第３２卷第１１期 ２ ０ １ １年１１月 兵 工 学 报 ＡＣＴＡ ＡＲＭＡＭＥＮＴＡＲⅡ Ｖ０１．３２ Ｎｏ．１１ ＮＯＶ． ２０１１
基于统计中心线的目标特征提取算法研究
于晓亮 ，马惠敏 ，臧和发 （１．陆军航空兵学院电子设备教研室，北京１０１１２３；２．清华大学电子工程系，北京１０００８４）
摘要：为了有效识别激光近场探测环境下的目标和云，提出了一种新的易于ＦＰＧＡ实现的目
标特征提取算法。该算法提取了目标图像的突变、多分支、大角度、宽度变化等特征。测试结果显
示，该算法能对目标进行有效识别。 关键词：信息处理技术；激光近场探测；目标识别；统计中心线
中图分类号：ＴＮ９１１．７ 文献标志码：Ａ 文章编号：１０００．１０９３（２０１１）１１—１３５９－０６
Ｒｅｓｅａｒｃｈ ｏｎ Ｔａｒｇｅｔ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ
Ｂａｓｅｄ ｏｎ Ｓｔａｔｉｓｔｉｃａｌ Ｃｅｎｔｅｒｌｉｎｅ
ＹＵ Ｘｉａｏ．１ｉａｎｇ‘＿’，ＭＡ Ｈｕｉ－ｍｉｎ ，ＺＡＮＧ Ｈｅ—ｆａ
（１．Ｄｅｐａｒｔｍｅｎｔ ｏｆＡｉｒｂｏｒｎｅ Ｅｑｕｉｐｍｅｎｔ，Ａｒｍｙ Ａｖｉａｔｉｏｎ Ｉｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ １０１１２３，Ｃｈｉｎａ； ２．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｒｅｃｏｇｎｉｚｅ ｔｈｅ ｔａｒｇｅｔ ａｎｄ ｃｌｏｕｄ ｅｆｆｅｃｔｉｖｅｌｙ ｉｎ ｌａｓｅｒ ｎｅａｒ－ｆｉｅｌｄ ｄｅｔｅｃｔｉｏｎ，ａ ｎｅｗ ｔａｒｇｅｔ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｓｕｉｔａｂｌｅ ｆｏｒ ＦＰＧＡ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｗａｓ ｐｒｅｓｅｎｔｅｄ．Ｉｔ ｃａｎ ｅｘｔｒａｃｔ ｆｏｕｒ ｔａｒｇｅｔ ｉｍ－ ａｇｅ ｆｅａｔｕｒｅｓ，ｓｕｃｈ ａｓ ａｂｒｕｐｔ ｃｈａｎｇｅ，ｍｕｌｔｉ－ｂｒａｎｃｈ，ｌａｒｇｅ—ａｎｇｌｅ，ａｎｄ ｗｉｄｔｈ ｖａｒｉａｔｉｏｎ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｒｅ—
ｓｕｉｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃａｎ ｒｅｃｏｇｎｉｚｅ ｔｈｅ ｔａｒｇｅｔ ａｃｃｕｒａｔｅｌｙ． Ｋｅｙ ｗｏｒｄｓ：ｉｎｆｏｒｍａｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ，ｌａｓｅｒ ｎｅａｒ－ｆｉｅｌｄ ｄｅｔｅｃｔｉｏｎ，ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ，ｓｔａｔｉｓｔｉｃａｌ ｃｅｎｔｅｒ—ｌｉｎｅ
激光引信既有无线电引信全向探测的优点，
又有光学引信的强抗电磁干扰能力和高探测精 度，深受军方重视。目前的各种激光引信，大部分 还是依靠距离选通或几何距离截断这２种工作原 理，这类激光引信易受云雾回波的干扰而引起虚 警¨］，致使战斗部早炸或误炸；而激光成像引信则
可以通过激光线列扫描成像有效识别目标和云 雾，从而降低引信虚惊率，是激光引信发展研究的 热点。研究激光近场探测环境下目标特征的提取
方法可以为激光成像引信的发展提供有效的理论 支持。
激光近场探测的空中目标主要是飞机（本文
收稿日期：２０１０—０５—１０ 作者简介：于晓亮（１９７９一），男，讲师。Ｅ－ｍａｉｌ：ｙｕｘｌｖｉｐ＠１２６．ｃｏｒｎ 假定对象为Ｆ１６）和云，所能获取的图像即为激
光近场探测时通过激光线列扫描而获取的飞机 和云的二值图像（不考虑云与飞机同时出现的情 况），目标识别算法的主要任务就是能够对二者 所成图像进行有效区分。通过对成像方式和环 境分析可知，在高速运动状态下，弹目交会过程
中可用于目标识别的时间仅有数毫秒，生成的飞
机图像的行数仅有几十行，多不过几百行，这就 要求目标识别算法应简洁高效；同时，激光近场
探测环境中飞机图像是逐行生成的，这就要求目
标识别应在探测过程中同步完成，即在整个目标
图像尚未全部生成时就要求完成识别。在目前 兵 工 学 报 第３２卷
能够查阅到的相关文献中，文献［２—３］中的算法 并不适用于该类图像；文献［４—５］中所采用的算
法明显与本文相异，算法复杂度明显高于本文算
法，所关注的目标特征比较单一，没有考虑噪声
对目标图像的影响；而文献［６］只给出了思想，没 有给出具体的实现方法。
本文通过反复实验测试，发现图像的统计中心 线可以很好地描述飞机的很多重要特征，利用突变、 多分支、大角度、宽度变化等特征，可以有效区分激
光近场探测时的飞机目标和云。文中给出了一种易
于ＦＰＧＡ实现的能够提取这４种目标特征的目标特 征提取算法，硬件测试结果显示，该算法都能对目标
进行有效识别。
１ 目标特征分析
图１（每组图像从左至右分别为原始图像、滤波
２ 目标特征提取 （ｈ）图像２ （ｂ）Ｉｍａｇｅ ２ 后的图像、提取的统计中心线。）给出了弹目迎头交 会、尾追交会情况下生成的典型图像和统计中心线
的提取结果，同时也给出了云成像的可能结果及其
统计中心的提取结果。 由图１可以发现，由于几何结构复杂，飞机的机 翼、侧翼、尾翼常会使在激光近场探测成像过程中获
取的飞机图像的轮廓存在突变，致使飞机图像的统 计中心线经常会出现：①突变（图１中椭圆标识 处）、②多分支（如图１（ｅ）（ｆ）所示）和③大角度的
弯曲（如图１中方框标识处）情况，④当统计中心线
为一条竖直线时，此时的飞机图像的宽度却伴随有 变大一突然变小一不变一变大（如图１（ａ）（ｂ）所
示）或变小一不变一突然变大～变小的明显变化过
程。这些特征都是云图像所不具有的（如图ｌ（ｇ） （ｈ）所示），利用这些特征，可以实现云和飞机的
识别。
ｆ
（ｃ）图像３ （ｃ）Ｉｍａｇｅ ３
芦 芦 蔫 ；
（ｆ）图像６ （曲图像７ ［ｆ）Ｉｍａｇｅ ６ （ｇ）Ｉｍａｇｅ ７
图１ 不同图像统计中心线的提取结果 Ｆｉｇ．１ Ｓｔａｔｉｓｔｉｃａｌ ｅｅｎｔｅｒｌｉｎｅｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｉｍａｇｅｓ
２．１突变特征的提取 统计中心线形态特性的突变能够反映出目 标图像形状的突变，对于飞机图像，其统计中心
线的突变处通常都是机翼变化最剧烈处（如图１ 中椭圆标识处），而云图像则不会出现类似的突
变特征。因此，该特征的出现，就预示着有飞机 目标的出现。 设用于描述统计中心线变化特征的寄存器序列 为Ｆ１～ ，在这５个移位寄存器序列中寻找是否存 （ｄ）图像４ （ｄ）Ｉｍａｇｅ４
一
（ｈ）图像８ （ｈ）Ｉｍａｇｅ ８
在如图所示的序列。序列中各部分的含义如图２所 示。其中，上下端线的最小宽度本文设定为４个像
素宽度，该设定值的大小将影响到突变特征的提取
结果；序列中所能允许的孤立点或无效点的个数总
计不能大于２个，这使得该提取算法具有一定的抗
噪能力。 若存在这样的序列，则读取与交界点对应的统
计中心点位置信息寄存器Ｇ１～Ｇ５中的位置信息，
假设分别设为ｍ和ｎ，若Ｉ ｍ—ｎ Ｉ＞＝ｔｈ—ＳＣＨ，则判
定有突变存在。其中，ｔｈ—ＳＣＨ为突变判定阈值，其
取值可根据实际环境设定。 ：
、 第１１期 基于统计中心线的目标特征提取算法研究
． ．
下端线 孤立点或无效点 上端线
图２突变特征提取
２．２ 多分支特征的提取
飞机的机翼、侧翼、尾翼通常会使飞机图像的统 计中心线呈现出分支情况（如图１（ｅ）（ｆ）所示），利
用这一特征，可以实现云与飞机的区分。 设用于描述统计中心线变化特征的寄存器序列 为Ｆ１～ ，在这５个移位寄存器序列中寻找是否同
时存在序列“…１１１１１１…”，如图３所示。如果在某
一属性寄存器Ｆ（Ｘ）中存在这样的序列，说明在当
前寄存器中存在某一图像统计中心线的最短（像素 宽度可根据实际环境设定）可识别分支；如果５个
寄存器Ｆ１～Ｆ５中有２个以上的寄存器中同时存在 最短分支，则可以认为是飞机目标。
Ｆ１ ｌ…００００１１１１．１１１１１１《１１１１１１００００…ｌ ｉ 可能的同时存在的分支 ： 五
图３多分支特征提取 Ｆｉｇ．３ Ｍｕｌｔｉ—ｂｒａｎｃｈ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ
２．３大角度弯曲特征的提取 大角度弯曲特征可以用来描述具有一定长度的 统计中心线片段的弯曲度变化情况。该特征可以描 述飞机图像在形态上较大的改变（如图１中方框标
识处）。 设：位置寄存器Ｇ１中第ｒｏｗ（ｉ）行的统计中心
点的位置为＿『，第ｒｏｗ（ｉ一１）行的统计中心点的位置
为（ ＋ｋ），那么这２个统计中心点的位置关系可 记为： ｈ（ｉ）＝（ ＋ｋ）－ｊ＝ｋ． （１） 由于当ｋ＞２时，统计中心线将发生断裂（可能 是突变），不再是一条曲线，因此，本文算法只在第
ｒｏｗ（ｉ一１）行的［ 一２，＇『＋２］列范围内统计上下２行
统计中心的位置关系，所以ｈ（ｉ）的取值仅可能为
｛一２，一１，０，＋１，＋２｝，女口图４所示。 同理可求出其他位置寄存器Ｇ２～Ｇ４中上下２ ｒｏｗ（／一ｌ１：
ｒｏｗ（ｉ）： －２ 一ｌ ０ ＋１ ＋２ ｊ－２ ｌ一１ ● 』 ｊ＋ｌ ｊ＋２ 、 ． ＾ ／ ——一，ｒ —＼： 、 １ ／ ［—／， １ 一
图４相邻２行统计中心位置关系表不 Ｆｉｇ．４ Ｐｏｓｉｔｉｏｎ ｒｅｌａｔｉｏｎ ｏｆ ｔｗｏ ａｄｊａｃｅｎｔ ｃｅｎｔｅｒｓ
个统计中心点的位置关系，也可求出其他相邻２行
之间的统计中心点的位置关系。于是统计中心线的
角度变化可用下述序列表示：
｛ｈ（ｉ）ｌ ｉ Ｅ［１，（Ｂｕｍ—ｒｏｗ一１）］｝ 其中，ｎｌｌｍ—ｒｏｗ为用于描述统计中心线弯曲变化程
度所需的统计中心点的个数，本文该值设定为ＢＨｍ— ｒｏｗ＝Ｎ，即累积Ⅳ行图像数据后即可进行统计中心
线大角度弯曲特征的提取。 构造关系式，令： ｉ＋５ Ｂ（ｉ）＝ ｈ（ｉ）＋Ｃ，ｉ∈（１，（ｎｕｎ—ｒｏｗ一５））， ●－一 （２）
， ｉ” 、 其中：Ｃ＝Ｎ（为∑ （ ）的最大值）。
若序列｛Ｂ（ｉ），Ｂ（ｉ＋１），…，Ｂ（ｉ＋５）｝满足（３） 式时，证明当前位置寄存器所描述的统计中心线有
大角度弯曲的变化特征，亦即目标图像的形态有较
大变化，此时可认为有目标存在。其中，ｔｈ—ＬＡＣ为 大角度弯曲特征的判定阈值（其取值可根据实际环
境设定），改变该值的大小可以调整可识别的弯曲
曲线的程度。图５给出了大角度弯曲特征提取的示
例及提取结果。
，ｍａｘ（１｛ｈ（ｉ）Ｉ ｉ∈［１，（ＢＨｍ—ｒｏｗ—Ｉ）］｝１）≤２， Ｊ ｍａｘ（｛曰（ｉ）｝）一ｍｉｎ（｛Ｂ（ｉ）｝）≥ｔｈ—ＬＡＣ， 【ｉ∈［１，（ｎｕｎ—ｒｏｗ一５）］．
（３） ２．４宽度变化特征的提取 当弹目以近似正面迎头或者正面尾追的方位交
会时，所提取出的飞机图像的统计中心线近似于一 条竖直线。于此同时，飞机图像的宽度呈现出明显
的变化规律，即近似正面迎头交会时，飞机图像的宽 度呈现“平缓变大一基本不变一瞬间变小一基本不
变一平缓变大”的变化规律（如图１（ａ）所示）；近似
正面尾追交会时，飞机图像的宽度呈现“平缓变小 一基本不变一瞬间变大一基本不变一平缓变小”的
变化规律（如图１（ｂ）所示）。根据这一特征，即可