一種多目標(biāo)光斑自適應(yīng)快速檢測算法

一種多目標(biāo)光斑自適應(yīng)快速檢測算法

1基于實(shí)時(shí)處理差分圖像的多目標(biāo)光斑自適應(yīng)快速檢測算法隨著光學(xué)技術(shù)的深入研究，激光技術(shù)在國防、工業(yè)生產(chǎn)、醫(yī)藥、醫(yī)藥等領(lǐng)域得到了廣泛應(yīng)用。其中激光通信具有低成本、高速率、部署靈活和強(qiáng)抗干擾能力等優(yōu)勢,是目前最具發(fā)展?jié)摿Φ耐ㄐ偶夹g(shù)之一主要研究光通信中多個(gè)光斑質(zhì)心點(diǎn)的位置檢測方法,結(jié)合實(shí)際中遇到背景光干擾等問題,提出了一種基于實(shí)時(shí)處理差分圖像的多目標(biāo)光斑自適應(yīng)快速檢測算法,并給出了MATLAB的仿真結(jié)果和分析。文章中使用的差分運(yùn)動(dòng)圖像為1600×1200像素尺寸,采樣頻率為50Hz。先使用中值濾波和邊緣檢測等方法對圖像預(yù)處理,采用迭代法實(shí)時(shí)獲取不同的閾值進(jìn)行二值化處理,以適應(yīng)全天候測量時(shí)背景光的變化減小測量誤差,最后分析了差分像運(yùn)動(dòng)圖像中光斑的對稱性特點(diǎn),在傳統(tǒng)算法的基礎(chǔ)上先取得單張圖像中多個(gè)光斑位置的最大連通區(qū)域作為先驗(yàn)知識,為處理短時(shí)間內(nèi)得到的多幀圖像縮小了掃描范圍。濾除圖像背景噪聲、準(zhǔn)確識別目標(biāo)光斑的同時(shí)提高了算法的識別速度,實(shí)現(xiàn)了對多個(gè)目標(biāo)光斑質(zhì)心位置抖動(dòng)量的快速高精度測量。2系統(tǒng)差分運(yùn)動(dòng)圖像差分運(yùn)動(dòng)圖像的采集系統(tǒng)主要包括激光發(fā)射模塊、光電接收轉(zhuǎn)換模塊及計(jì)算機(jī)終端(圖像處理模塊)組成。其中激光器波長為650nm,發(fā)射天線鏡筒前遮擋一塊具有四個(gè)直徑為2cm小孔的圓形擋板,光波在大氣中傳輸一段距離后在接收端得到四個(gè)光斑,CCD相機(jī)從固定位置采集得到差分運(yùn)動(dòng)圖像。系統(tǒng)組成如圖1所示:CCD相機(jī)的具體參數(shù)如表1所示:對比Matlab仿真獲得激光通過大氣湍流傳輸后在焦平面上得到的圖像(如圖2所示)和實(shí)驗(yàn)中獲得的差分運(yùn)動(dòng)圖像(如圖3所示),實(shí)驗(yàn)采集得到的光斑圖像存在以下特征:(1)與仿真的光斑相比實(shí)際采集的光斑背景噪聲比較嚴(yán)重,且在采集過程中局部噪聲會(huì)發(fā)生變化,存在光暈、背景光強(qiáng)度不斷變化等缺點(diǎn);(2)實(shí)際中受到湍流的影響,全天內(nèi)光斑抖動(dòng)范圍較大,需要選取圖像尺寸較大的CCD(本文采用1600×1200像素)采集原始數(shù)據(jù);(3)為了保證得到湍流短時(shí)間內(nèi)的強(qiáng)度變化,必須采集到光斑的高頻抖動(dòng)信息(本文采用50Hz的CCD采樣頻率),這需要在提取有效信息的同時(shí)盡可能的縮短圖像處理時(shí)長。3檢測算法的原理和實(shí)現(xiàn)3.1檢測算法的原理在實(shí)驗(yàn)獲取的差分運(yùn)動(dòng)圖像中發(fā)現(xiàn)光斑形態(tài)比較簡單、信噪比較高具有明顯的對稱性。雖然大多數(shù)圖像處理算法都可識別出目標(biāo)光斑3.2基于噪聲濾波的改進(jìn)目前,常用的質(zhì)心提取算法主要包括Hough變換法和重心算法。在實(shí)際獲取光斑圖像的過程中,受到大氣湍流、系統(tǒng)噪聲、應(yīng)用環(huán)境和暗電流等因素的影響,所獲取的圖像具有脈沖噪聲、衍射環(huán)等。如果圖像未被預(yù)先進(jìn)行濾波、分割等前期處理,獲取的光斑參數(shù)可能會(huì)造成不精確,因此預(yù)處理顯得尤為重要由于實(shí)驗(yàn)得到的光斑內(nèi)部光強(qiáng)分布不均勻,白天整體背景亮度高、對比度差,不利于目標(biāo)光斑特征量的提取,夜間時(shí)相反整體偏暗,因此一般需要對圖像先進(jìn)行預(yù)處理(1)中值濾波由于數(shù)字圖像在傳輸過程中容易受到噪聲的干擾,而中值濾波操作過程中不需要圖像的統(tǒng)計(jì)特性。在一定條件下,可針對特殊噪聲進(jìn)行濾波處理,防止線性濾波器引起的圖像細(xì)節(jié)丟失的問題,特別是在邊緣檢測處理前濾除掉脈沖干擾和圖像掃描噪聲設(shè)有一個(gè)一維序列f平均濾波的輸出為式(2):對于二位序列{X實(shí)際中使用窗口方法進(jìn)行濾波時(shí),一般先使用尺寸較小的窗口進(jìn)行采樣,觀察窗口內(nèi)的中心值,逐漸擴(kuò)張直到濾波效果符合要求停止。與其他濾波器相比,中值濾波器能夠較好地保留原圖像中的跳變部分。(2)Canny邊緣檢測處理Canny指出,圖像中的任意邊緣只能被標(biāo)記一次,從而防止偽邊緣的產(chǎn)生,方向算子由圖像與高斯函數(shù)的一階導(dǎo)數(shù)作卷積得到式中,原圖像表示為I(x,y),濾波后的圖像表示為H(x,y)。估計(jì)邊緣的法線方向?yàn)槭?5):邊緣位于H(x,y)沿n向上偏導(dǎo)數(shù)的局部極大值處為式(6):實(shí)際應(yīng)用中,圖像的邊緣方向n一般指向四個(gè)方向:分別為當(dāng)前像素的W×W鄰域窗口的水平、垂直方向以及左、右對角線方向,每個(gè)方向上的一階偏導(dǎo)數(shù)幅值可由下式近似為式(7):當(dāng)前像素點(diǎn)的梯度幅度為公式(8):該公式中,水平、垂直方向以及左、右對角線方向的偏導(dǎo)數(shù)分別為E當(dāng)前點(diǎn)的梯度方向式(9):其中,Arg對應(yīng)與最大值方向。基于梯度提取的光斑邊緣仍然比較模糊,為了精確地確定每個(gè)像素是否為邊緣點(diǎn),需要對采集的圖像執(zhí)行非極大值抑制(Non-MaximalSuppression,NMS)。也就是說,在所使用窗口的鄰域內(nèi),比較當(dāng)前點(diǎn)與沿該梯度方向上兩個(gè)相反的相鄰像素的梯度幅度值,若大于其余兩個(gè)像素,標(biāo)志被設(shè)置為1,確認(rèn)為邊緣點(diǎn),否則標(biāo)志位置0,認(rèn)為是非邊緣點(diǎn)。3.3基于canity算法的光斑質(zhì)心檢測算法基于迭代反復(fù)質(zhì)心在濾除掉一些形態(tài)學(xué)噪聲,降低噪聲的影響,同時(shí)保持圖像細(xì)節(jié)不變的同時(shí),利用閾值分割技術(shù)提取出每個(gè)光斑的連通區(qū)域,對提取出目標(biāo)光斑進(jìn)行邊緣化處理,采用質(zhì)心算法提出光斑質(zhì)心坐標(biāo)。其中閾值的選取為是否準(zhǔn)確分割的關(guān)鍵為了在測量過程中需要選取不同的閾值以減少光斑質(zhì)心提取的誤差,Canny算法中所使用的閾值采用迭代法進(jìn)行確定,實(shí)時(shí)獲取背景區(qū)域以及目標(biāo)區(qū)域的灰度值,快速調(diào)整算法中所使用的閾值,實(shí)現(xiàn)全天候?qū)獍哔|(zhì)心抖動(dòng)量的測量。具體流程圖如圖6所示:3.4光斑的采集和圖像處理以四個(gè)差分運(yùn)動(dòng)圖像為例,使用本文2.1-2.3計(jì)算出的閾值對圖像進(jìn)行二值化變換、質(zhì)心提取、標(biāo)記連通區(qū)域的結(jié)果如圖7所示。由于傳統(tǒng)算法中采取逐行搜索、逐個(gè)目標(biāo)判斷的方式,而遺傳算法時(shí)間復(fù)雜度高,都容易造成處理速度慢等缺陷。實(shí)驗(yàn)中發(fā)現(xiàn)雖然一天內(nèi)光斑整體的抖動(dòng)范圍較大,需要采用大像素尺寸CCD進(jìn)行采集,但短時(shí)間內(nèi)的光斑只會(huì)進(jìn)行小范圍上的抖動(dòng)。為了防止掃描過多的背景區(qū)域,減小圖像處理的時(shí)間。提出先從第一幀圖像提取出每個(gè)光斑的邊緣,標(biāo)記出四個(gè)矩形作為先驗(yàn)知識,在最大連通區(qū)域的基礎(chǔ)上添加合適像素點(diǎn),擴(kuò)大連通區(qū)域。短時(shí)間內(nèi)采集的多幀圖片只需對擴(kuò)大后的矩形范圍進(jìn)行掃描,提取光斑質(zhì)心位置變化,與傳統(tǒng)算法相比,處理速度有了很大提高。圖8為優(yōu)化后得的算法流程圖。4結(jié)果與分析該算法最終可實(shí)現(xiàn)多幀圖像及視頻中多個(gè)光斑的質(zhì)心位置、光斑半徑和像素面積等光學(xué)參數(shù)的提取。4.1實(shí)時(shí)閾值的提取為了研究自適應(yīng)選取閾值對計(jì)算光斑參數(shù)的誤差,先仿真得到平面波通過湍流后不含噪聲的光斑,求出此時(shí)的光斑質(zhì)心位置及區(qū)域面積,視為真值。將0.2倍高斯噪聲添加到原始點(diǎn)圖像,對比選取自適應(yīng)迭代法獲取實(shí)時(shí)閾值對測量結(jié)果產(chǎn)生的影響。對單張圖片進(jìn)行質(zhì)心坐標(biāo)的提取如圖-所示:連續(xù)取50幀加噪圖像進(jìn)行處理的結(jié)果如圖10(a)、(b)、(c)所示,其中綠色、紅色曲線為采用固定閾值法和自適應(yīng)閾值法獲得的光斑參數(shù),藍(lán)色曲線為無噪聲時(shí)光斑參數(shù)。對比采用固定閾值法處理圖像發(fā)現(xiàn),不管是在求取光斑區(qū)域像素面積,還是質(zhì)心位置的抖動(dòng),藍(lán)色曲線和紅色曲線的擬合程度更好,且從變化趨勢上來看,采用中值濾波及自適應(yīng)迭代法選取閾值的方法與無噪聲時(shí)基本一致。4.2平均時(shí)長和質(zhì)心位置表2為分別使用傳統(tǒng)算法和優(yōu)化算法對十組相同的300張短曝光差分運(yùn)動(dòng)圖像進(jìn)行處理的時(shí)長對比,包括四個(gè)光斑質(zhì)心位置在處置方向和水平方向上的坐標(biāo)變化、每個(gè)光斑區(qū)域像素面積的變化,發(fā)現(xiàn)使用傳統(tǒng)圖像處理平均時(shí)長在40.74s左右;優(yōu)化后,平均時(shí)長縮短至20.83s,提升了48.9%。由于受到不可忽略的計(jì)算機(jī)性能問題影響,表中測量數(shù)據(jù)具有一定偏差。但不可否認(rèn)最終優(yōu)化后處理速度更快,且質(zhì)心坐標(biāo)位置的提取誤差較小。證實(shí)了優(yōu)化后算法的的可行性,實(shí)際測量中可使用此算法對差分運(yùn)動(dòng)圖像的特征進(jìn)行提取。5多目標(biāo)光斑定位算法針對多光斑定位過程中存在目標(biāo)形變、遮擋、背景干擾以及光照變