專利名稱：共孔徑主被動成像系統(tǒng)的“貓眼”效應(yīng)目標(biāo)識別算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明為針對帶有光學(xué)鏡頭的光電設(shè)備或觀瞄設(shè)備的目標(biāo)識別算法。利用共孔徑主被動成像系統(tǒng)獲取主被動圖像并識別“貓眼”效應(yīng)目標(biāo)，屬于激光成像及數(shù)字圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
當(dāng)激光對準(zhǔn)一個帶有光學(xué)鏡頭的光學(xué)系統(tǒng)時，光學(xué)系統(tǒng)可以近似看成是一個透鏡與一個探測器焦平面的組合，其視場內(nèi)的激光經(jīng)過光學(xué)系統(tǒng)的作用，在光學(xué)系統(tǒng)的焦平面附近形成一個“像斑”，此“像斑”相當(dāng)于一個光源，激光經(jīng)過光學(xué)系統(tǒng)以一定束散角反射回去，按光路可逆原理，激光束會沿原路返回，從而產(chǎn)生方向性好、能量集中的平行反射光，其光強大大超過普通漫反射光強，這就是成像光學(xué)系統(tǒng)的“貓眼”效應(yīng)。光學(xué)系統(tǒng)的“貓眼”效應(yīng)特性具有很高的應(yīng)用價值，基于“貓眼”效應(yīng)的激光主動探測系統(tǒng)，因其具有早期預(yù)警的優(yōu)勢，得到了廣泛的應(yīng)用。共孔徑主被動成像系統(tǒng)是激光主動探測系統(tǒng)的一種。目前，“貓眼”效應(yīng)的激光主動探測系統(tǒng)的激光光源有連續(xù)激光光源和脈沖激光光源兩種形式。脈沖激光光源的“貓眼”效應(yīng)主動探測系統(tǒng)不具有很好的動態(tài)掃描特性，而連續(xù)激光光源“貓眼”效應(yīng)主動探測系統(tǒng)的動態(tài)掃描特性好，可以用在云臺系統(tǒng)中進行隨動搜索掃描；脈沖激光光源“貓眼”效應(yīng)主動探測系統(tǒng)對同一場景需要采集視頻流進行后續(xù)處理，本算法使用連續(xù)激光光源“貓眼”效應(yīng)主動探測系統(tǒng)對同一場景只需采集主被動兩幅圖像即可(主動圖像即依靠自主光源出射光經(jīng)待測目標(biāo)反射所形成的像，被動圖像即依靠目標(biāo)本身輻射光或者反射自然光形成的像)。國內(nèi)對“貓眼”效應(yīng)目標(biāo)的識別，多采用連續(xù)激光光源“貓眼”效應(yīng)主動探測系統(tǒng)，同一場景只采集一幅主動圖像，基于目標(biāo)灰度和形狀特征的識別方法確定“貓眼”效應(yīng)目標(biāo)。然而，該方法在復(fù)雜背景中目標(biāo)識別效果不佳，缺乏可靠性，本專利算法對該算法進行了改進，添加了圖像配準(zhǔn)后進行主被動圖像差分運算，最后使用形狀判別鎖定“貓眼”效應(yīng)目標(biāo)。共孔徑主被動成像系統(tǒng)如圖1所示，接收光首先經(jīng)二向色性分光鏡(采用冷鏡，即透射紅外光，反射可見光)被分為兩路，透射光經(jīng)CCDl (Charge-coupled Device,即電荷耦合器件)成像，為主動像；反射光經(jīng)CCD2成像，為被動像。

發(fā)明內(nèi)容
1、目的本發(fā)明針對基于灰度和形狀特征的識別方法不適于復(fù)雜背景中目標(biāo)識別的缺陷，提出針對共孔徑成像系統(tǒng)的改進算法，即圖像配準(zhǔn)后進行圖像差分運算。該方法處理的原圖像是連續(xù)激光作為照明光源采集的主被動圖像對，利用主被動圖像差分運算實現(xiàn)背景濾除，并且本算法在使用主被動圖像差分運算前加入了圖像配準(zhǔn)技術(shù)，大大降低由于主被動圖像像素相減點不代表場景的同一物點而產(chǎn)生的干擾噪聲。使用該算法識別“貓眼” 效應(yīng)目標(biāo)更加準(zhǔn)確高效。2、技術(shù)方案本發(fā)明通過兩個CCD像機分別采集主、被動圖像，首先將其中一個CCD相機拍攝的圖像進行水平鏡像翻轉(zhuǎn)處理，再對圖像進行高斯濾波，然后進行圖像配準(zhǔn)。圖像配準(zhǔn)包括特征點檢測和特征點匹配兩部分，其中，特征點的匹配首先采用特征向量的歐式距離作為相似性度量，得到粗匹配的特征點集，再采用高魯棒的RANSAC(RANdom SAmpleConsensus的縮寫，即隨機抽樣一致算法)算法迭代提純匹配點對數(shù)據(jù)，并結(jié)合最小二乘法計算出兩幅圖像的變換關(guān)系，得到透視變換矩陣。利用特征點匹配過程中得到的透視變換矩陣，將一幅圖像映射到另一幅圖像的匹配位置上，再進行圖像差分運算。最后通過形狀判別鎖定“貓眼”效應(yīng)目標(biāo)。圖2為本算法的流程圖，具體實現(xiàn)步驟如下步驟一圖像水平鏡像翻轉(zhuǎn)和高斯濾波；步驟二 圖像配準(zhǔn)；步驟三圖像變換；步驟四圖像差分；步驟五圖像二值化；步驟六區(qū)域標(biāo)記；步驟七形狀特征判別；步驟八目標(biāo)區(qū)域鎖定。3、優(yōu)點及功效本發(fā)明的優(yōu)點是采用圖像配準(zhǔn)后再進行主被動圖像差分運算，實現(xiàn)背景濾除。由于兩C⑶擺放誤差，主被動圖像不經(jīng)過圖像匹配直接差分運算時，相減像素點不一定代表場景中同一物點，本算法克服了這一弊端，提高了識別“貓眼”效應(yīng)目標(biāo)的準(zhǔn)確性。


圖1為共孔徑主被動成像系統(tǒng)結(jié)構(gòu)示意圖。該系統(tǒng)結(jié)構(gòu)主要由連續(xù)半導(dǎo)體激光器 (CWLASER)、激光發(fā)射和接收光學(xué)系統(tǒng)、二向色性分光鏡、兩個CCD相機、DSP(DigitalSignal Processing，數(shù)字信號處理)處理單元以及顯示模塊等組成。激光源由半導(dǎo)體激光器構(gòu)成， 輸出連續(xù)紅外激光；(XD1、(XD2相機鏡頭的光軸互相垂直且均與二向色性分光鏡成45° 角；圖像經(jīng)過數(shù)字信號處理器DSP的處理單元處理轉(zhuǎn)換后，由顯示模塊顯示。圖2為算法流程圖。
具體實施例方式本發(fā)明采用連續(xù)激光作為主動光源，能實現(xiàn)全天候目標(biāo)識別，使用二向色性分光鏡透過紅外光反射可見光，使用兩個CXD相機分別獲取主被動圖像。圖2為本發(fā)明算法流程圖，該算法具體步驟如下1、圖像水平鏡像翻轉(zhuǎn)和高斯濾波通過兩CXD獲取同一場景的主被動圖像，系統(tǒng)結(jié)構(gòu)決定CCDl與CCD2成像為水平鏡像關(guān)系，需要對其中一幅圖像進行水平鏡像翻轉(zhuǎn)，再使用高斯濾波器對主、被動圖像濾波；2、圖像配準(zhǔn)圖像配準(zhǔn)包括特征點檢測和特征點匹配兩部分。使用 SIFT (Scale-InvariantFeature Transform,即尺度不變特征轉(zhuǎn)換)算法進行特征點檢測， 對圖像I1U2分別檢測出N1A2個特征點。SIFT算法是一種提取局部特征的算法，在尺度空間尋找到極值點，提取位置、尺度、旋轉(zhuǎn)不變特征量，故SIFT特征描述符對光照變化、圖像旋轉(zhuǎn)、比例縮放、幾何變形、模糊和圖像壓縮具有很好的魯棒性。 特征點的匹配首先采用特征向量的歐式距離作為相似性度量，得到粗匹配的特征點集。取圖像I1中的某個特征點，在圖像I2中尋找與其歐式距離最近和次近的兩特征點， 如果最近距離除以次近距離小于某個閾值，則認(rèn)為這是一對匹配點。以上粗匹配結(jié)果難免存在誤匹配，再采用RANSAC算法迭代提純匹配點。RANSAC算法是一種廣泛應(yīng)用的魯棒模型估計算法，主要思想是初始利用盡可能小的采樣集，估計出模型參數(shù)，然后在估計參數(shù)下，選擇數(shù)據(jù)集中的數(shù)據(jù)點來盡量擴大初始采樣集，迭代產(chǎn)生最大一致性數(shù)據(jù)集，最后利用最大一致性數(shù)據(jù)集，重新進行模型參數(shù)的估計。最后確定的模型參數(shù)構(gòu)成透視轉(zhuǎn)換矩陣H， 一致性數(shù)據(jù)集中的特征點對滿足
權(quán)利要求
1.共孔徑主被動成像系統(tǒng)的“貓眼”效應(yīng)目標(biāo)識別算法，采用圖像配準(zhǔn)技術(shù)后進行主被動圖像差分運算實現(xiàn)背景濾除，提高了“貓眼”效應(yīng)目標(biāo)識別的可靠性，能夠準(zhǔn)確的識別出復(fù)雜背景中的“貓眼”效應(yīng)目標(biāo)。算法流程概括為以下主要步驟(1)將系統(tǒng)中一個CCD拍攝的圖像進行水平鏡像翻轉(zhuǎn)處理，再對主、被動圖像進行高斯濾波；(2)濾波后進行圖像配準(zhǔn)，去除了由于主被動圖像像素相減點不代表場景中同一物點帶來的干擾噪聲。在圖像配準(zhǔn)過程中對粗匹配算法進行了改進，針對共孔徑主被動成像系統(tǒng)，從行列兩個方向縮小了在第二幅圖像中尋找待匹配特征點的搜索范圍；(3)利用特征點匹配過程中得到的透視變換矩陣，將一幅圖像映射到另一幅圖像的匹配位置上；(4)將圖像I1與圖像I2投影變換后的圖像進行圖像差分運算；(5)運用自適應(yīng)閾值化方法，對差分運算后圖像進行二值化處理；(6)二值化圖像中存在多個連通域，為提取其特征，進行區(qū)域標(biāo)記；(7)最后通過形狀判別準(zhǔn)則鎖定“貓眼”效應(yīng)目標(biāo)。
2.如權(quán)利要求1所述的共孔徑主被動成像系統(tǒng)的“貓眼”效應(yīng)目標(biāo)識別算法，其特征在于主被動圖像差分運算前運用了圖像配準(zhǔn)技術(shù)，去除了由于主被動圖像像素相減點不代表場景中同一物點帶來的干擾噪聲。
3.如權(quán)利要求1所述的共孔徑主被動成像系統(tǒng)的“貓眼”效應(yīng)目標(biāo)識別算法，其特征在于針對共孔徑主被動成像系統(tǒng)，從行列兩個方向縮小了在第二幅圖像中尋找待匹配特征點的搜索范圍。
全文摘要
本發(fā)明提供了一種共孔徑主被動成像系統(tǒng)的“貓眼”效應(yīng)目標(biāo)識別算法，它適用于具有“貓眼”效應(yīng)特性的光學(xué)目標(biāo)的探測識別。本算法改進了基于灰度和形狀特征的“貓眼”效應(yīng)目標(biāo)識別算法，針對共孔徑主被動成像系統(tǒng)，采用圖像配準(zhǔn)技術(shù)后再進行主被動圖像差分運算，實現(xiàn)了背景濾除。并對粗配準(zhǔn)算法進行了改進，從行列兩個方向縮小了在第二幅圖像中尋找待匹配特征點的搜索范圍，提高了算法效率。本技術(shù)算法在激光成像及數(shù)字圖像處理技術(shù)領(lǐng)域里具有較好的實用價值和廣闊的應(yīng)用前景。
文檔編號G06K9/00GK102201058SQ20111012447
公開日2011年9月28日 申請日期2011年5月13日 優(yōu)先權(quán)日2011年5月13日
發(fā)明者黨二升, 劉麗, 吳磊, 李麗 申請人:北京航空航天大學(xué)