)之間的誤差，單位為像素。可以看出，穩(wěn)定跟蹤后的跟蹤精度為1 像素；當(dāng)跟蹤快結(jié)束時(shí)，由于目標(biāo)在圖像中所占像素增大，跟蹤誤差也稍有增加。因此采用海天線輔助判斷后，可以保證光電跟蹤儀對(duì)紅外小目標(biāo)的跟蹤精度。

圖8 第1 次跟蹤精度Fig.8 The 1st tracking accuracy

圖9 第2 次跟蹤精度Fig.9 The 2nd tracking accuracy

圖10 第3 次跟蹤精度Fig.10 The 3rd tracking accuracy

3 結(jié)論

本文針對(duì)掠海小目標(biāo)在紅外圖像中成像對(duì)比度低，容易受到噪聲、海面雜波等干擾，導(dǎo)致跟蹤失敗的問(wèn)題，提出了一種基于海天線的紅外弱小目標(biāo)跟蹤系統(tǒng)。在有目指信息時(shí)以目指為中心進(jìn)行搜索，沒(méi)有目指時(shí)啟用海天線輔助判斷。通過(guò)海天線劃分出感興趣區(qū)域，可以排除海天線區(qū)域外天空云層、霧霾、海浪、海鳥(niǎo)和海岸上背景等不必要的干擾信息，提高目標(biāo)檢測(cè)和跟蹤的準(zhǔn)確性。該算法只搜索海天線附近的區(qū)域，減少運(yùn)算量，保證系統(tǒng)的實(shí)時(shí)性；對(duì)圖像進(jìn)行拉普拉斯濾波，提高信噪比，以海天線為界限，分別在海天線上下一定范圍內(nèi)搜索目標(biāo)；搜索到目標(biāo)后，對(duì)目標(biāo)的位置、亮度、大小等信息進(jìn)行多幀統(tǒng)計(jì)，最終得到真正的目標(biāo)，進(jìn)行目標(biāo)跟蹤。實(shí)驗(yàn)結(jié)果表明，該算法可以很好地檢測(cè)出海天線，并能以海天線為參考進(jìn)行準(zhǔn)確的目標(biāo)檢測(cè)和跟蹤，有效地提高光電跟蹤儀的性能，具有一定參考價(jià)值。