91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

    鄭  剛，  楊小岡，  劉云峰，  王雪梅，  付  閣

    （1．第二炮兵工程大學(xué)，西安710025；2．中國(guó)兵器工業(yè)第209研究所，成都610041）

摘要：針對(duì)飛行器前視紅外視覺導(dǎo)航技術(shù)中導(dǎo)航區(qū)選取這個(gè)關(guān)鍵問(wèn)題，提出一種實(shí)用的連續(xù)跟蹤導(dǎo)航區(qū)選取方法。首先對(duì)前視紅外視覺導(dǎo)航任務(wù)進(jìn)行了分析，總結(jié)了常用的4種導(dǎo)航模式；然后針對(duì)連續(xù)跟蹤導(dǎo)航任務(wù)，通過(guò)圖像方差計(jì)算、連續(xù)直線特征檢測(cè)、Frieden灰度熵分析，設(shè)計(jì)了一種粗選、精選與穩(wěn)定性分析相結(jié)合的導(dǎo)航區(qū)選取方法，給出了方法的基本原理、實(shí)現(xiàn)步驟及選取流程圖；最后結(jié)合典型場(chǎng)景圖像數(shù)據(jù)進(jìn)行了仿真實(shí)驗(yàn)，驗(yàn)證分析了該方法在連續(xù)跟蹤導(dǎo)航區(qū)選取上的有效性、實(shí)用性及適應(yīng)性。

關(guān)鍵詞：前視紅外；導(dǎo)航區(qū)選�。贿B續(xù)特征檢測(cè)；Frieden灰度熵

中圖分類號(hào)：V271.4；TP391    文獻(xiàn)標(biāo)志碼：A    文章編號(hào)：1671  - 637X( 2015) 12 - 0102 - 05

0  引言

    近年來(lái)，隨著傳感器技術(shù)、計(jì)算機(jī)技術(shù)、圖像處理技術(shù)的飛速發(fā)展，視覺導(dǎo)航技術(shù)格外得到國(guó)內(nèi)外研究人員的重視。視覺導(dǎo)航實(shí)質(zhì)上是一種模擬人類視覺定位、定向功能的導(dǎo)航模式，它可在衛(wèi)星導(dǎo)航受干擾、地形環(huán)境受限、地磁特征不顯明等條件下自主導(dǎo)航或者輔助慣性導(dǎo)航。

    可見光下視景像匹配導(dǎo)航是當(dāng)前飛行器視覺導(dǎo)航的重要形式，已成為導(dǎo)航領(lǐng)域的一個(gè)研究熱點(diǎn)，但可見光不能全天時(shí)工作，且受環(huán)境因素影響較大，限制了其應(yīng)用范圍。紅外成像傳感器的發(fā)展有效地提高了飛行器的環(huán)境適應(yīng)性，特別是采用前視成像模式，對(duì)于增強(qiáng)飛行器的特情感知、規(guī)避機(jī)動(dòng)、航跡變更，以及自主起降等能力具有重要意義。綜合飛行器導(dǎo)航發(fā)展需求及目前國(guó)內(nèi)外相關(guān)問(wèn)題的研究，表明前視紅外視覺導(dǎo)航具有獨(dú)特的優(yōu)勢(shì)與發(fā)展?jié)摿�，是�?shí)現(xiàn)飛行器自主智能導(dǎo)航的重要研究方向之一。

    導(dǎo)航區(qū)的選取是視覺導(dǎo)航的基礎(chǔ)，沒有特征明顯、信息量大、穩(wěn)定性好、重復(fù)模式少的區(qū)域作為導(dǎo)航區(qū)，就無(wú)法實(shí)現(xiàn)導(dǎo)航點(diǎn)的檢測(cè)、識(shí)別，也就無(wú)法獲取準(zhǔn)確的導(dǎo)航定位參數(shù)。當(dāng)前，國(guó)內(nèi)對(duì)前視紅外視覺導(dǎo)航的研究主要集中在匹配算法上，而對(duì)導(dǎo)航區(qū)選定方法方面的研究并不多見，公開發(fā)表的文章也都是針對(duì)下視可見光景像匹配區(qū)的選定。分別依據(jù)圖像特征與匹配概率之間的二維、三維關(guān)系，采用多個(gè)獨(dú)立特征，通過(guò)層層篩選、曲面擬合的方法確定最終匹配區(qū)；以匹配區(qū)內(nèi)的景像信息、穩(wěn)定性和重復(fù)模式等特征參數(shù)為指標(biāo)，以匹配概率和定位精度為驗(yàn)證指標(biāo)，給出了快速匹配區(qū)選取方法；將圖像邊緣密度與自匹配系數(shù)相結(jié)合，給出了一個(gè)異源圖像匹配的匹配區(qū)選取方法；從信息論的角度提出了基于信息熵的匹配區(qū)選取方法；定義了圖像的自匹配性能參數(shù)，并把該方法引入到景像匹配區(qū)的選取方法中；提出了一種多尺度的匹配區(qū)選取方法。這些文獻(xiàn)所提出的方法大都是選取一個(gè)或幾個(gè)圖像特征來(lái)對(duì)圖像是否可以作為匹配區(qū)進(jìn)行分析，而且都是針對(duì)下視可見光的圖像，那么這些方法是否也適用于前視紅外導(dǎo)航區(qū)的選定呢？總之，要從下視可見光景像匹配區(qū)選定擴(kuò)展至前視景像匹配區(qū)選定，再擴(kuò)展至前視狀態(tài)下的導(dǎo)航區(qū)選定，考慮到前視紅外景像匹配區(qū)選定準(zhǔn)則的研究現(xiàn)狀，特別是保障信息與實(shí)時(shí)信息的異源特性，相關(guān)問(wèn)題研究尚待深入。

    基于以上分析，本文首先對(duì)前視紅外視覺導(dǎo)航任務(wù)性質(zhì)進(jìn)行了分析，并重點(diǎn)針對(duì)其中連續(xù)跟蹤任務(wù)的導(dǎo)航區(qū)選取問(wèn)題進(jìn)行了研究，提出了一種適用于前視紅外視覺導(dǎo)航連續(xù)跟蹤導(dǎo)航區(qū)的選取方法。通過(guò)理論分析及仿真試驗(yàn)，驗(yàn)證了該方法的可行性及有效性。

1  前視紅外視覺導(dǎo)航任務(wù)分析

    飛行器要實(shí)現(xiàn)可靠準(zhǔn)確的視覺導(dǎo)航，就必須選取合適的導(dǎo)航區(qū)，為此，本文根據(jù)飛行器飛行任務(wù)需求，對(duì)飛行過(guò)程中需要完成的導(dǎo)航任務(wù)進(jìn)行了總結(jié)，歸納出3個(gè)典型的導(dǎo)航任務(wù)，分別是區(qū)域起降、定點(diǎn)修正、和連續(xù)跟蹤。對(duì)于區(qū)域起降，應(yīng)該選取機(jī)場(chǎng)等平坦、開闊、無(wú)遮擋的區(qū)域作為導(dǎo)航區(qū)；對(duì)于定點(diǎn)修正，應(yīng)該選取有特征明顯、辨識(shí)度高且唯一地標(biāo)的區(qū)域作為導(dǎo)航區(qū)；對(duì)于連續(xù)跟蹤，那就必須選取具有連續(xù)特征的區(qū)域作為導(dǎo)航區(qū)。顯然這3種導(dǎo)航任務(wù)對(duì)于其需要的導(dǎo)航區(qū)具有各自截然不同的要求，所以很難找到一種具有普適性的導(dǎo)航區(qū)選取方法，對(duì)于不同的導(dǎo)航任務(wù)，需要研究適應(yīng)其導(dǎo)航任務(wù)的導(dǎo)航區(qū)選取方法。本文主要針對(duì)連續(xù)跟蹤進(jìn)行了導(dǎo)航區(qū)選取方法的研究，涉及的問(wèn)題主要體現(xiàn)在以下兩方面。

    1)導(dǎo)航區(qū)紅外保障數(shù)據(jù)難獲取的問(wèn)題。目前，在下視景像匹配的匹配區(qū)選取中，都是通過(guò)對(duì)衛(wèi)星圖片或者航拍的圖片進(jìn)行相關(guān)處理來(lái)完成的。如果前視紅外視覺導(dǎo)航區(qū)的選取采用場(chǎng)景的紅外圖片，那么其獲取難度大，代價(jià)也高；如果采用衛(wèi)星／航拍圖像，就必須對(duì)其可行性進(jìn)行分析，并研究對(duì)應(yīng)的選取方法。

    2)導(dǎo)航區(qū)選取準(zhǔn)則確立的問(wèn)題二要選作導(dǎo)航區(qū)，必須選取特征明顯、信息量大、穩(wěn)定性好、重復(fù)模式少的區(qū)域，而要作為連續(xù)跟蹤的導(dǎo)航區(qū)，除了要滿足上述條件外，還必須具有連續(xù)性特征，需要選取合適的指標(biāo)參數(shù)來(lái)衡量。

2  連續(xù)跟蹤導(dǎo)航區(qū)選取準(zhǔn)則

    為了使選取得到的前視紅外導(dǎo)航區(qū)能夠滿足連續(xù)跟蹤導(dǎo)航任務(wù)的需求，該任務(wù)的導(dǎo)航區(qū)選取準(zhǔn)則必須能夠?qū)�圖像中包含的連續(xù)特征進(jìn)行檢測(cè)、識(shí)別、分析。

2.1基于圖像方差的導(dǎo)航區(qū)粗選

    由于選作導(dǎo)航區(qū)的圖像必須具備一些必要條件，在選取過(guò)程中通過(guò)這些必要條件的篩選可以快速地對(duì)圖像進(jìn)行分類，提高選取效率，圖像信息量就是常用的一種衡量指標(biāo)。圖像的信息量是指所含具有類間差異的灰度、結(jié)構(gòu)等信息的多少。對(duì)于圖像的信息量，常見的描述參數(shù)有圖像方差、獨(dú)立像元素、邊緣密度、累加梯度等。圖像方差的定義為

式中：f(i，j)表示圖像在點(diǎn)(i，j)處的灰度；f表示圖像的灰度均值；m，n分別為圖像的行、列像元素。圖像方差能夠直觀地對(duì)圖像的信息量進(jìn)行反映，如果圖像區(qū)域景像分布均勻，即地物特征差異不明顯，則圖像方差小，說(shuō)明匹配的性能差。

    由于圖像方差相對(duì)于其他幾個(gè)描述參數(shù)來(lái)說(shuō)，方法簡(jiǎn)單，且計(jì)算量相對(duì)較小，能夠在粗選中體現(xiàn)快速性，因此選取圖像方差來(lái)衡量導(dǎo)航區(qū)信息量的多少，進(jìn)行導(dǎo)航區(qū)圖像的粗選。

2.2 Hough變換直線檢測(cè)

    Hough變換是從二維空間到參數(shù)空間的一種映射，對(duì)于直線變換，這種映射表現(xiàn)為從二維空間上的某點(diǎn)到參數(shù)空間上的某條曲線的對(duì)j立關(guān)系，由數(shù)學(xué)對(duì)偶性原理知二維空間上的點(diǎn)的共線性對(duì)應(yīng)于參數(shù)空間上的曲線的共點(diǎn)性，以此為依據(jù)來(lái)提取直線的相關(guān)參數(shù)。其原理如圖1所示，其映射關(guān)系表達(dá)式為

式中：p≥0，p為ι到原點(diǎn)的距離；0≤θ2π,θ為p與x軸的夾角。檢測(cè)直線的具體過(guò)程就是讓θ取遍可能的值，然后計(jì)算p的值，再根據(jù)θ和p的值對(duì)累加數(shù)組累加，從而得到共線點(diǎn)的個(gè)數(shù)。

要利用Hough變換檢測(cè)圖像中的直線，需首先對(duì)圖像進(jìn)行邊緣檢測(cè)得到二值邊緣圖像。通過(guò)對(duì)Sobel，Prewitt，Roberts，Log，Canny等5種常用的邊緣檢測(cè)算子進(jìn)行大量對(duì)比實(shí)驗(yàn)分析發(fā)現(xiàn)，Sobel算子計(jì)算量較小并且對(duì)后續(xù)的直線檢測(cè)效果較好，所以本文采用Sobel邊緣檢測(cè)算子。然后，對(duì)得到的二值邊緣圖像進(jìn)行Hough變換，最后得到直線檢測(cè)結(jié)果。直線檢測(cè)算法的具體步驟為：

    1)讀入Sobel邊緣檢測(cè)后的二值圖像；

    2)根據(jù)圖像尺寸確定Hough變換累加器的大小并分配內(nèi)存；

    3)對(duì)圖像做Hough變換，并將變換結(jié)果存入Hough變換累加器；

    4)設(shè)定閾值，并根據(jù)閾值大小將Hough變換累加器中累加值小于閾值的點(diǎn)清零，即認(rèn)為這些點(diǎn)并不對(duì)應(yīng)圖像域中的一條直線；

    5)查找Hough變換累加器中累加值最大的點(diǎn)，記錄該點(diǎn)并將其領(lǐng)域清零，繼續(xù)查找并記錄下一個(gè)累加器最大的點(diǎn)，直到累加器中所有的累加值都為零，記錄的這些點(diǎn)對(duì)即對(duì)應(yīng)了檢測(cè)到的圖像中的直線；

    6)根據(jù)檢測(cè)到的點(diǎn)在圖像域中繪出直線。

    根據(jù)檢測(cè)結(jié)果，就可以確定該圖像是否具有基本的可用于連續(xù)跟蹤的線特征。

2.3基于Frieden灰度熵的圖像穩(wěn)定性分析

    圖像的穩(wěn)定性是指圖像灰度、結(jié)構(gòu)等信息的連續(xù)、穩(wěn)定程度。實(shí)際上，由保障數(shù)據(jù)制作而來(lái)的基準(zhǔn)圖與飛行器實(shí)時(shí)圖一般是在不同時(shí)間、不同拍攝條件下得到的，所以導(dǎo)航區(qū)圖像的特征還必須具有一定的穩(wěn)定性。一般用于衡量圖像穩(wěn)定性的參數(shù)有邊緣密度、穩(wěn)定強(qiáng)度、累加梯度、邊緣連續(xù)度以及灰度熵等。

Frieden灰度熵的定義為

由于紅外圖像的邊緣一般比較模糊，特征不明顯，通過(guò)對(duì)常見參數(shù)的對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)，F(xiàn)rieden

灰度熵對(duì)于圖像模糊不清時(shí)，衡量效果更明顯，因此選取灰度熵來(lái)進(jìn)行導(dǎo)航區(qū)的穩(wěn)定性分析。

2.4導(dǎo)航區(qū)選取流程設(shè)計(jì)

    通過(guò)對(duì)紅外圖像、衛(wèi)星圖像、航拍圖像等的分析研究可以發(fā)現(xiàn)，在飛行器上可分辨的、具有連續(xù)特征的地物常見的主要有公路、鐵路、河流等，這些地物的線特征非常明顯，而且具有連續(xù)性，非常適合作為連續(xù)跟蹤的導(dǎo)航區(qū)。因此本文選取線特征作為連續(xù)跟蹤導(dǎo)航區(qū)選取參數(shù)之一，設(shè)計(jì)了以圖像方差為指標(biāo)進(jìn)行粗選，結(jié)合Hough變換直線檢測(cè)進(jìn)行二次精選，并通過(guò)Frieden灰度熵進(jìn)行穩(wěn)定性分析的連續(xù)跟蹤導(dǎo)航區(qū)選取方案。這里給出連續(xù)跟蹤導(dǎo)航區(qū)選取的基本思路：

    1)根據(jù)實(shí)時(shí)圖大小確定導(dǎo)航區(qū)分析的子圖大小及搜索的步長(zhǎng)；

    2)根據(jù)任務(wù)需求及待分析圖像的條件設(shè)置粗選分析參數(shù)、精選參數(shù)以及穩(wěn)定性分析的相應(yīng)門限值；

    3)按照確定的搜索策略、子圖大小對(duì)整幅圖像進(jìn)行各位置的參數(shù)計(jì)算，完成粗選參數(shù)獲��；

    4)判斷計(jì)算得到的分析參數(shù)是否滿足相應(yīng)門限要求，并對(duì)滿足要求的區(qū)域進(jìn)行標(biāo)記，如果不滿足粗選要求則更換下一幅分析圖像并跳至第3）步；

    5)按照搜索策略對(duì)第4）步得到的滿足要求的區(qū)域進(jìn)行連續(xù)特征檢測(cè)，并記錄檢測(cè)指標(biāo)參數(shù)；

    6)判斷檢測(cè)得到的指標(biāo)參數(shù)是否滿足精選門限值要求，并標(biāo)記滿足要求區(qū)域，如果不滿足，則更換下一幅分析圖像并跳至第3）步；

    7)按照搜索策略對(duì)第6）步得到的滿足要求的區(qū)域進(jìn)行導(dǎo)航區(qū)穩(wěn)定性分析，并記錄檢測(cè)指標(biāo)參數(shù)；

    8)判斷檢測(cè)得到的指標(biāo)參數(shù)是否滿足導(dǎo)航區(qū)穩(wěn)定性門限值要求，并標(biāo)記滿足要求區(qū)域，如果不滿足，則更換下一幅分析圖像并跳至第3）步；

    9)分析結(jié)束，得到滿足要求的連續(xù)跟蹤導(dǎo)航區(qū)。

    通過(guò)對(duì)各個(gè)參數(shù)的分析研究以及大量的實(shí)驗(yàn)驗(yàn)證，現(xiàn)給出各個(gè)參數(shù)的閾值：1）方差，Vθvar 25；2）連續(xù)特征檢測(cè)中，Hough線段合并距離閾值為0.02 xιmin,線段保留閾值為0.6×ιmin，其中ιmin表示待分析圖像最短邊的像素大��；3）Frieden灰度熵，H<15。

    歸納起來(lái)，針對(duì)前視紅外視覺導(dǎo)航連續(xù)跟蹤導(dǎo)航區(qū)的選取，本文提出的選取方法簡(jiǎn)要流程如圖2所示。

    基于上述選取方案，避免了對(duì)不滿足基本條件的圖像區(qū)域再進(jìn)行其他的參數(shù)計(jì)算，從而大幅減小導(dǎo)航區(qū)分析的計(jì)算量，有效地提高了導(dǎo)航區(qū)分析的速度和效率。粗選、精選與穩(wěn)定性分析相結(jié)合的策略也極大地提高了導(dǎo)航區(qū)分析的準(zhǔn)確性、可靠性。

3  仿真實(shí)驗(yàn)與分析

    為了驗(yàn)證方法的有效性，本文設(shè)計(jì)了兩個(gè)實(shí)驗(yàn)。

    實(shí)驗(yàn)1對(duì)比實(shí)驗(yàn)：用于驗(yàn)證本文方法對(duì)于下視與前視、紅外與可見光等不同保障數(shù)據(jù)的適應(yīng)性。在進(jìn)行大量對(duì)比實(shí)驗(yàn)的基礎(chǔ)上，給出了兩個(gè)場(chǎng)景的對(duì)比實(shí)驗(yàn)結(jié)果，見圖3、圖4。

    從圖3、圖4的檢測(cè)結(jié)果來(lái)看，本文提出的連續(xù)特征檢測(cè)方法具有良好的適應(yīng)性，能夠適用于各種保障數(shù)據(jù)。對(duì)于前視紅外視覺導(dǎo)航連續(xù)跟蹤任務(wù)，該方法可以解決前文提出的第一個(gè)問(wèn)題，也就是在缺乏紅外保障數(shù)據(jù)的情況下，可以通過(guò)下視衛(wèi)星圖像進(jìn)行連續(xù)跟蹤導(dǎo)航區(qū)的選取。

    實(shí)驗(yàn)2連續(xù)跟蹤導(dǎo)航區(qū)選取實(shí)驗(yàn)：用于驗(yàn)證本文方法的有效性，并以通過(guò)歸一化積相關(guān)算法計(jì)算得到的自匹配誤差和自匹配概率作為選取效果的評(píng)價(jià)指標(biāo)。

    圖5為某區(qū)域的衛(wèi)星圖像（場(chǎng)景3），大小為1024×1024，子圖大小為64 x 64，按照本文提出的選取流程，先進(jìn)行基于圖像方差的粗選，再通過(guò)連續(xù)跟蹤線特征指標(biāo)對(duì)導(dǎo)航區(qū)進(jìn)行精選，然后在滿足條件的區(qū)域進(jìn)行圖像穩(wěn)定性分析，最終得到可用于連續(xù)跟蹤的導(dǎo)航區(qū)域。圖Sa為第一步方差粗選檢測(cè)結(jié)果，藍(lán)色部分表示滿足粗選條件的區(qū)域；圖Sb為對(duì)粗選結(jié)果圖像進(jìn)行連續(xù)跟蹤線特征檢測(cè)精選后的結(jié)果。對(duì)比兩幅圖像可以發(fā)現(xiàn)，雖然粗選結(jié)果有三塊區(qū)域滿足方差條件，但是在精選后排除了其中兩塊不具備連續(xù)線特征的區(qū)域。雖然圖Sb中CD段線特征也較明顯，但是它不滿足方差指標(biāo)要求，不適合作為導(dǎo)航區(qū)，所以選取AB段區(qū)域作為連續(xù)跟蹤導(dǎo)航區(qū)。將AB段區(qū)域按導(dǎo)航基準(zhǔn)圖大小要求進(jìn)行基準(zhǔn)圖制作，然后計(jì)算其Frieden灰度熵進(jìn)行穩(wěn)定性分析。圖6為截取的部分基準(zhǔn)圖，表1分別給出了其穩(wěn)定性參數(shù)，以及評(píng)價(jià)選取效果的自匹配誤差和自匹配概率。

根據(jù)文中提出的選取準(zhǔn)則，通過(guò)穩(wěn)定性分析，對(duì)滿足粗選、精選的基準(zhǔn)圖進(jìn)一步進(jìn)行篩選，剔除穩(wěn)定性不足(H>15)的基準(zhǔn)圖1，3，4，6，7。

    自匹配的仿真結(jié)果表明，本文方法選取得到的基準(zhǔn)圖具有較高的正確匹配概率（大于97. 5%）和較小的自匹配誤差（小于10）。基本能夠滿足基準(zhǔn)圖各項(xiàng)指標(biāo)要求，從而進(jìn)一步驗(yàn)證了本文方法的有效性。

    依據(jù)傳統(tǒng)指標(biāo)選取的方法相比，本文提出的方法對(duì)于前視紅外連續(xù)跟蹤導(dǎo)航區(qū)的選取具有更強(qiáng)的針對(duì)性和適應(yīng)性，并且采用本文提出的選取策略，可以有效地減小導(dǎo)航區(qū)選取的計(jì)算量，提高選取效率。實(shí)驗(yàn)結(jié)果表明，本文提出的導(dǎo)航區(qū)選取方法能夠有效地進(jìn)行前視紅外視覺導(dǎo)航連續(xù)跟蹤導(dǎo)航區(qū)的選取。

4結(jié)論

    采用前視紅外的視覺導(dǎo)航方法對(duì)于未來(lái)無(wú)人機(jī)發(fā)展自主智能導(dǎo)航具有重要意義。本文針對(duì)飛行器前視紅外視覺導(dǎo)航，首先對(duì)其導(dǎo)航任務(wù)進(jìn)行了詳細(xì)的分析，然后主要對(duì)其中的連續(xù)跟蹤任務(wù)進(jìn)行了導(dǎo)航區(qū)選取方法的研究。提出了一種實(shí)用的基于圖像方差、連續(xù)特征檢測(cè)以及Frieden灰度熵的導(dǎo)航區(qū)選取方法，設(shè)計(jì)了一種可行的選取策略，并結(jié)合保障數(shù)據(jù)進(jìn)行了導(dǎo)航區(qū)選取實(shí)驗(yàn)，為前視紅外視覺導(dǎo)航技術(shù)的發(fā)展提供了一些新思路。目前，本文的連續(xù)特征檢測(cè)方法對(duì)于直線特征檢測(cè)效果較好，而對(duì)于連續(xù)的曲線特征效果欠佳，這也是下一步研究的方向。