研究红外识别和目标检测技术

　　从20世纪60、70年代开始，红外成像技术就被广泛应用于红外告警与侦查、精确制导等军事领域，它己逐步成为现代防御系统和武器装备中除雷达外应用最多、最具发展潜力的探测技术之一。对基于红外成像技术获得的目标图像进行目标的自动检测、识别与跟踪是空空导弹的重要发展方向。因此，开展红外成像目标检测与识别中关键技术的研究，对于提高区域防御系统的生存能力、有效的反击能力以及在未来战场中争夺控制权具有重要的战略意义和实战价值。

　　0 1　目标的红外辐射特性

　　自然界中的一切物体，只要其温度高于绝对零度(-273℃)，就存在分子和原子无规则的运动，其表面就不断辐射红外线。红外线是一种电磁波，它的波长范围为0.78～1 000 μm，不为人眼所见。物体的温度越高、发射率越大，红外辐射能量就越大;对于红外探测元件来说，接收到的辐射功率Ps越强。红外成像系统通过探测器接收物体表面的红外辐射，并将其转换为电压信号，经过放大、处理后，将高电压量化为图像灰度。目标或背景辐射能量越大，探测器响应输出的电压值也就越高，对应的图像灰度值就越高，反映在灰度图像上就越亮。图1为一架客机的红外图像，清晰可见发动机的部位温度较高。

　　由于在大气中传输会对红外辐射中某些波长发生严重吸收，在大气层内，特别是低高度应用中，只能选择传输中衰减较小的窗口谱段，即近红外(波长1～2.5 )、中红外(波长2.9～5.0 )和远红外(波长8～14 )。同时，考虑到发动机尾喷、尾焰的主要辐射波段在中波范围内，因此采用多元中波响应的探测器，可以提高探测距离，并能够较为细致地反映物体细节。

　　1 2　红外目标检测识别

　　检测并截获目标是跟踪目标的前提。目标检测实质是统计检测的问题，即在满足给定的探测概率和虚警概率指标要求下发现目标。从信息处理角度来看，目标检测就是一个从噪声中检测脉冲信号的过程。导引头系统中存在包括背景噪声、探测器噪声以及电路噪声等多种噪声。

　　目标检测之前，系统一般设有信息预处理器。信息预处理器包括时域高通滤波、非均匀性校正、空间滤波等等，可以滤除1/f噪声、空间低频部分的云层背景，并将系统非均匀性减到最小限度。通过信息预处理器之后的系统噪声可以认为基本上由白色高斯噪声组成，服从正态分布，其概率密度函数为：

　　其中，虚警概率Pf只与TNR有关，TNR越高，Pf也就越低。检测概率Pd与SNR和TNR均有关。当虚警概率Pf一定时，TNR确定，为提高Pd，只有提高SNR。

　　导弹的攻击目标为空中高速飞行器，结合弹载系统资源有限、实时性要求高的特点，目标检测算法采用正灰度门限检测算法。导弹对目标的检测过程为：读取图像数据、门限分割、特征识别及检测结果。由于在判断疑似攻击目标时，会受到各种非期望信息的干扰，处理不好这些信息就会有相当一部份虚假对象目标被当作待攻击目标，大幅降低检测率并提高虚警概率。因此，选择合适的检测门限和检测判据是至关重要的。根据对目标、背景红外特性和大量试验数据的统计分析，并参考其他型号的检测判据，发现除盲元外，系统噪声绝大多数处于图像灰度均值的4倍方差以内，大部分低频背景也在4倍方差以内，而所探测的目标基本上处于4倍方差以外，由于目标特性均满足此规律。同时，考虑到产品的噪声分布，为避免系统噪声引起的截获虚警，在截获概率为98%时，设定最低截获灰度、截获信噪比为4是满足要求的。再结合当前图像的灰度分布，确定最优阈值进行门限分割，分割的结果会残留一些信噪比超过4或灰度超过限度的背景和噪声，此时就需要通过特征识别算法进行筛选处理，以确定待攻击目标。当截获信噪比进一步下降时，会导致虚警概率的进一步上升，不满足截获概率的要求。

　　2.1　影响红外目标探测性能的指标

　　国内外均使用截获灵敏阈来评价导弹的探测性能，灵敏阈值越小，导弹越灵敏，探测性能越好。空空导弹的探测性能直接影响着导弹总体战技指标，综合分析国外第四代空空导弹的相关资料，其前向探测距离均在10 km左右。截获灵敏阈值表示导弹恰好能够截获目标时入射到导弹光学系统入瞳的辐射照度。对于相同的应用环境及目标，导弹的截获灵敏阈值越低，相应的截获距离也就越远。

　　导引头的灵敏阈与光学系统参数、探测器性能、信息处理和系统设计密切相关。表1所示为国外同类产品的灵敏阈指标。

　　式中， 为探测距离; 导引头稳定截获灵敏阈值; 目标辐射强度; 为导引头响应波段内在探测距离上的有效透过率; 为系统光谱效率。其中， 、 、 均为难以调整的因素，降低灵敏阈值 能够提高探测距离。

　　2.2　目标截获算法

　　导弹攻击目标为高速飞行器，并且这些目标通常具备高于背景的红外辐射特性;结合弹载系统资源有限、实时性要求高的特点，红外导弹的目标检测算法通常采用信噪比门限检测，能够保证所攻击目标的快速准确检测。其检测流程如图2所示。

　　2.2.1　分割算法

　　设置合适的分割门限，从灰度上对图像中的目标与非目标进行分类。非目标包括：系统噪声(盲元、随机白噪声、非均匀性残留等)、云或者地物背景等;图像分割算法中，设定最低检测信噪比为4，再结合当前图像的灰度分布，确定最优阈值进行门限分割;分割的结果会残留一些信噪比超过4的背景和噪声，此时需要通过特征识别算法进行筛选处理，以确定待攻击目标。

　　2.2.2　特征提取算法

　　对分割后的二值像进行标记，将同一连通域的二值像标记为同一个目标;统计每个标记目标的特征，包括：长、宽、面积、平均灰度、最高灰度、长宽比及位置等。

　　2.2.3　特征识别算法

　　运动特性判定，即判断当前视场中，疑似目标的运动是否符合连续性(物理学规律);静态特征判定，需要利用前期试验积累的经验值，包括：目标的长、宽、面积、灰度、长宽比、灰度面积比、目标像素分布及目标灰度分布等特征的自相关和互相关特性，确定此疑似目标是否为待攻击目标;进一步判定检测目标特征是否满足连续性;确认截获该目标，并转入跟踪。

　　2.3　跟踪策略

　　中远距目标成像面积小，选择目标的能量中心进行跟踪;近距离目标成像面积大，为提高跟踪精度，在目标上选择高灰度区域中心进行跟踪;侧向交汇时，为排除尾焰对跟踪精度的影响，一方面在目标上选择尾喷口跟踪;另一方面当尾焰较长时，利用尾喷口到尾焰的灰度分布特性，获得机身方向，进一步选择尾喷口偏向机身方向的一端进行跟踪。

　　2.4　抗干扰算法

　　干扰起燃判定算法设计思路基于以下两点。

　　第一，在忽略大气透过率，且目标能量不变后的情况下，导引头探测到的目标能量与弹目距离平方成反比。因此，在导弹接近目标过程中的能量变化是连续的。

　　第二，红外诱饵弹具有较高的红外能量(在目标能量的2倍以上)，且具有快速起燃的特性(在0.2～0.5 s时间内达到能量峰值的0.9倍以上)。因此，在红外诱饵弹起燃时，导引头探测到目标能量快速增长，目标能量变化率发生突变。

　　在目标跟踪过程中，实时统计跟踪目标的能量变化率，当判定能量变化率连续3帧发生突变时，判定出现干扰起燃，程序进入抗干扰状态。

　　2 3　结　语

　　本文在以往工作和实践的基础上，对红外目标检测和识别技术进行总结和研究，在以后的工作中，会更多地关注红外多目标成像及其检测和识别的方法，多目标跟踪的研究会遇到单个目标跟踪下所无法遇到的难题，例如，目标之间的遮挡、交互下的跟踪、同一帧图像中启动多个跟踪器时对整个系统的实时性的影响和新目标的加入以及已跟踪目标跑出场景之外的处理等等。多目标的跟踪比单个目标的研究更具有挑战性，也是今后有待于深入研究的课题之一。

　　参考文献：

　　[1] [1]毕兰金,刘勇志.精确制导武器在现代战争中的应用及发展趋势[J].战术导弹技术,2004(11).

　　[2] [2]秦喧,吉书鹏.一种新的红外成像近距目标的跟踪算法[J].航空兵器,2003(2).