（电路与系统专业论文）对地目标相关跟踪算法研究.pdf

a b s t r a c t t h i sp a p e rd o e ss o m er e s e a r c hw o r ko nt h et r a c k i n ga l g o r i t h m st o w a r dt a r g e t so n t h eg r o u n d ，w h i c hi n v o l v e da l lt h ek e ys t a g eo fc o r r e l a t i o nt r a c k e r t h r o u g ha n a l y z i n g t h em o d e lo fc o r r e l a t i o nt r a c k e r , t h i sp a p e rp u tf o r w a r ds o m ei m p r o v i n ga l g o r i t h m t o w a r ds o m e p r o b l e m s t h a tr e s t r i c tt h ea p p l i c a t i o no f c o r r e l a t i o n ，s u c ha st h ed r i f to f t h e t e m p l a t ea n dt h er e a l - t i m ep e r f o r m a n c e ，e t c a tt h es a m et i m e ，t h i sp a p e rp u tg e n e t i c a l g o r i t h mi n t ou s eo f c o r r e l a t i o nt r a c k e r , a p p l yw h i c ht ot h ep r o b l e m sd i f f i c u l tt ow o r k w i t hr e g u l a ra l g o r i t h m ，s u c ha st h er e c o g n i t i o no f o b j e c t s ，t h ea u t o m a t i co b j e c tc a p t u r e ， a n dt h em a t c h i n go fr o t a t ei m a g e f i n a l l y , w ep e r f o r mt h et r i a lo f p i c k i n gu pt h ef e a t u r e a r g u m e n t w i t h g e n e t i ca l g o r i t h m t h i sp a p e r c o n s i s t so f t w o p a r t s ，t h ef i r s tp a r ti sa n e w m e t h o do fc o r r e l a t i o n t r a c k i n g ，i n c l u d i n g t h e d e s c r i p t i o n o fc o r r e l a t i o n t r a c k i n g a l g o r i t h m s ，t e m p l a t ep i c k u p ，t h ef a s tm a t c h i n g m e t h o da n dt h ef o l l o w i n g p r o c e s s i n go f c o r r e l a t i o nt r a c k i n g a tt h es a m et i m e ，w ec o m p a r et h en e w a l g o r i t h mw i t ht h ec l a s s i c a l g o r i t h m sa n dw h i c hp r o v e dt h a ta l lt h ep e r f o r m a n c eo f o u r sa r ep r i o rt ot h eo l do n e t h es e c o n d p a r td e s c r i b e sam e t h o do f u s i n gg e n e t i ca l g o r i t h m st os o l v es o m ep r o b l e m s t h a td i f f i c u l tt ow o r kw i t ht h er e g u l a ra l g o r i t h m s ，i n c l u d i n gt h ec o r r e l a t i o nm a t c ho f r o t a t e di m a g e ，t h ea u t o m a t i cc a p t u r eo ft h el o s tt a r g e ta n dc o r r e l a t i o nf e a t u r em a t c h i n g a l g o r i t h m s k e y w o r d ：c o r r e l a t i o nt r a c k i n gg e n e t i ca l g o r i t h m t e m p l a t em a t c h i n g 创新性声明 y 五053 23 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材料。与我一同工作的同志对本研究所做 。的任何贡献均已在论文中做了明确的说明并表示了谢意。 本人签名：夺小捷 关于论文使用授权的说明 同期：z e a l - 智 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：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，可以允许采用影印、缩印或其它复制手段保存论文。 本人签名： 导师签名： 日期2 , 0 1 j f 日睨渺、f - 留 拄访 小 。州 孙磐 笙二童堑堡 一 第一章绪论 现代高技术战争中，精确制导、通讯、导航和控制等技术手段扮演越来越重 的角色，而研究基于红外成像、可见光成像的目标跟踪技术是精确制导技术的关 键技术。 成象跟踪信息处理系统本质上就是一个实时数字图像处理系统，因此，它具 有通用数字图像处理系统和数字图像处理技术的一些特点。成象跟踪系统接收成 象传感器摄取场景图像信号，从中提取出有用的目标图像信息，经分析和处理， 实时输出相关i ：l 标的误差信号，导引导弹完成攻击目标的任务。成象跟踪信息处 理系统涉及到传感器、目标特性、数字信号处理、图象分析和理解、模式识别、 人工智能、控制理论和计算机领域知识和技术。 研究和应用成象跟踪技术的目的是为了提高武器系统的战术性能，如提高命 中精度，增强武器系统抗御复杂战场环境中出现的干扰的能力，提高系统的可靠 性等。 1 1 红外成像跟踪系统 红外成像跟踪系统是利用景物自身的红外辐射成像获得景物热图，并通过图像 处理和跟踪算法，计算出目标图像的角偏差量，伺服机构根据这个误差信号去控制 成像机构跟踪目标。其原理结构如图1 1 框图所示。它包括三大部分：成像系统、 图像跟踪系统( 含图像预处理和跟踪器) 和伺服机构，并构成一闭环系统。整个 系统的核心就是成像跟踪系统，它实现图像预处理、特征提取、跟踪算法等功能， 是整个跟踪系统的关键环节。 景物 图1 - 1前视红外成像跟踪系统框圈 !型垫旦堡蝗塑苤墨堕墨鎏盟塞 1 2 国内外成像跟踪技术发展概况及特点 成像跟踪技术是建立在数字图像处理理论和技术的基础之上的，它为正确捕 获精确跟踪目标和提供末制导位置测量提供了支持，并获得了迅速发展。在五、 六十年代，大多数军用成像跟踪器采用的是单一工作方式、非自适应型的跟踪器， 目标的锁定只能靠操作员命令实现，这种非自适应的跟踪算法在杂波干扰环境下 易丢失目标且在丢失目标后重新捕获目标需要有人参加控制回路。七、八十年代 及以后的时间里出现的新跟踪器通常采用多种工作方式的、自适应的技术。智能 化信息处理是目前国内外极其重视的一项技术，尽管在跟踪技术中许多跟踪模式 都已经研究并实用化了，但识别能力、智能跟踪能力等方面仍有很大的不足。 我国现在已研制出的成像跟踪系统大多是采用单一工作方式的跟踪器，选用 得最多的是自适应波门质心跟踪方式，而且针对的背景也比较单调，基本上是海 洋和天空。由于地形地貌的复杂性，这种系统对于地面等复杂景物很难实施跟踪， 因此有必要研究适应复杂场景的智能跟踪算法。 1 3 本文的研究内容 本文主要是研究对地目标的相关跟踪算法。在相关跟踪算法中涉及到的较难 解决的问题有模板提取问题、快速匹配问题、图像旋转情况下的匹配问题以及目 标失锁的判断等。为了提高目标跟踪的可靠性和智能化，需对失锁目标进行自动 捕获，这也是一个难度极大的问题。特征匹配在某种意义上也是一种相关处理技 术，但特征的提取是一个困难的问题。本文的内容就是针对这些困难问题给出一 定程度的解决方案。 我们注意到，匹配问题所需求解的内容是坐标位置或角度等的最优解，捕获 问题所需求解的内容是最相似个体，而特征的提取也是一些参数的最优问题。它 们都是最优化问题，这样我们对上述一些问题可引入遗传算法这种全局优化算法 来进行求解。 本文主要由两大部分组成，第一部分为一种新的相关跟踪解决方案，包括相 关跟踪模式的原理及模板提取、快速匹配等问题的算法描述以及目标失锁的判断 等内容；第二部分为相关跟踪模式中一些最优解问题的遗传算法解决方案，包括 旋转图像的相关匹配、失锁目标的自动捕获及相关特征匹配算法。 文中所有目标都是针对坦克这种特定目标，相关特征匹配算法采用的是可见 光图像。 本文将在第二章讨论相关跟踪模式，在第三章讨论种新的相关跟踪算法， 第四章讨论遗传算法原理，在第五章讨论基于遗传算法的相关跟踪问题，在第六 !型垫旦堡蝗塑苤墨堕墨鎏盟塞 1 2 国内外成像跟踪技术发展概况及特点 成像跟踪技术是建立在数字图像处理理论和技术的基础之上的，它为正确捕 获精确跟踪目标和提供末制导位置测量提供了支持，并获得了迅速发展。在五、 六十年代，大多数军用成像跟踪器采用的是单一工作方式、非自适应型的跟踪器， 目标的锁定只能靠操作员命令实现，这种非自适应的跟踪算法在杂波干扰环境下 易丢失目标且在丢失目标后重新捕获目标需要有人参加控制回路。七、八十年代 及以后的时间里出现的新跟踪器通常采用多种工作方式的、自适应的技术。智能 化信息处理是目前国内外极其重视的一项技术，尽管在跟踪技术中许多跟踪模式 都已经研究并实用化了，但识别能力、智能跟踪能力等方面仍有很大的不足。 我国现在已研制出的成像跟踪系统大多是采用单一工作方式的跟踪器，选用 得最多的是自适应波门质心跟踪方式，而且针对的背景也比较单调，基本上是海 洋和天空。由于地形地貌的复杂性，这种系统对于地面等复杂景物很难实施跟踪， 因此有必要研究适应复杂场景的智能跟踪算法。 1 3 本文的研究内容 本文主要是研究对地目标的相关跟踪算法。在相关跟踪算法中涉及到的较难 解决的问题有模板提取问题、快速匹配问题、图像旋转情况下的匹配问题以及目 标失锁的判断等。为了提高目标跟踪的可靠性和智能化，需对失锁目标进行自动 捕获，这也是一个难度极大的问题。特征匹配在某种意义上也是一种相关处理技 术，但特征的提取是一个困难的问题。本文的内容就是针对这些困难问题给出一 定程度的解决方案。 我们注意到，匹配问题所需求解的内容是坐标位置或角度等的最优解，捕获 问题所需求解的内容是最相似个体，而特征的提取也是一些参数的最优问题。它 们都是最优化问题，这样我们对上述一些问题可引入遗传算法这种全局优化算法 来进行求解。 本文主要由两大部分组成，第一部分为一种新的相关跟踪解决方案，包括相 关跟踪模式的原理及模板提取、快速匹配等问题的算法描述以及目标失锁的判断 等内容；第二部分为相关跟踪模式中一些最优解问题的遗传算法解决方案，包括 旋转图像的相关匹配、失锁目标的自动捕获及相关特征匹配算法。 文中所有目标都是针对坦克这种特定目标，相关特征匹配算法采用的是可见 光图像。 本文将在第二章讨论相关跟踪模式，在第三章讨论种新的相关跟踪算法， 第四章讨论遗传算法原理，在第五章讨论基于遗传算法的相关跟踪问题，在第六 第一章绪论 章讨论相关特征匹配算法。 第二章相关跟踪模式 2 1 引言 成像跟踪过程中所需要的最重要信息之一就是目标位置信息。目标位置信息 的获取方法可分为波门跟踪法和图像匹配法两大类，图橡匹配法中又以相关匹配 最为经典。本章我们将对相关跟踪模式作一讨论。 相关跟踪模式原理框图如图2 一l 所示。 图2 - l 相关跟踪模式原理图 与地图匹配算法不同，相关跟踪算法试图在帧一帧重复更新参考图像的基础 上对准窗口图像。一般来讲，窗口中参考图像的尺寸不会大于实时帧图像。如图 2 - 1 所示，相关跟踪过程中，参考图像是经常更新的，当前帧的相关匹配位置处 的窗口是否作为下一帧实时图像相关运算的参考图，是要根据相关运算在当前帧 图像匹配位置和相关跟踪置信度信号来控制的。一般而言，相关运算的置信度越 高就表明参考图像在匹配位置处窗口内的实时图像越相似，则应更新参考图像， 否则保留原参考图像，不予以更新。 相关匹配算法有如下优点： 无需复杂的图象预处理，直接在象素灰度特征上测量参考图象与实时图象的 相似程度，在信噪比较低的情况下仍有较可靠的工作性能； 若参考图象中包括的目标结构和形状较复杂，相关跟踪器仍然能够稳定地给 出目标位置信息； 虽然会受干扰和伪装的欺骗，但是由于对目标周围有限地域的信息进行超量 信息处理方法，对局部干扰的抗干扰能力还是很强的，而且对目标的急剧变化和 景物的不连续部分不敏感。 虽然经典相关算法有很多优点，但是从实际成像跟踪的要求来讲主要有两个 使用上的困难，就是实时性要求和提高精度的需要。这两个要求是相关跟踪算法 第二章相关跟踪模式 2 1 引言 成像跟踪过程中所需要的最重要信息之一就是目标位置信息。目标位置信息 的获取方法可分为波门跟踪法和图像匹配法两大类，图橡匹配法中又以相关匹配 最为经典。本章我们将对相关跟踪模式作一讨论。 相关跟踪模式原理框图如图2 一l 所示。 图2 - l 相关跟踪模式原理图 与地图匹配算法不同，相关跟踪算法试图在帧一帧重复更新参考图像的基础 上对准窗口图像。一般来讲，窗口中参考图像的尺寸不会大于实时帧图像。如图 2 - 1 所示，相关跟踪过程中，参考图像是经常更新的，当前帧的相关匹配位置处 的窗口是否作为下一帧实时图像相关运算的参考图，是要根据相关运算在当前帧 图像匹配位置和相关跟踪置信度信号来控制的。一般而言，相关运算的置信度越 高就表明参考图像在匹配位置处窗口内的实时图像越相似，则应更新参考图像， 否则保留原参考图像，不予以更新。 相关匹配算法有如下优点： 无需复杂的图象预处理，直接在象素灰度特征上测量参考图象与实时图象的 相似程度，在信噪比较低的情况下仍有较可靠的工作性能； 若参考图象中包括的目标结构和形状较复杂，相关跟踪器仍然能够稳定地给 出目标位置信息； 虽然会受干扰和伪装的欺骗，但是由于对目标周围有限地域的信息进行超量 信息处理方法，对局部干扰的抗干扰能力还是很强的，而且对目标的急剧变化和 景物的不连续部分不敏感。 虽然经典相关算法有很多优点，但是从实际成像跟踪的要求来讲主要有两个 使用上的困难，就是实时性要求和提高精度的需要。这两个要求是相关跟踪算法 釜三童塑苤堡竖堡基 ! 中矛盾最为突出的两个方面。 2 2 相关匹配算法 相关跟踪技术中用到了相关匹配的概念，参考图中心在实时图像中一定的范 围内移动，寻找与参考图最大相似的子图位置。参考图即相当于模板，而且是随 跟踪场景的变化要经常更新的模板，实时图像中当前相关位置处与参考图窗口同 维的子图称为模式。 2 2 1 模式与模板的相似性测度 模式与模板之间的互相关系数被认为是它们相似性的最经典测度。互相关系 数是用归一化积( n p r o d ) 算法来计算的。模板匹配最常采用的差值测度是图象 的均方差值，设参考图的窗口尺寸为n 1 n 2 ，实时图像尺寸为m l m 2 ( 一般 n i m 1 ，n 2 m 2 ，参考图函数用s ( x ，y ) 表示，实时图像函数用f ( x ，y ) 表示) ， 则平均平方差算法( m s d ) 可写成下面形式： d ( u ，v ) 2 瞅x ，力一m + 坫y + v ) 】2 ( 2 - 1 ) x y 将上式展开，可以得到 d ( “，v x ，y ) = d l ( x ，y ) 一2 d 2 ( x ，y ) + d 3 ( x ，y ) 式中： d = 【s ( ”r j y d 2 = s ( x ，力f ( x + “，y + v ) j y d 3 = f o + “，y + v ) 】2 o y ( 2 - 2 ) ( 2 - 3 ) ( 2 4 ) ( 2 - 5 ) d l 项代表模板能量的总和，是与坐标( 。，y ) 无关的常数，d 3 项表示重叠域内的 图象能量总和，一般认为在图象整个范围内它的变化相当缓慢，d 2 项是图象与模 板之间的互相关函数月( “，”) ，能够用来表述模板与图象之间的差值测度，用此 函数作为差值量度的模板匹配算法称为积相关法p r o d 。当模板达到最佳匹配时， 互相关函数应为最大值，但是图象能量d 3 是位置的函数，在图象能量不均匀分 釜三童塑苤堡竖堡基 ! 中矛盾最为突出的两个方面。 2 2 相关匹配算法 相关跟踪技术中用到了相关匹配的概念，参考图中心在实时图像中一定的范 围内移动，寻找与参考图最大相似的子图位置。参考图即相当于模板，而且是随 跟踪场景的变化要经常更新的模板，实时图像中当前相关位置处与参考图窗口同 维的子图称为模式。 2 2 1 模式与模板的相似性测度 模式与模板之间的互相关系数被认为是它们相似性的最经典测度。互相关系 数是用归一化积( n p r o d ) 算法来计算的。模板匹配最常采用的差值测度是图象 的均方差值，设参考图的窗口尺寸为n 1 n 2 ，实时图像尺寸为m l m 2 ( 一般 n i m 1 ，n 2 m 2 ，参考图函数用s ( x ，y ) 表示，实时图像函数用f ( x ，y ) 表示) ， 则平均平方差算法( m s d ) 可写成下面形式： d ( u ，v ) 2 瞅x ，力一m + 坫y + v ) 】2 ( 2 - 1 ) x y 将上式展开，可以得到 d ( “，v x ，y ) = d l ( x ，y ) 一2 d 2 ( x ，y ) + d 3 ( x ，y ) 式中： d = 【s ( ”r j y d 2 = s ( x ，力f ( x + “，y + v ) jy d 3 = f o + “，y + v ) 】2 oy ( 2 - 2 ) ( 2 - 3 ) ( 2 4 ) ( 2 - 5 ) d l 项代表模板能量的总和，是与坐标( 。，y ) 无关的常数，d 3 项表示重叠域内的 图象能量总和，一般认为在图象整个范围内它的变化相当缓慢，d 2 项是图象与模 板之间的互相关函数月( “，”) ，能够用来表述模板与图象之间的差值测度，用此 函数作为差值量度的模板匹配算法称为积相关法p r o d 。当模板达到最佳匹配时， 互相关函数应为最大值，但是图象能量d 3 是位置的函数，在图象能量不均匀分 对地目标相关跟踪算法研究 布的情况下，互相关函数可能在图象能量高的区域有较大值，因此，为克服这一 缺陷，将互相关函数作归一化，得到 詹( ) ： 竺丝兰 x i d 】( “，v ) + d 3 ( “，v ) z s ( x ，y ) f ( x + “，y + v ) 鄹疑磊而 ( 2 6 ) 上式称为归一化积相关函数，用此函数作为差值量度的模板匹配算法称为归一化 积相关法n p r o d ，当模板与图象完全匹配时，r = l ： n p r o d 和m s d 算法较为复杂，在工程上为简化算法，通常采用 c ( “，”) = s ( 。，y ) 一f ( x + “，y + v )( 2 - 7 ) 作为差值量度，这种算法敏感于图象与模板的差值，称为减相关m a d 。 工程计算上一般以n p r o d 法和m a d 法为主，其余的各种算法如f f t 相关算法、 序贯相似性检测算法( s s d a ) 、变分辨率相关算法等均以这两种算法为基础型， 在此基础上派生，进行运算速度与精度的提高。 2 2 2 相关性能与相关曲线的关系 相关测度最直观的表示方式是相关曲线，m a d 和n p r o d 算法的相关曲线形式 如下图所示，相关曲线越尖锐，表明极值点相关性越强。 第二章相关跟踪模式 2 3 相关跟踪算法误差分析 相关匹配的目的是从图象中提取目标的位置信息，进而形成跟踪误差信号去 驱动伺服机构对目标进行跟踪。利用已知的模板与实时图象进行模板匹配，通过 计算模板与实时图之间的差值测度值来确定目标的有无及位置，其优点是无需复 杂的图象预处理，直接利用象素的灰度特征量测参考图象与实时图象的相似程 度，比较适宜与背景较复杂且背景与目标的灰度对比度相对较小的场合。 在空对地或反坦克红外成象制导导弹任务中，地面背景相对较为复杂，坦克 与背景的对比度较小，所以多采用图象相关匹配的方法。 + 2 3 1 系统误差分析 在相关跟踪过程中会引入许多影响系统性能的误差，有系统噪声、探测图象 几何失真、运动物体的姿态变化及背景辐射与目标的相似性等等。 l 、噪声影响 因为相关算法是一种基于灰度的算法，也就是说基于能量，当物体经过探测 器、信号处理电路等引入了随机噪声，噪声也具有能量，于是噪声使图象帧与帧 之间的能量产生变化。尤其是相关算法常使用在低对比度的情况下，更易受噪声 的影响，这种噪声的影响常使匹配点在理想匹配点附近跳动。 2 、运动目标姿态变化及背景影响 目标在运动过程中将产生姿态、方位等的变化，背景也会随着目标的运动而 有所不同，实时图与参考图之间将产生变化。甚至实时图象帧与帧之间也会有不 同。通常来说，坦克的运动在图象上可以认为是一个缓变过程，但是由于坦克的 作战环境通常是山地、丛林，因此，随着地形的变化坦克的姿态变化将较为明显， 如起伏、转弯、倾斜、或被地形、树林遮挡。而背景复杂的山地、丘陵中的山石 等的辐射特性与坦克的辐射特性有的时刻相当接近，从已知的录象资料上可以看 出，暴露在地表的山石与坦克发动机有时有非常接近的灰度级别和分布。相关算 法就是在实时图中寻找与参考图最为相关的位置，也可以说是最为相似的位置。 在坦克因为运动姿态发生变化或因地形变化受到部分遮挡，或因噪声的影响参数 较大的畸变时，那么它与参考图中的坦克的相关性也许不如某个背景位置，或者 此时的匹配点已与理想匹配点有偏差。 2 3 2 跟踪过程误差分析 从跟踪角度看，各种误差可以简单地分为两类，分别为过程误差和定位误差。 ! 堕些旦堡塑羞璺竖墨鲨塑塞 一 一一一 假设图象不含随机噪声，各帧的实际匹配点即理想匹配点，但由于目标的机 动性和姿态的变化，背景的起伏情况，战场环境的变化等因素，也会造成过程中 实际图象不断变化从而引起实时图与参考模板不一致，这样导致相关跟踪的误差 称之为过程误差。 定位误差来源于实际图象单帧定位不准确。在单帧匹配定位时，已知模板和 实际图象会因为噪声和人为干扰而产生不一致性，实际的匹配点将处于理想值的 附近，这种匹配误差称为定位误差。 相关跟踪过程中产生了定位误差和过程误差，这两种误差又反过来影响到了 跟踪过程的可靠性与准确性。定位误差是一种基本误差，它是过程误差的一个影 响因素。 在目前使用的各种相关算法中，按模板的更换情况可以分为模板逐帧更换或 隔n 帧更换，模板视相关置信度值大小而更换以及模板不更换等三种类型。在这 三种类型中，最容易受到定位精度影响的是模板逐帧或隔n 帧更换的情况，如果 定位精度不高，这种在单帧上的微小定位误差将引起下一帧模板的选取误差，而 带有误差的模板在下级的匹配中又会引起更大的误差，也就是说，这种单帧的 定位误差将在模板的更新过程中逐级的积累起来，并发散的延续下去，最终导致 瞄准点的漂移；在模板视相关置信度值大小而更换的情况下，通常置信度按照相 关函数值的大小选取，当两幅图象不完全匹配时，相关置信度值将随之下降；如 果图象产生误配，必将影响到相关置信度值，当置信度值大于或小于某一阈值t 时，将更换模板，只要模板有更换，这种定位误差就同样被积累下去，最终导致 脱靶量增大。 在模板匹配过程中，当模板更换较少时，其抗定位误差的能力增强而受目标 机动性等影响较大，这种情况下，过程误差是积累误差的主要影响因素。如果模 板逐帧更换，那么定位误差引起的积累误差较大，而过程误差引起的积累误差较 小，也就是说，模板更换得越频繁其抗过程误差的能力越强，而易受定位误差的 影响 在导弹稳定跟踪过程中，导弹的伺服机构应始终将目标保持在视场中心 ( ，凡) ，因此，配准点也应在视场的中心，设某一时刻配准点与中心点的位移为 ( d x ，d y ) ，则此时刻的匹配误差为，= 出2 + d y 2 ，随着时问的增加，将逐渐 增大，因此，称为积累误差。 2 3 3 参考图大小的影响 相关匹配跟踪是利用已知的模板与实际图相比较，在实际图象中寻找相关测 第= 章相关跟踪模式 9 度最大的子图，通常模板尺寸小于实际图象尺寸，匹配精度与跟踪精度都与参考 图的大小有关。当参考图较大时，参加相关运算的点多，从而有更多可利用的细 节，正确匹配概率p c 和定位精度随着相关象素总数n 的增加而增大，但是，大 的参考图又容易引入人为干扰和更多的噪声影响，使得跟踪误差增大，跟踪精度 下降。而且运算量增大，使算法不具有实时性。当参考图尺寸减小后，图象所包 含的细节将减少，定位精度可能会有所下降，但是，外部干扰，尤其是人为干扰 不容易进入模板，因此将减弱干扰的效果，而跟踪可靠性随之提高，但是参考图 若进一步减小，则又会因为相关总象素数n 的减少而变得不可靠。所以参考图的 寻求原则应该是：在能够实现的条件下，参考图越大越好，但同时要求目标信息 在参考图中的比例越大越好。 2 4 新相关算法应解决的问题 在上一节我们分析了相关匹配中误差产生的原因，因此在研究新的相关算法 时应注意以下几个问题： 1 ) 减少目标姿态、位置变化产生的影响。尽管坦克可以认为是一个缓变目 标，但它处在复杂地形环境中，容易受到背景物的遮挡，而且随地形、时间、透 视角度变化坦克姿态的变化较大，因此要合理地选择参考图的更新方式。 2 )降低匹配积累误差的影响。在相关跟踪中，由于参考图的更新将引起积 累误差，因此，在合理选择参考图更新方式的同时，还应该进行积累误差的校正， 以减小积累误差的影响。 3 )算法的简易性、实时性。 4 )参考图与相关区的的选取。相关跟踪中的实际图象f 一般为全视场大 小，参考模板s f ，相关匹配就是将模板s 在f 中移动，通过相关测度在f 中寻 找到与s 最为匹配的子图。为加快跟踪速度，又人为的设置一定大小的相关区， 所谓相关区就是根据经验判断最佳匹配子图存在的范围矗，s 月 s + m 其中，表示相关区在任意一个方向上的大小，s 表示参考图的尺寸，所表示目 标在此方向上的每帧位移象素数。在一般的算法中，通常取： j 2 2 r 第= 章相关跟踪模式 9 度最大的子图，通常模板尺寸小于实际图象尺寸，匹配精度与跟踪精度都与参考 图的大小有关。当参考图较大时，参加相关运算的点多，从而有更多可利用的细 节，正确匹配概率p c 和定位精度随着相关象素总数n 的增加而增大，但是，大 的参考图又容易引入人为干扰和更多的噪声影响，使得跟踪误差增大，跟踪精度 下降。而且运算量增大，使算法不具有实时性。当参考图尺寸减小后，图象所包 含的细节将减少，定位精度可能会有所下降，但是，外部干扰，尤其是人为干扰 不容易进入模板，因此将减弱干扰的效果，而跟踪可靠性随之提高，但是参考图 若进一步减小，则又会因为相关总象素数n 的减少而变得不可靠。所以参考图的 寻求原则应该是：在能够实现的条件下，参考图越大越好，但同时要求目标信息 在参考图中的比例越大越好。 2 4 新相关算法应解决的问题 在上一节我们分析了相关匹配中误差产生的原因，因此在研究新的相关算法 时应注意以下几个问题： 1 ) 减少目标姿态、位置变化产生的影响。尽管坦克可以认为是一个缓变目 标，但它处在复杂地形环境中，容易受到背景物的遮挡，而且随地形、时间、透 视角度变化坦克姿态的变化较大，因此要合理地选择参考图的更新方式。 2 )降低匹配积累误差的影响。在相关跟踪中，由于参考图的更新将引起积 累误差，因此，在合理选择参考图更新方式的同时，还应该进行积累误差的校正， 以减小积累误差的影响。 3 )算法的简易性、实时性。 4 )参考图与相关区的的选取。相关跟踪中的实际图象f 一般为全视场大 小，参考模板s f ，相关匹配就是将模板s 在f 中移动，通过相关测度在f 中寻 找到与s 最为匹配的子图。为加快跟踪速度，又人为的设置一定大小的相关区， 所谓相关区就是根据经验判断最佳匹配子图存在的范围矗，s 匾 o 表示当前的方差，6 表示前p 帧的平均方差，p 一般小于5 。当c 大于一定 值时，我们认为需要扩大视场重新进行搜索匹配。另外，每隔1 0 帧，我们记录 下个方差中值6 。作为一个基准方差，并将一个模板添加入模板库。模板库中只 保存一定数目的模板，当超过时，便用新模板更换原来存入的模板。 第三章相关跟踪算法 1 9 3 3 2 目标失锁后的处理 在目标跟踪过程中，由于种种因素的影响，可能会出现目标失锁情况。对目 标失锁的判断可以通过帧间置信度的大小进行。当判断目标失锁时，需采取重新 捕获措施，即利用已知的目标运动速度和轨迹等参数预测目标的可能出现位置， 扩大搜索的范围，检测目标。跟踪预测器有线性预测、平方预测、及混合预测等 多种形式，根据所跟踪目标的具体运动情况设定，跟踪预测时间一般为数帧至数 十帧。在重新捕获过程中，我们将在全视场范围与前面存入的模板进行匹配比较， 为防止干扰，我们的模板库中预先存入了干扰的模板，并给它的编号定在一定范 围内，这样当我们的目标匹配结果显示的模板标号为干扰模板时，我们按照跟踪 预测的位冒进行跟踪，当结果为正常模板时，则认为找到目标，按照新的模板继 续跟踪。跟踪预测方法非本文研究重点，不再赘述。 3 4 仿真实验结果分析 3 4 1 定位精度与匹配概率的概念 定位误差是一种基本误差，它影响到跟踪精度以及脱靶量的大小。定位精度 和匹配概率是描述定位误差的基本量度。 定位精度和匹配概率是描述定位误差的两个重要的性能指标，定位精度指的 是相关函数的极值以一定的概率( 即匹配概率) 发生在实际匹配点附近的可能范 围；相应地，匹配概率则为相关函数的极值出现在定位精度范围的概率。 匹配定位精度越高，匹配中的单帧定位误差就越小：匹配概率越大，单帧匹 配中发生误配的可能性就越小，一但发生误配，除非采取特殊的校正，否则系统 将产生误差，使导弹脱离目标，因此，匹配概率应在定位精度范围内尽可能高， 这样的系统才越稳定可靠。 匹配概率和定位精度是一对相互矛盾与统一的量度，当定位精度很高时则匹 配概率会降低，而当要求很高的匹配概率时又会牺牲定位精度，如何获得定位精 度与匹配概率的统一是在做相关跟踪时的必须考虑。 红外成象反坦克导弹的使用环境常常是复杂的山地、丛林，作战目标是坦克， 而且是近距离作战，在这种情况下，坦克的机动性较强，容易产生转弯、倾斜或 被物体遮挡，因此，通常红外成象反坦克导弹使用的相关算法是采用逐帧更换模 板的方式，分析在一定定位精度下的匹配概率极为重要。 第三章相关跟踪算法 1 9 3 3 2 目标失锁后的处理 在目标跟踪过程中，由于种种因素的影响，可能会出现目标失锁情况。对目 标失锁的判断可以通过帧间置信度的大小进行。当判断目标失锁时，需采取重新 捕获措施，即利用已知的目标运动速度和轨迹等参数预测目标的可能出现位置， 扩大搜索的范围，检测目标。跟踪预测器有线性预测、平方预测、及混合预测等 多种形式，根据所跟踪目标的具体运动情况设定，跟踪预测时间一般为数帧至数 十帧。在重新捕获过程中，我们将在全视场范围与前面存入的模板进行匹配比较， 为防止干扰，我们的模板库中预先存入了干扰的模板，并给它的编号定在一定范 围内，这样当我们的目标匹配结果显示的模板标号为干扰模板时，我们按照跟踪 预测的位冒进行跟踪，当结果为正常模板时，则认为找到目标，按照新的模板继 续跟踪。跟踪预测方法非本文研究重点，不再赘述