激光主动探测中的“猫眼”目标识别定位算法

王湛岩, 刘 朋, 赵志刚, 彭孝东

(中国人民解放军63895部队,河南 焦作 454000)

0 引言

在信息化作战中,光电侦察是作战的重要保证,也是光电对抗的重要组成部分,而激光主动探测是反制光电侦察的重要手段,广泛应用于反侦察作战[1-2]。由于光电侦察探测系统实现探测的原理都是利用光学系统将目标信号汇聚到光学系统焦平面处,而位于焦平面处的光电探测器或分划板会对入射激光进行反射,产生强度高于普通的漫反射2～4个数量级的准直回光[3-4],因此可以主动发射激光扫描,利用光学系统“猫眼”效应实现激光主动探测,其中的关键技术之一就是利用回波图像精准地找出敌方光学探测器(即“猫眼”目标)。然而,“猫眼”目标不同于一般目标,“猫眼”目标在图像中占比小、亮度高[5],传统的目标检测算法很难将其准确识别。本文从激光主动探测回波的物理特性入手,提出了以回波功率为主的三项识别判据,较好地解决了上述问题。

1 激光主动探测基本模型构建

1.1 理想条件下“猫眼”系统的回波特性

激光主动探测光路如图1所示,光源发出激光束,通过一段大气传输后,入射到远处的目标镜头,经目标镜头聚焦后打在焦平面上,后经反射沿原光路返回,被我方探测设备接收。

图1 激光主动探测光路

依照激光传输的基本原理得到回波的功率大小表达如下[6]

(1)

式中:PLa为扫描激光束功率;τc为目标系统透过率;τa为空气的单层透过率;τs为激光器系统的透过率;Ac=πD2/4,为目标光学系统接收面积,D为目标光学口径大小;τd为探测器系统透过率;Ad为接收系统孔径面积;ρ为目标光学系统焦平面反射率;θt为激光光束的发射束散角;L为传输距离;θr为回波激光的发射束散角。

1.2 大气对激光主动探测回波的影响

在0.78～1.55 μm近红外波段范围内,只考虑气溶胶、水蒸汽和二氧化碳对水平大气透过率的影响。大气对激光的衰减能力用消光系数μ来表示,消光系数与通过率的关系为

τa=e-μL。

(2)

大气消光系数μ可由引起衰减的各种因素的衰减系数相加得到,即

μ=a1μ1+a2μ2+a3μ3

(3)

式中:μ1为气溶胶衰减系数,可由经验公式得出;水蒸汽的吸收系数只与大气中水蒸汽含量有关,参考标准大气下0.78～1.55 μm波段范围内水蒸汽的吸收系数μ2,可由统计表得出;二氧化碳同水蒸汽一样,其吸收系数μ3只与大气中二氧化碳的含量有关,也可由统计表得出[7]。

1.3 离焦量与入射角度对激光主动探测的影响

本节综合分析离焦与斜入射同时存在的条件下激光回波的变化。下面引入有效接收面积概念,以投射取代反射,通过光线的投影,计算阴影部分面积作为有效接收面积进而分析斜入射条件下离焦量对有效接收面积、回波发散角和回波功率的影响。

斜入射“猫眼”目标光敏面后向离焦条件下的光路[8]如图2所示。

图2 斜入射和离焦条件下的光路

基于几何关系,综合正负离焦两种情况,得到离轴时离焦和入射角共同影响下基于面积法的“猫眼”目标回波功率最终算式[8]为

(4)

式中:α为入射角度;δ为离焦量,正离焦时δ>0,负离焦时δ<0;As为目标光学系统的等效投影接收面积。

2 基于光电回波图像的目标检测算法

2.1 光电回波图像处理的基本流程

一般的目标检测算法,通常包括彩色图像转灰度图像、图像滤波、二值化阈值分割、形态学处理、轮廓检测、目标识别等流程。在处理本文中的“猫眼”目标时,由于需要识别的目标较小、亮度较高等特点,传统的检测算法不再适用,需要做出一定的调整。

本文在传统目标检测算法的基础之上,又增添了目标识别的三项判据,包括回波功率判据、目标大小判据和目标形状判据。算法依据战场的实际情况调整相关参数,具有较强的适应性,实现了在不同场景下对“猫眼”目标的精确识别。图3为回波图像处理流程。

图3 回波图像处理流程

在图像处理流程中,分别在二值化阈值分割中加入了回波功率判据、在轮廓检测中加入了目标大小判据和目标形状判据,以此实现了对敌方光学探测器点位的精准探测识别。

2.2 回波功率判据

2.2.1 最大类间方差法与第1项阈值

Otsu法也叫最大类间方差法,是一种典型的全局阈值分割方法,依靠图像的统计直方图或灰度空间分布来确定分割阈值。该算法的优点在于算法简单、执行快速、自适应性强,在一定条件下不受图像对比度和亮度变化的影响,适用于图像目标与背景灰度值之间分离度大、直方图分布双峰特性明显的情况,如图4所示。

图4 一般情况下的图像灰度直方图

算法的基本原理为适当选择灰度分割阈值将图像分割成两部分时,可以使得分成的两类图像类间方差最大,类内方差最小。灰度级归一化的直方图可以表示为离散函数,即

(5)

式中:rk为第k级灰度;nk表示图像中灰度级为rk的像素个数;n为图像中像素的总数。P(rk)也可以认为是灰度级rk发生的概率估计。选择阈值rτ,将像素点依据其灰度值分为两类,这两类出现的概率分别为

(6)

求这两类的均值

(7)

依据模式识别理论,这两类的类间方差为

σ2(rτ)=P0(rτ)(μ0-μ)2+P1(rτ)(μ0-μ)2。

(8)

以类间方差作为衡量不同阈值导出的类别分离性能的测量准则,极大化σ2(rτ)的过程就是自动确定阈值的过程,因此,最佳阈值为[9]

(9)

依此法求出的最佳阈值即为第1项阈值(g1)。在一般情况下,此阈值可以将图像中的目标与背景较好地分离,但敌方探测器目标在回波图像中一般占比较小、亮度较高,仅利用最大类间方差法难以将目标与背景完全分离,故需要引入第2项阈值(g2)。

2.2.2 回波功率判据与第2项阈值

在激光主动探测中,回波图像中的探测器目标一般占图像整体比例较小,像素点较少,其灰度分布直方图中的第2峰往往不明显或是尾部出现一定延长[10],如图5所示。因此,该目标检测不同于一般图像的目标检测,给图像分割工作制造了一定的难度。

图5 “猫眼”目标的灰度直方图

图5即为某一光电回波图像的灰度分布直方图,可见其第2峰的峰值较低、尾部延长较多。为解决上述问题,本文创新地将实际的作战环境与图像识别算法相结合,提出了功率判据与第2项阈值。上文重点分析了各类因素对回波功率的影响,而回波图像中敌方探测器的像素值大小与回波功率成正比。因此,可以通过实际环境的参数、实际使用装备的参数与敌探测器相关参数(可估算)计算回波功率的大小,进而得出回波在图像中的像素值大小,该像素值大小即为第2项阈值。

2.2.3 双阈值融合分割算法

为了更好地实现目标与背景的有效分离,得到更为适当的最终阈值,两项阈值加权平均式如下

glast=k1g1+k2g2

(10)

式中:glast为求得的最终阈值,依据此阈值对图像进行二值化分割处理,大于此值赋255,小于此值赋0;k1=k2=0.5。

2.3 目标大小判据

在经过轮廓识别得到疑似目标后,本文提出了第2项判据对目标进行筛选,即目标大小判据。在激光主动探测的回波图像中,目标所占的像素一般较小,而目标所占的像素数则与相机视场、探测距离、图像分辨率等因素有关,利用这些因素则可以估算目标所占的像素数,进而以此为依据对疑似目标进行筛选。

图6所示为目标几何关系。

图6 目标几何关系

目标所占像素数为

Nc=fxfyAc/L2αβ

(11)

式中:fx,fy为图像分辨率;α,β为相机视场角。

估算出目标的像素数后,为保证较好地剔除错误目标、保留正确目标,需要以估算的像素数为中心点,大小各拓展20%为上下边界,在此区间内筛选出大小符合要求的目标。

2.4 目标形状判据

上述面积准则能够对光斑的大小起到约束作用,但是不能反映出其形态上的特征。为了排除掉满足面积准则但形态明显异于圆形的条形光斑,对疑似目标需要进行二次筛选。大多数监视光电设备的镜头和入瞳为圆形或类圆形,则其“猫眼”效应的回波形状也接近于圆形。因此,可以将疑似目标的形状与标准圆形的相似度作为判定目标光学系统的指标。

图7所示为圆形与长方形特点对比。

图7 圆形与长方形特点对比

由图7可知,在平面几何图形中,相同的面积之下,圆具有最小的周长,利用这一特点就可以对目标的形状进行筛选。对于标准圆形,其周长l的平方与面积s的比值应该为一定值,而其他图形的这一比值会大于该定值,即

kc=l2/s

(12)

式中,kc越大,表示区域越趋近于条形,反之,kc越小,表示区域越趋近于圆形。以此可对疑似目标进一步筛选。

2.5 算法中各项参数的确定

在上述三项判据中,回波功率判据与目标大小判据的计算均依托于实战环境,即需要给出激光功率、探测距离、目标镜头大小等众多参数的具体值,本文将这些参数分为3类来讨论其赋值方法,参数分类如表1所示。

表1 参数分类

已知参数的赋值,可通过我方装备的精确性能数据直接赋值。

可测量参数的赋值,包括探测距离和大气数据两项。一般的激光主动探测设备都具有测距功能(利用回波时差测量两地距离),因此可利用激光测距得出探测距离;而大气数据可以通过相关的大气测量设备得出准确值。

未知参数的赋值,在敌情信息透明的情况下(知晓敌军光学侦察装备的具体参数),可直接依托情报系统进行赋值;在敌情未知的情况下,采用范围估计的方法确定,即敌方侦察系统镜头大小、离焦量等参数均存在常见范围,利用常见范围即可计算回波功率等参数的均值。

3 本文算法与传统算法的对比分析

与传统算法相比,本文算法的核心特点就是结合作战实际提出了目标识别的三项判据,即回波功率判据、目标大小判据、目标形状判据。分别利用传统算法(三项判据均未使用)、传统算法加一项或两项判据、传统算法加三项判据对图像中的目标进行识别,结果见图8。

图8 识别结果对比

由图8可见,加入三项判据后,目标的识别更有针对性,识别的准确率得到很大的提升,效果较好。

4 结束语

本文基于激光传输的基本原理,从理论上分析光学系统猫眼效应的回波特性,构建了在不同大气条件、不同装备条件下的仿真分析模型;又结合图像处理,对激光主动探测的光电回波图像进行了分析探究,提出了回波功率、目标大小、目标形状三项判据,实现了对敌方光学侦察探测目标的识别判读。

三项判据都是基于实际的作战环境及装备条件,再结合激光传输的基本原理计算得到,具有较好的适应性,对战场信息了解越清晰、识别的精确度就会越高,对于解决实战中目标跟踪识别实时性与可靠性不高的问题有一定帮助。受限于装备及外场实验条件,研究可用的图像数据并不丰富,下一步研究则需要建立相应的外场实验环境,在实际应用中进一步检验模型的可靠性。