CN103093193A - 一种空地图像制导武器目标识别方法 - Google Patents

Abstract

本发明涉及一种空地图像制导武器目标识别方法，适用于地面固定目标的识别。该方法利用目标侦察获得基准图像及对应的位置和姿态信息，任务规划时在基准图像中选取原始目标模板图像，根据弹道信息对其进行图像变换生成目标模板图像序列，使各个弹道位置的目标模板图像与实际飞行时获得的实时图像具有相同的尺度和视角，导引头根据导航信息选取相应的目标模板图像与实时图像进行匹配得到目标在实时图像中的位置。本发明通过导航、弹道与图像处理一体化设计，解决了常用模板匹配目标识别方法不适用于尺度变化、视角变化的问题，简化了导引头的图像信息处理，提高了模板匹配的匹配概率，可用于空地图像制导武器末段自动识别目标，具有良好的应用前景。

Description

一种空地图像制导武器目标识别方法

技术领域

本发明属于图像处理与机器视觉领域，涉及一种目标识别方法，特别涉及一种空地图像制导武器目标识别方法。

背景技术

空地图像制导武器的一个发展趋势是制导过程的全自动化和智能化。应用人工智能技术，自适应地进行自动目标探测和识别，具有反应速度快，制导精度高，抗干扰能力强，效费比高等优点，很适应于未来高技术的复杂作战环境。美、俄等国家都很重视和致力于这方面的研究，国外应用了成像自动目标识别(ATR)技术的导弹或炸弹计划包括：美国SLAM2ER空地导弹、JDAM制导炸弹、JSOW空地导弹、JASSM空地导弹、SDB II、低成本图像制导火箭弹(LOGIR)，英国“风暴前兆”空地导弹，法国“斯卡耳普”空地导弹，日本ASM-2C反舰导弹，德国/瑞典KEPD-350空地导弹等。对于国内制导武器研究而言，自动目标识别技术还可解决末制导武器对载机的依赖，满足载机无法提供数据链支持的用户需求，适用于面向不同载机挂装的需要。

自动目标识别系统是一个涉及到传感器、算法、处理器和目标环境特性的复杂系统，必须从以算法为中心转换到以产品为中心的研究思路，要采用系统工程方法有效、准确地定义自动目标识别产品的需求和关键的系统设计权衡空间。要以多学科综合设计的理念，根据作战使命、目标和环境特性以及目标探测传感器的特性和实时信息处理器的水平，通过系统、综合的分析进行识别系统方案的选择和评估，使系统的整体性能达到最优。

基于模板匹配的自动目标识别方法根据导引头提前装订的目标模板图像，当武器临近目标时，成像传感器实时拍摄目标所在区域图像，将模板图像在实时图像中以一定的偏移量移位，然后计算模板图像和实时图像重叠区域的匹配度，将最佳匹配区域确定为识别目标位置。这类方法由于计算量小、识别精度高，得到广泛的应用，近年来，已有多种用于攻击大型固定目标的成像制导武器采用了基于前视模板匹配的ATR技术，具备了自动目标捕获能力，如美国的SLAM2ER、JDAM、AGM158和AGM154C，英国的风暴前兆，法国的斯卡耳普，南非的MUPSOW等空地导弹。

由于常用的模板匹配仅具有平移不变性，而不具有旋转不变性、尺度不变性，而末制导阶段制导武器的飞行姿态、与目标的距离和目标姿态均会发生较大变化，如果导引头实时采集的图像和装订的模板图像具有不同的尺度和视角，直接匹配将造成误匹配，无法准确定位出目标位置；如果采用多种尺度、视角的模板将使导引头计算量成级数增加，导引头计算机无法满足实时性要求，影响该方法应用范围。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种空地图像制导武器目标识别方法，提高模板匹配算法的匹配概率，实现空地图像制导武器对目标进行正确快速的识别与跟踪。

本发明技术解决方案：一种空地图像制导武器目标识别方法，实现步骤如下：

(1)原始目标模板图像和空地图像制导武器弹道信息准备

(11)在空地图像制导武器飞行任务前利用目标侦察拍摄目标基准图像，同时获得采集基准图像的位置和姿态信息，然后根据实际需要在基准图像中选择一定大小的目标模板图像；

(12)准备空地图像制导武器飞行过程中的弹道信息，包括位置信息和姿态信息；

(2)生成目标模板图像序列并装订入制导炸弹的导引头

(21)根据每一时刻的弹道位置信息对原始目标模板图像进行尺度变换，得到与空地图像制导武器实际飞行过程中拍摄的目标实时图像尺度相同的目标模板图像序列；

(22)根据每一时刻的弹道姿态信息对(21)中得到的模板图像序列进行视角变换，得到与空地图像制导武器实际飞行过程中拍摄的目标实时图像尺度和视角均相同的目标模板图像序列；

(23)将(22)中得到的目标模板图像序列装订入空地图像制导武器的导引头；

(3)空地图像制导武器在转入末制导阶段后，导引头采集实时图像，根据导航信息从目标模板图像序列中选取对应的目标模板图像，并根据一定的匹配度度量准则对目标模板图像和实时图像进行模板匹配；

(4)如果匹配成功，则可得到目标在实时图像中的位置，并根据匹配结果进行目标模板更新，转入目标跟踪过程，否则转入(3)重新采集目标实时图像进行目标识别。

所述匹配度度量准则采用平均绝对差算法。

本发明与现有技术相比的优点在于：

(1)结合导航信息和弹道提供的位置和姿态信息保证目标模板图像和实时图像具有相同的尺度和视角，提高模板匹配算法的匹配概率，实现空地图像制导武器对目标进行正确快速的识别与跟踪。

(2)本发明解决了模板匹配不适用于尺度变化、视角变化等问题，具有实时性高、目标识别可靠和对硬件要求低等优点，在空地武器图像制导中具有良好的应用前景。

附图说明

图1为本发明方法实现流程图；

图2为本发明中尺度变换关系图；

图3为本发明中相机成像模型图；

图4为本发明中欧拉角示意图；

图5为本发明中基于区域灰度的模板匹配方法示意图。

具体实施方式

如图1所示，本发明具体实现步骤如下：

步骤一，原始目标模板图像和空地图像制导武器弹道信息准备。

(11)在空地图像制导武器飞行任务前利用目标侦察拍摄目标基准图像，同时获得采集基准图像的位置和姿态信息，然后根据实际需要在基准图中选择一定大小的目标模板图像。

(12)准备空地图像制导武器飞行过程中的弹道信息，包括位置信息和姿态信息。

步骤二、生成目标模板图像序列并装订入制导炸弹的导引头。

(21)根据每一时刻的弹道位置信息对原始目标模板图像进行尺度变换，得到与空地图像制导武器实际飞行过程中拍摄的目标实时图像尺度相同的目标模板图像序列。

如图2所示，假设拍摄基准图的高度为h₁，视场角为α₁，分辨率为R₁，而导引头的高度为h₂，视场角为α₂，分辨率为R₂，则可以根据拍摄的位置信息建立起基准图像与实时图像之间的尺度换算关系：

$k_1=\frac{R_1}{2}/\frac{h_1}{\tan ({\mathrm{\α}}_1/2)}$

$k_2=\frac{R_2}{2}/\frac{h_2}{\tan ({\mathrm{\α}}_2/2)}$

k＝k₁/k₂

根据尺度参数k对目标模板图像进行双线性插值运算或抽样运算，模拟模板图像在与实时图像相同尺度下的成像。

(22)根据每一时刻的弹道姿态信息对(21)中得到的模板图像序列进行视角变换，得到与空地图像制导武器实际飞行过程中拍摄的目标实时图像尺度和视角均相同的目标模板图像序列。

如图3所示，导引头图像采集的过程实际是通过世界坐标系转换到相机坐标系，再转换到图像坐标系，最后转换到计算机图像坐标系的过程。

相机坐标系选择原点为透镜中心，视线方向为z_c轴负方向，相机向下且与z_c轴垂直的方向为y_c轴正向，x_c轴与y_c轴、z_c轴正交组成右手坐标系。从世界坐标系(x_w，y_w，z_w)到相机坐标系(x_c，y_c，z_c)的转换关系可以表示如下：

$\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\end{array}\right]=R(\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\end{array}\right]+T)$

其中T为坐标平移向量，与导引头的空间位置有关。R为坐标旋转矩阵。旋转矩阵R与导引头的姿态有关，可以用欧拉角表示法求得。如图4所示，记视线方向偏航角度θ，俯仰角度和滚转角度φ，可以得到：

图像坐标系为二维坐标系，选择原点为透镜焦点与z_c轴的交点，x_u轴、y_u轴分别平行于x_c轴、y_c轴。从相机坐标系(x_c，y_c，z_c)到图像坐标系(x_u，y_u)的转换关系式为：

$\left\{\begin{array}{c}{x}_u=f{x}_c/z_c\\ y_u=f{y}_c/z_c\end{array}\right.$

其中f为相机的焦距。

计算机图像坐标系主要一般采用整数坐标，其坐标范围由具体图像设备的分辨率决定。从图像坐标系(x_u，y_u)到计算机图像坐标系(u，v)的转换关系式为：

$\left\{\begin{array}{c}u=x_u/\mathrm{dx}+c_x\\ v=y_u/\mathrm{dy}+c_y\end{array}\right.$

其中(c_x，c_y)为原点在像平面上的像坐标，dx、dy分别为像平面上x_u、y_u方向上单位像素的尺寸。

通过上述相机成像过程的模拟，可以将目标模板图像按照规定的顺序进行旋转变换至实时图像的拍摄视角。

(23)将(22)中得到的目标模板图像序列装订入空地图像制导武器的导引头。

步骤三、空地图像制导武器在转入末制导阶段后，导引头采集实时图像，根据导航信息从目标模板图像序列中选取相应的目标模板图像，并根据一定的匹配度度量准则对目标模板图像和实时图像进行模板匹配。

如图5所示，若设目标实时图像与目标模板图像分别为用灰度值表示的数字化阵列S[M，N]和T[m，n]，通常M＞m，N＞n。目标模板图像T[m，n]在实时图像S[M，N]上平移，模板覆盖下的实时图的区域为子图S^u，v；(u，v)是该子图左上角的坐标，叫参考点，1≤u≤M-m+1，1≤v≤N-n+1。为了满足实时性的需要，可以先通过一定步长平移确定大致区域，再在该区域通过小步长或逐点搜索最佳匹配点。在实时图像区域的所有参考点上计算一个度量来表征模板和对应子图之间差异程度的大小，称为匹配距离。匹配距离最小处为匹配最好处，如果最小匹配距离小于一个事先建立的阈值Th时，就认为匹配成功。匹配距离采用平均绝对差算法(mean absolute difference，MAD)：

$D(u,v)=\frac{1}{m\×n}\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{n-1}{\mathrm{\Σ}}}|s_{i+u,j+v}-t_{i,j}|$

上述公式中，D(u，v)为参考点(u，v)处的度量值；s_u+i，v+j为参考点(u ，v)处子图的第(i，j)个像素灰度值，即实时图像的第(u+i，v+j)个像素灰度值；t_i，j为模板图像的第(i，j)个像素灰度值。

通过大量实验验证，如果原始目标模板图像和目标实时图像存在尺度变化和视角变化，直接对原始目标模板图像和目标实时图像进行模板匹配在目标实时图像中得不到正确的目标位置，而采用本发明方法先对原始目标模板图像进行图像变换后再和目标实时图像进行模板匹配，则可以在目标实时图像中得到正确的目标位置。

步骤四、如果匹配成功，则可得到目标在实时图像中的位置，并根据匹配结果进行目标模板更新，转入目标跟踪过程，否则转入步骤三重新采集目标实时图像进行目标识别。

在导引头成功捕获目标后，转入序列图像跟踪过程。如果目标模板图像和目标实时图像最小匹配距离小于设定的阈值Th，则认为匹配成功，需要更新模板进行下一帧匹配。一般在前后帧的模板更新时采取完全更新的方式，即将当前图像的最佳匹配位置处的图像作为模板和下一帧图像进行匹配，这样当目标图像发生突变或者目标瞬时遮挡的时候偏离正确位置导致跟踪失败。为提高跟踪的稳定性，减小跟踪误差的累积，根据当前匹配区域与目标模板的匹配程度，将当前匹配区域与当前目标模板按照一定的权值进行叠加，形成用于下一帧图像匹配的新的模板，已达到较好的跟踪效果。

Mⁿ＝αM^o+(1-α)M^c

其中，Mⁿ是更新后的模板，M^o是当前位置使用的旧模板，而M^c是目标图像中的最佳匹配位置的图像，α(0＜α＜1)为加权的权值。

利用更新后的新模板进行下一帧图像的匹配，然后重复进入“模板匹配——计算匹配距离——获得当前最佳匹配位置——目标模板更新——模板匹配”的循环中实现目标跟踪。

Claims (2)

1.一种空地图像制导武器目标识别方法，其特征在于实现步骤如下：

(1)原始目标模板图像和空地图像制导武器弹道信息准备

(11)在空地图像制导武器飞行任务前利用目标侦察拍摄目标基准图像，同时获得采集基准图像的位置和姿态信息，然后根据实际需要在基准图像中选择一定大小的目标模板图像；

(12)准备空地图像制导武器飞行过程中的弹道信息，包括位置信息和姿态信息；

(2)生成目标模板图像序列并装订入制导炸弹的导引头

(21)根据每一时刻的弹道位置信息对原始目标模板图像进行尺度变换，得到与空地图像制导武器实际飞行过程中拍摄的目标实时图像尺度相同的目标模板图像序列；

(22)根据每一时刻的弹道姿态信息对步骤(21)中得到的目标模板图像序列进行视角变换，得到与空地图像制导武器实际飞行过程中拍摄的目标实时图像尺度和视角均相同的目标模板图像序列；

(23)将步骤(22)中得到的目标模板图像序列装订入空地图像制导武器的导引头；

(3)空地图像制导武器在转入末制导阶段后，导引头采集目标实时图像，并根据导航信息从目标模板图像序列中选取相应的目标模板图像，并根据一定的匹配度度量准则对目标模板图像和目标实时图像进行模板匹配；

(4)如果匹配成功，则可得到目标在实时图像中的位置，并根据匹配结果进行目标模板更新，转入目标跟踪过程，否则转入步骤(3)重新采集目标实时图像进行目标识别。

2.根据权利要求1所述的一种空地图像制导武器目标识别方法，其特征在于：所述匹配度度量准则采用平均绝对差算法。

Images