（信号与信息处理专业论文）毫米波红外双模精确制导信息融合技术研究.pdf

摘要 多传感器信息融合系统中的目标识别与时空对准问题目前已成为信息融合领 域的一个热点研究问题，探索多传感器信息融合中的目标识别与时空校准的理论 方法以提高系统的综合性能，无论在理论还是在工程实践中都具有重要意义。本 文研究了红) f 毫米波双模精确制导系统中基于信息融合的红外图像目标识别方 法与时空对准的理论算法。 首先简要介绍了信息融合的研究背景与意义以及信息融合的优点，回顾了研 究历史与现状。并且针对红外毫米波双模精确制导系统中一些问题( 预处理、信 息融合等等) 总结了该系统的特点并提出了系统结构框架图。 其次研究了双模精确制导系统中红外图像的不变性特征提取以及多特征融合 的识别方法，在决策层中具体研究了d e m p s t e r - s h a f e r 证据理论与模糊理论，并使 该理论应用到仿真实验中，取得了较好的系统性能。 最后研究了红外毫米波双模精确制导系统的时间与空间对准问题，建立了算 法模型，并运用给出的算法实现目标状态融合与目标跟踪，取得了较好的系统性 能，具有一定的工程实现意义。 关键字：目标识别信息融合d e m p s t e r - s h a f e r 证据理论模糊理论 时空对准 a b s t r a c t t a r g e tr e c o g n i t i o n ，s p a c ea n dt i m ea l i g n m e n to f m u l t i s e n s o ri n f o r m a t i o nf u s i o n s y s t e mi sb e c o m i n gah o tr e s e a r c hs u b j e c t i th a sg r e a ts i g n i f i c a n c ei nt h e o r ya n d p r a c t i c et os t u d y i n gm e t h o da n dt h e o r ya b o u tt a r g e tr e c o g n i t i o na n ds 胁s o rr e g i s t r a t i o n o fm u l t i s e n s o ri n f o r m a t i o nf u s i o ns y s t e mf o ri m p r o v i n gi n t e g r a t ep e r f o r m a n c e t h e w o r ko ft h i sd i s s e r t a t i o ni sf o c u s e do f fr e s e a r c ho ft a r g e tr e c o g n i t i o n ，t i m ea n ds p a c e a l i g n m e n tb a s e do nt h ei n f o r m a t i o nf u s i o ni nt h em m w i rd u a lc o n t r o la n dg l l i d e s y s t e m f i r s t l y , t h eb a c k g r o u n d ，s i g n i f i c a n c e a n dm e r i to fi n f o r m a t i o nf u s i o n8 r e i n t r o d u c e d ，a n dg i v e s a ne x c e l l e n to v e r v i e wo f e x i s t i n gt h e o r y a n da c t u a l i t y , s u m m a r i z e st h ec h a r a c t e ra n dc o n f i g u r a t i o no ft h em m w i rd u a lc o n t r o la n dg u i d e s y s t e m s e c o n d l y , i n v a r i a n tf e a t u r ee x t r a c t i o no f i n f r a r e di m a g ea n dr e c o g n i t i o nm e t h o d o ff e a t u r ef u s i o na r es t u d i e d , t h e nd e m p s t e r - s h a f e r se v i d e n t i a lr e a s o n i n ga n df u z z y t h e o r ya r eu s e da tt h er e p o r tl e v e l t h er e s u l t so ft h ee x p e r i m e n ts h o wt h a tf e a t u r e f u s i o nm e t h o di sm o r es t a b l e ，r e l i a b l ea n dc a ne f f i c i e n t l yi m p r o v et h ea c g u r a c ya n dt h e a b i l i t yo f f a u l tt o l e r a n c ei nt h es y s t e mo f m m w i r f i n a l l y , t h es p a c ea n dt i m ea l i g n m e n to fm m w f i r d u a lc o n t r o la n dg m d es y s t e m i ss t u d i e d 。a n dg i v e sa na l g o r i t h mm o d e l ，t h e l lu s e st h ea l g o r i t h mt oa c h i e v et h ea i mo f t a r g e tf u s i o na n dt a r g e t t r a c k t h er e s u l t ss h o wt h a tt h ea l g o r i t h mh a sag o o d p e r f o r m a n c ea n da ni m p o r t a n ts i g n i f i c a n c ei np r a c t i c e k e y w o r d ：t a r g e tr e c o g n i t i o n ，i n f o r m a t i o nf u s i o n ，d e m p s t e r - s h a f e r s e v i d e n t i a lr e a s o n i n g ，f u z z yt h e o r y ，s p a c ea n dt i m ea l i g n m e n t 独创性( 或创新性) 声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或 其它教育机构的学位或证书而使用过的利料。与我一同工作的同志对本研究所做 的任何贡献均己在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名夯瘤莲。日期删6 6 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全 部或部分内容，兀j 以允许采用影印、缩印或其它复制手段保存论文。( 保密的论文 在解密后遵守此规定) 本人签名 导师签名 逊 道 日期塑! ! 日期丝垡： ! 亟 第一章绪论 第一章绪论 1 1 研究背景及意义 信息融合( i n f o r m a t i o nf u s i o n ) 一词出现在2 0 世纪7 0 年代，并于2 0 世纪发展 成为一门专门技术，它是人类模仿自身信息处理能力的结果。信息融合最早用于 军事，早在1 9 7 3 年，美国研究机构就在国防部的资助下，开展了声纳信号系统的 研究。自从海湾战争，特别是科索沃战争以来，致力于信息融合的人数和这一领 域论著的数量显著增加，大大推动了信息融合技术的发展。目前，在c 3 i 系统中 都在采用多传感器融合技术，在工业控制，机器人，海洋监视和管理等领域也朝 着多传感器融合方向发展。多传感器融合技术是各国都非常重视的尖端技术，在 许多领域，如电子对抗，自然灾害预报，空中交通管制，金融企业管理等方面都 有很大的应用潜力，因此受到了广泛的关注。 根据国内外的研究成果，多传感器信息融合比较准确的定义可概括为：综合 利用多传感器信息，充分利用不同时间与空间的多传感器数据资源，采用一定技 术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配 和使用，通过它们之间的协调和性能互补的优势，克服单个传感器的不确定性和 局限性，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使 系统获得比它的各组成部分更加充分的信息，提高整个传感器系统的有效性能、 全面准确地描述被测对象。所以，多传感器是信息融合地硬件基础，多源信息是 信息融合地加工对象，协调优化和综合处理是信息融合的核心。理论上已经证明， 利用多个传感器共同检测目标比单一传感器更为准确。 多传感器信息融合在解决探测、跟踪和目标识别等问题上具有许多性能优点： ( 1 ) 增加了系统的生存能力。在有若干传感器不能利用，或某个目标不在覆盖范 围内时，总还有一部分传感器可以提供信息，使系统能够不受干扰连续运行，弱 化故障，并增加检测概率。( 2 ) 扩展了空间覆盖范围。通过多个交叠覆盖的传感 器作用区域，扩大了空间覆盖范围，一些传感器可以探测取其他传感器无法探测 的地方，进而增加了系统的监督能力和检测概率。( 3 ) 扩展里了时间覆盖范围， 当某些传感器不能探测时，另一些传感器可以检测，测量目标或事件，即多个传 感器的协同作用可提高系统的时间监视范围和检测概率。( 4 ) 增加了可信度。一 部或多部传感器能确认同一目标或事件。( 5 ) 减少了信息的模糊性。多传感器联 合信息降低了事件的不确定性。( 6 ) 改善了探测性能。对目标的多种测量的有效 融合，提高了探测的有效性。( 7 ) 提高了空间分辨力。多传感器孔径可以获得比 毫米波红外双模精确制导信息融合技术研究 任一单个传感器更高的分辨力，并用改善的目标位置数据支持防御反映能力和攻 击方向的选择。( 8 ) 改善了系统的可靠性。多传感器相互配合使用具有内在的冗 余度。( 9 ) 增加了测量空间的维数。使用不同的传感器来测量电磁频谱的各个频 段的系统，不易受到敌方行动或自然现象的破坏。 由于多传感器数据融合技术在军事、工业和商业中的广泛应用及其未来发展 的广阔前景，对它的研究也在迅速升温。与传统的单传感器探测系统相比，应用 多传感器数据融合解决目标发现、跟踪和识别问题，可以提高合成信息的质量。 在同类传感器情况下，不论是等精度测量还是非等精度测量，理论与实验证明， 融合求精后的参数测量精度都可以得到显著提高。对于异类传感器数据融合，更 能改善数据融合的质量，更容易实现对目标的跟踪与识别。其中，利用多传感器 数据融合技术实现毫米波红外双模复合制导被认为是最具有发展前途的寻的制 导技术。红# b 毫米波多模寻的系统具有以下显著特点： 1 ) 恶劣背景条件下的工作能力加强。 2 ) 提高了系统对目标识别与分类能力。其中，毫米波传感器提供目标的距离信息 和多普勒特征信号，可变极化工作，能从目标反射回波中提取频谱、幅度、相位、 极化等信息，弥补红外传感器在这方面的不足；而红外传感器具有极高的角分辨率， 它能利用目标的空间特征( 如尺寸、形状和几何外形) 进行自主截获，克服了主动毫 米波近场条件下的角闪烁漂移。这两种传感器进行组合，丰富了制导信息，大大提 高了对目标的识别与分类能力。 3 ) 缩短了武器系统对目标定位的时间，提高了武器系统机动作战能力。 4 ) 提高武器系统抗干扰能力。 红外和毫米波双模制导系统就是利用红外与毫米波两个传感器获得信息的特 点，获得比单一传感器更为充分的信息资源，并在此基础上研究提高目标识别率 和跟踪精度的方法，充分利用多源信息，提高制导精度，军事应用前景明确。 毫米波红外双模复合末制导信息系统数据融合结构框图如图l 所示。 决 镱 融 合 图1 1 毫米波红外复合末制导数据融合结构框图 图i 中各传感器前端分别完成被探测区域的各自原始信息的采集，并分别传 输至各自信息预处理模块进行信息预先处理。面特征提取与参数估计模块则是完 第一章绪论 成对检出目标的特征提取与参数预估。这些特征包括目标的温度特征，形状特征 等。形状特征是目标所固有的，因此这类参数应具有对区域的平移、旋转及比例变 换的不变性。 1 2 研究历史与现状 近几年来，多传感器的应用越来越普遍，信息融合的重要性己越来越多地被 人们所认识，许多方法和技术己被介绍和应用。国外一些学者对信息融合进行了 算法分类，他们还介绍了5 4 种主要军用的典型系统，这些系统都是由专门研制的 软件开发的。制定标准和协议的工作也在进行。自1 9 8 7 年以来，美国国会一直将 其列为对美国国防具有重要影响的2 1 项关键技术之一，并在信息融合技术研究方 面投入巨资，美国陆军计划在下一代坦克中采用信息融合技术，并采用热成像仪 和毫米波雷达两种传感器作为信息融合研究的突破口。美国彼得萨斯仪器公司则 研究将红外热像与激光图像融合，以提高夜战能力。英国正在研制多平台、多传 感器的信息融合系统。德国将信息融合技术列入了豹- - 2 坦克的改进计划。俄罗 斯的米- - 2 8 新型战斗直升机己将雷达、红外瞄准器、电视摄像机、夜视仪、航行 仪表与计算机组成一个整体，构成了信息融合系统，欧洲共同体从1 9 8 7 年开始了 为期5 年的s k i d s ( s i g n a la n d k n o w l e d g e i n t e r g r a t i o n w i t h d e c i s i o n a l c o n t r o l f o r m u l t i s e n s o l t s y s t e m ) 计划，其主要目标是研究多传感器信息的通用结构和实时信息融合技术 等。 现代的监视、侦察、战场c 3 i 、目标探测、火控、航管、测量及遥感等领域， 对结果的精度、最终产品质量的要求越来越高，从而对多传感器的应用、集成设 计、数据的处理提出了更高的要求，因此传感器的集成度越来越高，并对它们的 输出数据进行融合处理。美国军方1 9 8 6 年成立了专门的信息融合小组发展战略 小组负责此项工作。美国三军、某些大公司及大学也建立了专门的实验系统，以 开发、评估各种信息融合算法系统。 我国虽然在这方面的研究起步较晚，但发展较快，国家自然科学基金和八六 三计划己将其列入重点支持项目。各大学、研究机构都在进行学术及工程应用的 研究。除了军事上，在其它领域，如资源管理、城市规划、地质分析、图像处理、 机器入等得到了广泛的研究，一些简单的结构形式已经得到应用。 目前的研究热点有：( 1 ) 传感器误差；( 2 ) 多传感器中的数据时空统一，即 空间校准与时间校准；( 3 ) 任一传感器失效后的识别、恢复和故障处理能力的研 究；( 4 ) 未知和动态环境中多传感器集成与融合方法的研究；( 5 ) 采用并行计算 机结构的多传感器集成与融合方法研究；( 6 ) 人工智能和神经元网络技术在多传 感器集成与融合中的应用。 4毫米波红外双模精确制导信息融合技术研究 1 3 主要工作介绍 第一章针对毫米波红外双模精确制导系统中的信息融合技术进行研究，阐述 了双模复合的优点以及研究的热点问题，并对发展趋势有一个明确的展望。 第二章的内容为多传感器信息融合的基本理论。对信息融合的基本原理、层 次结构、算法及相关问题进行较为系统的研究与探讨。总结了近年来国内外在信 息融合领域的最新研究成果和最新进展。 第三章的内容为红外目标图像的特征提取算法。研究了红外目标的成像特性 以及多种提取红外图像不变性特征的算法，并运用实测的数据验证了其中两种特 征提取算法的有效性和可行性。 第四章为红外目标图像的多特征融合识别算法。由于单特征识别算法有时不 能保证很好的系统稳定性和容错性，因而在第三章的特征提取算法研究的基础上， 进一步研究了红外目标图像的不变矩特征与奇异值特征提取方法，这些提取的特 征具有很好的t s r i ( 平移、尺度和旋转) 不变性。结合这两种不变性特征进行特征 层的融合，在决策层分别利用d e m p s t e r s h a f e r 理论与模糊理论进行信息融合， 并结合相关的分类决策规则进行分类识别实验。 第五章研究毫米波红外双模制导系统的信息融合算法，由于毫米波与红外两 传感器的采样率不同以及位置的差别，结合实际情况，研究了时间对准算法，空 间对准算法，以及利用最大似然方法进行数据状态的融合，设计q b 滤波器进 行目标状态的跟踪。利用仿真的数据验证了这些算法的可行性与有效性。 第六章为对整个项目的总结与技术发展的展望。 第二章多传感器信息融合豹基本理论 第二章多传感器信息融合的基本理论 2 1 概述 传感器是红外毫米波双模精确制导系统的硬件基础，传感器采集的数据是信 息融合系统的信息源，本节对传感器及传感器的数据做一下简要介绍。 传感器种类繁多，但根据用途、采集方式和决策形式，可分成以下几类： l 、根据用途可分成对空、对海和水下三类，这种分类方法可以较好地利用空 中目标、水面目标和水下目标的运动特征和空间位置特征。 2 、根据传感器是否发射能量，可分为主动式和被动式两大类，主动式传感器 如雷达、i f f ( 敌我识别器) 等，被动式传感器如红外等。通常，被动式传感器不能 获得关于目标位置的距离信息。 3 、根据是否要求目标合作，将传感器分为合作传感器和非合作传感器。所谓 合作传感器，就是传感器要求目标以预先确定的方式同其合作，如i f f ；否则， 即为非合作传感器，通常合作传感器i f f 的报告用于目标识别的敌我属性层。 4 、根据传感器的决策和报告方式，可分为硬传感器( h a r ds e n s o r ) 和软传感器 ( s o f ts e n s o r ) 两大类。所谓硬传感器，即硬决策传感器，是选择单一结论的传感器； 而软传感器，即软决策传感器，则把决策空间分成多个区域，每个决策区域代表 了不同的决策门限，在向融合中心报告时，结果往往是多个假设，且对每个假设 伴以相应的置信度或不确定度的属性函数。由于硬传感器不能给融合中心提供低 于决策门限的信息，因而丢掉了许多信息，而软传感器可在任一信号级别上提供 关于决策假设集和相应的属性函数，允许在很宽范围内对数据进行融合，因而具 有比硬件传感器在较大范围内得到全局决策的优点。 由于传感器作用不同，它们具有各自的一些特点，如：雷达系统一对目标的 距离与速度信息敏感；红外一对目标的方位信息敏感；敌我识别器( i 阶对目标 的属性、距离和方位敏感。 这里，将传感器提供的数据的特征归纳如下： l 、不完整性。这个特征表明，为了形成比较全面的态势描述，需要把不同信 息源来的数据融合在一起。 2 、不精确性。这个特征造成了同一传感器在时间上和不同传感器在空间上进 行数据融合时需要进行相关处理，而这又是比较困难的工作。 3 、模糊性。如e s m 虽可提供目标好的籍别信息，但只有关于目标位置的方位 信息。于是，在把籍别信息和该方位上哪个目标对应起来时产生了较大的模糊性。 6 毫米波红外双模精确制导信息融合技术研究 4 、冲突性。当环境特别复杂或受到干扰时，各传感器可能提供很不相同、甚 至是相互矛盾的数据。 显然，传感器数据的这些特征大大增加了信息融合的难度。 2 2 信息融合的基本原理 多传感器信息融合的基本原理就像人脑综合处理信息的过程一样，它充分利 用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个 传感器在时间或空间上的冗余或互补信息依据某种准则进行组合，以获得被测对 象的一致性解释或描述，使该信息系统由此而获得比它的各组成部分的子集所构 成的系统更优越的性能。 多传感器信息融合与经典的信号处理方法之间存在本质的区别，其关键在于信 息融合所处理的多传感器信息具有更为复杂的形式，而且可以在不同的信息层次 上出现。这些信息表征层次包括数据层( 即像素层) 、特征层和决策层( 即证据层) 。 2 2 1 数据层融合( 低级或象素级) 图2 1 数据层融合 数据层融合如图2 1 所示，首先将全部传感器的观测数据融合，然后从融合 的数据中提取特征向量，并进行判断识别。这便要求传感器是同质的( 传感器观测 的是同一物理现象) ，如果多个传感器是异质的( 观测的不是同一物理现象) ，那么 数据只能在特征层或决策层进行融合。数据层不存在数据丢失的问题，得到的结 果也是最准确的，但对系统通信带宽的要求很高。 数据层融合的主要优点是能保持尽可能多的现场数据，提供其它融合层次所 不能提供的细微信息，但局限性也是很明显的： 1 、所处理的传感器数据量太大，故处理代价高，处理时间长，实时性差； 2 、这种融合是在信息的最低层次进行的，传感器原始信息的不确定性、不完 第二章多传感器信息融合的基本理论 全性和不稳定性要求在融合时有较高的纠错能力； 3 、要求各传感器信息之间具有精确到一个像素的校准精度，故要求各传感器 信息来自同质传感器； 4 、数据通信量较大，抗干扰能力较差。 数据层融合通常用于多源图像复合、图像分析与理解、同类( 同质) 雷达波形 的直接合成等。多源图像复合是将由不同传感器获得的同一景物的图像经配准、 重采样和合成等处理后，获得一幅合成图像的技术，以克服单一传感器图像在几 何、光谱和空间分辨率等方面存在的局限性和差异性，提高图像质量。图像分析 与理解方面主要研究利用高分辨率扫描传感器的输出，演绎出所观察情景的三维 模型问题。数据层的融合技术包括经典的检测和估计方法。数据层融合采用集中 式融合体系进行融合处理过程。 2 2 2 特征层融合( 中级或特征级) 特征层融合属于中间层次，它先对来自传感器的原始信息进行特征提取( 特征 可以是目标的边缘、方向、速度等) ，然后对特征信息进行综合分析和处理。特征 层融合的优点在于实现了可观的信息压缩，有利于实时处理，并且由于所提取的 特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特 征信息。特征层融合采用分布式或集中式的融合体系。 特征层融合如图2 。2 所示。 在特征级信息融合中，各传感器进行目标探测和特征提取处理，在对目标进行 分类之前，将来自多传感器的目标报告或己滤波的跟踪组合成多源整体跟踪。 在特征级信息融合中，多个信息源提供的特征矢量被融合成组合特征矢量。 在许多不可能的或期望以像素级将多源等同数据组合的情况下，特征级信息融合 图2 2 特征层融合 常常是有效实用方法。不同类型传感器可测量的特征常常是相互不等同。例如， 8 毫米波红外双模精确制导信息融合技术研究 长波红外传感器可在远距离探测导弹的排气火舌但不能探测弹体本身，而跟踪雷 达则可以探测弹体。为了改善对导弹的分类和跟踪，可使长波红外传感器和跟踪 雷达数据中可辨别的特征相关联。 即使有等同特征，提供像素级信息融合所需要的配准、处理和通讯能力也是 困难，用某些估算方法可将一些等同的后检波特征( 例如，由工作在不同光谱段的 多个成像传感器测得的目标尺寸) 组合起来。这取决于先验数据的可用性、特征的 时间变化性和统计稳定性、传感器测量结果之间的统计依赖性程度。 2 2 3 决策层融合( 高级或决策级) 决策层融合通过不同类型的传感器观测同一目标，每个传感器在本地完成基 本的处理，其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初 步结论。然后通过关联处理进行决策层融合判决，最终获得联合推断结果。 决策层融合输出一个联合决策结果，在理论上这个联合决策比任何单传感器 决策更精确或更明确。除非传感器的信号是独立的，否则，决策层融合的分类性 能可能低于特征层融合。决策层所采用的主要方法有贝叶斯推理、d - s 证据理论、 模糊集理论、专家系统方法等。另外，决策层融合还采用一些启发式的信息融合 方法。 图2 3 决策层融合 决策层融合的主要优点有： 1 、系统具有很高的灵活性，对信息传输带宽要求较低； 2 、能有效地反映环境或目标各个侧面的不同类型信息； 3 、当一个或多个传感器出现错误时，通过适当的融合，系统还能获得正确的 结果，所以具有容错性； 4 、通信量小，融合中心处理代价低，抗干扰能力强； 5 、对传感器的依赖性小，传感器可以是同质的，也可以是异质的。 目前有关信息融合的大量研究成果都是在决策层上取得的，并且构成信息融合 第二章多传感器信息融合的基本理论 9 研究的一个热点，但由于环境和目标的时变动态特性、先验知识获取的困难、知 识库的巨量特性、面对对象的系统设计要求等，决策层融合理论与技术的发展仍 受到阻碍。 2 3 信息融合的技术与方法 虽然多传感器信息融合的应用研究已经相当广泛，但多传感器信息融合问题 本身至今未形成基本的理论框架和有效的广义融合模型和算法。尽管如此，不少 应用领域的研究人员还是根据各自的具体研究背景，提出了许多比较成熟且有效 的融合方法。 下面比较了常用的多传感器信息融合的一般方法。 加权平均法加权平均法是一种最简单和直观的方法，即将多个传感器提供的 冗余信息进行加权平均后作为融合值。该方法能实时处理动态的原始传感器数据， 但是调整和设定权系数的工作量很大，并具有一定的主观性。作为加权系数法的 改进和提高，可以采用模糊贴近度方法进行信息融合。 卡尔曼滤波当需要实时融合动态低级的冗余数据时，可以使用卡尔曼滤波。 对于线性系统，当系统噪声和传感器噪声可以用高斯白噪声来建模，则卡尔曼滤 波器能提供唯一的统计意义上的最优融合值。并且，它的递归本质保证了在滤波 过程中不需要大量存储空间，可以实时处理。 b a y e s 估计b a y e s 方法用在多传感器信息融合时，先将多传感器提供的各种 不确定性信息表示为概率。将相互独立的决策看作一个样本空间的划分，使用 b a y e s 条件概率公式对它们进行处理，最后，系统的决策可以由某些规则给出， 如取具有最大后验概率的决策作为系统的最终决策。但这一方法存在以下的不足： 需要给出各传感器对目标类别的先验概率。即需预先经过大量的试验得到各 先验概率分布，这在很多实际的系统中是比较困难的，甚至是不可能。 要求各可能的决策相互排斥。 当可能的决策及传感器数量较多时，先验概率分布获得方式及先、后验概率 的计算将变得很复杂，影响融合的实时性。 所以，用b a y e s 方法解决多传感器信息融合问题有一定的局限性，但在一定 场合下仍不失为一种行之有效的方法。 统计决策理论用统计决策理论提出了一个通用的多传感器冗余信息两步融 合方法。先将多传感器数据经过一个鲁棒假设测试，以验证其一致性。通过测试 的数据利用一组鲁棒最小最大决策规则进行融合。 可能性理论在没有精确环境模型的情况下，使用可能性理论能比其它方法 更合适处理多传感器信息融合中的不确定性，可能性理论本质上更能反映实际被 l o 毫米波红外双模精确制导信息融合技术研究 感知的对象和期望观测之间的相似性，实验结果表明这种相似性和物体被观测到 的次数之间并没有任何关系，这一点说明了概率理论的不足。 证据理论d e m p s t e r - s h a f e r 证据理论是b a y e s 方法的推广，但比b a y e s 方法 具有更多的优点，b a y e s 方法需要先验概率，而在d e m p s t e r - s h a f e r 形式中可以巧 妙地解决这一问题，它是一种在不确定条件下进行推理的强有力的方法。 模糊理论由z a d e h 提出的模糊逻辑是一种多值逻辑，由于它能将多传感器 融合的不确定性直接反映在推理过程中，因而已被广泛地应用于多传感器信息融 合。 神经网络神经网络具备实时处理大量数据地能力、知识泛化能力及结构地 容错性等，在多传感器信息融合中具有很多地应用领域。 粗糙集理论粗糙集理论( r o u g hs e t st h e o r y ) ，简称r s t 是由p a w a kz 及其合 作者于8 0 年代初提出地一种新的处理模糊性与不确定性的数学工具。 通常使用的方法应依据具体的应用而定，并且，由于各种方法之间的互补性， 实际使用时经常将两种或两种以上的方法组合进行多传感器信息融合。 2 4 小结 本章总结了近年来国内外在信息融合领域的最新研究成果和最新进展，对信 息融合的基本原理、层次结构、算法及相关问题进行较为系统的研究与探讨。 第三章红外目标图像特征提取算法 第三章红外目标图像特征提取算法 3 1 概述 红外图像感受和反映的是目标和背景自身向外界红外辐射能量的差异，属于 被动成像，可以全天候工作。因此，红外图像主要描述目标和背景的热辐射，它 有以下特点： ( 1 ) 红外图像的灰度分布。实际上对应于目标和背景的温度和发射率的分布。 红外成像导引头只能从红外特有的低差图像中抽取所需的信号。属于被动成像， 可以全天候工作。数字图像中可利用的基本信息是以像元强度形式出现的。 ( 2 ) 实际目标检测、识别与跟踪过程，是在背景噪声环境中进行的，因此， 统计图像识别十分重要。红外图像中最简单的模型是二值图像，即目标比邻近背 景暗和亮的两种情况。目标特征提取主要考虑目标的各种物理特征，如目标形状、 大小、统计分布、运动状况等。不考虑目标内部细节。 1 3 ) 由于红外图像摄取的帧速在2 5 3 0 f r s 之间，目标表面的辐射分布在两 帧之间基本保持不变，这个性质为逐帧分析目标特征和对目标定位提供了保证。 ( 4 )由于红外图像处理方法建立在二维数据处理和随机信号分析的基础上， 其特点是信息量大，因而计算量和存贮量也大。 ( 5 ) 由于目标及背景的红外热辐射在传输过程中会受到大气吸收和随机散射 作用，使得目标及背景的红外图像比可见光图像缺乏好的对比度和分辨率，而因 此，使得红外图像的像素之问具有良好的空间相关性，图像的灰度均值保持相对 稳定，方差变化不大。其具体同可见光图像的区别如下： ( a ) 边缘效应的差异。可见光图像的边缘要比红外图像的边缘“陡”得多，其 边缘结构也比较复杂，如图1 1 所示。由于可见光图像边缘的奇异性，往往在边 缘的两侧出现过冲，或者其边缘既陡又高。而红外图像的边缘相对平滑一些。 ( ”纹理特征不同，可见光图像能反映出目标表面的纹理细节信息，而红外波 段的固有分辨率及其在传输过程中受大气吸收和散射作用影响，使得红外图像很 难反映出物体表面的纹理信息，所以目标的红外图像无纹理信息可用。 红外图像边缘可见光图像边缘 1 2 毫米波红外双模精确制导信息融合技术研究 图3 1 红外与可见光图像边缘结构示意图 ( c ) 像素间的相关性不同。实际景物图像的像素之间存在着一定的相关性，而 这种相关性可以用图像像素的自相关系数p 来表示。自相关系数p 是近似的，可 以分离，也就是说图像像素之间的距离越远，其相关性越差。因此，有了一个相 关长度的概念，即自相关数在某一方向上降到1 e 时的像素间距离称为图像的相 关长度。实际结果表明：同一景物的红外图像相关长度要比可见光图像的相关长 度要长一些。这与红外图像的低频成分较多有关。 3 2 红外图像的边缘检测方法 在毫米波红外双模制导过程中，红外成像传感器获取红外图像后首先要把目 标从复杂的景物中分离出来。目标分离所依据的各种特征中，最基本的特征就是 边缘，边缘表示了信号的突变，包含了图像中大量的信息，对于边缘的预处理是 进一步目标识别、跟踪的基础。经典的边缘检测算子都没有自动变焦的思想，并 且对噪声敏感。事实上，在红外成像制导过程中，由于导引头由远及近接近目标， 因而所获得得目标序列图像是一个关于感兴趣区域由粗到细的变分辨率图像序 列，传统的单一尺度或简单不变特征模型，不利于进行多尺度目标的表达和识别。 为了反映目标在变分辨率图像序列中的实际情况以及保证目标的旋转、平移与尺 度变化的不变性，本文提出了一种自适应多尺度小波边缘检测及奇异值特征提取 的方法，首先利用小波检测出红外图像目标的边缘，然后在检测出的目标边缘基 础上提取红外目标的奇异值特征，这样大大减少了目标的内部细节信息量处理， 并且奇异值特征保证了目标的t s r i ( 平移、尺度和旋转) 不变性。 3 2 1 基于小波变换的图像边缘检测原理 小波变换的含义是把某一被称为基本小波的函数v ( t ) 作位移f 后，再在不同 尺度a 下与待分析信号x ( t ) 作内积： w l ( 叫) = 击亡m 旷( 争d r 口 o ) 等效的频域表示是： 暇( 口，r ) = ( 2 万a 。r 。x ) y ( 口) p + 归么缈 ( 3 2 ) 第三章红外目标图像特征提取算法 式中x ( c o ) ，y ( c o ) 分别是x ( f ) ，矿( f ) 的傅立叶变换。 小波变换的作用可粗略地比喻为：用镜头观察工( f ) ( 也就是待分析信号) ，以f ) 代表镜头所起的作用( 例如：滤波或卷积) 。f 相当于使镜头相对于目标平行运动， a 的作用相当于镜头向目标推进或远离，由此可见小波变换有以下特点： ( 1 ) 具有多分辨率，也叫多尺度的特点，可以由粗及精地逐步观察信号。 ( 2 ) 也可以看成用基本频率特性为妒( 纠的带通滤波器在不同尺度下对信号作 滤波。 ( 3 ) 适当地选择基本小波，使矿( f ) 在时域上为有限支撑，y ( ) 在频域上也比 较集中，便可以使小波变换( w t ) 在时、频两域都具有表征信号局部特征的能力。 因此，有利于检测信号的瞬态或奇异点。 由于上述特性，有人对小波变换特性作了这样形象的描述：是一架数学上的 变焦镜头。 图像小尺度的轮廓和大尺度的边缘可以通过微分算子实现检测，考虑到这些 变化的峰点常常伴有噪声，作为预处理对图像进行平滑是必要的。 设口( x ) 是一个光滑函数，满足e p ( x 协= 1 和1 疏h o ( 。x ) - - 争0 , 蜀9 3 t o ( x ) 的一阶二阶导数为： 沙4 = 了d o ( x ) ，矿= 可o t t o ( x ) ( 3 3 )a x。幽c 显然旷( 工) 与矿( 功均为小波函数，用尺度因子s 对y ( 功作伸缩后得到的函 数为； 小) = 昙y 9 4 ， 则在尺度s 上函数厂( 力叠( r ) 的小波变换为： 孵厂 ) = 厂唪彤= 昙e m ) 旷仁咖 ( s - 5 ) 孵似) = 厂宰矿( 加喜e 删矿荦如 ( 3 _ 6 ) 1 4 毫米波红外双模精确制导信息融合技术研究 将只( s ) 代入上式可得： 唧加厂宰如宰南d 响s ss sl x ，、 = 矿宰掣= j 旱d x 旷俐 伊， 积 7 类似地可得： 彬厂( x ) = s 2 嘉 厂丰皖( 瑚 ( 3 _ 8 ) 以x 一 7 小波变换孵厂( x ) 和嘭，( 工) 分别表示函数，( x ) 在尺度s 下光滑的一阶与二阶 导数，从上面两式可以看出：w f f ( x ) 的极大值与砑，( 工) 的零交叉以及只( 功的 拐点相对应，它正是在尺度s 时信号的局部突变点。因而小波变换的极大值检测 对应于图像的边缘检测。 将二维小波变换引入到图像边缘检测中。设二维图像f ( x ，y ) ( r z ) ， o ( x ，y ) 是一适当平滑的二元函数，满足下列条件： 亡e 臼( x ，y ) d x d y = 1 ， l i m o ( x ，力专0 x 2 + y 2j o o ( 3 - 9 ) 包( x ，y ) 2 ：1 。o 、x s - y s ) ( 3 - l o ) 图像f ( x ，y ) 被函数见( x ，) ，) 在尺度s 下的平滑作用由卷积运算实现，即 f ( x ，y ) 见( 工，) ，) = 厂只( x ，y ) 。二维小波定义为： 旷( x ，y ) ：0 0 _ ( x , y ) ，y 7 ( 石，j ，) ：0 0 - ( x , y ) ( 3 - 1 1 ) 由上式可得二维小波在尺度s 下的表达式 孵( y ) = 吉旷( 詈，彬( 五y ) - 1 sy 7 唾，( s 也) 第三章红井目标图像特征提取算法 图像f ( x ，力的二维小波变换有二个分量，分别定义为： 乃7 ( x ，y ) = f 宰沙：( x ，y ) ，形y ( x ，) ，) = f 宰y 多( x ，y ) ( 3 1 3 ) 写成矩阵形式； w ? f ( x ，y ) k m ，y ) j 2 = s v ( f 搴包) o ，力( 3 - 1 4 ) 上式表明w f ( x ，) ，) 和w f f ( x 。力分别反映原图像的水平与垂直方向的边缘信息。 通常s 取为2 j ( y z ) 而矢量 称为f ( x ，y ) 的二进小波变换。它的模值是： m 2 j f ( x , y ) = 2 j v ( f 宰) 伍y ) ( 3 - t s ) 知似川g 辔 器矧 p ，回 若图像f ( x ，力二进小波变换的局部极大值是点( x ，y ) ，则在该点上， m 2 ，f ( x ，力在沿由以f ( x ，) ，) 给定的梯度方向上为局部极大。即在尺度时所平滑 图像八五_ y ) 的灰度突变点对应于沿梯度方向 勺，y ) 的局部极大值。这些取极 大值点的位置就给出了图像的一个多尺度边缘。 3 2 2 多尺度高斯小波梯度算子的构造 受计算机视觉研究的启发，我们所选的平滑函数o ( x ，y ) 是g a u s s 函数，1 1 口 力 x 工 比 k 只 只 搴 木 盯 u a f 1 5 a 一砂 广；引【 力 力 羌 x 比 y 2 = 一s 盯j 所以，取嬲g 和y g q 的宽度均为： l = 4 s c r ( 3 - 3 1 ) ( 3 3 2 ) f 3 3 3 ) 为确定适当的盯，取最小尺度s = l ，l = 3 ( 掩膜空间结构3 x 3 ) ，可得到归一 化梯度算子x 6 g , 和r c g , 分别为 0 0 8 5o - 0 0 8 5 x g g , 2 1 0 20 - 0 2 i ( 3 - 3 4 ) 10 0 8 5 0 - 0 0 8 5 r 0 0 8 5 0 20 0 8 5 1 y g g , 2 i o00 i ( 3 - 3 5 ) l - 0 0 8 50 2 - 0 0 8 5 j 3 3 红外目标图像的特征提取方法概述 3 3 1 目标图像的不变矩特征 数字图像函数f ( x ，y ) 的矩定义为m p q = x p y f ( x ，y ) 。其阶数为嗲+ g ，r o p e j y 被称为几何矩或正则矩。可以证明，m 。唯一地被f 【x ，y ) 所确定，反之，也唯一 g y f ( x ，y ) 。f ( x ，y ) 的p + g 阶中心矩定义为以，= ( x 一牙) 9 ( y - y ) 4 ，其中 oy j = 啊。k ，= 。l o o 。因此，f ( x ，y ) 的归一化的中心矩可以表示为如下形式 第三章红外目标图像特征提取算法 = 粤，其中，= 华+ l ，p + q = 2 3 。 心o 研究表明，正则矩不具有t s r i 不变性，但是由归化的二阶和三阶中心矩导 出的不变特征集合的h u 矩( 由7 个矩特征组成) ，具有t s r i 不变性，可以作为描述 平面图形形状的特征。h u 矩是建立在一个区域内部灰度值分布的统计分析的基础 上，是种细节的描述。 利用不变矩特征识别不同类型的平面图像可得到较高的识别率，是识别完整 目标灰度图像的一种有效方法。 3 3 2 图像三阶相关量特征 设x ( t ) 为二维离散灰度图像信号，t 表示图像信号象素坐标的二维矢量，t 【0 , m 】【o ，】彤，为图像的空间分辨率。根据现代信号处理理论，三阶相关量定 义为： 五( s 1 ，s 2 ) 2 x ( t + s 1 ) x ( t + s 2 ) ( 3 。3 6 ) 式中，s 1 、s 2 为图像位移矢量。 该特征提取方法为：首先计算平面图形的三阶相关量，消除模式平移影响， 再进行对数极坐标变换，将尺度和旋转变化为平移变换，最后进行傅立叶变换，取 得幅度谱，得出平面图形的t s r i 特征。 三阶相关量特征法具有平面欧氏变换的不变性，与原始图像有一一对应关系， 对噪声、变形不敏感，是一种有效的灰度图像表征方法。该方法可推广到三维空间 图像的识别中。 3 3 3 目标图像的奇异值特征 设原始红外图像的矩阵为，根据矩阵的奇异值分解定理有矩阵，的奇异值分 解表示式为：i = u 1 yv 7 。其中矩阵c ，矿均为正交矩阵，且有矿v = w = d i a g q ， 吒，盯， ，0 1 c r 2 盯p 1 0 ，q ( i = 1 ，2 ，3 ，p ) 为，的奇异值，是，岢，或口目 的特征值五的平方根，即q = 五。 由奇异值的稳定性可知，当矩阵，有微小扰动时，奇异值的变化不大于扰动矩 阵的2 一范数；对矩阵，和口x i ( a 是一常数) 的奇异值进行标准化处理，可实现 奇异值的比例不变性：而当存在一个酉矩阵p 时，有矩阵pi 的奇异值与矩阵，的 毫米波红外双模精确制导信息融合技术研究 奇异值相同，即保证了奇异值的旋转不变性。 奇异值特征是一种性能良好的代数特征，反映了红外图像的内在属性，是一 种本质特征，具有代数和几何上的不变性。特别是对于实际红外序列图像，由于 传感器与目标之间的距离发生变化，