复杂背景下目标的快速识别方法

【摘要】复杂背景下目标的识别是自动跟踪测量系统中的关键技术，识别算法的优劣直接影响了目标识别的精度与速度。针对空中目标成像，由于大气湍流等因素的影响，CCD图像中的光斑通常呈不规则形状，而传统的模板匹配法与圆拟合法在识别不规则光斑时存在不足。本文利用光斑在像平面上的空域分布特性，提出一种基于空域相关程度排序的识别算法，配合经过改进的高效图像处理方法，实现了多个不规则光斑的快速识别。实验结果表明该方法能够在混有多个假目标的图像中有效识别出真实目标并进行跟踪测量。

【关键词】测量技术；目标识别；光斑质心；迭代搜索

The fast identification method of target under complex bockground

Zhang hui-sen

PetroChina Changqing Oilfield Company Training Center ， Xi’an 710127 China

Abstract： The fast identification method of target under complex bockground is the key technology of automatic tracking measurement system.The quality of recognition algorithm directly affected the target recognition speed and accuracy.Aimed at the aerial target imaging， since atmospheric turbulence factors，the spots of CCD image usually appears irregular shape， the traditional template mat ching method and the light fitting method are not very effect when these spots exist.In this paper，we Proposed an recognition algorithm based on sorting space-domain relevance. Cooperate with efficient image processing method，this algorithm achieved quick identification of multiple irregular spot. Experimental results show that the proposed method can effectively recognize the true target ，moreover tracking and measure this target in the image mixed with several false target.

Key word： Measurement Technology，Target recognition，Spot centroid，Iterative search

1、引言

在一些科学测量实验中，通常要求仪器对空中目标实施自动跟踪测量，点光源是被测目标上最常用的一种信标。在理想情况下，点光源在CCD上所成的像是规则的圆形光斑，但光波在大气中传输时，会出现光束的闪烁、相位面的扰动、到达角起伏、光束的漂移、光束湍流扩展等一系列光传输的大气湍流效应[1]。这些现象通常会把成像光束打成“碎块”，因此我们得到的实际图像，通常是随大气湍流时刻变化的不规则光斑。

传统的模板匹配与圆拟合等方法要求目标形状规则[2][3][4]，否则会导致识别可靠性变差，甚至无法正常识别目标。本文首先使用递归法确定图像分割阈值，然后使用基于像素组的图像搜索算法与区域加宽迭代质心算法识别所有不规则光斑，最后利用空间相关程度排序法识别真实目标。

2、不规则目标的搜索算法

本文提出的方法在目标识别过程中对噪声的处理有别于传统的图像处理方法，其特点在于不过分强调图像的视觉效果，并没有使用中值滤波等方法来消除噪声，而是使用其他方法规避噪声对目标识别过程的影响，这种思想的目的在于忽略次要因素，直指关键环节，从而提高搜索与识别速度。下面介绍了不规则光斑搜索的三个关键步骤。

2.1基于像素组的图像搜索方法

基于像素组的图像搜索方法的基本思想是将个像素看成一个单元，即像素组，并将左上角定为特征像素，其灰度值代表整个像素组的平均灰度值，如图1。传统的图像处理方法中，通常是逐像素搜索整幅图像，其优势在于能够准确把握图像的细节，不足之处在于搜索速度较慢。

基于像素組的图像搜索方法主要有两种优势：

1、提高了搜索速度，与逐点搜索相比，后者搜索速度是前者的倍；

2、整个像素组的灰度值由特征像素确定，若特征点的灰度值低于分割阈值，则像素组内其它单元中存在的噪声点将被忽略，若特征点本身就是一个噪声点，则可以通过计算像素组的真实灰度均值来排除，这样，在图像的首次搜索过程中已经在一定程度上进行了噪声规避。

从上述分析可以看出，基于像素组的图像搜索方法在提高搜索效率的同时有效的规避了随机噪声，为不规则光斑的快速搜索奠定了基础。

2.2迭代法确定图像分割阈值[5]

在分割目标与背景时，一个合适的阈值是准确分割的关键步骤，本文中采用了基于像素组的迭代阈值法确定分割阈值。实现步骤如下：

1、找出图像的最大灰度值Pmax与最小灰度值Pmin，并确定初始分割阈值T0：

2、利用T0对图像进行初次分割，同时计算目标与背景的平均灰度值P0、Pb：

式中，p（i，j）为图像中（i，j）点的灰度值。

3、计算新阈值Tk+1：

4、若Tk+1=Tk则迭代结束，否则转到2进行下一轮迭代；

5、迭代结束后的Tk即为最终分割阈值。

从图2的处理实验中可以看出，使用该方法得到的阈值对图像进行分割能够得到很好的效果。其中（a）为分割前，（b）为分割后。

2.3搜索不规则光斑目标的区域加宽迭代质心算法

在图像分割步骤结束后，对目标的搜索方法通常为区域生长法，算法的时间复杂度为O（n2），该方法的优势在于速度快且利于判断目标形状。但由于湍流影响，有时光斑会被严重分裂，如图3所示，中间的“两个”光斑实际上是由于湍流影响被“分裂”的一个光斑。

对于这种情况，区域生长法会将中间的光斑生长为两个独立的图像，而在实际应用中，我们希望在识别过程中能够有效的避免这种干扰，把被“分裂”的光斑当作一个目标进行处理，此时，区域生长法就会失效。

本文中提出的区域加宽迭代质心算法能够很好的处理这种情况，实现步骤如下：

1、使用基于像素组搜索算法捕捉到一个种子点；

2、以种子点为中心选取像素的正方形区域，计算出该区域的重心并统计出该区域中目标光斑的所占的像素个数N0；

3、以2中计算得出的重心作为新的种子点；

4、以为中心选取像素的正方形区域，计算出该区域的重心并统计出该区域中目标光斑的所占的像素个数N=i+1；

5、判断且是否成立，若成立，则迭代结束；若不成立，取，回到步骤4继续迭代。

我们利用该方法在中国科学院安徽光学精密机械研究所中国科学院大气与大气光学重点实验室研制的大气相干长度仪上进行了识别实验，图4是实验效果图。实验（a0=10，m=5）证明该方法对“分裂”光斑的识别是成功的。

3、基于空间相关程度排序的目标识别算法

在实际应用中，除大气湍流的干扰外，往往还存在许多假目标，假目标与随机噪声不同，它们的体积、形态等与真实目标十分接近，如图5，常规的滤波方法无法有效消除，此时，必须在众多目标中使用一定的规则识别出具有一定特征的真实目标。

对于光斑目标，单光斑的主要空间特性包括质心坐标、光斑面积，多光斑的空间特性主要包括质心坐标间距、质心水平与垂直方向差距、光斑面积差。这些特点决定了各光斑间的空域相关特性，因此，可以根据这些参数建立目标优化识别函数的数学模型：

式（5）为目标面积过滤方程。式中M表示目标取舍值（1为选用，0为舍弃）；n表示目标光斑面积；Nmin表示期望最小面积；Nmax表示期望最大面积。该公式可以初步筛选符合面积条件的光斑。

式（6）为空域相关度函数。W表示相关度；分别为两个不同光斑的质心横坐标；分别为两个不同光斑的质心纵坐标；表示期望横、纵坐标间距；d表示两个不同光斑的质心间距；表示期望质心间距；表示光斑面积差；表示期望光斑面积差。

研究表明，函数f的其中一种解析式可以写成：

式中，k1～k4是4个常系数，需要根据各空间特征的稳定性设定，一般原则是：稳定性越高，系数越大。4个期望值可以根据目标光斑的特性设置。

例如在图5 中，两个竖直排列的大小相似的光斑是所需目标，则根据目标的竖直、等大小的特点，可以认为其水平稳定性于面积差稳定性较强，即k1与k4应取较大值。

在目标识别时，需要对所有过滤后的目标两两求其相关度Wi，则有：a、对于单光斑，可以连取两帧，两次Wmax同时包含的光斑即为真实目标；b、对于双光斑，Wmax所对应的两个光斑即为真实目标；c、对于多光斑，取最大、次大等W值，使得它们包含的光斑数等于所需光斑数，这些光斑即为真实目标。

我们针对图5的目标特点设计参数进行了双光斑目标实验，真实目标为两个竖直排列的大小相似的光斑。实验参数如下：

实验结果如图6，通过该方法能够正确识别目标，在Intel 5400处理器的硬件条件下识别速度为12ms，达到了快速识别的目的。

4、结论

结合了高效图像处理方法的空域相关程度排序识别算法，能够迅速准确的识别多个不规则光斑目标，可用于复杂背景条件下目标的自动跟踪测量。

参考文献

[1]饒瑞中.光在湍流大气中的传播[M].合肥：安徽科学技术出版社，2005.68-90

[2]宋曦，周荫清.一种基于模板匹配的目标识别方法[J].遥测遥控，2010，31（2）：51-55.

（Song Xi， Zhou Yinqing. A Novel Target Recognition Method Based on Template Matching [j]. Journal of Telemetry， Tracking and Command， 2010， 31（2）：51-55.）

[3]孔兵，王昭，谭玉山.基于圆拟合的激光光斑中心检测算法[J].红外与激光工程，2002，31（3）：275-279.

（KONG Bing， WANG Zhao， TAN Yushan. Algorithm of laser spot detection based on circle fitting [J]. Infrared and Laser Engineering， 2002， 31（3）：275-279.）

[4]唐冠群.几种激光光斑中心定位算法的比较[J].北京机械工业学院学报，2009，24（1）：61-64.

（TANG Guanqun. Analysis and comparison of several calculation methods of beam spot center [J]. Journal of Beijing Institute of Machinery， 2009， 24（1）：61-64.）

[5]钟志光，卢君，刘伟荣.Visual C++ NET数字图像处理实例与解析[M].清华大学出版社，2003

作者简介

张会森，男，河北邢台市巨鹿县，工程师，陕西师范大学硕士研究生，主要研究方向为图形图像技术与模式识别、GIS、软件理论，中国石油长庆油田公司培训中心工作。

基金项目

国家自然科学基金重点项目（No.60736008）。