CN103743293B - 一种利用大型植被区域前视红外制导的参考图制备方法 - Google Patents

Abstract

本发明公开了一种利用大型植被区域前视红外制导的参考图制备方法：首先结合植被特征库和数字正射影像图（DOM）对植被区域进行单类分类，然后利用植被区域的形状特性、红外特性以及和其他地物的红外对比特性，对植被区域地标建立的可行性进行分析，根据大气参数模型、植被材质、航迹参数制备植被区域正射红外参考图，再由透视变换，制备植被区域多尺度、多视点红外特征图。本发明有效地解决了在飞行目的地在被遮挡或者缺乏显著性情况下，依据稳定可靠的大型植被区域的红外参考图来进行间接识别定位，为前视红外导航制导提供了有效的导航信息和支撑保障。

Description

一种利用大型植被区域前视红外制导的参考图制备方法

技术领域

本发明属于飞行器前视红外制导与成像自动目标识别的技术领域，具体涉及一种利用大型植被区域前视红外制导的参考图制备方法。

背景技术

随着红外制导武器和红外成像制导武器的发展，对目标与背景辐射特性及其对比特性以及红外成像特征的研究具有重要意义，将直接影响红外制导武器的性能。由于在不同场景、不同地区、不同季节、不同气候条件下，目标与背景的红外特性的变化很大，这对前视红外制导的前视成像数据处理分析带来一定的困难。由于每次打击的目标复杂多变，并且考虑到目标特征的局限性，这就需要利用背景特性来进行间接定位来实现红外制导的精确制导。但由于目标特性的局限性，如远距离不可见，变换进入方位角后的遮挡，导致直接制导方法的不可靠甚至不可行。

针对这种情况，张天序、李成、毛宁先后提出了“一种用于前视导航制导的平面地标选择和参考图制备方法”和“一种用于前视导航制导的立体地标选择和参考图制备方法”，它们结合预设航路参数利用数字正射影像图(DOM)进行场景分析，初步确定目标背景材质类型和航迹上可能出现的立体地标，然后利用数字表面模型(DSM)模拟预设航路上的飞行场景，分析目标和立体地标的被遮挡情况，根据立体地标的选取准则验证和确定航路上用作导航的平面地标或立体地标，制作地标多视点多尺度光学特征图，计算出各地标的相关参数，制备相应的带参数的参考图。这两种方法都是针对在目标被遮挡或远距离不可见的情况下，对目标周围的地物进行可行性分析和地标的选择，在参考图制备前期，需要进行大量的地标选择分析工作，如若背景过于复杂，找出较好地标需要较大的工作量，实时性不好。

发明内容

针对现有技术的不足，本发明提供了一种利用大型植被区域进行前视导航红外制导的参考图制备方法，目的在于解决在飞行目的地在被遮挡或者缺乏显著性情况下，依据稳定可靠的大型植被区域的红外参考图来进行间接识别定位，为前视红外导航制导提供了有效的导航信息和支撑保障。

为实现以上发明目的，本发明采用以下技术方案：

一种利用大型植被区域前视红外制导的参考图制备方法，包括以下步骤：

(T1)对各种场景下的植被区域进行人工经验学习，建立不同时相、不同气候、不同地域的植被特征库；

(T2)基于植被特征库，利用支持向量机(SVM)从高分辨率正射影像图(DOM)中分类提取植被区域单类特征；

(T3)利用提取的植被区域特征进行可行性分析，并选取符合要求的植被区域作为地标；

(T4)结合大气参数模型、植被材质、航迹参数和Vega红外数据库，制备植被区域的红外正射红外参考图；

(T5)对植被区域正射参考图作透视变换，得到多尺度、多视点红外特征图。

本发明的有益效果体现在：由于被遮挡或远距离不可见情况下，需要对目标采取间接定位时，利用大型植被区域进行参考图制备，充分利用植被信息进行导航制导，可行并且可靠。

附图说明

图1为本发明总体流程图；

图2为不同纹理的植被示意图；

图3为植被特征库植被特征的提取格式；

图4为大型植被区域地标可行性分析示意图；

图5为日本市川正射影像图；

图6为飞行器传感器视场覆盖范围示意图；

图7为日本市川大型植被区域标记图；

图8为日本市川植被分类图；

图9为日本市川大型植被区域分类图；

图10为日本市川大型植被区域与目标位置关系图；

图11(a)为无风条件下的四种常见材质温度场分布曲线，图11(b)为有风条件下的四种材质温度场分布曲线；

图12(a)为干燥条件下的四种常见材质温度场分布曲线，图12(b)为湿润条件下的四种常见材质温度场分布曲线；

图13(a)为晴天条件下的四种常见材质温度场分布曲线，图13(b)为阴天条件下的四种常见材质温度场分布曲线；

图14(a)为能见度为5km条件下的四种常见材质温度场分布曲线，图14(b)为能见度为23km条件下的四种常见材质温度场分布曲线；

图15为草地地表的热平衡图；

图16为大型植被区域正射参考图；

图17为导引头成像示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及示例性实施例，对本发明进行进一步详细说明。应当理解，此处所描述的示例性实施例仅用以解释本发明，并不用于限定本发明的适用范围。

植被在打击场景中出现的概率比较大，并且植被的红外特性相对其他地物而言比较稳定，其一是位置的稳定，植被是属于绿化规划，不会被人为的移除或者掩盖；其二是红外特性的稳定，植被是有生命的物体，能保持自身温度的相对恒定。因此，可以考虑利用大型植被区域来制备红外制导的参考图。

具体而言，本发明实施例的总体流程如图1所示。

(1)建立植被特征库

对各种场景下的植被区域进行大量人工经验学习，建立不同时相、不同气候、不同地域的植被特征库(纹理特征和光谱特征)。不同纹理的植被如图2所示。在本实施例中，从高分辨率正射影像图数据库中提取19种植被特征，包括全波段3色RGB特征，以及对每一波段提取其灰度共生矩阵4个方向上的对比度、熵、能量、逆差矩特征。特征提取格式如图3所示。

其中，基于植被特征库，利用支持向量机(SVM)从高分辨率正射影像图(DOM)中分类提取植被区域单类特征。

(2)大型植被区域地标建立可行性分析

利用提取的植被区域特征进行可行性分析，并选取符合要求的植被区域作为地标。

针对飞行目的地处于远距离、看不清或不可见但目的地周边存在大型植被区域的条件，植被区域的可行性分析分为三个方面，如图4所示。

植被区域作为地标应尽可能的满足标选择的四条准则，具体包括：一、植被区域在航线附近；二、植被区域在导航目的地附近；三、植被区域比较显著；四、植被区域被遮挡的可能性。一般植被都是分散在目标的背景中，且量大，被遮挡可能性小，即使被遮挡也只能遮挡部分区域，不对后续的应用造成影响。

如图5所示，本实施例使用一张日本市川的正射影像图，视点经纬度为东经139°59′05.82″北纬35°44′33.13″，视点高度为2.67公里，图像大小：1024×1556，分辨率：1.95m。

(2.1)计算传感器视场覆盖范围

根据预设航迹，利用航迹飞行高度h、传感器横向成像角度纵向成像角度φ以及成像俯仰角θ，计算视场成像覆盖范围，由图6可知，视点P(h,α,θ)下传感器视场覆盖范围为一梯形ABCD，具体计算如下：

$\mathrm{EF}=\frac{h}{\tan (\mathrm{\θ}-\frac{\mathrm{\φ}}{2})}-\frac{h}{\tan (\mathrm{\θ}+\frac{\mathrm{\φ}}{2})}$

$L_1=h/\sin (\mathrm{\θ}+\frac{\mathrm{\φ}}{2})$

$L_2=h/\sin (\mathrm{\θ}-\frac{\mathrm{\φ}}{2})$

(2.2)植被区域显著性判断

形状显著是指植被在实时图像中面积占到一定比例，数量达到一定数量，易于区分。

定义在视点P(h,α,θ)下num个植被区域的投影面积分别为A_i(i＝1,2,3...num)，成像传感器所成光学图像行数为ROW，图像列数COL，面积为S,每一块植被区域面积占总的图像大小比例为η_i，则植被作为地标在视点P(h,α,θ)下具有形状显著性应满足以下条件：

$\left\{\begin{array}{cc}{\mathrm{\η}}_i=\frac{A_i}{\mathrm{ROW}\×\mathrm{COL}}>{\mathrm{\η}}_p& (i=\mathrm{1,2,3}....\mathrm{num})\\ \mathrm{num}>3& \end{array}\right.$

其中，η_p为预定阈值。在本实施例中，η_p的取值范围可以为5％～10％。

如图7所示，为日本市川大型植被区域标记图，视点经纬度为东经139°59′05.82″北纬35°44′33.13″，视点高度为2.67公里。由图7可知，满足num＞3，对正射影像图中的植被进行分类，如图8所示。

然后，据标记算法计算每块区域面积大小A_i，剔除面积较小的植被区域，使得η_p满足取值范围为5％～10％，如图9所示。

(2.3)植被区域分散性判断

植被区域分散性是指植被区域的形心在实时图像中应均匀分布在目标的周围，这样可以避免全部被遮挡，植被区域不可见的情况。

定义在视点P(h,α,θ)下，目标的中心坐标为(x₀,y₀),每个植被区域的像素点总和为m_i，各植被区域中像素点的坐标为(x_i,y_i)，则每个植被区域的形心为：

$({\stackrel{\‾}{X}}_i,{\stackrel{\‾}{Y}}_i)=(\frac{1}{m_i}\mathrm{\Σ}{x}_i,\frac{1}{m_i}\mathrm{\Σ}{y}_i)(i=\mathrm{1,2}...\mathrm{num})$

对于 $\mathrm{\&psi;}=K_i*K_j<0\left|\right|({\stackrel{\&OverBar;}{Y}}_i-y_0)({\stackrel{\&OverBar;}{Y}}_j-y_0)<0,$ 其中， $K_i=\frac{{\stackrel{\&OverBar;}{Y}}_i-y_0}{{\stackrel{\&OverBar;}{X}}_i-x_0},K_j=\frac{{\stackrel{\&OverBar;}{Y}}_j-y_0}{{\stackrel{\&OverBar;}{X}}_j-x_0},$ (i,j＝1,2...num,i≠j)，“||”表示逻辑或，若存在ψ＝1，ψ为bool值，则植被区域在目标周围具有分散性。

如图10所示，本实施例中，下视时每个植被区域的形心坐标分别为(147,31)、(212,95)、(260,97)、(449,30)、(389,82)、(366,168)、(390,231)、(303,274)、(481,277)、(105,240)、(173,389)、(252,482)，任意取两个形心点(147,31)和(252,482)，取目标点坐标为(483,172)，求得

$k_i=\frac{147-483}{31-172}=2.4,k_j=\frac{252-483}{482-172}=-0.74,$

即

k_i*k_j＜0，ψ＝1

所以，植被区域的在目标周围具有分散性。

(2.4)植被区域红外稳定性判断

定义在视点P(h,α,θ)下,地物在同一地理位置，同样气候和同样日照条件下在光学图像中日最低温度为I_min与日最高温度I_max的比值C为红外稳定性因子：

$C=\frac{I_{\min }}{I_{\max }}$

如果C值越趋近于1，则地物的日红外特性就越稳定，反之，C值越趋近于0，则地物的日红外特性反差就越大。在本实施例中，C＞C_p，则满足稳定性条件，其中C_p为预定阈值。

因为有生命的东西温度较为稳定，热惯性更大一些，所以植被的红外特性较其它无生命地物(水泥、沥青、钢筋混泥土、金属等)而言红外特性较为稳定。但植被温度跟其它地物一样，都是暴露于大气中的，它受到太阳辐射、大气温度、风向等气象因子的影响，也受植被本身构造和特性的影响，造成植被表面温度在一天之间也有微小差异，如图11-14所示。这些图分别为在不同风速，不同温度、不同天气、不同可见度下，四种常见材质(草、土、水泥、沥青)的温度变化情况。从图中可以看出，植被的温度相对其他地物而言相对稳定。

(3)制备大型植被区域的参考图

由以上对建立大型植被区域地标的可行性分析可知，在本实施例中，日本市川的正射影像图中的植被区域可作为地标，下面将描述植被区域红外参考图的制备。

(3.1)制备植被区域的正射红外参考图

结合大气参数模型、植被材质、航迹参数和Vega红外数据库，制备植被区域的红外正射红外参考图。

关于植被的红外辐射特性研究一般都集中在计算其表面的温度场上。在本实施例中，通过综合考虑目标背景的材质、太阳辐射、大气影响等因素，建立植被的温度场模型，根据热平衡方程计算植被的表面辐射量，从而制备出植被的红外参考图。

根据红外辐射理论，地表红外辐射由自身的辐射和反射组成，通常地物的辐射主要取决于自身的辐射，反射可以忽略不计，对于草地而言，影响其温度分布和红外辐射特性的因素有很多，并且它与大气间都存在复杂的热量交换因素，草地地表热平衡示意图如图15所示，草地地表的热平衡方程为：

Q_sun+Q_sky+Q_g+H_x+H_q+φ＝0

式中：Q_sun为草地接受太阳的总辐射量，Q_sky为草地接受大气的辐射量Q_g为草地自身的辐射量，H_x为草地与大气间的显热交换量，H_q为草地与大气间的潜热交换量，φ为草地地表向下的导热量。

草地接收的太阳辐射能量主要包括太阳的直接辐射能量和散射辐射能量，由于大气中各种气体分子和微粒的存在，这些物质在对太阳光衰减的同时，也产生了散射；大气在吸收了一定的太阳热量和地表反射的热量后，具有一定的温度，也会向地表进行辐射。大气的辐射主要是一种长波辐射。天空的大气辐射可以等效看成位于地表上方的无限大灰体平面；由于草丛上方空气流动的影响，地表与周围空气存在着对流换热，显热交换主要受空气的密度与温度、草丛的温度、风速等因素影响；草地的潜热交换主要是随着大气温度变化，草地地表的水分会出现蒸发和凝结的过程，从而会吸收或者放出大量的热量。

综上所述，草地接受太阳的辐射量、大气的辐射量，显热交换量和向下的到热量都取决于气候和大气以及土壤环境，由于草地是有生命的生物，所以它的潜热交换即草地地表的水分会出现蒸发和凝结对草地温度起到很大的调节作用，即植被的温度会保持相对的稳定。

根据Vega的红外图像资料，获取草地的红外图像灰度信息，再与实际的草地红外图进行对比校正，即可得到植被的红外灰度图。植被红外特性仿真具体过程如下：

由黑体辐射遵从朗伯余弦定律知，朗伯辐射源的辐亮度是一个与方向无关的常数，在红外传感器的输入输出中存在一个从辐亮度到输出值之间的线性映射。在利用Vega仿真软件进行靶标红外仿真时，可通过设定靶标温度、材质得到仿真结果，而根据仿真场景中目标的温度以及材质的发射率，也可以计算得到该材质在此温度下中波波段的辐亮度。在计算所得的辐亮度和仿真结果中存在一个线性映射，此映射函数就是Vega软件的内部映射函数。

根据辐亮度计算公式，有：

$L=\frac{1}{\mathrm{\&pi;}}\underset{{\mathrm{\&lambda;}}_2}{\overset{{\mathrm{\&lambda;}}_1}{\&Integral;}}\frac{2\mathrm{\&pi;h}{C}^2}{{\mathrm{\&lambda;}}^5}\&times;\frac{1}{e^{\mathrm{ch}/\mathrm{\&lambda;KT}}-1}$         式3-1

黑体的辐亮度可由上式计算所得，真实材质的物体的辐亮度由黑体辐亮度乘以物体材质的发射率得到。

因此，在Vega仿真软件中，选定某种材质对象，指定其温度从0°至50°，每隔1°取一个温度样本，即得到仿真结果(灰度图像)。

(3.2)制备植被区域多视点多尺度参考图

制备的大型植被区域正射参考图如图16所示。对植被区域正射参考图作透视变换，得到多尺度、多视点红外特征图。

由光学成像原理可知，成像器光轴指向与大地水平面之间的夹角为成像俯仰角，光轴与大地水平面的交点为光轴瞄准点，光轴瞄准点位于实时图的中心位置(COL/2,ROW/2)，其中COL为成像列数，ROW为成像行数。

导引头成像示意图如图17所示，其中，φ为纵向成像视场角、为横向成像角，实时成像行数为ROW、列数为COL，α为方位角(与正北方夹角)，θ为成像俯仰角，h为成像高度。T₀(x₀,y₀)为大地坐标系下光轴瞄准点坐标，在实时图中位置为(COL/2,ROW/2)，T₁(x₁,y₁)为大地坐标系下的某个成像点，在实时图中对应位置为(T₁_COL,T₁_ROW)，OT₀为光轴指向与大地水平面交点T₀与成像仪投影至大地O点的距离，M点为T₁投影至光轴纵向方向与OT₀直线的交点。

此外还需计算出大地坐标系下T₁(x₁,y₁)点在实时图像中的位置(T₁_COL,T₁_ROW)，计算方式如下：

OT₀＝h/tanθ       (2-9)

OM＝OT₀+(y₁-y₀)×sinα+(x₁-x₀)×cosα     (2-10)

tan(∠OMP)＝h/OM          (2-11)

T₁_ROW＝ROW/2+(∠OMP-θ)/φ₀       (2-12)

MT₁＝(x₁-x₀)×sinα-(y₁-y₀)×cosα         (2-13)

MP＝h/sin(∠OMP)          (2-14)

tan(∠MPT₁)＝|MT₁/MP|         (2-15)

只要知道大地坐标系下某点与光轴瞄准点之间的位置偏差，就可以通过上式解算出该点在实时图像中的位置。在飞行高度h＝1000m，方位角α＝43°，以两个目标中心C为光轴瞄准点，得到多视点、多尺度的前视参考图。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种利用大型植被区域前视红外制导的参考图制备方法，包括以下步骤：

(T1)对各种场景下的植被区域进行人工经验学习，建立不同时相、不同气候、不同地域的植被特征库；

(T2)基于植被特征库，利用支持向量机(SVM)从高分辨率正射影像图(DOM)中分类提取植被区域单类特征；

(T3)利用提取的植被区域特征进行可行性分析，并选取符合要求的植被区域作为地标；

(T4)结合大气参数模型、植被材质、航迹参数和Vega红外数据库，制备植被区域的红外正射红外参考图；

(T5)对植被区域正射参考图作透视变换，得到多尺度、多视点红外特征图；

其中，所述可行性分析包括：

(S1)植被区域显著性判断：

$\left\{\begin{array}{c}{\mathrm{\&eta;}}_i=\frac{A_i}{\mathrm{ROW}\&times;\mathrm{COL}}>{\mathrm{\&eta;}}_p\\ \mathrm{num}>3\end{array}\right.(i=\mathrm{1,2,3}...\mathrm{num})$

其中，A_i(i＝1,2,3...num)为在视点P下植被区域的投影面积，num为图像中植被区域的个数，ROW为成像传感器所成光学图像行数，COL为成像传感器所成光学图像列数，S为在视点P下成像传感器所成光学图像的面积，η_i为每一块植被区域面积占总的图像大小比例，η_p为预定阈值；

(S2)植被区域分散性判断：

$\mathrm{\&psi;}=K_i*K_j<0\left|\right|({\stackrel{\&OverBar;}{Y}}_i-y_0)({\stackrel{\&OverBar;}{Y}}_j-y_0)<0$

$({\stackrel{\&OverBar;}{X}}_i,{\stackrel{\&OverBar;}{Y}}_i)=(\frac{1}{m_i}\mathrm{\&Sigma;}{x}_i,\frac{1}{m_i}\mathrm{\&Sigma;}{y}_i)(i=\mathrm{1,2}...\mathrm{num})$

其中 $K_i=\frac{{\stackrel{\&OverBar;}{Y}}_i-y_0}{{\stackrel{\&OverBar;}{X}}_i-x_0},K_j=\frac{{\stackrel{\&OverBar;}{Y}}_j-y_0}{{\stackrel{\&OverBar;}{X}}_j-x_0},(i,j=\mathrm{1,2}...\mathrm{num},i\&NotEqual;j)$

若存在ψ＝1，ψ为bool值，则植被区域在目标周围具有分散性，其中，(x₀,y₀)定义为目标的中心坐标，m_i为每个植被区域的像素点总和，(x_i,y_i)为植被区域像素点的坐标，为每个植被区域的形心；

(S3)植被区域红外稳定性判断：

$C=\frac{I_{\min }}{I_{\max }}>C_p$

其中，I_min为在视点P下植被区域的日最低温度，I_max为日最高温度，C_p为预定阈值。