星空背景中目标识别算法研究

摘 要:为了实时捕获混杂在天基背景中的运动目标, 采用基于Fourier-Mellin图像配准与边缘提取相结合的差分算法。先采用Fourier-Mellin 算法和相位相关算法求取图像的旋转角度及缩放和平移参数,得出配准点,再对连续采集的两帧图像配准、差分、二值化,将差分图像与后一帧边缘提取的图像进行逻辑乘,得到目标。仿真结果表明,该算法虚警率低,适合微型航天器多目标捕获的要求。

关键词:Fourier-Mellin算法;二值化;图像配准;差分图像

中图分类号:V423.6;TP391 文献标识码:A

文章编号:1004-373X(2010)04-163-03

Research on Target Recognition Algorithm for Microspacecraft

SHAO Xiujuan1,2,HU Bingliang1,YAN Peng1,2

(1.Xi′an Institute of Optics and Precision Mechanics,Chinese Academy of Sciences,Xi′an,710119,China;

2.Graduate Student College,Chinese Academy of Sciences,Beijing,100039,China)

Abstract:In order to capture the targets which are intermixed in the space background,a difference algorithm that combines image registration based on Fourier-Mellin algorithm with edge detection is introduced.Firstly,using Fourier-Mellin algorithm and phase correlation algorithm to get the rotation,scaling and translation parameters.The algorithm uses image registration,image difference to the two images which are collected seriate images and then binarizes the difference image.Secondly,multiplying the binarized difference image with the later image after edge deteection to detect the target.The result of simulation indicates that the recognized result is good.The proposed method is relatively fit microspacecraft target detector to identify the spatial target.

Keywords:Fourier-Mellin algorithm;binarization;image registration;difference image

0 引 言

微型航天器主要是对太空中的目标物进行探测成像并捕获。我国在微型航天器领域刚刚起步,许多空间捕获算法和实现等关键技术正在进行研究与攻关,因此研究星空背景下的多目标捕获算法是很有价值的。

目前,在目标识别领域,国内外主要采用帧间差分与背景抑制相结合的算法、单帧图像作模板匹配进行目标识别的算法和把模糊技术与神经网络应用到模板匹配中进行分层识别的算法,但是这些算法都存在一些不足之处。前者,计算量比较小,但是识别的效率很低,后两种对目标的识别效率提高了,但是要对目标各种情况下的模板先进行训练,然后用目标的模板在图像中扫描进行匹配,这样计算量非常大。因此,找一种既有一定的识别效率,计算量又小的算法,是微型探测器目标识别算法研究的一个发展方向。本文根据微型航天器独特的星空背景图像,详细分析一种基于Fourier-Mellin[1]图像配准与边缘提取相结合的差分算法。

1 微型航天器多目标捕获算法[2]

微型航天器所处环境的背景比较复杂,再加上复杂背景、目标物以及微型航天器三者之间有相对运动,使得对目标物的识别比较困难。因此,如何识别图像中的目标物是微型航天器仿真研究中首要解决的问题。考虑到复杂背景与目标物之间相对运动的特性,选择差分算法,经多次仿真结果显示,多种经典的配准差分算法,很难适应空间背景的目标捕获。星空背景的特点:背景主要由恒星组成,恒星之间不能连成线和其他任何图形,这使常用的配准方法很难找到配准依据;大部分目标的成像小,混杂在恒星之间,若按大小区分,则必然会遗失部分目标。根据以上所述的这些特点,这里采用一种基于Fourier-Mellin图像配准与边缘提取相结合的差分算法来提取目标物。算法的流程图如图1所示。其步骤是对图像幅度谱进行对数-极变换,在变换空间应用相位相关法求出待配准图像[3]的旋转角度和尺度缩放因子;通过计算经过规整的两幅图像的互功率谱获得Fourier 反变换所对应的峰值位置求得它们的相对平移,从而分别对前两帧图像和后两帧图像进行配准[4-8],对配准后的两帧图像进行差分,得到一个差分图像。将这个差分图像二值化,最后将这个差分图像与经过边缘提取的后一个图像进行逻辑乘,从而检测识别出目标。

图1 基于Fourier-Mellin图像配准与边缘提取

相结合的差分算法

1.1 相位相关法

相位相关法是Fourier-Mellin变换的基础,其理论为:

f(x,y)的Fourier变换表示为:

FT{f(x,y)}=F(u,v)(1)

根据Fourier位移不变特性有:

FT{f(x-x0,y-y0)}=F(u,v)e-j(ux0+vy0)(2)

设I2(x,y)为I1(x,y)在x和y方向分别平移x0和y0后的图像,即:

I2(x,y)=I1(x-x0,y-y0)(3)

将式(3)进行Fourier变换,根据式(2)的结果,得出:

F1(u,v)=F2(u,v)e-j(ux0+vy0)(4)

式中:F1(u,v)和F2(u,v)为I1(x,y)和I2(x,y)的Fourier变换。

计算I1(x,y)和I2(x,y)的互功率谱:

Corr(u,v)=F1(u,v)F*2(u,v)|F1(u,v)F*2(u,v)|ej(ux0+vy0)(5)

式(5)也称作相位相关函数,其中 * 表示复共轭。

可以通过求相位相关函数Corr(u,v)的Fourier逆变换,得出脉冲峰值函数δ(x-x0,y-y0),峰值(x0,y0)位置的坐标就是两幅图像的相对平移量x0和y0。

1.2 Fourier-mellin算法

两幅待配准的原始图像分别为I1(x,y)和I2(x,y),其中I2(x,y)是I1(x,y)经过平移、旋转和一致性尺度缩放后的干涉图像,它们有如下的关系:

I1(x,y)=I2(sxcos θ0+sysin θ0-x0,

-sxsin θ0+sycos θ0-y0)(6)

式中:θ0,s和(x0,y0)分别是旋转角度、缩放因子和相对平移量。

将式(6)进行Fourier变换,得到:

F1(u,v)=ej(ux0+vy0)1s2F2•1s(ucos θ0+

vsin θ0),1s(-usin θ0+vcos θ0)(7)

设M1和M2是F1和F2的频谱幅度,那么有:

M1(u,v)=M2•1s(ucos θ0+vsin θ0),

1s(-usin θ0+vcos θ0)(8)

式(8)表明,影响频谱幅度的因素仅取决于旋转角度θ0和缩放因子s,可以与平移量x0和y0进行分离计算。下面先通过原始图像幅度谱求出旋转角度θ0和缩放因子s,再将式(8)中的(u,v)坐标变换为极坐标(ρ,θ)。它们之间有如下关系:

u=ρcos θ,v=ρsin θ(9)

从式(8)得到:

M1(ρ,θ)=1s2M2(ρ/|s|,θ-θ0)(10)

频谱幅度是极角θ的周期函数,图像也是实函数,从式(10)得到:

M(ρ,θ+nπ)=M(ρ,θ)(11)

n=…,-2,-1,0,+1,+2,…

因此可以只用幅度谱的上半平面(0≤θ<π)来进行后续计算。将式(10)转换到Log-Polar坐标下进行计算得出:

M1(log ρ,θ)=M2(log ρ-log s,θ-θ0)(12)

由Log坐标转化到Log-Polar坐标下的过程又称作Fourier-Mellin变换,它的具体形式如下:

M1(log ρ,θ)=M1(ρ,θ)(13)

M2(log ρ,θ)=M2(ρ,θ)(14)

可以看出,通过上述变换,式(12)变换为与式(13)相同的形式,这样就可以在对数-极空间应用相位相关法,按照式(4)和式(5),求得θ0,log s,进而得到缩放因子s。

接下来计算平移x0和平移y0,根据已知的θ0和s对图像进行规整,再将规整后的图像(设为I2′(x,y))与I1(x,y)再次应用相位相关法,通过式(3)～式(5),在图像空间计算出I2′(x,y)和I1(x,y)之间的图像平移量x0和y0。

如上所述,将计算出待配准的原始图与第一帧原始图进行比较,得出配准[9]参数旋转角度θ0和缩放因子s,平移x0和y0后,校正每帧图像的旋转角度θ0和缩放因子s。从而将从视频流中截取的前两帧图像与后两帧图像分别进行了配准[11]。

1.3 基于边缘提取的差分算法[10]

帧间差分法是利用前后两帧图像直接相减,一般是对应像素的灰度值逐个相减。这种方法在图像处理中经常用到,特别是在背景不动目标运动情况下效果较好。利用帧差法将运动目标物体与背景分离,以获得运动目标的位置信息。然而运动目标的变化有很强的结构性,可以用来识别物体。基于边缘提取的差分法是将图像边缘提取与图像的差分相结合而形成的一种算法,具有很强的实用价值。首先,选择适当的阈值,产生二值化的提边图像;其次,对同样的相邻两帧图像实施差分运算,形成二值图,从而生成了一帧差分二值图;再次,将边缘提取生成的二值图与差分生成的二值图逻辑乘,生成目标的边缘图像,这样便增强了运动区域中后一幅图像的运动边缘,从而识别出目标物。

2 计算机仿真

在这次仿真试验中,用到的是Satellite Tool Kit(STK)[12]保存的模拟星空背景多目标捕获仿真视频流。美国Analytical Graphics公司开发的STK卫星工具软件包是航天工业领先的商品化设计分析软件。STK可以快速方便地分析复杂的陆、海、空、天任务,并提供易于理解的图表和文本形式的分析结果,确定最佳的解决方案。它支持航天任务周期的全过程,包括政策、概念、需求、设计、制造、测试、发射、运行和应用。以下是具体仿真结果。

在图2中有三个卫星目标同时出现在帧频中。STK软件内有系统精确的卫星数据,这些卫星加载在仿真视频中具有在仿真时刻真实再现的可靠性。

图2 在运动背景下的三个运动目标的捕获

从图2中可以看出,该算法能够比较好地将目标识别出来。但是这只是在目标运动速度不是很快的情况下达到的相对理想的情况,当目标运动速度非常快时, 就会由于快而产生拖影,使得逻辑乘后产生了虚假目标,这对目标的定位精度有一定的影响。

3 结 语

在此,采用基于Fourier-Mellin图像配准与边缘提取相结合的差分算法对星空背景下的运动目标进行捕获。由仿真结果可知,在目标运动速度不是很快的情况下,识别效果比较明显。相对于其他的捕获算法,基于Fourier-Mellin图像配准与边缘提取相结合的差分算法能够利用原图精确地得到平移和旋转量,虽然STK 8.0中能够得到目标运动的角度,但是还是比较粗糙的。采用本文的方法能够相对精确地得到图像的旋转角度,从而能够精确地配准原图,进而通过将两帧图像进行差分,得到差分图像,然后将这个差图像二值化,最后将二值化后的差分图像与经过边缘提取的后一帧图像进行逻辑乘,最终将目标识别出来。由于该方法的配准精确,所以大大降低了虚警率。

参考文献

[1]李晓明,赵训坡,郑链,等.基于Fourier-Mellin 变换的图像配准方法及应用拓展[J].计算机学报,2006,29(3):466-472.

[2]刘辉,胡炳樑,周锦松,等.基于DSP的微型航天探测器目标捕获算法的实现[J].弹箭与制导学报,2008,28(2):229-231.

[3]李晓明.一种基于学习的自动图像配准检验方法[J].自动化学报,2008(1):7-13.

[4]冯林,管慧娟.基于互信息的医学图像配准技术研究进展[J].生物医学工程学杂志,2005,22(5):1 078-1 081.

[5]杨国亮,于仲安.基于改进光流算法和HMM的面部表情识别[J].微计算机信息,2008,24(1):284-286.

[6]刘辉,胡炳樑,周锦松,等.微型航天器目标捕获算法研究[J].计算机仿真,2007,24(5):34-36.

[7]倪国强,刘琼.多源图像配准技术分析与展望[J].光电工程,2004,31(9):1-6.

[8]杨大为,王琰.基于双差分法的目标检测与分析[J].沈阳工业学院学报,2004,23(2):27-30.

[9]Brown L.A Survey of Image Registration Techniques[J].ACM Computing Surveys,USA:Columbia University,1992,24(4):328.

[10]柳祥,胡炳樑,邵秀娟,等.微型航天器多目标捕获算法研究[J].宇航学报,2009,30(4):109-114.

[11]王小睿,吴信才.遥感多图像的自动配准方法[J].中国图形图像学报,1997,12(10):735-739.

[12]胡彩波,王宏兵,胡丽丽,等.STK软件卫星可见性和覆盖分析[J].全球定位系统,2007,32(4):40-43.