近空目標圖像定位算法的研究*

王 立 雷 斌 王健寧 白 福

(西安工業大學電子信息工程學院 西安 710021)

?

近空目標圖像定位算法的研究*

王 立 雷 斌 王健寧 白 福

(西安工業大學電子信息工程學院 西安 710021)

在深入分析巡航彈飛行參數的基礎上,論文主要介紹如何通過定位算法對目標進行定位；該系統通過對幀間差分算法的研究,通過幾何模型的分析,建立數學方程組,解算出待測物體方位角俯仰角,進而得到待測物體的位置坐標。由設備測量到的數據和實際值進行對比；經過驗證,證明了此測量系統的正確性以及在工業生產中的實用性。

巡航彈; 幀間差分算法; 方位角俯仰角; 定位

Class Number TP391

1 引言

針對巡飛彈而言,飛行高度一般在100m～500m的高度范圍[1]。在這個高度范圍內,雷達定位和遙測定位失效,無法對目標實現精準的定位。在軍事戰爭中不利于對敵方的導彈實現精準的判斷從而殲滅,本系統通過對圖像識別算法的研究,實現對目標方位角俯仰角的估計,從而判斷出目標位置坐標,精度在1°以內,實現了較高精度的測量,在現代軍事戰爭中具有廣泛的應用。

2 設計思想

幀間差分法是一種常用的運動目標檢測方法[2～4],通過在視頻序列中相鄰幀間的差分運算得到運動物體的輪廓,就是將當前幀與當前幀的前一幀進行作差,通過對差分圖的判斷獲得運動目標區域,由于相鄰幀間的距離很小,可以完全消除由光照變化引起的圖像的動態變化。這種方法能適用于多種環境下,具有比較廣泛的應用范圍。當場景中的運動物體,在相鄰幀圖像在同一位置上會有不同的行為,讓像素差分的幀圖像的絕對值與閾值進行對比檢測,以確定是否有移動物體在視頻序列中。該方法的突出特點是簡單易用、數據量小、環境因子輕、魯棒性好、能在動態場景和靜態場景中得到很好的效果但它只能獲得運動區域的輪廓,檢測區域的完全區域相對較大,可以提取物體,也對運動目標的速度有一定的要求,需要選擇合適的時間間隔,它可以很好地適用于存在多個運動目標和攝像機移動的情況。

幀間差分法是基于像素的運動目標檢測方法,其幀間的定義可以是兩幀也可以是多幀,都是通過計算幀間的差異進行檢測。一般將幾幀圖像校正在同一坐標系下,然后將同一背景下相鄰的不同時刻的圖像進行差分計算,對差分結果進行閾值判斷,大于閾值的判斷為前景,小于閾值的則判斷為背景,從而突出運動區域,確定運動目標[5～6]。

設相鄰兩幀圖像fk(x,y)與fk-1(x,y)差分圖像：Dk(x,y),則

Dk(x,y)=|fk(x,y)-fk-1(x,y)|

(1)

對差分圖像根據閾值T進行判定以及二值化處理：

(2)

對二值化圖像再進行數學形態學處理以及連通分析就能夠獲得較為完整的運動目標區域[7～9]。

由差分圖像結果可以看出幀間差分法的特點,即運動目標在兩幀中的重疊區域經過差分計算判斷為背景,從而形成孔洞,只獲得了運動目標的外圍區域,而且在一定程度上擴大了實際的運動目標區域,這樣就使得檢測結果不準確,若要獲得較完整運動目標就還需要進一步處理。

2.1 算法結構

該算法包括四大部分:

1) 提取背景圖像( 建立背景模型)；

2) 幀間差分得到變化區域；

3) 改變區域和背景圖像差以獲得初始運動目標；

4) 初始目標的濾波和形態學處理,消除目標碎塊和提取運動的目標。

算法流程圖如圖1所示。

圖1 算法流程圖

1)背景提?。耗壳暗囊曨l序列圖像大多都是RGB彩色圖像,因為這種彩色圖像有三個色彩分量,所以進行背景提取時計算比較復雜。本文算法將獲得的RGB彩色圖像序列首先進行灰度處理,得到相應的灰度圖像序列,然后對每個像素的灰度圖像序列進行灰度值的最高頻率,以及最大灰度值作為對應像素灰度值,得到像背景圖像。

2) 目標提?。阂曨l序列中相鄰幀進行作幀間差,得到運動區域圖像,運動目標圖像的運動區域圖像和背景圖像差分,通過把運動目標圖像與閾值相比較得到二值化圖像。

3) 閾值Th的取法：如果閾值Th選擇過高,會將運動目標區域嚴重碎化,如果選擇太低,將引入大量的噪音。因此,提出一個運用當前圖像灰度值來確定動態閾值的方法:(1)得到了圖像的最小灰度值和最大灰度值,并將圖像的平均值作為初始閾值,記為T。(2)根據初始閾值,將圖像分為目標和背景兩部分,得到了圖像的平均灰度值μ1、μ2和兩部分的灰度概率[10]。

4) 噪聲去除和形態學處理：因為閾值分割后的二值化圖像中會存在一些噪聲點和一些目標孔洞,所以先利用中值濾波對輸出的二值化圖像進行處理,從而來消除噪聲,再運用數學形態學運算來合并領域和消除目標孔洞,進一步就可以提取出完整的運動目標。數學形態學有四個基本運算:膨脹、腐蝕、開啟和閉合。一般地,設A為圖像集合,B為結構元素,數學形態學運算是用B對A進行操作。先對圖像進行腐蝕再膨脹稱為開啟。

幀間差分法的基本過程:

1) 獲取差分圖像；

2) 差分圖像的二值化處理；

3) 用數學形態學對二值圖像進行處理；

4) 提取出運動目標區域。

間差分法的流程圖如圖2。

圖2 幀間差分法的流程圖

幀間差分檢測算法的基本思想是：在序列圖像中,如果某個位置的對象發生變化,然后在該區域的對應像素的灰度值也將發生改變；而在其它沒有運動目標的圖像區域,像素灰度值變化不明顯[11]。

該算法的基本流程[12～13]是：首先對視頻相鄰幀中對應像素點的灰度值進行相減運算,得到差分圖像,然后根據事先設定好的閾值對差分圖像進行閾值分割,得到目標的二值化圖像,最后再對二值圖進行數學形態學處理,獲得運動目標的區域。 以灰度圖像為例,設fk(x,y)代表當前第k幀圖像中像素點位置為(x,y)的亮度值,fk-1(x,y)代表第k-1幀圖像中像素點位置為(x,y)的亮度值,T是事先設定好的灰度閾值,當差分圖像中像素點的灰度值大于或等于T時,認為該點是運動像素點,也就是前景點。如果像素點的灰度值小于閾值T,則可以認為其是背景點。Rk(x,y)是閾值分割后的二值圖像,0代表背景點,表示為黑色；1代表前景點,表示為白色。

2.2 仿真分析

對于上述的方法,只是利用方位角的定義通過質心算法和三角函數在Matlab仿真平臺上進行計算,這種方法雖然簡單,但是一定程度上是存在誤差的,因此,就需要通過實際的測量來驗證和找出誤差。

驗證系統的基本思想：首先做一個固定的框架,架上照相機,并且使照相機固定位置不動。通過這個框架用照相機采集一系列圖片,然后對圖片上的運動目標進行實際的角度測量。最后將測出的角度和用Matlab計算出的角度進行對比[14]。

相機坐標系以小孔相機模型的聚焦中心為原點,以相機光軸為軸zc建立的：攝像機成像原理如圖3所示。

圖3 小孔成像模型

驗證系統的標定：

第一步：將攝像頭鏡頭固定在盒子的孔洞位置保持不變,使鏡頭通過這個孔可以清晰地拍攝到含有運動目標的連續幀圖像。設此位置為Q,鏡頭與正對面的距離為d(即像距)；

第二步：以攝像機通過孔洞的光軸為Z軸,垂直方向為y軸,水平向右方向為x軸建立三維坐標系；

第三步：確定圖像運動目標質心的位置,設為P(x,y)；

第四步：確定圖像畫面中心的位置,設為O(u,v)；

標定的作用主要是可以實際計算圖片對應目標的方位角和俯仰角

驗證系統目標坐標方位角的實際計算方法:如圖4～5為拍攝的原始圖像。已知盒子的長寬高分別為28,21和19。

第一步：計算運動目標的坐標方位角。因為盒子的大小是固定的,所以可以確定出畫面中心的實際坐標O(u,v),運動目標的實際坐標P(x,y).那么根據坐標方位角的定義可算出它的正切值[15]：

(3)

由此再求出其反切得到坐標方位角的角度：

(4)

帶入已知條件解得坐標方位角α。

其仿真代碼為

rad2deg(atan2(sum_x/2-plot_x(1),plot_y(1)-sum_y/2)) %%求目標方位角

第二步：計算運動目標與攝像頭之間的俯仰角,即鏡頭與運動目標連線與光軸的夾角θ。同樣的道理,先算出θ角的正切值：

(5)

由此再求出其反切得到俯仰角的角度:

θ=arctanz

(6)

帶入已知條件解得俯仰角θ。

其仿真代碼為： atan(sqrt((plot_x(1)-sum_x/2)^2+(plot_y(1)-sum_y/2)^2)/2822.857) %%求俯仰角。

圖4 原始圖像

計算結果如表1和表2所示。

表1 目標方位角計算結果

表2 目標俯仰角計算結果

3 結論

經過實際驗證,證明了此圖像定位算法的正確性,并且它能夠對達到方位角俯仰角的估計誤差在1°以內的要求,可以很好地應用于工業生產需求,具有很強的實用性。

[1] 鹿雪嬌.基于視頻圖像的運動物體識別與跟蹤技術研究[D].大慶:大慶石油學院,2009.

LU XueJiao. Based on moving object recognition and tracking of video image technology research[D]. Daqing: Daqing petroleum institute,2009.

[2] 萬纓,韓毅,盧漢青.運動目標檢測算法的探討[J].計算機仿真,2006,23(10):221-226.

WANYing, HANYi, LU HanQing. Moving target detection algorithm is discussed[J].The computer simulation,2006,23(10):221-226.

[3] 姚嵐.一種CMOS圖像傳感器驅動及視頻處理技術的研究與實現[D].北京:中國科學院研究生院,2008.

YAO Lang. A CMOS image sensor and the research and implementation of video processing technology[D]. Beijing: Graduate School of Chinese Academy of Sciences,2008.

[4] 丁金鑄.基于圖像處理的運動目標檢測跟蹤系統的設計與實現[D].武漢:華中師范大學,2007.

DING Jinzhu. Moving object detection based on image processing tracking system design and implementation[ D]. Wuhan: Central China normal university,2007.

[5] Stauffer C, Grimson W E L. Learning patterns of activity using real-time tracking [J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on,2000,22(8):747-757.

[6] 孟祥怡.運動目標的跟蹤與識別算法研究[D].長春:吉林大學,2014.

MENG Xiangyi. Moving target tracking and recognition algorithm[D]. Changchun: Jilin university,2014.

[7] 何天祥.視頻圖像中目標距離估計的研究[D].西安:西安電子科技大學,2011.

HE Tianxiang. Video image in the study to estimate the target range[D]. Xi’an: Xi’an university of electronic science and technology,2011.

[8] 何東健,耿楠,張義寬.數字圖像處理(第二版)[M].西安:西安電子科技大學出版社,2008.

HE Dongjian, GEN Nan, ZHANG Yikuan. Digital image processing (second edition)[M]. Xi ’an: Xi’an university of electronic science and technology press,2008.

[9] 余慧玲.視頻圖像中的運動目標檢測方法研究[D].長沙:中南大學,2013.

YU Huiling. Research on moving target detection method in video image[D]. Changsha: Central south university,2013.

[10] 陳祥虎.智能視頻監控中的運動物體檢測與跟蹤算法研究[D].南京:南京郵電大學,2011.

CHEN Xianghu. Moving object detection and tracking algorithm of intelligent video surveillance study[D]. Nanjing: Nanjing university of posts and telecommunications,2011.

[11] Spoerri, A.Ullman, S.Aggarwal. The Early Detection of Motion Boundaries[M].

MIT A.I. Lab. Technical Report TR 1275, 1987.

[12] 徐梅.基于嵌入式的目標跟蹤系統研究與開發[D].成都:電子科技大學,2015.

XU Mei. Target tracking based on embedded system research and development[D]. Chengdu: University of electronic science and technology,2015.

[13] 解曉萌.復雜背景下運動目標檢測和識別關鍵技術研究[D].廣州:華南理工大學,2012.

XIE Xiaomeng. Under the background of complex motion target detection and identification of key technology research[D]. Guangzhou: South China university of technology,2012.

[14] 明鵬.關于運動目標檢測技術的研究[D].濟南:山東大學,2013.

MING Peng. Research on moving target detection technology[D].Jinan: Shandong university,2013.

[15] 袁春蘭.基于Sobel算子的圖像邊緣檢測研究[D].武漢:武漢理工大學,2009.

YUAN Chunlan. Study of image edge detection based on Sobel operator[D]. Wuhan: Wuhan university of technology,2009.

Image Localization Algorithm for Near Space Target

WANG Li LEI Bin WANG Jianning BAI Fu

(College of Electronic and Information Engineering, Xi’an Technological University, Xi’an 710021)

This paper mainly introduces how the localization algorithm to locate the target in depth analysis on the basis of cruise missile flight parameters, the system through the research of inter frame difference algorithm, through the analysis of the geometric model, the mathematical equations are established, the measured object azimuth elevation angle is calculated and coordinates of the object is measured. The data measured by the device is compared with the actual value, which proves the validity of the measurement system and the practicability of the measurement system in the industrial production.

cruise missile, inter frame difference algorithm, azimuth angle, location

2016年5月17日,

2016年6月25日

王立,男,碩士研究生，研究方向：通信與信息系統，嵌入式系統。雷斌,男,碩士,副教授,研究方向：測控技術，無線傳感器網絡(嵌入式系統等)。 王健寧,女,碩士研究生，研究方向：通信與信息系統，嵌入式系統。白福,男,碩士研究生，研究方向：通信與信息系統，嵌入式系統。

TP391

10.3969/j.issn.1672-9722.2016.11.012